Czym jest Open Mind Common Sense?
Open Mind Common Sense, najczęściej zapisywany skrótem OMCS, to otwarty projekt gromadzenia i porządkowania wiedzy zdroworozsądkowej przeznaczony do wykorzystania przez systemy sztucznej inteligencji. Inicjatywę zapoczątkował w 2000 r. zespół Media Lab Massachusetts Institute of Technology kierowany przez profesorów Patricka H. Winston-a oraz Pushpaka Singh-a. Kluczową ideą było zaangażowanie szerokiej społeczności internetowej do wprowadzania prostych stwierdzeń o codziennym świecie, które człowiek uznaje za oczywiste, lecz których często brakuje w korpusach tekstowych wykorzystywanych podczas uczenia modeli.
Jak dokładnie działa Open Mind Common Sense
System udostępniał formularze sieciowe zachęcające wolontariuszy do wpisywania krótkich zdań, takich jak „Lód topnieje w temperaturze powyżej 0 °C” lub „Ludzie zwykle jedzą śniadanie rano”. Zebrane wypowiedzi były następnie normalizowane i przekształcane do ustrukturyzowanej postaci sieci semantycznej. Z biegiem czasu powstała koncepcja ConceptNet, czyli graficznej reprezentacji bazującej na wierzchołkach (pojęciach) i krawędziach – relacjach typu IsA, UsedFor, CapableOf oraz kilkunastu innych. W przeciwieństwie do klasycznych baz ontologicznych, takich jak WordNet, OMCS nie ograniczał się do relacji leksykalnych, lecz skupiał się na pragmatycznych zależnościach przydatnych podczas wnioskowania kontekstowego.
Zastosowania w praktyce
Jednym z pierwszych demonstratorów była aplikacja „StoryStarter”, która generowała pomysły fabularne dla uczniów szkoły podstawowej, korzystając z relacji OMCS do rozszerzania wątków. W kolejnych latach baza ConceptNet 5, wywodząca się z OMCS, wspierała moduły wnioskowania w asystentach głosowych, systemach dialogowych i narzędziach wykrywających niespójności w tekście. Dla porównania klasyczne systemy oparte wyłącznie na statystyce n-gramów potrafiły przewidzieć kolejny wyraz, ale miały trudność z ustaleniem, czy zdanie „Kotek prowadzi samochód” jest mniej prawdopodobne niż „Kierowca prowadzi samochód”. Wiedza zdroworozsądkowa z OMCS pozwalała modelom rozróżniać podobne przypadki.
Zalety i ograniczenia
Największą korzyścią płynącą z OMCS jest otwarty charakter zasobu oraz jego interdyscyplinarność, dzięki czemu baza może wspierać różnorodne algorytmy – od systemów rekomendacyjnych po interpretację obrazów. Jednocześnie narzucenie prostego formatu zdania, wymaganego przy wprowadzaniu danych, bywało źródłem niejednoznaczności i błędów gramatycznych, które trzeba usuwać w procesie czyszczenia. Projekt cierpiał również na niedoreprezentowanie kultur spoza anglosfery, co ogranicza przenośność wnioskowania na inne języki. W ostatnich latach widoczne są postępy w automatycznym rozszerzaniu OMCS przy użyciu dużych modeli językowych, jednak wymaga to rygorystycznej walidacji, aby uniknąć propagowania halucynacji.
Na co uważać?
Podczas integracji OMCS z własnym modelem należy zwrócić uwagę na licencję Creative Commons Attribution-ShareAlike, która wymaga udostępniania ewentualnych modyfikacji na tych samych zasadach. Istotne jest także filtrowanie treści pod kątem stronniczości kulturowej oraz spójności logicznej, zwłaszcza gdy dane są łączone z innymi źródłami wiedzy. Praktyka inżynierska wskazuje, że łączenie OMCS z klasycznymi ontologiami sprawdza się najlepiej wtedy, gdy relacje są uprzednio ujednolicone w ramach jednej warstwy semantycznej.
Dodatkowe źródła
Pełny opis projektu znajduje się w artykule „ConceptNet: A Practical Commonsense Reasoning Toolkit” dostępnym na arXiv.org. Warto również zajrzeć do hasła Open Mind Common Sense w Wikipedii, które zawiera aktualne odnośniki do repozytoriów danych oraz historii rozwoju. Aktualną wersję bazy można pobrać ze strony ConceptNet.io, gdzie udostępniono narzędzia do zapytań API i dokumentację.
