モラベックのパラドックスを検証する

モラベックのパラドックス——人間にとって難しい課題はAIにとって容易であり、その逆もまた然り——は、1988年にハンス・モラベックが提唱して以来、AI分野で広く引用されてきた。しかし、本稿の著者は詳細な分析を通じて、このいわゆる「パラドックス」が厳密な実証テストを受けたことがなく、その背後にある進化論的説明にも多くの問題があることを指摘する。

著者によれば、モラベックのパラドックスは、AI研究コミュニティが注目する課題の偏りを反映しているに過ぎない。人間とAIの両方にとって簡単すぎる課題（例えば画像の明るさ判定）や難しすぎる課題（例えば株価予測）を系統的に無視すれば、当然のように負の相関が現れる。さらに、コンピュータ科学者によってNP完全と証明された数千もの問題は、AIにとって永久に難しいと考えられ、真剣な研究者はそれらに取り組まない。したがって、パラドックスは選択効果に過ぎない。

また、モラベックの「推論は進化的に新しいためAIにとって容易」という論証は疑わしい。推論は感覚運動基盤に依存しており、開放領域では常識知識が必要となる。IBM Watsonの現実応用での失敗が示すように、開放領域での推論は依然として大きな課題である。AI研究者は、チェスのような閉じた領域での成功を過度に一般化し、超知能が間近に迫っているという誤った信念を抱いている。

このような単純化された思考は、二重の誤解を生む。一方で、「超知能の到来」への恐怖を煽り、政策立案者にホワイトカラーの失業に備えるよう警告する。他方で、ロボット工学のような「難しい」問題はすぐには進歩しないという誤った安心感を与える。しかし、2012年の深層学習によるコンピュータビジョンの飛躍的進歩が示すように、困難と見なされた問題も技術の組み合わせ次第で突然解決することがある。GPUの活用がその鍵であり、深層学習の科学的基盤は1980年代に確立されていた。

著者は、予測への依存を放棄し、確実に到来する技術変化に適応する方法を模索すべきだと主張する。自動運転車の例を挙げ、Waymoが15年前に公道テストを開始したにもかかわらず、社会が対応を始めたのは最近であることを指摘。将来を予測しようとするよりも、レジリエントな社会システムを構築することの重要性を強調している。

原文: https://www.aisnakeoil.com/p/fact-checking-moravecs-paradox