Paradoks Moraveca - Moravec's paradox

Paradoksem Moraveca jest obserwacja przez badaczy sztucznej inteligencji i robotyki, że wbrew tradycyjnym założeniom rozumowanie wymaga bardzo mało obliczeń, ale umiejętności sensomotoryczne i percepcyjne wymagają ogromnych zasobów obliczeniowych. Zasadę tę sformułowali w latach 80. Hans Moravec , Rodney Brooks , Marvin Minsky i inni. Moravec napisał w 1988 r., że „stosunkowo łatwo jest sprawić, by komputery wykazywały wyniki na poziomie dorosłych w testach na inteligencję lub w warcaby, a trudne lub niemożliwe jest nadanie im umiejętności rocznego dziecka, jeśli chodzi o percepcję i mobilność”.

Podobnie Minsky podkreślił, że najtrudniejsze ludzkie umiejętności do inżynierii wstecznej to te, które są poniżej poziomu świadomości. „Ogólnie rzecz biorąc, najmniej jesteśmy świadomi tego, co nasze umysły robią najlepiej”, napisał i dodał „jesteśmy bardziej świadomi prostych procesów, które nie działają dobrze, niż tych złożonych, które działają bezbłędnie”. Steven Pinker napisał: „Główną lekcją z trzydziestu pięciu lat badań nad sztuczną inteligencją jest to, że trudne problemy są łatwe, a łatwe problemy są trudne”.

Do lat 2020, dzięki prawu Moore'a , komputery były setki milionów razy szybsze niż w latach 70., a dodatkowa moc komputera była w końcu wystarczająca, aby zacząć obsługiwać percepcję i umiejętności sensoryczne, jak przewidział Moravec w 1976 roku. Badacz uczenia maszynowego Andrew Ng przedstawił „bardzo niedoskonałą praktyczną zasadę”, że „prawie wszystko, co typowy człowiek może zrobić za pomocą mniej niż jednej sekundy mentalnego myślenia, prawdopodobnie możemy teraz lub w najbliższej przyszłości zautomatyzować za pomocą sztucznej inteligencji”. Obecnie nie ma zgody co do zadań, w których sztuczna inteligencja zwykle się wyróżnia.

Biologiczne podstawy umiejętności człowieka

Jedno z możliwych wyjaśnień paradoksu, zaproponowane przez Moraveca, opiera się na ewolucji . Wszystkie ludzkie umiejętności są wdrażane biologicznie, przy użyciu maszyn zaprojektowanych w procesie doboru naturalnego . W trakcie swojej ewolucji dobór naturalny skłaniał się do zachowania ulepszeń i optymalizacji projektu. Im starsza umiejętność, tym więcej czasu miała selekcja naturalna na ulepszenie projektu. Myśl abstrakcyjna rozwinęła się dopiero niedawno, a co za tym idzie, nie należy oczekiwać, że jej realizacja będzie szczególnie skuteczna.

Jak pisze Moravec :

W dużych, wysoko rozwiniętych czuciowych i motorycznych częściach ludzkiego mózgu zaszyfrowane są miliardy lat doświadczeń na temat natury świata i tego, jak w nim przetrwać. Rozmyślny proces, który nazywamy rozumowaniem, jest, jak sądzę, najcieńszą powłoką ludzkiej myśli, skutecznym tylko dlatego, że wspiera go znacznie starsza i znacznie potężniejsza, choć zwykle nieświadoma, wiedza sensomotoryczna. Wszyscy jesteśmy cudownymi olimpijczykami w dziedzinach percepcji i motoryki, tak dobrymi, że ułatwiamy trudne spojrzenie. Myśl abstrakcyjna to jednak nowa sztuczka, mająca być może mniej niż 100 tysięcy lat. Jeszcze go nie opanowaliśmy. To nie wszystko jest z natury trudne; po prostu tak się wydaje, kiedy to robimy.

Zwięzły sposób na wyrażenie tego argumentu to:

  • Powinniśmy oczekiwać, że trudność inżynierii odwrotnej jakiejkolwiek ludzkiej umiejętności będzie z grubsza proporcjonalna do czasu, przez jaki ta umiejętność ewoluowała u zwierząt.
  • Najstarsze ludzkie umiejętności są w dużej mierze nieświadome i dlatego wydaje nam się, że nie wymagają wysiłku.
  • Dlatego powinniśmy oczekiwać, że umiejętności, które wydają się łatwe, będą trudne do odtworzenia, ale umiejętności, które wymagają wysiłku, niekoniecznie muszą być trudne do zbudowania.

Kilka przykładów umiejętności, które ewoluowały przez miliony lat: rozpoznawanie twarzy, poruszanie się w przestrzeni, ocenianie motywacji ludzi, łapanie piłki, rozpoznawanie głosu, wyznaczanie odpowiednich celów, zwracanie uwagi na rzeczy, które są interesujące; wszystko, co ma związek z percepcją, uwagą, wizualizacją, zdolnościami motorycznymi, umiejętnościami społecznymi i tak dalej.

Kilka przykładów umiejętności, które pojawiły się ostatnio: matematyka, inżynieria, gry, logika i rozumowanie naukowe. Są one dla nas trudne, ponieważ nie są tym, do czego nasze ciała i mózgi zostały pierwotnie wyewoluowane. Są to umiejętności i techniki, które zostały nabyte niedawno, w czasie historycznym, i miały co najwyżej kilka tysięcy lat na udoskonalenie, głównie poprzez ewolucję kulturową.

Historyczny wpływ na sztuczną inteligencję

Na początku badań nad sztuczną inteligencją czołowi badacze często przewidywali, że będą w stanie stworzyć myślące maszyny w ciągu zaledwie kilku dekad (patrz historia sztucznej inteligencji ). Ich optymizm wynikał po części z faktu, że odnosili sukcesy w pisaniu programów wykorzystujących logikę, rozwiązywali problemy z algebrą i geometrią oraz grali w gry takie jak warcaby i szachy. Logika i algebra są trudne dla ludzi i są uważane za oznakę inteligencji. Wielu wybitnych badaczy zakładało, że po (prawie) rozwiązaniu „trudnych” problemów „łatwe” problemy ze wzrokiem i zdroworozsądkowym rozumowaniem wkrótce się rozwiną. Mylili się, a jednym z powodów jest to, że te problemy wcale nie są łatwe, ale niezwykle trudne. Fakt, że rozwiązali problemy takie jak logika i algebra, był nieistotny, ponieważ te problemy są niezwykle łatwe do rozwiązania przez maszyny.

Rodney Brooks wyjaśnia, że ​​zgodnie z wczesnymi badaniami nad sztuczną inteligencją inteligencję „najlepiej scharakteryzowano jako rzeczy, które wysoko wykształceni naukowcy płci męskiej uznali za trudne”, takie jak szachy, integracja symboliczna , dowodzenie twierdzeń matematycznych i rozwiązywanie skomplikowanych problemów z algebrą słów. „Rzeczy, które dzieci w wieku czterech lub pięciu lat mogły zrobić bez wysiłku, takie jak wizualne rozróżnianie filiżanki kawy od krzesła, chodzenie na dwóch nogach lub znalezienie drogi z sypialni do salonu, nie były uważane za czynności wymagające inteligencji."

To skłoniłoby Brooksa do podążania w nowym kierunku w badaniach nad sztuczną inteligencją i robotyką . Zdecydował się zbudować inteligentne maszyny, które nie miały „poznania. Tylko wyczuwanie i działanie. To wszystko, co zbudowałbym i całkowicie pominąłby to, co tradycyjnie uważano za inteligencję sztucznej inteligencji”. Ten nowy kierunek, który nazwał „ Nouvelle AI ”, miał duży wpływ na badania nad robotyką i sztuczną inteligencję.

Podobnie udane aplikacje AI XXI wieku nie symulują „inteligentnego” rozwiązywania problemów krok po kroku, ale symulują szybkie, „intuicyjne” osądy, których ludzie używają do natychmiastowego i automatycznego rozpoznawania wzorców i anomalii.

Przyjęcie

Językoznawca i kognitywista Steven Pinker uważa to za główną lekcję odkrytą przez badaczy sztucznej inteligencji. W swojej książce z 1994 roku The Language Instinct ( Instynkt językowy) napisał:

Główną lekcją z trzydziestu pięciu lat badań nad sztuczną inteligencją jest to, że trudne problemy są łatwe, a łatwe problemy są trudne. Zdolności umysłowe czterolatka, które przyjmujemy za pewnik – rozpoznawanie twarzy, podnoszenie ołówka, chodzenie po pokoju, odpowiadanie na pytanie – w rzeczywistości rozwiązują niektóre z najtrudniejszych problemów inżynieryjnych, jakie kiedykolwiek wymyślono... pojawi się generacja inteligentnych urządzeń, to analitycy giełdowi i inżynierowie petrochemii oraz członkowie komisji ds. zwolnień warunkowych będą zagrożeni zastąpieniem przez maszyny. Ogrodnicy, recepcjonistki i kucharze są bezpieczni w swojej pracy przez dziesięciolecia.

Zobacz też

Uwagi

Bibliografia

Bibliografia

Zewnętrzne linki