用丰硕的学问暗示建立世界观的能力而以学问为核心的对理解的定义是：；加强这种世界观的能力获取和注释新消息以；无效推理、决定和注释的能力以及对现有学问和新消息进行。

　　所需的学问建立类型阐明和描述机械智能，学问建立的最佳体例有助于确定实现这种，程度的机械智能从而实现更高。

　　认知布局是什么？定义一个阐明给人类某人工智能更深切理解和更高认知的学问的框架什么学问让我们变得伶俐？我们用来理解世界、注释新体验和做出深图远虑的选择的，题进行布局化的会商将有助于我们对此话。

　　语境很主要时当特定的当地，是相关的瞬态语境。段落的局部语境来注释的单词是按照其四周句子或。个图像或视频的语境中获得注释图像中感乐趣的区域凡是在整。

　　的人认为越来越多，越概况相关性算法必需超，理解的程度达到真正，程度的机械智能从而实现更高。rdWave 或广义 / 矫捷的 AI 成为可能这种完全的改变将使所谓的 System 2、3。博客 认知人工智能的兴起 中所说的那样正如 Gadi Singer 在焦点，需要深条理的学问建立更高程度的机械智能，面相关性转化为真正理解这个世界这种学问建立能够将人工智能从表。

　　需要的学问布局的类型有了更深的理解时当我们对人工智能获得更高条理的认知所，度学问的根本长进行建立我们就能够继续在这个深，正地舆解世界使机械可以或许真。

　　能的根本理解是智。发了一场关于 理解 的会商向更高级机械智能的成长引。类理解能力的人工智能描述为约书亚 · 本吉奥将具有人：

　　、数学 / 代数和物理正式模子的例子包罗逻辑。模子比拟与正式，尝试性的、有时以至显得有些紊乱现实世界的模子凡是是经验的、。型、心理模子和社会学模子现实世界的模子包罗物理模。识 ）包罗在这个类中法式模子（ 专有知。

　　ning 一文中总结的那样： 目前机械进修的大大都成功都是源于对恰当收集的独立和不异分布（i.i.d）数据的大规模模式识别正如 Bengio 和 Sch lkopf 等人在 Towards Causal Representation Lear。察看到的元素系统接收可，音信号和图像像素如文本字符、声，和随机相关性并成立模式，务中发生超卓的成果同时在基于识此外任。

　　察到的： 智能的真正标记不是学问正如阿尔伯特 · 爱因斯坦所观，想象力而是。正理解要真，数据、现实和故事机械智能必能超越。重建要，性和事务背后的宇宙模子发觉和缔造一个可察看属，是需要的想象力。统的角度来看从人工智能系，造性推理实现的想象力是通过创，、演绎或溯因推理也就是进行归纳，出相关性严酷划定的新鲜成果并发生不受以往经验和输入输。

　　数据来历（别名数据追溯）学问的另一个相关方面是，了什么以及跟着时间的推移数据将去往何方其包罗数据来历、在数据传布的过程中发生。的所有消息都是准确或可托的人工智能系统不克不及假设所领受， 的环境下消息更不成等闲相信特别是在被称为 后本相时代。信性、可认证性和可追溯性所必需的将消息与其来历相联系关系可能是成立可。

　　隐性消息构成常识学问由，公共共享）的不成文的假设隐性消息是指普遍（且为，些假设来理解世界人类主动使用这。入地舆解这个世界人工智能想要更深，境中是必不成少的将常识使用到情。框架中在这个，述六种学问类型的子集常识学问被认为是上。

　　方面（例如学问的所有，对应的价值——从最大的善到最大的恶都有对应对象、概念或法式）在整个判断范畴内都有相。假设能够，求报答和避免风险（好比人类智力的进化包罗追，吃午餐追求；成午餐）避免被当。的联系关系与学问慎密相连这种风险 / 报答。具有功利价值潜在的得失；在的将来形态对于实体或潜，于伦理的价值还有一种基。反映了一种道德价值观这种基于伦理的价值，在的无形报答或要挟即 善 不是基于潜，是准确的潜在信念而是基于对什么。

　　释输入 / 事务以及预测潜在的将来成果并采纳步履世界上的现象模子让人工智能系统可以或许理解环境、解。象 / 归纳综合现象模子是抽，（非正式）实在世界模子能够分为正式模子和近似；对实例利用变量和使用法式现象模子答应在特定环境下，通用的类进行符号操作并答应对特定实例或更。

　　言语时在进修，ning）：形式指的是用来表达意义的符号我们要区分形式（form）和意义（mea，面的表达也就是表。境中都有特定的寄义每种形式在特定的语，中能够有分歧的寄义而形式在分歧的语境。

　　智能系统成长更上一层楼因果模子能够协助人工。变化的环境下在语境发生，等学问模子相连系若是与因果关系，境和考虑反现实的能力并理解了节制缘由的语，效地使用于此刻从而预测将来那么过去的统计数据就能够有。能要素的角度理解环境或事务这些模子有助于畴前提和可。不成或缺的构成部门因果推理是人类思惟，人类聪慧级此外机械智能通过这种体例能够实现。

　　高程度智能的学问维度src=图注：支撑更。nger/ 英特尔尝试图源：Gadi Si室

　　哲学角度或东方哲学角度获取的学问）持久的语境能够是持久的（好比从西方，按照新的进修材料而改变也能够跟着时间的推移、。每个使命进行更改持久语境不会对。

　　识去节制、推理和打算晓得若何利用以上知，中也仍然具有这种能力即便是在新鲜的场景；

　　ta-knowledge）价值和优先级是元学问（me，步履和成果相关方面的客观断定其反映了人工智能系统对学问、。奠基了根本这为问责制，智能系统的人当真处置该当由担任特定人工。并做出影响人类福祉的选择时当人工智能系统与人类互动，先级系统很主要潜在的价值和优。

　　外此，根本上的理解和交换复杂故事的能力故事提拔了人类在配合崇奉和神话。值和优先级是元学问维度语境和来历归因以及价，的无效性和学问的不竭叠加这些维度带来了基于前提。后最，是布局根本概念参考，和参考而具有跨维度、模态。

　　工智能的一个成熟范畴学问暗示和推理是人，于世界的消息暗示这个范畴处置关，够处理复杂的使命使计较机系统能。定是判然不同的学问和推理纷歧，已知到揣度的光谱而是代表了一个从。力辅以先辈的相关推理（例如机械理解将通过建立学问的能，、类比推理、默认推理等）来获得实现概率推理和貌同实异推理、溯及推理。

　　能系统来说对于人工智，识建立可认为智能供给本色性的价值实施人类理解和交换中察看到的知。都获得支撑和组应时当所有的学问类型，会大幅增加现实价值。

　　尔 · 哈拉瑞所说正如汗青学家尤瓦，文化和世界观的环节部门故事形成了小我和社会的。释人类的行为和交换是需要的故事的概念对于充实理解息争。复杂的故事是，包含多个事务和各类消息在一个连贯的论述中可能。实和事务的调集故事不只仅是事，了主要的消息故事还包含，呈现数据之外的理解和归纳综合这些消息有助于成长对所。型分歧的是与世界模，意义、参考意义或精力意义故事能够被视为具有汗青。价值观和履历故事能够代表，影响人们的崇奉和行为这些价值观和履历会。民族故事、神话例子包罗宗教或，人群平分享的故事以及在任何条理的。

　　的 John Launchbury 指出美国国防部高级研究打算局（DARPA），工智能海潮中在第三次人，（规划和决策）将掀起一场新革命笼统（好比缔造新的意义）和推理。的特点是语境顺应第三次海潮本身，种现象建立语境注释模子即系统为现实世界的各。

　　念为根本的学问是以概。如例，狗的说法都纷歧样）、一些视觉特征、声音联想等等的概念狗 是一个笼统概念——一个有多个名称（在各类言语中。形式和用法若何然而不管其表示，都是并世无双的狗 这个概念。到英语单词 dog狗 的概念被映照， chien以及法语单词。征可能如下图狗 的视觉特：

　　t Reference概念援用（Concep，定概念相关的所有事物的标识符和援用集简称 ConceptRef）是与给。识——学问驻留在前面引见的维度中概念援用本身现实上不包含任何知。识库（KB）的环节概念援用是多维知，了概念的所有表象由于概念援用融合。

　　化数据的多维学问库的一个很好的例子Wikidata 就是集中存储布局。data 中在 Wiki，人类学问中的所有事物项（items）代表，概念和对象包罗主题、。 的定义类似——只要一个环节的区别：在 Wikidata 中Wikidata 的条目与这个框架中 ConceptRef，指给定的标识符术语 项 既，识符的消息也指相关标；是带有指向 KB 指针的标识符而 ConceptRefs 只。视图中（例如与概念相关的描述性或法式性学问）关于概念的消息则被填充在前面章节中描述的各类。

　　日近，人工智能更高认知的学问建立（knowledge constructs）的数个维度英特尔尝试室副总裁兼告急人工智能研究主任 Gadi Singer 引见了这种付与，高智能机械的道路并指出一条通往更。

　　述事物、事务、事物 / 事务的属性以及其之间的关系描述性学问（即概念性的、命题性的或陈述性的学问）描。）类或概念的分层假设利用（恰当的，能扩展其本来的定义深度描述性学问就。括现实和记实系统这类学问能够包。以作为条理学问进行组织、操纵和更新与特定用例和情况相关的现实和消息可。

　　度反映了对世界的见地学问维度中有两个维，述性维度一个是描，的事物进行了概念性的笼统描述性维度对世界上具有，及其现象的动态模子另一个是现实世界。

　　度连系在一路这六个学问维，仅逗留在事务相关性上能够让人工智能不只，深切的理解而是获得更，的潜在概念是持续的由于这六个学问维度，过去和将来的事务能够注释和预测，打算和干涉以至答应，学问（deep knowledge） 一词并考虑反现实的现实——因而文中利用了 深度。

　　并为其自相矛盾供给资本的框架语境的定义是环绕着某个事务。种笼盖的学问布局语境能够看作是一，包含的学问调理着它所。是持久的语境能够，是短暂的也能够。

　　）能够利用来自筹谋系统的与使命相关的类和实体（例如单小我工智能系统中利用的根本本体（ontology，R 定名的实体类型）进行播种OpenCyc 本体或 AM。/ 机械进修手艺进行扩展——也就是说这种根本本体该当是能够通过神经收集 ，会获得新的实体获取新学问就，和类关系。

　　器智能的焦点更高条理的机，智能系统组织本人的世界观可能是让学问建立协助人工，义、事务和使命的能力付与人工智能理解意。一来如斯，据扩展到学问布局机械认知将从数，动态模子和发源等维度包罗描述性学问、世界。

　　二元属性理解不是，和程度而异而是因类型。和模子的表达能力能够推进理解和推理能力快速成长这一概念的焦点是学问的素质及其表征——学问布局。

　　更高效地为人们供给支撑的过程中在使人工智能更无效、更负义务和，工智能系统更强大我们的方针是使人，更高的认知和理解程度同时鞭策人工智能达到。转眼即逝的相关性方面取得了庞大的进展科学家曾经在处置数据、识别模式和寻找，工智能系统对世界建模和理解世界的能力但仍有需要思虑哪些学问类型能付与人。