CommonsenseQA是为了研究基于常识知识的问答而提出的数据集，比此前的SWAG、SQuAD数据集难度更高。目前最流行的语言模型BERT在SWAG、SQuAD上的性能已经接近或超过人类，但在CommonsenseQA上的准确率还远低于人类。
CommonsenseQA数据集上的常识问题，大拇指朝上的选项为正确答案
自然语言理解（NLP，Natural Language Processing）是人工智能皇冠上的明珠，常识推理则是难度最高的NLP任务之一。在机器翻译、阅读理解等NLP任务上，AI的表现已经接近或超过人类水平，阿里AI就先后在国际顶级的机器翻译赛事WMT、机器阅读理解赛事SQuAD、文本阅读理解挑战赛MS MARCO等赛事夺冠甚至赶超人类纪录。
相比之下，AI的常识推理能力比人类差得多。常识是指绝大部分人都了解并接受的客观事实，比如盐是咸的、下雨了要打伞、村庄位于陆地上而非湖泊内等等。人在回答问题时，常会结合这些不言而喻的背景知识。但机器没有常识，无法将“马路上，人们撑着伞”的原始陈述与“外面正在下雨”的逻辑假设自动关联。
深度学习领军人物之一、图灵奖获得者Yann LeCun 曾有断言：最聪明的AI在常识方面也不如猫。在包含1.2万多个常识问题的CommonsenseQA数据集上，最流行的AI模型BERT的答题准确率为56.7%，远低于人类的89%。
阿里巴巴达摩院语音实验室提出了AMS方法，显著提升BERT模型的常识推理能力。AMS方法使用与BERT相同的模型，仅预训练BERT，在不提升模型计算量的情况下，将 CommonsenseQA数据集上的准确率提升了5.5%，达到62.2%。
CommonsenseQA数据集的得分榜单，阿里AI刷新了世界纪录
阿里的技术突破将大幅提升下一代人机交互产品的常识理解能力，可应用于语音导航、智能电视、语音售票机等产品。
设想这样的场景：你开车寻找一个地处偏僻的村庄，村子不久前已经搬迁，但导航还没更新位置信息。村子所在地块被开挖成了人工湖，由于AI没有常识，导航直接就把你往湖心方向带。AI如果拥有常识，就不会犯这类“蠢萌”的错误。
达摩院表示今后将开源该模型和论文，与业界共享最新成果。