随着人工智能（AI）技术的发展，如何让计算机具备核心的“直觉知识”成为重要的研究课题之一。十多年来，AI研究者们持续探索如何使机器不仅能处理大量数据，还能像人类一样理解和推理日常常识。认知科学家雷纳特提出，赋予机器常识将是推动AI进步的关键，因此他致力于建立一个庞大的事实和逻辑规则库，使AI程序能够使用这些规则推导出所需的事实。

本文将深入探讨如何让计算机具备核心直觉知识，从常识推理的实现，到类比和抽象能力的挑战，进而探讨具身智能的重要性。

一、构建常识推理能力

常识是我们在日常生活中轻而易举便能运用的知识，例如物体的重力作用、社交行为规则、因果关系等。然而，这些知识在很多情况下都是隐性的。人类对这些知识的掌握甚至达到了潜意识的层面，而我们通常也很难准确描述这些常识的具体细节。

对于AI来说，实现常识推理需要首先构建一个庞大的、关于世界的事实库，同时让程序具备应用这些事实库中的逻辑规则进行推理的能力。这种方式的核心理念是让AI在足够广泛的显性知识集合上运行人类编码的规则，从而获得智能。尽管这种显性知识的集合可能帮助AI在特定情境中执行任务，但目前它仍难以应对陌生或多样化的现实场景。

二、AI在深度学习中的局限性

尽管深度学习在很多任务上取得了优异的表现，例如图像识别、围棋策略制定等，但这些系统通常只能在狭窄的专业领域内达到高效