人工智能與處理常識知識（CSK）的當前局限

自人工智能誕生之初，人們就已認識到常識獲取與推理是其中一個核心挑戰。然而，在這一領域的進展卻令人沮喪地緩慢。早在1960年，在機器翻譯的語境中，研究人員就已經討論了現實世界知識對於自然語言處理與消歧義的重要性。

幾乎無一例外，當前處理語言任務的計算機程序之所以能夠成功，是因為這些任務可以僅通過對單詞或短語的簡單操作來完成，而無需深入理解語言本身。為了追求短期成果，常識問題往往被回避了。但若不更加重視常識，幾乎無法實現人類水平的理解能力。

常識知識（CSK）面臨的問題是建立一個資料庫，包含大多數人理應具備的一般知識，並以人工智慧系統能夠理解自然語言的方式呈現。儘管智慧機器已經能夠擊敗最優秀的人類圍棋選手、駕駛汽車、回答有關天氣或其他特定主題的自然語言提問，但它們實際上並不「理解」自己在做什麼。

這些成果主要是透過多層人工神經網路（深度學習）實現的，這種方法最有效的方式是結合大量標註的訓練資料（數據集）與所謂的「反向傳播」演算法，後者被用來訓練神經網路以達成特定的結果。

常識知識與百科全書式的知識不同，前者處理的是一般性的知識，而不是針對特定實體的細節。大多數的知識資料集提供了關於某些實體（如人物或地理政治實體）的數百萬筆資料，但卻無法提供基本的常識知識，例如：一個嬰兒可能還太年幼，無法擁有物理學博士學位這種概念。

獲取常識知識的挑戰在於它難以捉摸且依賴上下文。常識難以掌握，是因為它很少被明確地表達出來。上下文在界定常識的正確性方面扮演了重要角色，因此在取得常識知識的過程中必須加以考慮。應用常識的困難在於：在擁有大量常識資料庫之前，無法對其進行有效實驗。

建構常識資料庫的努力

1985年，當時還是史丹佛年輕教授的道格·雷納特（Doug Lenat）開始手動建立一個名為「Cyc」的資料庫，目的是分類並儲存常識知識。自那時起，雷納特和他的同事花了數年時間不斷地將常識知識輸入 Cyc。34年後，經過等同於兩千人年（man-year）的努力，利用 Cyc 建立一個常識應用程式仍需要龐大的工程投入。

為了克服這個問題，研究人員開始使用資料探勘技術，從特定情境的文字分析中結合神經網路標註，找出常識關係。例如，1999年麻省理工學院（MIT）創立的「Open Mind Common Sense（OMCS）」是一個人工智慧專案，目標是從來自全球網路上數以千計人的貢獻中建立並運用一個龐大的常識知識庫。

這個資料庫可以被用來建立特定應用，例如 ARIA，一個能夠根據物體分類、空間關係、物體用途、事件間的因果關係以及情感等，管理個人照片的系統。

近年來，OMCS（開放心智常識）項目通過整合其他眾包資源的知識，發展成為了ConceptNet。這個知識庫目前包含大約2800萬條語句，全面支持10種語言，為人工智能應用理解人類所使用的詞語含義提供了資源。2018年2月，艾倫人工智能研究院（Allen Institute for Artificial Intelligence）宣布了一項大型、資金充足的研究項目，旨在通過ATOMIC（一個基於知識圖譜的「如果-那麼」推理圖譜）推進機器常識的發展。隨著谷歌等公司加入常識型人工智能應用的競爭，我們可以預期會有更多的相關公告發布。

結論：未來CPO（首席哲學官）的職位畫像

CPO的主要職責是支持人類價值觀與技能與智能機器之間的對接，以優化人機增強的潛力。為了實現這一目標，CPO必須激勵團隊成員提出「跳出企業框架」的問題。為了推動這種活動，CPO需積極參與構建和維護一個面向公司所面臨的「外部世界」問題的常識數據庫。配備了相應的常識推理工具後，CPO將作為戰略事務以及領導力與個人發展事務方面的顧問，為公司董事會和管理團隊提供建議。

要勝任這些任務，理想的CPO應具備以下背景：

在以人工智能為核心的公司中從事多個職能崗位至少5年的工作經驗;擁有人工智能或信息技術方向的學士學位（BS）;擁有哲學方向的碩士學位（MS）.

作為另一種選擇，我們是否應該考慮在商學院的教育中，讓未來的管理者接觸哲學思維？這樣可以增強未來商業領袖在個人探究、邏輯和推理方面的潛力，並能在其身份尚未完全成形的階段，為其提供目標與方向。不論選擇哪條路徑，CPO的思維模式對於在企業發展中應對AI所帶來的快速變革，都是不可或缺的。

(譯自：Does your Company need a Chief Philosophy Officer (CPO)? by Peter Rudin；18. January 2019,https://singularity2030.ch）