Парадокс Моравеца — это наблюдение в области искусственного интеллекта и робототехники , что, вопреки традиционным предположениям, рассуждения требуют очень мало вычислений , но сенсомоторные и перцептивные навыки требуют огромных вычислительных ресурсов. Принцип был сформулирован в 1980-х годах Гансом Моравецом , Родни Бруксом , Марвином Мински и другими. Моравец писал в 1988 году: «сравнительно легко заставить компьютеры демонстрировать производительность на уровне взрослых в тестах на интеллект или играть в шашки, и трудно или невозможно дать им навыки годовалого ребенка, когда дело касается восприятия и подвижности». [1]
Аналогичным образом Мински подчеркнул, что наиболее сложными для обратного проектирования человеческими навыками являются те, которые находятся ниже уровня осознанного понимания. «В целом, мы меньше всего осознаем, что наш разум делает лучше всего», — писал он и добавлял: «мы больше осознаем простые процессы, которые работают не очень хорошо, чем сложные, которые работают безупречно». [2] Стивен Пинкер писал в 1994 году, что «главный урок тридцати пяти лет исследований ИИ заключается в том, что сложные проблемы — легкие, а легкие проблемы — сложные». [3]
К 2020-м годам, в соответствии с законом Мура , компьютеры стали в сотни миллионов раз быстрее, чем в 1970-х годах, и дополнительной вычислительной мощности наконец-то стало достаточно, чтобы начать обрабатывать восприятие и сенсорные навыки, как и предсказывал Моравек в 1976 году. [4] В 2017 году ведущий исследователь машинного обучения Эндрю Нг представил «крайне несовершенное эмпирическое правило», согласно которому «почти все, что обычный человек может сделать менее чем за одну секунду мысленного размышления, мы, вероятно, сможем сейчас или в ближайшем будущем автоматизировать с помощью ИИ». [5] В настоящее время нет единого мнения относительно того, в каких задачах ИИ, как правило, преуспевает. [6]
Одно из возможных объяснений парадокса, предложенное Моравецем, основано на эволюции . Все человеческие навыки реализуются биологически, с использованием машин, разработанных в процессе естественного отбора . В ходе своей эволюции естественный отбор имел тенденцию сохранять улучшения и оптимизации конструкции. Чем старше навык, тем больше времени было у естественного отбора для улучшения конструкции. Абстрактное мышление развилось совсем недавно, и, следовательно, мы не должны ожидать, что его реализация будет особенно эффективной.
Как пишет Моравец:
В больших, высокоразвитых сенсорных и моторных частях человеческого мозга закодирован миллиард лет опыта о природе мира и о том, как в нем выжить. Я считаю, что преднамеренный процесс, который мы называем рассуждением, является тончайшей оболочкой человеческого мышления, эффективной только потому, что она поддерживается этим гораздо более древним и гораздо более мощным, хотя обычно бессознательным, сенсомоторным знанием. Мы все — выдающиеся олимпийцы в перцептивной и моторной областях, настолько хороши, что заставляем сложное выглядеть легким. Однако абстрактное мышление — это новый трюк, которому, возможно, менее 100 тысяч лет. Мы еще не освоили его. Он не так уж и сложен по своей сути; он просто кажется таким, когда мы это делаем. [7]
Компактный способ выразить этот аргумент был бы таким:
Вот несколько примеров навыков, которые развивались на протяжении миллионов лет: распознавание лиц, перемещение в пространстве, оценка мотивов людей, ловля мяча, распознавание голоса, постановка соответствующих целей, обращение внимания на интересные вещи; все, что связано с восприятием, вниманием, визуализацией, двигательными навыками, социальными навыками и т. д.
Вот несколько примеров навыков, которые появились совсем недавно: математика, инженерия, игры, логика и научное мышление. Они сложны для нас, потому что это не то, для чего изначально эволюционировали наши тела и мозги. Это навыки и методы, которые были приобретены недавно, в историческое время, и у них было максимум несколько тысяч лет для совершенствования, в основном за счет культурной эволюции.
На заре исследований искусственного интеллекта ведущие исследователи часто предсказывали, что смогут создать мыслящие машины всего за несколько десятилетий (см. историю искусственного интеллекта ). Их оптимизм отчасти проистекал из того факта, что они успешно писали программы, которые использовали логику, решали алгебраические и геометрические задачи и играли в такие игры, как шашки и шахматы. Логика и алгебра сложны для людей и считаются признаком интеллекта. Многие выдающиеся исследователи [a] предполагали, что, (почти) решив «сложные» задачи, «легкие» проблемы зрения и здравого смысла вскоре встанут на свои места. Они ошибались (см. также AI winter ), и одна из причин заключается в том, что эти задачи совсем не простые, а невероятно сложные. Тот факт, что они решили такие задачи, как логика и алгебра, не имел значения, потому что эти задачи чрезвычайно просты для машин. [b]
Родни Брукс объясняет, что, согласно ранним исследованиям ИИ, интеллект «лучше всего характеризовался как то, что высокообразованные ученые-мужчины находили сложным», например, шахматы, символическая интеграция , доказательство математических теорем и решение сложных задач по алгебре. «То, что дети четырех или пяти лет могли делать без усилий, например, визуально различать чашку кофе и стул, или ходить на двух ногах, или находить дорогу из спальни в гостиную, не считалось деятельностью, требующей интеллекта». [9]
В 1980-х годах это привело Брукса к исследованию нового направления в области искусственного интеллекта и робототехники . Он решил создать интеллектуальные машины, которые «не обладали бы познанием. Только ощущения и действия. Это все, что я бы построил, и полностью исключил бы то, что традиционно считалось интеллектом искусственного интеллекта». [9] Он назвал это новое направление « Новый ИИ ». [10]
Лингвист и когнитивный ученый Стивен Пинкер считает это главным уроком, раскрытым исследователями ИИ. В своей книге 1994 года «Языковой инстинкт » он писал:
Главный урок тридцати пяти лет исследований ИИ заключается в том, что сложные проблемы легки, а легкие проблемы трудны. Умственные способности четырехлетнего ребенка, которые мы принимаем как должное — распознавание лица, поднятие карандаша, ходьба по комнате, ответ на вопрос — на самом деле решают некоторые из самых сложных инженерных задач, когда-либо задуманных... С появлением нового поколения интеллектуальных устройств именно биржевые аналитики, инженеры-нефтехимики и члены комиссий по условно-досрочному освобождению окажутся под угрозой замены машинами. Садовники, администраторы и повара надежно защищены на своих рабочих местах на десятилетия вперед. [11]