モラベックのパラドックス

​

モラベックのパラドックスとは何か

モラベックのパラドックスは人工知能と認知科学において最も直観に反する洞察の一つです。それは人間と機械の知性の違いに関する根本的な真実を明らかにします。チェスや複雑な数学の問題を解くなど、コンピューターに膨大な計算能力を必要とするタスクは、人間にとってはしばしば最も簡単です。一方、歩行、顔認識、ボールを捕まえるなど、人間には effortless に感じられるタスクは、機械には膨大な計算リソースを必要とするのです。

「コンピューターに知能テストやチェスで大人レベルのパフォーマンスを発揮させるのは比較的簡単だが、知覚と移動に関しては1歳児のスキルを与えるのは困難、あるいは不可能である。」— ハンス・モラベック『Mind Children』（1988年）

このパラドックスは進化から生じます。人間にとって「自然」に感じられるスキル——歩行、視覚、聴覚——は数百万年の進化的最適化を表しています。私たちの脳はこれらのタスクに膨大な神経リソースを費やしてきました。対照的に、「高次」の推論は比較的最近の進化的発展であり、私たちの脳はコンピューターがより簡単に複製できる、より小さく汎用的な計算システムでそれを処理しているのです。

​

モラベックのパラドックス：3つの深さ

• 初心者: チェスをすることと自転車に乗ることを考えてみてください。チェスは深い思考を必要とするので難しく思えますが、何百万人もが気軽に楽しんでいます。自転車に乗るのは簡単に見えます。乗ってペダルを漕ぐだけです。しかしロボットに自転車に乗らせてみてください。これがパラドックスです。考えるのが難しいタスクは計算的には簡単で、自動的な身体タスクは計算的には複雑なのです。
• 実務者: このパラドックスはAI開発に深遠な含意を持っています。なぜディープラーニングがまず知覚タスク（大量のデータがトレーニング例を提供する場所）で成功し、なぜロボット工学が挑戦的なままなのかを説明します。また、「汎用人工知能」を達成するには、最も難しい問題——日常の知覚と身体的相互作用——を解決する必要があることを示唆しています。
• 上級者: このパラドックスは「知識獲得のパラドックス」を反映しています。明示的知識（私たちが述べられる事実）は氷山の一角であり、暗黙的知識（私たちが説明できないスキル）は水中の巨大な部分を形成しています。AIは明示的知識に簡単にアクセスできますが、進化によって私たちの神経回路にエンコードされた暗黙的知識には苦労します。

​

起源

このパラドックスはカーネギーメロン大学のロボット工学と人工知能のパイオニアであるハンス・モラベックにちなんで名付けられました。1988年の著書『Mind Children』の中で、モラベックは何十年にもわたるロボット構築の経験に基づいてこの観察を提起しました。 モラベックの洞察は、ロボットをプログラミングする直接的な経験から生まれました。彼は人間が簡単と考えるタスク——部屋の移動や物の把持など——がロボットにとって非常に困難である一方、人間が挑戦と考えるタスク——数学的定理の証明やチェスなど——は比較的単純なアルゴリズムで解決できることに気づきました。 この観察はモラベック以前にも他の人々によってなされていました。コンピューター科学者マービン・ミンスキーは1980年代に「簡単なことは難しく、難しいことは簡単だ」と指摘しています。この現象は初期のAI研究においても暗黙のうちに存在していました。しかしモラベックがこの観察を定式化し、普及させたことで、以来AIの限界を理解する上での中心的な原則となりました。

​

重要なポイント

​

応用分野

​

ケーススタディ

1997年、IBMのDeep Blueが世界チェスチャンピオンのガルリ・カスパロフに勝利しました。これはAIの優位性が差し迫っているように思われたマイルストーンでした。しかし同時に、研究施設のロボットは障害物のある部屋を確実に移動したり、コーヒーを注いだりすることができませんでした。 20年後、このパターンは持続しています。GoogleのAlphaGoが2016年に世界最高の囲碁プレイヤーに勝利しましたが、世界で最も先進的なボストン・ダイナミクスのロボットでさえ、どんな子供でも楽にできるタスクに苦労しています。彼らのAtlasロボットは印象的なパルクールの動きを行えますが、転倒からの回復、不均一な地面での歩行、ドアを開けることには何年ものエンジニアリングが必要です。 このギャップはモラベックのパラドックスを完全に示しています。総当たり計算と巧妙なアルゴリズムで解決可能な戦略的ボードゲームは比較的早期に「解決」されました。しかし人間が幼少期に発達させる知覚と運動のスキル——捕まえる、投げる、顔を認識する、音声を理解する——は機械にとって依然として極めて困難です。簡単なことは難しく、難しいことは簡単なのです。

​

境界と失敗モード

モラベックのパラドックスにはいくつかの重要な限界があります：

1. ディープラーニングがギャップを狭めた: ディープラーニングを使用した現代のAIシステムは、知覚タスクで著しい進歩を遂げました。画像認識、音声認識、自然言語理解のいくつかの側面は、現在人間の性能に匹敵するか、それを上回っています。
2. 具現化は必要ないかもしれない: 一部の研究者は、真の理解に身体的具現化は必要ないと主張しています。大規模言語モデルは、物理的世界との相互作用なしに驚くべき能力を示しています。
3. パラドックスは記述するものであって説明するものではない: このパラドックスは人間と機械の能力の違いに関する観察であり、知性の完全な理論ではありません。進化的説明は説得力がありますが、唯一の要因ではないかもしれません。
4. タスク固有の知性対汎用知性: このパラドックスは特定のタスクに最も明確に適用されます。高次の推論と低次の知覚の両方を組み合わせる汎用知性の作成という課題は未解決のままです。

​

よくある誤解

​

関連概念

​

一行でわかる

モラベックのパラドックスは、人間にとっての難しさの直観は機械では逆転していることを教えてくれます。私たちにとって何でもないこと（歩く、見る）はコンピューターにとって全てであり、私たちにとって全てのこと（チェス、数学）はコンピューターにとって何でもないのです。