Paradoxo de Moravec - Moravec's paradox

O paradoxo de Moravec é a observação de pesquisadores de inteligência artificial e robótica de que, ao contrário dos pressupostos tradicionais, o raciocínio requer muito pouca computação, mas as habilidades sensório - motoras e de percepção requerem enormes recursos computacionais. O princípio foi articulado por Hans Moravec , Rodney Brooks , Marvin Minsky e outros na década de 1980. Moravec escreveu em 1988, "é comparativamente fácil fazer com que os computadores exibam desempenho de nível adulto em testes de inteligência ou jogando damas, e difícil ou impossível dar a eles as habilidades de uma criança de um ano no que diz respeito à percepção e mobilidade".

Da mesma forma, Minsky enfatizou que as habilidades humanas mais difíceis de fazer engenharia reversa são aquelas que estão abaixo do nível de percepção consciente. “Em geral, estamos menos cientes do que nossas mentes fazem de melhor”, escreveu ele, e acrescentou “estamos mais cientes de processos simples que não funcionam bem do que de processos complexos que funcionam perfeitamente”. Steven Pinker escreveu "a principal lição de trinta e cinco anos de pesquisa em IA é que os problemas difíceis são fáceis e os problemas fáceis são difíceis".

Na década de 2020, devido à lei de Moore , os computadores eram centenas de milhões de vezes mais rápidos do que na década de 1970, e o poder adicional do computador finalmente foi suficiente para começar a lidar com a percepção e as habilidades sensoriais, como Moravec previra em 1976. Em 2017, liderando O pesquisador de aprendizado de máquina Andrew Ng apresentou uma "regra prática altamente imperfeita", que "quase tudo que um humano típico pode fazer com menos de um segundo de pensamento mental, podemos provavelmente agora ou em um futuro próximo automatizar usando IA." Atualmente não há consenso sobre em quais tarefas a IA tende a se destacar.

A base biológica das habilidades humanas

Uma possível explicação para o paradoxo, oferecida por Moravec, é baseada na evolução . Todas as habilidades humanas são implementadas biologicamente, usando máquinas projetadas pelo processo de seleção natural . No curso de sua evolução, a seleção natural tende a preservar as melhorias e otimizações de design. Quanto mais velha for uma habilidade, mais tempo a seleção natural terá para melhorar o design. O pensamento abstrato se desenvolveu apenas muito recentemente e, conseqüentemente, não devemos esperar que sua implementação seja particularmente eficiente.

Como Moravec escreve:

Codificado nas grandes porções sensoriais e motoras altamente evoluídas do cérebro humano está um bilhão de anos de experiência sobre a natureza do mundo e como sobreviver nele. O processo deliberado que chamamos de raciocínio é, acredito, o verniz mais fino do pensamento humano, eficaz apenas porque é sustentado por esse conhecimento sensório-motor muito mais antigo e muito mais poderoso, embora geralmente inconsciente. Somos todos olímpicos prodigiosos nas áreas perceptiva e motora, tão bons que fazemos o difícil parecer fácil. O pensamento abstrato, porém, é um novo truque, talvez com menos de 100 mil anos. Ainda não o dominamos. Não é tão intrinsecamente difícil; parece que sim quando o fazemos.

Uma forma compacta de expressar esse argumento seria:

  • Devemos esperar que a dificuldade de fazer engenharia reversa de qualquer habilidade humana seja aproximadamente proporcional ao tempo que essa habilidade está evoluindo nos animais.
  • As habilidades humanas mais antigas são em grande parte inconscientes e, portanto, parecem-nos sem esforço.
  • Portanto, devemos esperar que as habilidades que parecem sem esforço sejam difíceis de fazer engenharia reversa, mas as habilidades que exigem esforço podem não ser necessariamente difíceis de fazer.

Alguns exemplos de habilidades que vêm evoluindo há milhões de anos: reconhecer um rosto, mover-se no espaço, julgar as motivações das pessoas, pegar uma bola, reconhecer uma voz, estabelecer metas adequadas, prestar atenção em coisas que são interessantes; qualquer coisa a ver com percepção, atenção, visualização, habilidades motoras, habilidades sociais e assim por diante.

Alguns exemplos de habilidades que surgiram mais recentemente: matemática, engenharia, jogos, lógica e raciocínio científico. Isso é difícil para nós porque não é o que nossos corpos e cérebros foram desenvolvidos para fazer. São habilidades e técnicas adquiridas recentemente, no tempo histórico, e que tiveram no máximo alguns milhares de anos para serem refinadas, principalmente pela evolução cultural.

Influência histórica na inteligência artificial

Nos primórdios da pesquisa em inteligência artificial, os principais pesquisadores frequentemente previam que seriam capazes de criar máquinas pensantes em apenas algumas décadas (veja a história da inteligência artificial ). Seu otimismo derivava em parte do fato de terem sido bem-sucedidos em escrever programas que usavam lógica, resolver problemas de álgebra e geometria e jogar damas e xadrez. A lógica e a álgebra são difíceis para as pessoas e são consideradas um sinal de inteligência. Muitos pesquisadores proeminentes presumiram que, tendo (quase) resolvido os problemas "difíceis", os problemas "fáceis" de visão e raciocínio do senso comum logo se encaixariam. Eles estavam errados, e um dos motivos é que esses problemas não são nada fáceis, mas incrivelmente difíceis. O fato de eles terem resolvido problemas como lógica e álgebra era irrelevante, porque esses problemas são extremamente fáceis de serem resolvidos pelas máquinas.

Rodney Brooks explica que, de acordo com as primeiras pesquisas de IA, a inteligência era "melhor caracterizada como as coisas que os cientistas do sexo masculino altamente educados consideravam desafiador", como xadrez, integração simbólica , prova de teoremas matemáticos e solução de problemas complicados de álgebra de palavras. "As coisas que crianças de quatro ou cinco anos podem fazer sem esforço, como distinguir visualmente entre uma xícara de café e uma cadeira, ou andar sobre duas pernas ou ir do quarto até a sala de estar, não foram consideradas atividades exigindo inteligência. "

Isso levaria Brooks a buscar uma nova direção na inteligência artificial e na pesquisa em robótica . Ele decidiu construir máquinas inteligentes que tivessem "nenhuma cognição. Apenas sensação e ação. Isso é tudo que eu construiria e deixaria completamente de fora o que tradicionalmente era considerado a inteligência da inteligência artificial". Essa nova direção, que ele chamou de " Nouvelle AI ", teve grande influência na pesquisa em robótica e na IA.

Da mesma forma, os aplicativos de IA de sucesso do século 21 não simulam a solução de problemas "inteligente" passo a passo, eles simulam os julgamentos rápidos e "intuitivos" que as pessoas usam para reconhecer instantaneamente e automaticamente padrões e anomalias.

Recepção

O lingüista e cientista cognitivo Steven Pinker considera esta a principal lição descoberta pelos pesquisadores de IA. Em seu livro de 1994, The Language Instinct , ele escreveu:

A principal lição de trinta e cinco anos de pesquisa em IA é que os problemas difíceis são fáceis e os problemas fáceis são difíceis. As habilidades mentais de uma criança de quatro anos que consideramos naturais - reconhecer um rosto, levantar um lápis, caminhar por uma sala, responder a uma pergunta - na verdade resolvem alguns dos problemas de engenharia mais difíceis já concebidos ... Como os novos Se surgir uma geração de dispositivos inteligentes, serão os analistas de ações, os engenheiros petroquímicos e os membros do conselho de liberdade condicional que correm o risco de serem substituídos por máquinas. Os jardineiros, recepcionistas e cozinheiros estão seguros em seus empregos nas próximas décadas.

Veja também

Notas

Referências

Bibliografia

links externos