Este artigo de revisão aborda o desafio crítico de integrar o raciocínio de senso comum aos sistemas modernos de IA conversacional. Embora os grandes modelos de linguagem pré-treinados (por exemplo, BERT, GPT, T5) tenham alcançado sucesso notável na compreensão de sintaxe e contexto, eles carecem fundamentalmente do conhecimento implícito e mundano que os humanos consideram garantido. O artigo argumenta que essa lacuna é o principal gargalo que impede a IA de se envolver em diálogos verdadeiramente naturais, coerentes e inteligentes. Os autores, Christopher Richardson e Larry Heck da Georgia Tech, posicionam seu trabalho como um mapeamento necessário do panorama atual — métodos, conjuntos de dados e avaliação — para orientar pesquisas futuras neste campo nascente, mas vital.
O artigo delineia tarefas conversacionais específicas onde a falha de senso comum é mais aparente.
Manter uma conversa logicamente consistente e tematicamente relevante ao longo de múltiplos turnos. Sem senso comum, os modelos geram respostas sintaticamente corretas, mas semanticamente absurdas ou irrelevantes.
Responder perguntas ou completar instruções que exigem suposições não declaradas. Por exemplo, entender que "ferver a chaleira" implica que o passo subsequente é "despejar a água", mesmo que não seja explicitamente declarado.
Compreender humor, sarcasmo, empatia e normas sociais. Isso requer um modelo profundo da psicologia humana e das convenções sociais, que os modelos atuais em grande parte inferem estatisticamente, em vez de compreender.
A revisão categoriza as principais abordagens técnicas exploradas na literatura.
Treinar ainda mais grandes modelos de linguagem (LLMs) em conjuntos de dados ricos em conhecimento de senso comum (por exemplo, ATOMIC, SocialIQA). Esta abordagem visa incorporar o senso comum aos parâmetros do modelo de forma implícita.
Conectar explicitamente o modelo a bases de conhecimento estruturadas como o ConceptNet ou ATOMIC. O modelo recupera ou raciocina sobre esses grafos durante a inferência. Um exemplo-chave é o COMET (Bosselut et al., 2019), um modelo transformer treinado para gerar novas tuplas de conhecimento a partir desses grafos.
Treinar modelos para gerar não apenas uma resposta, mas também um rastro de raciocínio ou explicação em linguagem natural. Isso força o modelo a articular os passos implícitos, potencialmente melhorando a robustez.
Além da precisão padrão, o campo utiliza métricas como:
Os autores apresentam uma análise crítica e prática dos principais modelos de diálogo aberto, BlenderBot 3 e LaMDA. Suas observações são contundentes: apesar da escala e sofisticação desses modelos, eles frequentemente falham em tarefas triviais de senso comum. Exemplos incluem gerar declarações contraditórias dentro de uma conversa ou não entender restrições físicas básicas. Esta evidência empírica reforça poderosamente a tese central do artigo: o desempenho em benchmarks não equivale a um senso comum robusto e utilizável em interação aberta.
Insight Central: O campo da IA conversacional sofre de uma severa "dívida de senso comum". Construímos arranha-céus (LLMs massivos) sobre fundações implícitas e instáveis. A revisão identifica corretamente que o problema central não é a falta de técnicas, mas uma incompatibilidade fundamental entre a natureza estatística e de correspondência de padrões do PLN moderno e a natureza simbólica, causal e analógica do senso comum humano. Como observado no trabalho seminal "On the Measure of Intelligence" de Chollet (2019), a verdadeira inteligência requer aquisição de habilidades e generalização em situações novas — uma façanha impossível sem um modelo rico do mundo.
Fluxo Lógico: A estrutura do artigo é lógica e persuasiva. Ela passa da definição do problema e suas manifestações (Seções 1-2), para catalogar as soluções de engenharia tentadas (Seção 3), para examinar como medimos o progresso (Seção 4), e finalmente fornecer evidências concretas de que as soluções atuais são inadequadas (Seção 5). Este fluxo espelha o método científico: hipótese (falta senso comum), experimentação (vários métodos de integração), medição (benchmarks) e conclusão (não resolvido).
Pontos Fortes e Fracos: O maior ponto forte do artigo é sua avaliação crítica e concreta dos modelos SOTA. Ele vai além das abstrações acadêmicas para mostrar modos de falha reais. Sua principal falha, comum a revisões, é sua natureza descritiva em vez de prescritiva. Ele mapeia o território, mas oferece orientação limitada sobre quais caminhos são mais promissores. Ele subestima as limitações arquitetônicas dos modelos puramente baseados em transformers para raciocínio causal, um ponto fortemente enfatizado em pesquisas de instituições como o CSAIL do MIT sobre integração neuro-simbólica.
Insights Acionáveis: Para profissionais e pesquisadores, a conclusão é clara: parem de tratar o senso comum como apenas outro conjunto de dados para ajuste fino. O campo precisa de uma mudança de paradigma. 1) Invista em Arquiteturas Neuro-Simbólicas: Modelos híbridos que combinam redes neurais com representações de conhecimento explícitas e manipuláveis (como o trabalho em Differentiable Inductive Logic Programming) são uma direção necessária. 2) Desenvolva Ambientes Simulados Melhores: Como o Gym da OpenAI para aprendizado por reforço, precisamos de simuladores interativos ricos (inspirados em plataformas como o THOR da AllenAI) onde agentes possam aprender senso comum através de experiência e consequência incorporadas, não apenas texto. 3) Repense a Avaliação: Mude de benchmarks estáticos de QA para avaliação dinâmica e interativa, onde os modelos devem demonstrar compreensão consistente do mundo ao longo do tempo, semelhante aos princípios por trás do desafio ARC (Abstraction and Reasoning Corpus).
A abordagem de ancoragem em grafos de conhecimento frequentemente envolve uma estrutura de geração aumentada por recuperação. Formalmente, dado um contexto de diálogo $C$, o modelo recupera um conjunto de tuplas de conhecimento de senso comum relevantes $K = \{(h_i, r_i, t_i)\}$ de um grafo de conhecimento $\mathcal{G}$, onde $h$ é uma entidade cabeça, $r$ uma relação e $t$ uma entidade cauda. A resposta final $R$ é gerada condicionando tanto em $C$ quanto em $K$:
$P(R | C) \approx \sum_{K} P_{\text{retrieve}}(K | C) \cdot P_{\text{generate}}(R | C, K)$
Modelos como o COMET implementam isso ajustando um transformer (por exemplo, GPT-2) para prever a entidade cauda $t$ dado $(h, r)$, efetivamente aprendendo a percorrer o grafo em um espaço latente: $t = \text{COMET}(h, r)$.
Embora a prévia do PDF não contenha gráficos explícitos, as observações preliminares descritas implicam uma lacuna de desempenho significativa. Podemos conceituar um gráfico de barras hipotético comparando o desempenho humano versus BlenderBot3 e LaMDA em uma série de tarefas de diálogo de senso comum (por exemplo, Coerência, Raciocínio Físico, Raciocínio Social). O eixo Y representaria uma pontuação (0-100). O gráfico mostraria:
Cenário: Avaliando a compreensão de um agente conversacional sobre uma narrativa simples.
Contexto do Diálogo: Utilizador: "Acabei de adotar um cachorrinho novo! Ele é tão enérgico. Deixei-o na sala de estar com os meus sapatos favoritos enquanto atendi a porta."
Resposta do Agente A (Faltando Senso Comum): "Que bom. De que cor são os seus sapatos?"
Resposta do Agente B (Com Senso Comum): "Oh não, é melhor verificar esses sapatos! Cachorrinhos adoram morder."
Análise da Estrutura:
Resolver o raciocínio de senso comum desbloqueará aplicações transformadoras: