對於如何用機器分辨假消息以至人工智能，常識實在是個挑戰。看到「常識」，你會想到甚麼？懂得用八達通出地鐵閘口？懂得去哪裡買廁紙？這篇文章要討論的常識，比上面的例子更難處理。因為這些常識更加基本，而且真的是每個心智健全的人都會知道的常識，不因生活圈子或成長地區而異。看看這個對話：

A：你琴日3點鐘係唔係喺尖沙嘴？

B：吓？我今朝仲喺台灣喎。

在日常語言中，往往會出現上述對話。所以，自然語言處理（Natural language processing）便需要顧及到這些用法，藉以模仿人類理解能力、預測人類的反應。讀者很自然可以理解，B的答案是否定的。要得到「B 不在尖沙嘴」這個結論，所需的常識有兩個層次（其實還有更多，先假設最簡單情況以便討論）。首先是對台灣及香港地名／地理的基本知識，知道尖沙嘴不在台灣。這個不難在現有的資料庫找到。例如，系統可以在維基百科自動搜索地名之間的關係。相對來說，第二項常識更難自動化，這項常識就是「同一個人不能同時在兩個地方出現」。假如B在台灣，自然不能同時出現在香港。這項常識之所以難處理，是因為對於人類實在太過基本，很難找到方法讓電腦系統自動學習。

常識點解咁難？

要理解為什麼常識很難置入／編入人工智能，便要先理解人工智能如何獲取資料／資訊。簡單來說，就是靠大量資料，憑着演算法在資料中找出常見模式。具體例子是網上平台（例如 YouTube 或 Netflix）提供的建議。相信讀者都有經驗，知道這些平台的推介，全都建基於用戶過去的資料或選擇。一般來說，資料越是清晰不含糊、或是有許多先例（譬如用戶記錄），人工智能就越容易學會。如果要讓人工智能得到人類的常識，那就必須提供資料可供學習。問題在於，常識往往隱藏在各種情境中，與決定沒有明顯或直接的關係。小時候聽過一道IQ題：「點樣將一隻大笨象放入雪櫃？」筆者想了半天答不出來，後來知道答案是「打開雪櫃門、放入大笨象、關門。」當然，IQ題但求有趣，不需要考慮實況。然而，這個問題之所以能夠難倒別人，正正依賴被問的人會假設雪櫃太小，放不下大笨象。否則，這道IQ題便沒有難度了。而這裡所牽涉的常識就是，「雪櫃一般比大笨象小」。這樣的常識往往毋須特別說明也無礙溝通，卻正因為不成文，才令人工智能無從入手。有人更稱常識推理為「人工智能中的暗物質」，既難以言傳，卻又無處不在。意思是，常識就像物理學中的暗物質，你未必能指出它具體是甚麼、在哪裡、如何運作，卻無法否定其影響。

常識有乜用？ 

讀者也許不會質疑人類為甚麼需要常識，但是機器也需要常識嗎？當然要，如果我們想機器／人工智能更加聰明的話。例如，許多網上謠言都有它的既定套路。假如人工智能可以幫助我們分辨出哪些消息有可疑、不合常理，哪些是已知的騙局，我們就能避免受騙，或至少減低受騙機會。

看到下面這段網上流傳的訊息，有常識的讀者自然知道不該相信：

圖片來源：網上流傳圖片

讀者不難指出其中問題：

  • 相信特首不會自稱「林鄭」（雖然可能會自稱「特首」）
  • 與美國人商討恐怕不需用錢，而假使需要用錢，一萬元便似乎太少了
  • 特首有需要向我借一萬元嗎？為甚麼不直接問政助？
  • 特首發短訊會用簡體字嗎？

這道消息的破綻太多（筆者收到的電話號碼太假，短訊應是開玩笑多於有意行騙），實在不能盡錄。重要的是，上面提到的各項都是讀者會有的常識。但這些常理推斷卻沒有先例（恐怕沒有人會想過「同美國人講數要準備幾多錢？」，或者「特首send Whatsapp 會唔會用簡體字？」），也很難找到文字記載正確的常識。人工智能系統對此便無從入手。所以，對於採用人工智能直接識別謠言，還有很遠的距離。

延伸閱讀: