目前的人工智能系统正在迅速发展。我们现在已经拥有可以帮助医生执行极其精确的外科手术的 AI。但有一件事看起来很简单，但他们却不能做的事——运用常识。因为机器人运行的算法就是规则。
常识与智力不同，它通常是人类与生俱来的，可以帮助驾驭日常生活，但不能真正被教授。1906 年，哲学家 GK Chesterton写道：“常识是一种狂野的、野蛮的、超越规则的东西。”随着在该领域的不断研究，我们踏出了重要的一步：现在我们可以测量人工智能的核心心理推理能力。
为什么我们要教人工智能常识？归根结底，常识会让人工智能更好地帮助我们解决现实世界的问题。许多人认为，针对复杂问题（例如诊断 Covid-19 治疗）而设计的 AI 驱动的解决方案通常会失败，因为该系统无法轻易适应现实世界的情况，其中问题是不可预测的、模糊的，是没有规则的。
将常识注入人工智能对人类来说意义重大。机器人可以按照实际情况解决客户的问题而不是让他们在提前设置的方案中寻找解决办法；它可以使自动驾驶汽车对意外的道路事故做出更好的反应；它甚至可以帮助军方从情报中获取生死攸关的信息。
那么，为什么迄今为止科学家们还不能破解常识密码呢？常识被称为“人工智能的暗物质”，对人工智能的未来发展至关重要，但迄今为止还难以捉摸。自该领域一开始，为计算机配备常识实际上就是计算机科学的目标。1958 年，开创性的计算机科学家 John McCarthy发表了一篇题为“具有常识的程序”的论文，探讨了如何将逻辑用作在计算机内存中作为表示信息的一种方法。但从那以后，我们并没有明显的进展。
对人类来说，常识这很容易，这是从出生就已形成的，但计算机却需要根据复杂的现实世界情况来推断事物，常识不是一件精确的事情，因此不能轻易地用规则来定义。
计算机科学家在构建能够推断精神状态、预测未来行动和与人类合作的人工智能代理方面取得了一些进展，为了测试与实际行为的接近程度，首先需要一个严格的评估方法。来自 IBM、麻省理工学院和哈佛的研究人员创造了AGENT，AGENT 是一个大规模的 3D 动画数据集，其灵感来自于研究儿童认知发展的实验。动画描绘了某人在不同的物理约束下与不同的对象进行交互。经过验证，该基准能够评估AI模型的核心心理推理能力，这一种很有前途的诊断工具，用于开发和评估人工智能中的常识。
