Из Википедии, свободной энциклопедии
Перейти к навигацииПерейти к поиску

Парадокс Моравека - это наблюдение исследователей искусственного интеллекта и робототехники, согласно которым, вопреки традиционным предположениям, рассуждение требует очень мало вычислений, а сенсомоторные навыки 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». [1]

Точно так же Мински подчеркнул, что самые сложные человеческие навыки для реинжиниринга - это те, которые находятся в бессознательном состоянии . «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». [2]

Биологические основы человеческих навыков

Одно из возможных объяснений парадокса, предложенное Моравеком, основано на 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. [3]

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 [4] полагали, что, решив (почти) «сложные» проблемы, «легкие» проблемы видения и здравого смысласкоро встанет на место. 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. [а]

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 ". [5]

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». [5] Это новое направление, которое он назвал « Nouvelle AI », оказало большое влияние на исследования робототехники и искусственного интеллекта. [6] [7]

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 ... После появления нового поколения интеллектуальных устройств на смену станкам могут прийти биржевые аналитики, инженеры нефтехимии и члены совета по условно-досрочному освобождению. Садовники, администраторы и повара обеспечены своей работой на долгие десятилетия. [8]

См. Также

Примечания

  1. ^ Это не единственные причины, по которым их прогнозы не сбылись: увидеть проблемы .

Ссылки

  1. Перейти ↑ Moravec 1988 , p. 15.
  2. Перейти ↑ Minsky 1986 , p. 29.
  3. Перейти ↑ Moravec 1988 , pp. 15–16.
  4. ^ Zador, Энтони (2019-08-21). «Критика чистого обучения и того, чему искусственные нейронные сети могут научиться у мозга животных» . Nature Communications . 10 (1): 3770. Bibcode : 2019NatCo..10.3770Z . DOI : 10.1038 / s41467-019-11786-6 . PMC  6704116 . PMID  31434893 . Герберт Саймон, пионер искусственного интеллекта (ИИ), в 1965 году знаменито предсказал, что «в течение двадцати лет машины будут способны выполнять любую работу, которую может выполнять человек» - для создания ИИ в целом.
  5. ^ a b Brooks (2002) , цитируется по McCorduck (2004 , с. 456)
  6. ^ McCorduck 2004 , стр. 456.
  7. ^ Брукс 1986 .
  8. ^ Пинкер 2007 , стр. 190-91.

Библиография

  • Брукс, Родни (1986), Интеллект без представления , Лаборатория искусственного интеллекта Массачусетского технологического института
  • Брукс, Родни (2002), Плоть и машины , Книги Пантеона
  • Мински, Марвин (1986), Общество разума , Саймон и Шустер, стр. 29
  • Моравец, Ганс (1988), Дети разума , издательство Гарвардского университета
  • МакКордак, Памела (2004), Машины, которые думают (2-е изд.), Натик, Массачусетс: AK Peters, Ltd., ISBN 1-56881-205-1, п. 456.
  • Нильссон, Нильс (1998). Искусственный интеллект: новый синтез . Морган Кауфманн. п. 7 . ISBN 978-1-55860-467-4.
  • Пинкер, Стивен (4 сентября 2007 г.) [1994], The Language Instinct , Perennial Modern Classics, Harper, ISBN 978-0-06-133646-1

Внешние ссылки

  • «объяснение» в XKCD комического об этом «парадоксе»