近日，阿里AI在常識QA領域的權威數據集CommonsenseQA上刷新世界紀錄，顯著提升AI的常識推理能力。這一技術是“95后”實習生葉志秀在達摩院科學家指導下完成的實習成果。

CommonsenseQA是為了研究基于常識知識的問答而提出的數據集，比此前的SWAG、SQuAD數據集難度更高。目前流行的語言模型BERT在SWAG、SQuAD上的性能已經接近或超過人類，但在CommonsenseQA上的準確率還遠低于人類。

上圖為CommonsenseQA數據集上的常識問題，大拇指朝上的選項為正確答案

自然語言理解（NLP，Natural Language Processing）是人工智能皇冠上的明珠，常識推理則是難度非常高的NLP任務之一。在機器翻譯、閱讀理解等NLP任務上，AI的表現已經接近或超過人類水平，阿里AI就先后在國際先進的機器翻譯賽事WMT、機器閱讀理解賽事SQuAD、文本閱讀理解挑戰賽MS MARCO等賽事奪冠甚至趕超人類紀錄。

相比之下，AI的常識推理能力比人類差得多。常識是指絕大部分人都了解并接受的客觀事實，比如鹽是咸的、下雨了要打傘、村莊位于陸地上而非湖泊內等等。人在回答問題時，常會結合這些不言而喻的背景知識。但機器沒有常識，無法將“馬路上，人們撐著傘”的原始陳述與“外面正在下雨”的邏輯假設自動關聯。

深度學習先鋒人物之一、圖靈獎獲得者Yann LeCun 曾有斷言：即使是非常聰明的AI在常識方面也不如貓。在包含1.2萬多個常識問題的CommonsenseQA數據集上，時下流行的AI模型BERT的答題準確率為56.7%，遠低于人類的89%。

阿里巴巴達摩院語音實驗室提出了AMS方法，顯著提升BERT模型的常識推理能力。AMS方法使用與BERT相同的模型，僅預訓練BERT，在不提升模型計算量的情況下，將 CommonsenseQA數據集上的準確率提升了5.5%，達到62.2%。

上圖為CommonsenseQA數據集的得分榜單，阿里AI刷新了世界紀錄

阿里的技術突破將大幅提升下一代人機交互產品的常識理解能力，可應用于語音導航、智能電視、語音售票機等產品。

設想這樣的場景：你開車尋找一個地處偏僻的村莊，村子不久前已經搬遷，但導航還沒更新位置信息。村子所在地塊被開挖成了人工湖，由于AI沒有常識，導航直接就把你往湖心方向帶。AI如果擁有常識，就不會犯這類“蠢萌”的錯誤。

達摩院表示今后將開源該模型和論文，與業界共享新的研究成果。