快讯：DARPA “人工智能常识”数据集发布

构建能够根据常识做出决定的机器并不是一件容易的事：一台机器必须能够做的不仅仅是找到数据中的模式，还需要一种解释人们选择背后的意图。

在2021年国际机器学习会议（ICML）上，来自IBM、麻省理工学院和哈佛大学的研究人员共同发布了一个DARPA “人工智能常识”数据集，用于衡量人工智能的直觉。他们还发布了两个机器学习模型，代表了解决这个问题的不同方法，该模型依赖于心理学家用于研究婴儿行为的测试技术，以加速发展表现出常识的人工智能。

在 ICML 活动上公布的基准被命名为 AGENT（Action、Goal、Efficiency、constraint、uTility），由 8,400 个 3D 动画组成。这些视频分为四类——目标偏好、行动效率、未观察到的约束以及成本或奖励的权衡。

与其他新研究一样，该研究项目在每个试验中都有两个阶段。 在熟悉阶段，AI 模型会收到展示特定代理在某些物理环境中的行为的视频。在测试阶段，模型会展示同一智能体在新环境中的行为视频。

这两种机器学习方法使用传统的人类心理学方法推进了人工智能和机器学习模型的更真实的训练。他们将贝叶斯逆向规划与心理理论神经网络进行了比较，在那里他们提供了强大的基线来构建一个有效的计划，该计划使用这些方法向人类学习，同时保持他们的自主性。

该研究表明，模型需要表示代理如何计划才能通过核心直觉心理学的测试。这是因为他们必须计算效用，并了解嵌入其中的物体和物理知识。

摘要： https://www.marktechpost.com/2021/07/20/researchers-from-ibm-mit-and-harvard-announced-the-release-of-its-darpa-common-sense-ai-dataset-along-with-two-machine-learning-models-at-icml-2021/

论文： https://arxiv.org/pdf/2102.12321.pdf