不管是哪一個人工智慧學者都會同意，學習能力才是邁向智慧的關鍵。但學習並不是一件容易的事，特別是在常識推理的領域中。這些對於人類毫無困難、但是卻多如牛毛的常識，往往讓電腦在推理的過程中屢遇挫折。
毫無疑問的，只要我們能夠建立一個包含所有常識的資料庫，又能夠建立一套快速搜尋的演算法，並提出能夠解決彼此矛盾的方法，我們就有機會讓電腦走入我們的生活。WWW 的發明人 Tim Berners-Lee 認為人們在網路上所發表的訊息本身就是最好的知識庫，因此著手制訂讓機器易於處理的格式規定，以便建立 Semantic Web (語意網) ，作為機器智能的基礎。
另一群人工智慧的研究者則利用 Internet 的群眾力量，來將這些難以數計的常識建入資料庫之中。MIT Media Lab 所建立的 OpenMind CommonSense 就是這樣的一個計劃，它設計了二十幾種方式來輸入常識，包括定義事實(Enter a fact)、因果關係(Cause and effect)、為什麼? (Explain why?) 等等，有一些方式是讓使用者直接輸入答案，有一些則是電腦的疑點要請使用者釐清。
南加大的 Learn2 系統也是秉持著同樣的想法，它請使用者來回答一些基本的問題，並透過上一個問題來詢問下一個問題。例如，當你輸入 "榔頭是用來敲東西的"，它就會問，還有什麼東西可以用來"敲"？或是，在它的知識庫中已經知道門也可以敲，那它們是否相像？
除了建立知識庫之外，更重要的是運用常識推理。OpenMind 提供了 "ConceptNet Toolkit"，讓其他需要使用常識推理的研究者可以直接套用，或是自行訓練一個特定領域的常識庫。透過公開的 ConceptNet，大家可以自行發展出各自的應用，而不再需要重複建立常識庫。
然而，目前關於常識庫的建立大都集中於英文上。在中文的領域其實還是一片空白，最大的問題應該還是出在斷字斷詞上，如果連使用者的回答都無法正確斷字斷詞，那麼要建立這樣一個常識庫顯然還有困難。或許也可以利用相同的方式來請使用者協助斷詞，但是要怎麼把建立常識庫變成一件好玩的事，其實才是通往成功之道。
參考資料：
Pesty's Articles 