认知智能国家重点实验室登顶常识推理挑战赛，刷新机器常识推理世界纪录

4月12日，由科大讯飞承建的认知智能国家重点实验室，以76.06%的成绩登顶常识推理挑战赛CommonsenseQA 2.0，刷新世界纪录，在让机器“能理解、会思考”上迈出一大步。

CommonsenseQA 2.0是艾伦人工智能研究院（Allen Institute for AI）于2021年主导发布的国际常识推理评测数据集，旨在评估机器对常识知识的理解及掌握水平，吸引了包括谷歌、艾伦人工智能研究院、华盛顿大学等众多国际知名机构参与挑战。科大讯飞首次参赛，即创新性地提出ACROSS模型，以全新深度学习算法带来的优势，刷新机器常识推理水平世界纪录。

常识推理（Commonsense Reasoning）目的是帮助计算机学习常识知识，并利用所掌握的知识进行深层次的理解及推理。该领域的进展及技术突破对人工智能发展具有重要的意义。当前典型的阅读理解模型所关注的问题类型主要是事实类问题，这类型的问题答案往往能直接在原文中找到，然而如何基于常识和背景知识进行推理以获得答案仍旧是一个巨大的挑战。

CommonsenseQA正是为了训练机器像人类一样基于先验知识结合现实情况作答能力而设置的数据集。CommonsenseQA 2.0是一个二元分类数据集，包含14343个问题，主要分为训练/开发/测试集，需要判断常识性陈述是对还是错。1.0版本所考察的问题，是基于现有常识知识库ConceptNet中的知识三元组构建的，这使得机器在处理该任务时，有能直接聚焦参考的知识。相比较1.0的“选择题”，2.0“判断题”挑战难度更高，仅给定一个主题实体或概念、一个常识类关系（且关系不一定在现有知识库出现），让人类以自然语言的方式去构造机器较难掌握的常识知识。

该构造方法所构造的常识推理问题具有庞大的想象空间，大部分在当前知识库中并未覆盖，无疑显著增加了机器处理该类问题的难度。同时，该评测任务数据构造过程中，还通过人与机器不断博弈对抗的方式，不断迭代设计，最终确定的问题集合基本是当前主流算法都完成得不好的问题。

在CommonsenseQA 2.0这项颇具挑战的常识推理评测任务上，业界主流的中等大小预训练模型方法也只能取得55%的水平，略高于随机猜测平均水平。此前国际上该任务的最优方法，通过1750亿级参数量大小的GPT3模型生成针对CommonsenseQA 2.0常识推理问题的相关知识，并基于T5模型进行融合处理，该方法取得了73%的准确率。本次由科大讯飞承建的认知智能国家重点实验室团队创新提出的面向常识知识推理的ACROSS模型，该模型实现了统一语义空间下外部知识的有效融合，显著改进了超大规模预训练模型所存在的问题，在CommonsenseQA 2.0任务上取得76.06%的准确率。