机器可以具备“常识”（common sense）吗？11月18日，第九届财新峰会“科学下一步暨STEP全球科技论坛”上，华盛顿大学计算机科学系教授、艾伦人工智能研究所首席执行官奥伦·埃齐奥尼（Oren Etzioni）称，目前机器学习存在诸多问题，但可以通过获得“常识”来解决。
现年54岁的奥伦·埃齐奥尼（Oren Etzioni）毕业于哈佛大学，在卡内基梅隆大学获得博士学位，他曾获得多个奖项，包括美国自然科学基金青年学者奖（1993年）、罗伯特·恩格尔莫尔纪念奖（2007年）、IJCAI杰出论文奖（2005年）、西雅图年度极客奖（2013年）。在元搜索（1994年）、在线比较购物（1996年）、机器阅读（2006年）和开放式信息提取（2007年）等领域，埃齐奥尼都是先驱性的科学家。
埃齐奥尼不仅是一位科学家，还是一位卓有成就的企业家。他曾参与创立了多家公司，包括Farecast公司（2008年卖给微软）和Decide公司（2013年卖给eBay）。埃齐奥尼发表过100多篇论文，在学术搜索引擎Semantic Scholar上，他的论文的被引次数高达1800多次。
埃齐奥尼称，虽然目前深度学习（deep learning）在各个领域得到广泛应用，但是深度学习有四大问题。首先深度学习易于犯错，他举的一个例子是用图像识别深度学习程序去识别一张鸭子在水中游泳的照片，该深度学习程序在水波中识别出了一辆汽车，因为图中的一小块水波放大以后看确实很像是汽车的外形。埃齐奥尼表示，除此以外深度学习还有效率低、无法解释如何得到计算结果、以及有安全隐患等问题。
解决这些问题的一个方式是让深度学习获得“常识”。埃齐奥尼通过举例来解释何为“常识”，比如把一双袜子放进衣橱里面，第二天这双袜子是否还在衣橱里？大部分人会认为这双袜子会还在。这就是常识。又比如说，对“I see Great Wall flying to Beijing.”（我在飞往北京的飞机上看到了长城）这句话，它的意思不是“我看到长城飞到北京去了”，因为“长城不会飞”这是常识。
埃齐奥尼称，要让机器学习获得常识，首先要把常识变得可以测量。一个方法是用大量的测试题，比如一些给小孩子做的物理题，让机器学习程序去做，以此测试机器学习的常识水平。
其次，可以通过知识工程、众筹以及自动化三种方式来生产常识数据。知识工程就是找一些专家去写常识性的论断，这种方式规模化较难；众筹就是利用各种众筹平台生产常识论断，这种方式比较有希望；自动化是通过文字、图片和视频来进行推断，自动生成常识性论断
【来源：财新网】
