“维基百科过去常常提供AI背景线索”

进屋一看椅子，大脑可以坐在里面，翻过来，抬起来，但我甚至不考虑喝，开锁。 作为人类，brigham young大学计算机科学教授david wingate解释说，他直观地知道某些动词与某些名词自然配对，也知道许多动词与随机名词配对时没有意义

想想桌面上的显示器。 请看。 可以打开。 也可以提起后扔掉，但不能弹劾、置换、说明、修改。 温盖特说。 你可以代替国王崇拜他，追随他，但不能了解他，计划他，收获他。

大多数情况下，这种直觉不存在于计算机人工智能主体中，擅长识别物体，但在知道物体的解决方法的情况下不太直观。 为此，温门特和三位学生研究者(包括主要作者南希·富尔达)开发了教授代理可用性的方法。 一个对象可以完成的一系列行动。 他们最近在国际人工智能联合会议上介绍了他们的工作。

该团队雄心勃勃的最终目的是帮助构建能够在世界各地行走并智能交互的机器人。 这样的机器人有可能帮助人们，富尔达说他正在攻读博士学位。 我在计算机科学。她给的例子是老人护理。 被告知要戴眼镜的机器人可以知道眼镜的样子、可能的样子、它们有多重、怎么做最好，以及如何获取他们是委托给他们的人。

目前，比亚迪计算机科学本科和研究合作者ben murdoch解释说，许多人工智能代理可以识别他们所看到的东西，但他们不能超过id :他们可能知道我在看手机，但

默多克说，机器学习研究者将机器人和人工智能代理置于非结构化环境中。 完全没有了你能用物体做什么的常识性理解，所以我们最终找到了机器人，他们会消耗上千个小时尝试吃饭。

由于手工编码对于代理人理解那些名词很困难，慢慢移动的过程很有意义，所以byu的研究小组找到了采用线性代数和维基百科的方法。 维基百科提供了许多最新语言使用的语料库。 让他们下载它，用以前建立的算法运行，然后检查背景单词。 计算机上装有具有常识知识意义的事件，温门特说，他最近因支持人工智能工作而获得了国家科学基金会的职业奖。

在这个项目中，小组在一系列基于拷贝的冒险游戏中测试了他们的方法。 在这些游戏中，玩家和代理商可以进行复制，代理商可以提供剧情，玩家可以用书面短语做出响应。 他们的方法是16场比赛中的12场提高了计算机的性能。

即使在维基百科的帮助下，这个团队的代理人也会因为采用该语言而犯错误。 但他进步了:就像他试图在早期比赛中那样，他没有打败圣诞老人，富尔达说。 当特工用好方法做出让我吃惊的事件时，我喜欢这样。 我喜欢。 它做到了:它完全处理了一切。 这就像看到你的孩子迈出了第一步。

联合作者和杨百翰大学的计算机科学硕士生丹尼尔·里克斯说，在团队实现操作机器人的最终目的之前，还有很多工作要做。 但是，看到我们取得的进展真的很兴奋。