声明：百科词条人人可编辑，词条创建和修改均免费，绝不存在及代理商付费代编，请勿上当。详情 在人工智能的研究中，常识性知识是收集到的事实和一个普通人预知的信息。常识性知识问题是一个正在进行中的项目，属于知识表达领域（人工智能的一个分支领域）。它旨在创造一个常识知识库：一个数据库，包含大多数人拥有的所有的一般知识。它表达的方式，便于它可在人工智能程序中使用自然语言或作出关于普通世界的推论。这样的数据库是一种知识本体，其中最普遍的是所谓的上层本体。 这个问题被认为是最难的，因为人工智能研究的广度和详细的常识性知识是巨大的。任何需要常识性知识的任务，被认为是人工智能完成：许多工作要做的，以及作为一个人所没有的，它需容祖儿 夹春卷要机器出作为一个人的智能。这些任务包括机器翻译、对象识别文本挖掘和许多其它问题。要完美地执行这些任务，机器简单地知道文本在谈论什么、对象可视，这是不可能的，除非机器熟悉与一个普通人所熟悉且相同的概念。 有专家认为“常识性知识处理是人工知识研究的核心难题”。有专家认为“如何有效地获取领域专家的知识一直被为人工智能中的难题”。 所具备的知识库的两种基本类型。计算机科学领域普遍认为领域知识库和常识知识库是人工智能或知识工程技术瓶颈难题。从早期关注专家的领域知识到现在同时关注常识知识，这是人工智能或知识工程技术的一种进步。由于计算机硬件软件以及数据库乃至数据仓库及其人机交互界面等技术的不断成熟，使得人们在21世纪开发各种专家系统所需要的各个中等规模的领域知识库和开发常识系统所需要的大规模的常识知识库都具备了基础条件。 实际研究面向智能代理的大规模常识知识库的本体结构和运行机制。在国际人工智能界， 一直常识性知识的处理是人工智能的核心难题。所谓常识，是相对于专业知识而言的，专业知识被广泛应用于各类专家系统和应用软件之中，人类积累的专业知识虽浩如烟海，但比起常识来，专业知识还只如小巫之见大巫。McCarthy 曾指出 ：缺乏常识是当前专家系统的一大弱点。 常识问题的一个非常重要的研究方向就是常识和常识处理的数学模型，这里涉及到常识的各种表示(一阶逻辑、产生式系统 、语义网络、神经元网络等)，以及常识处理的各种原则(演绎 、归纳、定性推理、模糊推理、非单调推理 、次协调推理等)，尤其非单调推理和非单调逻辑是专为研究常识推理中的非单调性而提出来的.有关常识问题的各种理论研究大大推动了常识推理研究的进展，其中某些研究已经开始向实用方面发展，例如利用非单调推理作真值。但是，这些研究就其主要方面来说还是理论研究，缺少“重量级”的应用，其原因主要是常识及其推理的特性广泛、模糊且复杂，例如 ：Sowa 把常识比喻为“知识汤”，曹存根把常识比做知识云。非单调逻辑的研究仅仅抓住了常识推理中会出现非单调性这一特点做文章，实际上，常识推理中还有许多各种各样的特性有待于深入广泛的研究。 陆汝钤, 石纯一. 面向 Agent 的常识知识库[J]. 中国科学: E 辑, 2000, 30(5): 453-463.
|