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 学习（deep learning）在各个领域得到广泛应用，但是 学习有四大问题。首先 学习易于犯错，他举的一个例子是用图像识别 学习程序去识别一张鸭子在水中游泳的照片，该 学习程序在水波中识别出了一辆 ，因为图中的一小块水波放大以后看确实很像是 的外形。埃齐奥尼表示，除此以外 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 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】
