[论文解读] To study the phenomenon of the Moravec's Paradox

Kush Agrawal|arXiv (Cornell University)|Dec 14, 2010

Action Observation and Synchronization被引用 5

一句话总结

本文研究了莫拉维克悖论，该悖论指出，需要直觉性、感官运动智能的任务（如行走或面部识别）在人工智能中实现的难度远高于抽象的逻辑任务（如国际象棋或复杂计算）。研究证明，尽管人工智能在符号推理和计算方面表现出色，但由于当前人工智能缺乏人类大脑中进化而来的无意识、古老的感官运动知识，因此在感知和运动任务上表现不佳。

ABSTRACT

"Encoded in the large, highly evolved sensory and motor portions of the human brain is a billion years of experience about the nature of the world and how to survive in it. The deliberate process we call reasoning is, I believe, the thinnest veneer of human thought, effective only because it is supported by this much older and much powerful, though usually unconscious, sensor motor knowledge. We are all prodigious Olympians in perceptual and motor areas, so good that we make the difficult look easy. Abstract thought, though, is a new trick, perhaps less than 100 thousand years old. We have not yet mastered it. It is not all that intrinsically difficult; it just seems so when we do it."- Hans Moravec Moravec's paradox is involved with the fact that it is the seemingly easier day to day problems that are harder to implement in a machine, than the seemingly complicated logic based problems of today. The results prove that most artificially intelligent machines are as adept if not more than us at under-taking long calculations or even play chess, but their logic brings them nowhere when it comes to carrying out everyday tasks like walking, facial gesture recognition or speech recognition.

研究动机与目标

• 分析人类认知能力与人工智能在不同类型任务上的表现之间存在的根本性差异。
• 探究为何看似简单、日常的感知与运动任务对机器而言比复杂的逻辑推理任务更具挑战性。
• 强调无意识、进化形成的感官运动知识在人类智能中的作用，以及其在当前人工智能系统中的缺失。
• 证明尽管计算能力强大，人工智能系统在需要具身感知与运动控制的任务上仍会失败。

提出的方法

• 本文采用对人类认知架构与人工智能系统进行概念性与比较性分析的方法。
• 借鉴汉斯·莫拉维克对悖论的原始表述，以界定人工智能能力与局限性的分析框架。
• 对比符号推理任务（如国际象棋、数学计算）与感知及运动任务（如行走、面部识别、语音识别）的表现差异。
• 强调人类大脑中感官运动系统的进化发展是直觉智能的基础。
• 分析依赖人工智能研究与机器人学中的定性证据，聚焦于人类表现与机器实现之间的差距。

实验结果

研究问题

• RQ1 为何人工智能系统在抽象逻辑任务上的表现优于基本感知与运动任务？
• RQ2 是什么解释了在人工智能系统中复现类人感官运动技能的困难？
• RQ3 人类感官与运动系统在进化上的发展如何促成这一悖论？
• RQ4 无意识的、具身的知识在多大程度上构成了人类智能的基础，并阻碍了人工智能的复现？

主要发现

• 人工智能系统在需要符号推理的任务中表现优于人类，例如下国际象棋或执行复杂计算。
• 尽管计算能力强大，人工智能系统在基本感知与运动任务（如行走或面部动作识别）上仍面临显著困难。
• 人类大脑的感官运动系统经过超过十亿年的进化，为智能提供了深厚且无意识的基础，而当前人工智能尚不具备这一基础。
• 抽象思维在人类进化中是相对较新的发展——不足十万年——因此在机器中实现起来更不直观，也更费力。