Konrad

Za Wikipedią:

Główną lekcją, wyniesioną z trzydziestu pięciu lat badań nad sztuczną inteligencją jest to, że trudne problemy są łatwe, a łatwe problemy są trudne. Umysłowe zdolności czterolatka, które uważamy za oczywiste − rozpoznanie twarzy, podniesienie ołówka, przejście przez pokój – faktycznie rozwiązują jedne z najtrudniejszych inżynieryjnych problemów… Gdy pojawi się nowa generacja inteligentnych urządzeń, to analitycy giełdowi, inżynierowie i ławnicy sądowi mogą zostać zastąpieni maszynami. Ogrodnicy, recepcjoniści i kucharze są bezpieczni w najbliższych dekadach.

Paradoks Moraveca – odkrycie z dziedziny sztucznej inteligencji i robotyki, mówiące, że wbrew tradycyjnym przeświadczeniom, wysokopoziomowe rozumowanie wymaga niewielkiej mocy obliczeniowej, natomiast niskopoziomowa percepcja i zdolności motoryczne wymagają olbrzymiej mocy obliczeniowej. Sformułowali je w latach 80. XX wieku m.in. Hans Moravec, Rodney Brooks i Marvin Minsky. Moravec napisał: „Stosunkowo łatwo sprawić, żeby komputery przejawiały umiejętności dorosłego człowieka w testach na inteligencję albo w grze w warcaby, ale jest trudne albo wręcz niemożliwe zaprogramowanie im umiejętności rocznego dziecka w percepcji i mobilności”.

Marvin Minsky podkreśla, że najtrudniej zaprogramować te ludzkie umiejętności, które są nieświadome. Pisze: „Generalnie, najmniej jesteśmy świadomi tych rzeczy, które nasze umysły robią najlepiej.” i dodaje „Jesteśmy bardziej świadomi prostych procesów, które nie działają dobrze, niż złożonych procesów, które działają bezbłędnie.”

Możliwym wytłumaczeniem paradoksu, podanym przez Moraveca, jest teoria ewolucji. (…) Przez miliony lat selekcja naturalna faworyzowała ulepszenia i optymalizacje w organizmie. Im starsza jest jakaś umiejętność, tym więcej czasu trwało [jej] ulepszanie. Myślenie abstrakcyjne pojawiło się bardzo niedawno i w konsekwencji nie powinniśmy oczekiwać, żeby jego implementacja była szczególnie efektywna.

Moravec pisze:
“W ośrodkach zmysłowych i motorycznych ludzkiego mózgu zakodowane jest miliard lat doświadczenia o naturze świata i o tym, jak w nim przetrwać. Świadomy proces, który nazywamy myśleniem jest, według mnie, cieniutką warstewką ludzkich myśli, efektywną tylko dzięki wsparciu o wiele starszej i o wiele potężniejszej, choć zwykle nieuświadomionej, wiedzy motorycznej. Jesteśmy wszyscy wybitnymi olimpijczykami w dziedzinie percepcji i zdolności motorycznych, tak dobrymi, że trudne zadania wydają nam się łatwe. Myśl abstrakcyjna jednak jest nową zdolnością, być może młodszą niż 100 tysięcy lat. Nie opanowaliśmy jej jeszcze dobrze. Nie jest ona sama z siebie wcale trudna – tylko taka się wydaje, gdy my ją wykonujemy.”

Przykładami umiejętności, które ewoluowały przez miliony lat, są: rozpoznawanie twarzy, poruszanie się, ocena ludzkich motywacji, łapanie przedmiotów, rozpoznawanie głosu, ustalanie celów, uważna obserwacja, zdolności motoryczne, zdolności społeczne itp. Przykładami umiejętności, które pojawiły się niedawno, są: matematyka, inżynieria, gry, logika oraz nauka. Są one trudne dla człowieka, ponieważ ludzkie ciała i umysły nie są dostosowane do ich realizacji. Ludzie mieli co najwyżej kilka tysięcy lat na ich ulepszanie, głównie przez ewolucję kulturową.

Ewolucja kulturowa jest podporą dla naszego myślenia. Ponieważ sami jeszcze słabo myślimy abstrakcyjnie, potrzebujemy wsparcia innych, a także spisywania i odczytywania wcześniejszych wytworów abstrakcyjnego myślenia, by na nich budować. Coś, co sztuczna inteligencja może robić sama.

W pierwszych latach badań nad sztuczną inteligencją, w latach 50. i 60. XX wieku, czołowi badacze przewidywali, że w ciągu 20–30 lat pojawią się maszyny dorównujące ludziom. Ich optymizm opierał się częściowo na fakcie, że udało się stworzyć programy przeprowadzające logiczne rozumowania oraz rozwiązujące problemy matematyczne, co traktowano jako przejaw inteligencji. Zakładali, że skoro udało się rozwiązać „trudne” problemy, rozwiązania „łatwych”, takich jak rozpoznawanie obrazów czy przetwarzanie języka, pojawią się szybko. Okazało się to nieprawdą, a rozwiązanie tych „łatwych” problemów okazało się niezwykle trudne.

Rodney Brooks wyjaśnia, że według badaczy SI inteligencja była „rozumiana jako umiejętność robienia tych rzeczy, które wyedukowany badacz uznawał za wyzwania”, takich jak gra w szachy, całkowanie symboliczne, dowodzenie twierdzeń i rozwiązywanie skomplikowanych problemów algebraicznych. „To, co dzieci mające cztery lub pięć lat potrafią robić bez wysiłku, jak np. odróżnianie kubka od krzesła, chodzenie na dwóch nogach czy znalezienie drogi z sypialni do salonu, nie było uważane za zdolności wymagające inteligencji.”

W latach 80. XX wieku odkrycie paradoksu Moraveca wpłynęło na zmianę kierunku badań sztucznej inteligencji. Rozpowszechniło koncepcję, że aby przejawiać prawdziwą inteligencję, maszyny muszą mieć ciała i wchodzić w interakcję z prawdziwym światem. Wielu kognitywistów zaczęło podważać tezę, że myślenie można sprowadzić do przetwarzania symbolicznego.

Na myśl przychodzi tu filozofia Merleau-Ponty’ego. Twierdził on, że ciało nie jest tylko biernym odbiorcą bodźców, ale aktywnym uczestnikiem procesu postrzegania i rozumienia. Jeśli chcemy mówić o tym, jak wygląda świat, to powinniśmy zachować podmiotowość i wszystkie związane z nią cielesne zapośredniczenia. Patrzenie na coś zawsze wymaga ciała i punktu widzenia; to ciało i punkt widzenia są zawsze ważne dla procesu patrzenia; i zawsze są one wplecione w ten sam świat, co rzecz lub rzeczy, na które się patrzy.

Źródła:
https://pl.wikipedia.org/wiki/Paradoks_Moraveca
https://riccardoschiroli.com/da-hans-moravec-ai-viaggi-nel-tempo/
https://www.thecollector.com/maurice-merleau-ponty-gestalt-theory/
Taylor Carman, “Merleau-Ponty”, 2020
Ilustracje (poza środkową) – sztuczna inteligencja Stable Diffusion