麻省理工学院的 OMCS（Open Mind Common Sense）和 Cyc 有着类似的目标，但采取了“众包”的办法（crowdsourcing，尽管当时还没有这个词）。他们建了个网站，鼓励世界各地的志愿者贡献诸如“天是蓝的”、“鸟会飞”、“桌子有四条腿”之类的知识。这些知识以自然语言的形式被提供，然后加工成系统能使用的形式。这么做自然比 Cyc 成本低多了，但知识的可靠性、完整性、系统性都不好保证，而且自然语言处理本身就不容易。这类项目还有几个，但进展都低于主持者的预期。

　　即使一个常识知识库已经被建起来了，用这种知识进行推理也不是个简单的任务。这里的主要问题是“常识”并不具有数学知识或科学知识的严格可靠性，而往往只是“大致”、“通常”、“一般来说”是对的，因而面临“例外”的挑战。比如在对话中说话人提到一只鸟，听话人会自然以为它能飞，尽管这种推论可能是错的（如它是企鹅、幼鸟、伤鸟等等）。为了处理这种“常识推理”，人工智能的奠基人之一 John McCarthy 倡导了对“非单调逻辑”的研究。在使用这种逻辑的推理系统中，系统信念总量不是“单调增长”的知识累积，而是有增有减，因为新知识（如“此鸟是只企鹅”）可能导致对旧信念（如“此鸟能飞”）的否定或修正。在信念冲突发生时，修正的范围不是显而易见的，因为信念间通常有复杂的依赖和蕴涵关系。目前的非单调推理系统只是在有限的领域获得了应用。

　　深度学习和“常识”解决

　　前面的介绍说明“常识”在人工智能研究中远非新问题，而且以往的工作也有一定的成果，尽管离“计算机已经有常识”还差很远。在这个课题上，前面的工作都是由“逻辑学派”做的，而这次 Hinton 说的当然是深度学习可以实现这个目标。他的根据是什么呢？毕竟这对深度学习是个新课题。

　　由于 Hinton 并没有展开谈，下面只能是我的推测了。基于深度学习已经展现的力量，它带给这个领域的新思路大概不外乎是“从已有材料中学习常识”。和传统的知识库构建方式比较，这里的新意主要是两点：一是直接利用已有材料，尤其是互联网上的文本和多媒体信息；二是用这些材料训练神经元网络，而非把知识表示为命题或语句集合。

　　和利用手工方式（不论是用符号语言还是自然语言）构建常识知识库相比，直接利用网上信息显然是成本低而效率高。和八十年代的情况不同，现在大概所有常识性知识都能在网上找到。如果考虑到能从图片、影片、语音中抽取出来的知识就更是如此了。这些知识目前没能被计算机所充分使用，是因为“理解”这个问题尚未被解决。比如说，自然语言处理技术就没达到能让机器能通过阅读获取知识的地步。

　　深度神经元网络已成功地建立了大量图片和其内容描述之间的对应关系，而这类关系也可被看成是属于常识。照此看来，深度学习能让计算机获得常识似乎是其已有成果的自然拓展。深度学习在自然语言理解上的办法和它处理图片和语音的办法相似，即通过反复训练把输入材料压缩编码为网络参数，也就是所谓“词语向量”（word vectors）和“思想向量”（thought vectors）。说这些向量表征了常识，是指它们可被用来完成某些查询或推理任务，比如判断两段词语的语义相似程度。

　　“常识”中的麻烦

　　但“让计算机有常识”可远不仅意味着存储和检索海量知识，其中的困难大概还远没有得到充分认识。

　　首先要问的是“谁的常识？”这个问题很少被讨论，因为答案似乎显而易见——当然是人的常识。但“人类常识”不是一个有明确定义的范畴，而某个信念是否属于常识可能是有争议的。比如说“太阳东升西落”和“地球围绕太阳转”哪个是常识？“新年是在冬季”只在北半球是对的，那还算常识吗？在辩论双方都指责对方“缺乏常识”或“违背常识”的时候，谁有资格做裁判？

　　就算我们可以就“人类常识”的范围和内容达成共识或妥协，它和“机器常识”的关系仍是个问题。一个智能系统的知识应当来自其经验，包括得自感觉-运动的直接经验和得自系统间通讯的间接经验。即使一个人工智能系统具有和人相似的认知功能，它的经验也不会和人的经验达到同等的类似程度。就算是人形机器人，它的躯体和感觉-运动器官也不会和人完全一样。在通讯的过程中，一个人工智能同样不可能得到和人一样的社会经验，因为人们不会把它当人来对待。