近日，阿里AI在常识问答领域的重要数据集CommonsenseQA上刷新了世界纪录，超越微软成为第一，显著提升了AI的常识推理能力。这项成就由“95后”实习生叶志秀在达摩院科学家的指导下完成。

CommonsenseQA是一个专门用于测试基于常识知识的问答能力的数据集，相比之前更为复杂的SWAG、SQuAD数据集，它更具挑战性。目前流行的BERT模型在SWAG、SQuAD上表现接近或超过人类水平，但在CommonsenseQA上的准确率仍远远落后于人类。

自然语言处理（NLP）是人工智能的重要领域，其中常识推理是最具挑战性的任务之一。在机器翻译、阅读理解等领域，AI的表现已接近或超越人类水平，阿里AI也在国际顶级赛事如WMT、SQuAD、MS MARCO等比赛中取得了优异成绩。然而，在常识推理方面，AI的表现远不及人类。常识包括大多数人熟知的基本事实，例如盐是咸的、下雨时要打伞等。人类在解答问题时，常常依靠这些不言而喻的背景知识，而机器则缺乏这种常识。

深度学习专家、图灵奖得主Yann LeCun曾指出，即便是最先进的AI系统，在常识方面也比不上一只猫。在包含1.2万多个常识问题的CommonsenseQA数据集中，最流行的AI模型BERT的准确率仅为56.7%，远低于人类的89%。

阿里巴巴达摩院的语音实验室开发了一种名为AMS的方法，显著提升了BERT模型的常识推理能力。这种方法在不增加计算量的前提下，将CommonsenseQA数据集上的准确率提高了5.5%，达到了62.2%。

这一技术进步将大幅提高未来人机交互产品的常识理解能力，应用范围广泛，包括语音导航、智能电视、语音售票机等。例如，当用户驾车前往一个已经搬迁的村庄时，即使导航系统尚未更新位置信息，具备常识的AI系统也能避免引导用户驶向错误的方向。

达摩院计划在未来开源该模型和论文，与行业共享最新研究成果。

以上是经过改写的内容，确保了与原文的核心信息一致，同时在语言风格和表达方式上有所区别。