作為人類，當我們解釋語言時，我們依靠一堆背景知識來解釋和推斷不僅關于語言，而且關于我們周圍的世界。許多來源已經將常識推理定義為：“感知，理解和判斷幾乎所有人共享的事物的基本能力，幾乎所有人都可以合理地預期，而不需要辯論。”

沒有這種能力，人類將無法在現代世界中生存，因為他們會做一些對他們的生存有害的事情。現代人工智能技術缺乏常識。目前正在研究共識推理領域的研究人員正在解決這一差距。

常識推理是一個廣泛的領域，應用于計算機視覺和機器人，然而，自然語言處理（NLP）已經看到了大量的活動，最近通過推出DARPA競賽加強，這是美國軍事研究的一個分支。該競賽的目標是：“創建從經驗中學習并模仿發展心理學定義的認知核心領域的計算模型”和“構建能夠回答關于常識現象的自然語言和基于圖像的查詢的常識知識庫”通過網絡閱讀。“人工智能代理的想法被艾倫研究所命名為AI2 。

艾倫研究所由微軟的保羅·艾倫創立，正在馬賽克項目下進行常識推理。Mosaic項目涵蓋了Darpa競賽的所有目標，包括：Visual Commonsense推理，常識知識圖 和具有對抗性生成的情境。視覺常識推理是一種挑戰，其中AI技術試圖理解諸如“為什么一個人在笑？”這樣的場景。挑戰問題通常是視覺場景，問題和許多答案。候選技術不僅需要了解場景，還需要了解問題和答案以及它們與場景的關系。

常識知識圖是眾所周知的社會，出現了許多嘗試常識性知識編碼成的本體或相關結構。最著名的是Cyc，自1984年以來一直在開發中。它試圖捕捉“關于世界如何運作”的陳述，人類用它來推理日常情況。

對抗性世代的情況是艾倫研究所發明的一項新任務，該研究所評估自然語言推理，從中可以推斷出技術可以推斷出日常情況的邏輯結果。艾倫研究所發起的數據集中的一個典型問題是：“該人使用鼓風機從草地上吹葉子。鼓風機……“然后該技術可以選擇四種答案供選擇。

DARPA競賽和艾倫研究所不是這一領域的唯一挑戰。許多這些挑戰是基于NLP的任務，其中候選技術推斷出單詞或句子的上下文。該威諾格拉德挑戰，例如，是一款主流的挑戰就是圖靈測試，其中機試圖從一個句子解釋一個單詞的含義的延伸。例如，“市議員拒絕了示威者的許可，因為他們[害怕/主張]暴力。”一個人會本能地知道答案會令人擔憂。這個答案需要背景知識來理解候選答案的背景和含義。這個簡單的例子很難讓機器響應，因為答案依賴于背景信息。

使用常識推理對AI的許多領域都有影響。例如，機器人導航和操作。在這種情況下，具有常識能力的機器人不必明確編程或從先前的經驗中學習，以了解不做某些活動以及預測情況。人類對未來的看法能力有限，因為我們的感官太慢，無法將信息傳遞到我們的大腦，因此我們的大腦必須根據當前信息估計近期。

常識推理將使機器人機器也能做同樣的事情。常識推理不僅限于AI的典型科幻刻板印象，而且它可以應用于世俗但同樣重要的情況。例如，要擁有透明的AI，策略需要能夠解釋他們的決策和結論。這被稱為可解釋的人工智能，可以說是社會接受人工智能的關鍵一步。普通話推理的應用和需求幾乎是無限的。

現有技術處于嬰兒階段，然而，常識推理是人工智能超越其目前有限能力的必要步驟。賦予機器最大限度品質的能力并非易事，而且進展有限。然而，隨著DARPA的競爭，這可能會發生變化，正如DARPA的大挑戰對自動駕駛汽車的影響所表明的那樣，這種汽車從利基活動轉變為由眾多大型組織支持的主流產品。常識是人工智能的未來，因為追求這個研究領域只是“常識”。