人工智能領域，人工智能機器因為無法如人一樣理解常識知識，而使人工智能機器表現出的智能程度極其有限。

因此，“常識問題或常識知識問題（common sense knowledge problem）是認知科學特別是人工智能中一個被稱為‘真正的問題’的問題。”面對人工智能的發展，海斯指出：“我們需要把如何進行推理的知識加以形式化，還要把那個使推理成為可能的有關現實世界的知識加以形式化。這種元信息可自行參與推理過程，但是，它又與演繹式解釋程序有著不同的和特殊的關系：它對自己的活動作出描述，而不僅僅為了有利。

在另一個研究智能的科學中，認知科學目前最大的難題也是語言和常識知識（默會知識、背景知識）問題。符號主義范式早期在證明幾何學定理、弈棋、定理再發現，以及運用邏輯演算和少量現實世界背景知識就可精確控制的一些領域取得了成功。但是，人們很快認識到，日常生活中要解決的大多數問題無法歸入少數幾種因素的形式組合。至少機器語言翻譯的經驗告訴我們，人類認知是與真實世界的大量背景知識相關的。

大部分認知科學工作者試圖通過智能計算機的研究，發明一些解決日常生活實際問題的程序，致力于按照規則的觀念闡明必要的背景知識，尋求最小知識系統。人們猜測，只要抽象出真實世界中那些對于求解問題非常重要的特征，機器就能給出這個抽象世界足夠的背景信息，并智能地思考簡化了的人工世界中的對象及其關系，從而實現模擬真實世界的目的。最初的努力是試圖建構嵌入機器的“微型世界”，微型世界是對真實世界特征的極大簡化。

不幸的是，如休伯特·德雷福斯（H.Dreyfus）所說，“微型世界不是世界，而是孤立的，缺乏意義的不毛之地，不能指望這樣的不毛之地生長出我們日常生活的多彩世界。”由于上述困難，人工智能科學家寄希望于從盡量少的知識集合出發，通過形式化手段演繹出整個知識系統。自1975至今，開始進入尋求極小常識知識集合的階段。在這方面的工作中，已經取得初步成就的極小常識系統有明斯基的“框架”程序、尚克（R.Schank）的“腳本”程序、麥克德莫特（D.McDemott）和多伊爾（J.Doyle）和賴特（R.Reiter）的“非單調邏輯”、麥卡錫（J.McCarthy）的“化界系統”，以及麥克德莫特的“時態邏輯”等。

但事實上，這些常識理解程序實驗結果表明，它們都只能完成某一范圍的局域性特定任務，難以真正在實踐中得到廣泛通用。這項研究提醒我們，最重要的是，我們對于常識知識結構本身的復雜性還知之甚少，甚至是無知。1985年，德克薩斯奧斯丁微電子和計算機中心開始啟動的常識知識數據庫的重大項目，預計包含上億條邏輯語句，由于難以擺脫用機器程序處理日常問題所遇到的“組合爆炸”問題，目前仍在艱難進行之中。

可以說，當前的智能研究所面臨的意向性問題、范疇問題、常識化問題、對心靈的認識問題、人工智能的目標問題無疑已經成為了亟待解決的重要問題。很顯然，回避問題不是明智的做法，而解決問題才是必選之道。問題是這些問題的解決又如何可能呢？在我們還不能直接解剖活生生的大腦時，哲學的探索無疑是一個最好的選擇。如同古希臘的自然哲學一樣，對智能的哲學分析也將促進人們對智能的科學認識。當然，這種哲學分析也需要適當的條件。既需要來自科學的實證材料，又需要來自哲學的反思。