事实核查莫拉维克悖论

莫拉维克悖论——认为对人类困难的任务对AI容易，反之亦然——自1988年汉斯·莫拉维克提出以来，在AI领域被广泛引用。但本文作者通过深入分析发现，这一所谓的“悖论”从未得到严格的实证检验，其背后的进化论解释也充满漏洞。

作者指出，莫拉维克悖论更像是对AI研究社区关注焦点的一种描述，而非关于问题难度的普适规律。当人们系统性地忽略那些对人类和AI都过于简单或过于困难的任务时，自然会得出看似负相关的结论。例如，无数对两者都简单的任务（如图像亮度判断）被日常编程解决且无人关注；而某些对人类和AI都极难的任务（如预测股票价格）也因进展缓慢而少被讨论。此外，计算机科学中还有大量被证明为NP完全的问题，AI研究者因此回避它们。因此，悖论实际上是一种选择效应。

关于进化论方面，莫拉维克认为推理是“进化新产物”，因此对AI容易，但这一论证忽视了推理对感知运动基础能力的依赖。现代AI在开放领域推理上的失败，如IBM Watson在现实应用中的表现，进一步削弱了这一论点。实际上，开放领域的推理需要常识知识，而这恰恰是“对人类容易、对AI困难”的领域。因此，AI推理远非轻易之事。

这种简化思维带来了双向误导：一方面，它催生了“超级智能即将到来”的恐慌，促使政策制定者准备应对白领失业潮；另一方面，它又让人对机器人技术的突破过分乐观，错误地认为这类“困难”问题不会迅速取得进展。然而，计算机视觉领域的突破（如2012年深度学习的崛起）表明，看似困难的问题也可能因技术组合的革新而突然解决。用GPU加速AI的创意直至2010年左右才出现，而深度学习的科学基础早在1980年代就已奠定。

作者呼吁放弃对预测的执着，转而关注如何更好地适应已经确定会到来的技术变革。以自动驾驶为例，尽管Waymo十五年前就开始测试，但直至今日社会才匆忙应对。实际上，突破性技术的商业化往往需要数十年，因此我们有充足时间准备。与其恐慌，不如提前构建有韧性的社会体系。

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