دانش عقل سلیم (Commonsense Knowledge) مجموعه‌ای گسترده از دانسته‌های بدیهی و حقایق ناگفته‌ای است که انسان‌ها برای درک جهان و تعامل با آن به کار می‌برند. این دانش شامل مفاهیمی مانند «آب خیس است»، «پرندگان پرواز می‌کنند» یا «اگر یک فنجان را رها کنید، به زمین می‌افتد» می‌شود. برای سیستم‌های هوش مصنوعی (AI)، دستیابی به این سطح از درک، یکی از بزرگ‌ترین چالش‌ها بوده و هست. بدون عقل سلیم، پیشرفته‌ترین الگوریتم‌ها نیز در موقعیت‌های ساده و روزمره دچار خطاهای مضحک می‌شوند.

مقاله «ابعاد دانش عقل سلیم» (Dimensions of Commonsense Knowledge) نوشته‌ی فیلیپ ایلیفسکی و همکارانش، تلاشی نظام‌مند و برجسته برای سازمان‌دهی به این حوزه پراکنده و پیچیده است. اهمیت این مقاله در آن است که به جای ایجاد یک منبع دانش جدید، یک چارچوب تحلیلی مشترک ارائه می‌دهد تا بتوان منابع دانش موجود را بر اساس آن طبقه‌بندی، مقایسه و ارزیابی کرد. این پژوهش با معرفی ۱۳ بعد اساسی دانش، به محققان کمک می‌کند تا نقاط قوت، ضعف، همپوشانی‌ها و شکاف‌های موجود در پایگاه‌های دانش فعلی را شناسایی کرده و راه را برای ساخت سیستم‌های هوش مصنوعی قوی‌تر و با درک عمیق‌تر هموار سازند.

این مقاله حاصل همکاری گروهی از پژوهشگران برجسته در حوزه هوش مصنوعی و علوم کامپیوتر است: فیلیپ ایلیفسکی، الساندرو اولتراماری، کایشین ما، بین ژانگ، دبورا ال. مک‌گینس و پدرو زکلی. این نویسندگان از موسسات معتبری مانند موسسه علوم اطلاعات دانشگاه کالیفرنیای جنوبی (USC)، مرکز هوش مصنوعی بوش (Bosch) و موسسه پلی‌تکنیک رنسلیر (Rensselaer Polytechnic Institute) هستند که سوابق درخشانی در زمینه نمایش دانش، وب معنایی و پردازش زبان طبیعی دارند.

زمینه این تحقیق، دهه‌ها تلاش برای مدلسازی و کدگذاری دانش عقل سلیم است. پروژه‌هایی مانند Cyc، ConceptNet و ATOMIC هر یک با رویکردی متفاوت سعی در گردآوری این دانش داشته‌اند. در سال‌های اخیر، با ظهور مدل‌های زبانی بزرگ (LLMs)، تمرکز به سمت منابع دانش مبتنی بر متن معطوف شده است. این مدل‌ها دانش ضمنی را از حجم عظیمی از متن استخراج می‌کنند، اما اغلب فاقد ساختار معنایی دقیق و روابط صریح موجود در پایگاه‌های دانش کلاسیک هستند. این مقاله دقیقاً در این نقطه تلاقی قرار می‌گیرد و سعی دارد میان این دو جهان پل بزند.

دانش عقل سلیم برای بسیاری از کاربردهای هوش مصنوعی، از جمله پردازش زبان طبیعی، بینایی ماشین و برنامه‌ریزی، ضروری است. در دهه‌های گذشته، منابع متعددی برای گردآوری این دانش طراحی شده‌اند. اخیراً، تمرکز بر منابع بزرگ مبتنی بر متن بوده که ادغام آن‌ها با مدل‌های عصبی را تسهیل می‌کند، اما این امر معمولاً به قیمت کاهش غنای معنایی و هماهنگی منابع تمام شده است.

نویسندگان این مقاله استدلال می‌کنند که تلاش‌ها برای یکپارچه‌سازی این منابع دانش، موفقیت محدودی داشته و مسیر مشخصی برای یک راه‌حل جامع وجود ندارد. هدف اصلی این پژوهش، سازماندهی منابع دانش پیرامون مجموعه‌ای مشترک از ابعاد دانش عقل سلیم است. آن‌ها طیف وسیعی از منابع محبوب را بررسی کرده و روابط موجود در آن‌ها را در قالب ۱۳ بعد کلیدی دانش، یکپارچه می‌کنند. این طبقه‌بندی به آن‌ها اجازه می‌دهد تا:

• منابع دانش مجزا را تحت یک چارچوب واحد متحد کنند.
• میزان پوشش، همپوشانی و شکاف‌های هر منبع را نسبت به این ابعاد محاسبه کنند.
• تأثیر هر بعد دانش را بر روی وظایف استدلالی پایین‌دستی (Downstream Tasks) که به عقل سلیم نیاز دارند، تحلیل نمایند.

نتایج نشان می‌دهد که برخی ابعاد مانند دانش زمانی (Temporal) و دانش مربوط به تمایل/هدف (Desire/Goal) تأثیر بسیار مثبتی بر عملکرد مدل‌ها در وظایف استدلالی دارند، در حالی که ابعادی مانند تمایز (Distinctness) و دانش واژگانی (Lexical) تأثیر ناچیزی دارند. این یافته‌ها نشان‌دهنده اولویت‌بندی برخی ابعاد در روش‌های ارزیابی فعلی و غفلت بالقوه از سایر ابعاد مهم است.

رویکرد پژوهشگران در این مقاله چندمرحله‌ای و کاملاً نظام‌مند است:

1. بررسی و انتخاب منابع: در گام نخست، محققان تعداد زیادی از پایگاه‌های دانش عقل سلیم مشهور مانند ConceptNet، ATOMIC، TransOMCS و WebChild را به دقت بررسی کردند. تمرکز آن‌ها بر منابعی بود که دانش را به صورت روابط صریح (مانند “X باعث Y می‌شود”) ارائه می‌دهند.
2. یکپارچه‌سازی روابط و تعریف ابعاد: این مرحله، هسته اصلی نوآوری مقاله است. نویسندگان هزاران نوع رابطه مختلف موجود در این منابع (مانند IsA, HasProperty, Causes, xWant, CapableOf) را تحلیل کرده و آن‌ها را در ۱۳ بعد مفهومی کلی گروه‌بندی کردند. این ابعاد، دسته‌بندی‌های سطح بالایی از انواع دانش عقل سلیم هستند. برخی از این ابعاد عبارتند از:
   • طبقه‌بندی (Taxonomic): روابط مربوط به دسته‌بندی و عضویت (مثال: سگ یک حیوان است).
   • علّی (Causal): روابط علت و معلولی (مثال: باران باعث خیس شدن زمین می‌شود).
   • زمانی (Temporal): روابط مربوط به توالی و مدت زمان رویدادها (مثال: غذا خوردن قبل از خوابیدن اتفاق می‌افتد).
   • فضایی (Spatial): روابط مکانی بین اشیاء (مثال: کلید روی میز است).
   • کاربردی (Functional): دانش مربوط به هدف و کاربرد اشیاء (مثال: از چکش برای کوبیدن میخ استفاده می‌شود).
   • تمایل/هدف (Desire/Goal): دانش مربوط به اهداف، خواسته‌ها و نیات عامل‌ها (مثال: یک فرد گرسنه تمایل به خوردن غذا دارد).
3. تحلیل پوشش، همپوشانی و شکاف: پس از تعریف ابعاد، محققان هر یک از پایگاه‌های دانش را بر اساس این چارچوب تحلیل کردند. آن‌ها توانستند به صورت کمی مشخص کنند که هر منبع در کدام ابعاد قوی‌تر و در کدام ضعیف‌تر است (پوشش)، چه میزان از دانش ارائه شده در منابع مختلف تکراری است (همپوشانی) و کدام ابعاد دانش به طور کلی در اکوسیستم موجود کمتر مورد توجه قرار گرفته‌اند (شکاف).
4. ارزیابی بر روی وظایف پایین‌دستی: در نهایت، برای سنجش اهمیت عملی این ابعاد، پژوهشگران تأثیر هر بعد را بر عملکرد مدل‌های هوش مصنوعی در مجموعه‌ای از وظایف استدلال عقل سلیم (مانند مجموعه داده‌های CommonsenseQA و Social IQA) ارزیابی کردند. آن‌ها بررسی کردند که افزودن دانش از هر بعد خاص، تا چه حد به مدل در پاسخگویی صحیح به سوالات کمک می‌کند.

تحلیل‌های دقیق این مقاله به چندین یافته مهم و تأمل‌برانگیز منجر شد:

• توزیع ناهمگون دانش: تحلیل‌ها نشان داد که منابع دانش موجود، پوشش بسیار ناهمگونی از ابعاد سیزده‌گانه دارند. برای مثال، منبعی مانند ConceptNet در دانش طبقه‌بندی و واژگانی قوی است، در حالی که ATOMIC بر دانش علّی و رویدادهای اجتماعی تمرکز دارد. این نشان می‌دهد که هیچ منبع واحدی به تنهایی جامع نیست.
• شکاف‌های دانشی قابل توجه: برخی ابعاد، مانند دانش مربوط به کمیت و اندازه (Quantity/Size) یا احساسات (Affective)، در اکثر منابع دانش به میزان قابل توجهی کمتر پوشش داده شده‌اند. این شکاف‌ها فرصت‌های مهمی برای تحقیقات آینده هستند.
• اهمیت ابعاد زمانی و هدف‌محور: یکی از شگفت‌انگیزترین یافته‌ها، تأثیر بسیار زیاد ابعاد زمانی (Temporal) و تمایل/هدف (Desire/Goal) بر عملکرد مدل‌ها در وظایف استدلالی بود. این نشان می‌دهد که درک توالی رویدادها و نیات عامل‌ها، برای حل مسائل پیچیده عقل سلیم بسیار حیاتی است.
• تأثیر کم برخی ابعاد: در مقابل، ابعادی مانند تمایز (Distinctness) (دانش در مورد تفاوت‌های بین مفاهیم) و دانش واژگانی (مانند مترادف‌ها)، تأثیر کمی بر بهبود عملکرد مدل‌ها داشتند. نویسندگان این فرضیه را مطرح می‌کنند که یا مدل‌های زبانی مدرن این نوع دانش را به خوبی از متن یاد می‌گیرند، یا اینکه بنچمارک‌های ارزیابی فعلی به اندازه کافی این نوع استدلال‌ها را به چالش نمی‌کشند.

این مقاله صرفاً یک تحلیل نظری نیست، بلکه دستاوردهای عملی و کاربردی مهمی را به همراه دارد:

1. نقشه راه برای تحقیقات آینده: چارچوب ۱۳ بعدی به مثابه یک نقشه راه برای جامعه پژوهشی هوش مصنوعی عمل می‌کند. محققان اکنون می‌توانند به طور هدفمند بر روی جمع‌آوری دانش در ابعادی که کمتر مورد توجه قرار گرفته‌اند، تمرکز کنند.
2. کمک به انتخاب منبع دانش مناسب: توسعه‌دهندگان سیستم‌های هوش مصنوعی می‌توانند از این چارچوب برای انتخاب بهترین منبع دانش برای کاربرد خاص خود استفاده کنند. به عنوان مثال، برای ساخت یک دستیار مجازی که باید اهداف کاربر را درک کند، استفاده از منبعی غنی از بعد “تمایل/هدف” اولویت خواهد داشت.
3. بستری برای یکپارچه‌سازی دانش: این ابعاد یک زبان مشترک برای تجمیع و هماهنگ‌سازی پایگاه‌های دانش مختلف فراهم می‌کنند. این امر می‌تواند به ساخت یک گراف دانش عقل سلیم جامع و یکپارچه منجر شود که یکی از اهداف دیرینه هوش مصنوعی است.
4. بهبود روش‌های ارزیابی: یافته‌های این مقاله نشان می‌دهد که بنچمارک‌های فعلی ممکن است به طور نامتناسبی بر روی انواع خاصی از استدلال (مانند استدلال زمانی و هدف‌محور) تمرکز داشته باشند. این بینش می‌تواند به طراحی نسل جدیدی از ارزیابی‌ها کمک کند که طیف وسیع‌تری از توانایی‌های عقل سلیم را بسنجند.

مقاله «ابعاد دانش عقل سلیم» یک گام مهم و بنیادی در جهت سازماندهی و درک یکی از چالش‌برانگیزترین حوزه‌های هوش مصنوعی است. این پژوهش با ارائه یک چارچوب تحلیلی مبتنی بر ۱۳ بعد کلیدی، از رویکردهای پراکنده و مجزا فراتر رفته و دیدی جامع و یکپارچه از چشم‌انداز دانش عقل سلیم ارائه می‌دهد. این کار نه تنها به ما کمک می‌کند تا منابع موجود را بهتر بفهمیم و مقایسه کنیم، بلکه راه را برای ساخت پایگاه‌های دانش جامع‌تر و سیستم‌های هوش مصنوعی با درک عمیق‌تر از جهان هموار می‌سازد. در نهایت، این مقاله نشان می‌دهد که مسیر به سوی هوش مصنوعی واقعی، نه فقط از طریق داده‌های بیشتر، بلکه از طریق ساختاردهی هوشمندانه‌تر و درک عمیق‌تر از دانش نهفته در آن داده‌ها می‌گذرد.