近年来，人工智能技术已变得越来越成熟。如今，许多产品和服务都依靠人工智能技术来实现自动化和智能，因此它与我们的日常生活密切相关。无论是为我们带来各种方便的家用设备，还是我们使用产品制造方法的方式，人工智能的影响无处不在，几乎在生活的各个方面都推动了创新。但是，仍然存在一些缺点，这使最终用户失望，并向试图提高人工智能技术表现的研究人员构成了重大挑战。

常识方法

在2018年去世之前，微软联合创始人保罗·艾伦（Paul ）投入了大量时间和资源来解决看似无尽的巨大挑战：缺乏关于人工智能技术的基本常识。艾伦先生的艾伦人工智能学院（AI2）已发起了（）项目，以继续解决此问题。他的想法就是这样：

“在AI研究的早期，常识非常关注，但是这项工作停滞不前。AI仍然缺乏大多数10岁儿童可以掌握的常识。我们希望从这项研究中在这一领域取得重大突破。”

艾伦的隐喻突出了当前深度学习技术的一个主要问题。尽管我们的AI产品通常很聪明，但他们仍然无法回答我们可能会问同事或合作伙伴的极其简单的问题。例如，“如果我用红色涂上这堵墙，明天还会是红色吗？”为了说明我们将在多大程度上解决这个问题，AI2首席执行官Oren举了一个例子：“尽管 AI （）在2016年击败了世界排名第一的GO球员，但它并不知道Go是棋盘游戏。”我认为我们都同意这是一个非常重要的细节，如果我们无法解决这个问题，AI成功的潜力将仅限于狭窄的应用领域。

常识问题的复杂解决方案

显然，常识性人工智能需要一项多管齐下的策略来打破其局限性。为此，艾伦的马赛克项目“整合了机器阅读和推理，自然语言理解，计算机视觉和众包技术，以建立为未来人工智能系统的基本常识知识的新的广泛资源。”对于AI2等组织的研究层面，这是什么？

如何帮助您的AI计划？

像大多数机器学习项目一样，常识AI通常需要大量精心标记的培训数据。 的全球网络涵盖了130多个国家，其中包括超过100万个技术承包商，使用了180多种语言和方言，这意味着我们能够收集和标记大量图像，文本，语音，声音，音频和视频数据，以构建和改善人工智能系统。了解有关行业领先的高质量培训数据解决方案的更多信息。