Парадокс Моравца - Moravec's paradox

Парадокс Моравека - это наблюдение исследователей искусственного интеллекта и робототехники, согласно которым, вопреки традиционным предположениям, рассуждение требует очень небольшого количества вычислений, а сенсомоторные навыки и навыки восприятия требуют огромных вычислительных ресурсов. Этот принцип был сформулирован Гансом Моравеком , Родни Бруксом , Марвином Мински и другими в 1980-х годах. Моравек писал в 1988 году: «Сравнительно легко заставить компьютеры показывать результаты на уровне взрослых в тестах интеллекта или игре в шашки, и трудно или невозможно дать им навыки годовалого ребенка, когда дело касается восприятия и мобильности».

Точно так же Мински подчеркнул, что самые сложные человеческие навыки для реинжиниринга - это те, которые ниже уровня осознания. «В общем, мы меньше всего осведомлены о том, что наш разум делает лучше всего», - написал он и добавил: «Мы больше осведомлены о простых процессах, которые не работают хорошо, чем о сложных, которые работают безупречно». Стивен Пинкер написал: «Главный урок тридцатипятилетних исследований ИИ состоит в том, что сложные проблемы легки, а легкие - трудны».

К 2020-м годам, согласно закону Мура , компьютеры были в сотни миллионов раз быстрее, чем в 1970-х, и дополнительной мощности компьютера, наконец, стало достаточно, чтобы начать обрабатывать восприятие и сенсорные навыки, как предсказывал Моравец в 1976 году. Исследователь машинного обучения Эндрю Нг представил «весьма несовершенное эмпирическое правило», согласно которому «почти все, что обычный человек может сделать менее чем за одну секунду мысленного мышления, мы, вероятно, сможем сейчас или в ближайшем будущем автоматизировать с помощью ИИ». В настоящее время нет единого мнения о том, в каких задачах ИИ лучше всего справляется.

Биологическая основа человеческих навыков

Одно из возможных объяснений парадокса, предложенное Моравеком, основано на теории эволюции . Все человеческие навыки реализуются биологическим путем с использованием механизмов, созданных в процессе естественного отбора . В ходе своей эволюции естественный отбор имел тенденцию сохранять улучшения и оптимизацию дизайна. Чем старше навык, тем больше времени у естественного отбора для улучшения дизайна. Абстрактная мысль возникла совсем недавно, и, следовательно, не следует ожидать, что ее реализация будет особенно эффективной.

Как пишет Моравец :

В больших, высокоразвитых сенсорных и моторных частях человеческого мозга закодирован миллиардный опыт о природе мира и о том, как выжить в нем. Я считаю, что сознательный процесс, который мы называем рассуждением, является тончайшей оболочкой человеческого мышления, эффективным только потому, что он поддерживается гораздо более старым и гораздо более мощным, хотя обычно бессознательным, сенсомоторным знанием. Мы все замечательные олимпийцы в области восприятия и моторики, настолько хороши, что делаем сложный вид легким. Однако абстрактная мысль - это новый трюк, которому, возможно, меньше 100 тысяч лет. Мы еще не освоили. Это не так уж сложно; просто так кажется, когда мы это делаем.

Краткий способ выразить этот аргумент:

  • Мы должны ожидать, что сложность обратной инженерии любого человеческого навыка будет примерно пропорциональна количеству времени, в течение которого этот навык развивался у животных.
  • Самые старые человеческие навыки в основном бессознательны и поэтому кажутся нам легкими.
  • Следовательно, мы должны ожидать, что навыки, которые кажутся легкими, будут трудными для обратного проектирования, но навыки, требующие усилий, могут вообще не оказаться трудными для разработки.

Некоторые примеры навыков, которые развивались миллионы лет: распознавание лица, перемещение в пространстве, оценка мотивации людей, ловля мяча, распознавание голоса, постановка соответствующих целей, внимание к интересным вещам; все, что связано с восприятием, вниманием, визуализацией, моторикой, социальными навыками и так далее.

Некоторые примеры навыков, появившихся совсем недавно: математика, инженерия, игры, логика и научное мышление. Это сложно для нас, потому что это не то, для чего изначально были созданы наши тела и мозг. Это навыки и методы, которые были приобретены недавно, в историческое время, и им нужно было отточить самое большее несколько тысяч лет, в основном в результате культурной эволюции.

Историческое влияние на искусственный интеллект

На заре исследований в области искусственного интеллекта ведущие исследователи часто предсказывали, что они смогут создавать мыслящие машины всего за несколько десятилетий (см. Историю искусственного интеллекта ). Их оптимизм частично объяснялся тем фактом, что они успешно писали программы, которые использовали логику, решали задачи алгебры и геометрии и играли в такие игры, как шашки и шахматы. Логика и алгебра трудны для людей и считаются признаком интеллекта. Многие выдающиеся исследователи полагали, что, решив (почти) «сложные» проблемы, «легкие» проблемы видения и здравого смысла вскоре встанут на свои места. Они ошибались, и одна из причин заключается в том, что эти проблемы совсем не легкие, но невероятно трудные. Тот факт, что они решали такие проблемы, как логика и алгебра, не имел значения, потому что эти проблемы чрезвычайно легко решать машинам.

Родни Брукс объясняет, что, согласно ранним исследованиям искусственного интеллекта , интеллект «лучше всего охарактеризован как вещи, которые высокообразованные ученые-мужчины находят сложными», такие как шахматы, символическая интеграция , доказательство математических теорем и решение сложных задач алгебры слов. "То, что дети четырех или пяти лет могли делать без особых усилий, такие как визуальное различие между чашкой кофе и стулом, или ходьба на двух ногах, или поиск пути из спальни в гостиную, не рассматривались как занятия требующий интеллекта ".

Это привело бы Брукса к новому направлению в исследованиях искусственного интеллекта и робототехники . Он решил создать интеллектуальные машины, у которых «не было познания. Только ощущения и действия. Это все, что я хотел построить, полностью исключив то, что традиционно считалось интеллектом искусственного интеллекта». Это новое направление, которое он назвал « Nouvelle AI », оказало большое влияние на исследования робототехники и искусственного интеллекта.

Точно так же успешные приложения ИИ 21 века не моделируют пошаговое «интеллектуальное» решение проблем, они моделируют быстрые, «интуитивные» суждения, которые люди используют для мгновенного и автоматического распознавания закономерностей и аномалий.

Прием

Лингвист и когнитивист Стивен Пинкер считает это главным уроком, извлеченным исследователями искусственного интеллекта. В своей книге 1994 года «Языковой инстинкт» он писал:

Главный урок тридцатипятилетних исследований искусственного интеллекта состоит в том, что сложные проблемы - легкие, а легкие - трудные. Умственные способности четырехлетнего ребенка, которые мы принимаем как должное - распознавание лица, поднятие карандаша, прогулка по комнате, ответ на вопрос - на самом деле решают некоторые из самых сложных инженерных задач, которые когда-либо возникали ... появится новое поколение интеллектуальных устройств, то есть биржевые аналитики, инженеры нефтехимии и члены совета по условно-досрочному освобождению могут быть заменены машинами. Садовники, администраторы и повара обеспечены своей работой на долгие десятилетия.

Смотрите также

Примечания

использованная литература

Библиография

внешние ссылки