常識知識庫

在人工智能的研究中，常識性知識是收集到的事實和一個普通人預知的信息。常識性知識問題是一個正在進行中的項目，屬於知識表達領域（人工智能的一個分支領域）。它旨在創造一個常識知識庫：一個數據庫，包含大多數人擁有的所有的一般知識。它表達的方式，便於它可在人工智能程序中使用自然語言或作出關於普通世界的推論。這樣的數據庫是一種知識本體，其中最普遍的是所謂的上層本體。

這個問題被認為是最難的，因為人工智能研究的廣度和詳細的常識性知識是巨大的。任何需要常識性知識的任務，被認為是人工智能完成：許多工作要做的，以及作為一個人所沒有的，它需要機器顯現出作為一個人的智能。這些任務包括機器翻譯、對象識別、文本挖掘和許多其它問題。要完美地執行這些任務，機器簡單地知道文本在談論什麼、對象可視，這是不可能的，除非機器熟悉與一個普通人所熟悉且相同的概念。

有專家認為“常識性知識處理是人工知識研究的核心難題”。有專家認為“如何有效地獲取領域專家的知識一直被為人工智能中的難題”。 ^[2] 

早期人工智能或知識工程系統所具備的領域知識庫是另一種知識庫。也就是説，領域知識庫和常識知識庫是智能計算機系統所具備的知識庫的兩種基本類型。計算機科學領域普遍認為領域知識庫和常識知識庫是人工智能或知識工程技術瓶頸難題。從早期關注專家的領域知識到現在同時關注常識知識，這是人工智能或知識工程技術的一種進步。由於計算機硬件和軟件以及數據庫乃至數據倉庫及其人機交互界面等技術的不斷成熟，使得人們在21世紀開發各種專家系統所需要的各個中等規模的領域知識庫和開發常識系統所需要的大規模的常識知識庫都具備了基礎條件。 ^[1] 

在常識知識庫中的信息，可包括但不限於以下內容： ^[2] 

實際研究面向智能代理的大規模常識知識庫的本體結構和運行機制。在國際人工智能界， 一直公認常識性知識的處理是人工智能的核心難題。所謂常識，是相對於專業知識而言的，專業知識被廣泛應用於各類專家系統和應用軟件之中，人類積累的專業知識雖浩如煙海，但比起常識來，專業知識還只如小巫之見大巫。McCarthy 曾指出 ：缺乏常識是當前專家系統的一大弱點。 常識問題的一個非常重要的研究方向就是常識和常識處理的數學模型，這裏涉及到常識的各種表示(一階邏輯、產生式系統 、語義網絡、神經元網絡等)，以及常識處理的各種原則(演繹 、歸納、定性推理、模糊推理、非單調推理 、次協調推理等)，尤其非單調推理和非單調邏輯是專為研究常識推理中的非單調性而提出來的.有關常識問題的各種理論研究大大推動了常識推理研究的進展，其中某些研究已經開始向實用方面發展，例如利用非單調推理作真值維護。但是，這些研究就其主要方面來説還是理論研究，缺少“重量級”的應用，其原因主要是常識及其推理的特性廣泛、模糊且複雜，例如 ：Sowa 把常識比喻為“知識湯”，曹存根把常識比做知識雲。非單調邏輯的研究僅僅抓住了常識推理中會出現非單調性這一特點做文章，實際上，常識推理中還有許多各種各樣的特性有待於深入廣泛的研究。 ^[2]