就像IBM的深藍戰(zhàn)勝卡斯帕羅夫的2007年5月一樣，2016年3月注定也要載入人工智能的發(fā)展史冊：來自Google DeepMind的人工智能程序AlphaGo以總比分4：1的成績戰(zhàn)勝了前世界冠軍李世石。

　　號稱“人類最后智力驕傲”的圍棋也被人工智能攻破了，一時間人工智能與機器人威脅論刷爆了微博、微信及各路新聞媒體。大家都在擔(dān)心著某一天自己的工作會被人工智能搶去，又在某一天人類會被人工智能機器人統(tǒng)治。那場比賽中有個細節(jié)，不知大家是否注意：這個已經(jīng)在“人類最后智力驕傲”上碾壓人類的AlphaGo，卻連挪動一枚小小的棋子都需要人類幫助才能完成。

　　可能有人會說，這都不是事，圍棋都已經(jīng)戰(zhàn)勝人類了，給AlphaGo裝上機械手讓它自己下棋也不過是分分鐘事。然而，事實真的是這么簡單嗎？

　　對機器人來說 簡單動作比復(fù)雜推理更難實現(xiàn)？

　　回答這個問題之前，先讓我們來看個由人工智能和機器人科學(xué)家發(fā)現(xiàn)的與常識相佐的現(xiàn)象：
　　計算機在智力測試或者下棋中展現(xiàn)出一個成年人的水平是相對容易的，但是要讓計算機有如一歲小孩般的感知和行動能力卻是相當(dāng)困難甚至是不可能的。這便是在人工智能和機器人領(lǐng)域著名的莫拉維克悖論。

對機器人來說 簡單動作比復(fù)雜推理更難實現(xiàn)？
　　莫拉維克悖論（Moravec's paradox）由漢斯·莫拉維克（Hans Moravec）, 羅德尼·布魯克斯（Rodney Brooks）,馬文·閔斯基（Marvin Minsky）等人于20世紀80年代提出。莫拉維克悖論指出：和傳統(tǒng)假設(shè)不同，對計算機而言，實現(xiàn)邏輯推理等人類高級智慧只需要相對很少的計算能力，而實現(xiàn)感知、運動等低等級智慧卻需要巨大的計算資源。

　　語言學(xué)家和認知科學(xué)家史迪芬·平克（Steven Pinker）認為這是人工智能研究者的最重要發(fā)現(xiàn)，在“The Language Instinct”這本書里，他寫道：經(jīng)過35年人工智能的研究，人們學(xué)到的主要內(nèi)容是“困難的問題是簡單的，簡單的問題是困難的”。四歲小孩具有的本能─辨識人臉、舉起鉛筆、在房間內(nèi)走動、回答問題等，事實上是工程領(lǐng)域內(nèi)目前為止最難解的問題。隨著新一代智慧設(shè)備的出現(xiàn)，股票分析師、石化工程師和假釋委員會都要小心他們的位置被取代，但是園丁、接待員和廚師至少十年內(nèi)都不用有這種擔(dān)心。

　　與之相似，Marvin Minsky強調(diào)，對技術(shù)人員來說，最難以復(fù)刻的人類技能是那些無意識的技能。總體上，應(yīng)該認識到，一些看起來簡單的動作比那些看起來復(fù)雜的動作要更加難以實現(xiàn)。

對機器人來說 簡單動作比復(fù)雜推理更難實現(xiàn)？
　　在早期人工智能的研究里，當(dāng)時的研究學(xué)者預(yù)測在數(shù)十年內(nèi)他們就可以造出思考機器。他們的樂觀部分來自于一個事實，他們已經(jīng)成功地使用邏輯來創(chuàng)造寫作程序，并且解決了代數(shù)和幾何的問題以及可以像人類棋士般下國際象棋。正因為邏輯和代數(shù)對于人們來說通常是比較困難的，所以被視為一種智慧象征。他們認為，當(dāng)幾乎解決了“困難”的問題時，“容易”的問題也會很快被解決，例如環(huán)境識別和常識推理。

　　但事實證明他們錯了，一個原因是這些問題是其實是難解的，而且是令人難以置信的困難。事實上，他們已經(jīng)解決的邏輯問題是無關(guān)緊要的，因為這些問題是非常容易用機器來解決的。

　　根據(jù)當(dāng)時的研究，智慧最重要的特征是那些困難到連高學(xué)歷的人都會覺得有挑戰(zhàn)性的任務(wù)，例如象棋，抽象符號的統(tǒng)合，數(shù)學(xué)定理證明和解決復(fù)雜的代數(shù)問題。至于四五歲的小孩就可以解決的事情，例如用眼睛區(qū)分咖啡杯和一張椅子，或者用腿自由行走，又或是發(fā)現(xiàn)一條可以從臥室走到客廳的路徑，這些都被認為是不需要智慧的。

　　在發(fā)現(xiàn)莫拉維克悖論后，一部分人開始在人工智能和機器人的研究上追求新的方向，研究思路不再僅僅局限于模仿人類認知學(xué)習(xí)和邏輯推理能力，而是轉(zhuǎn)向從模仿人類感覺與反應(yīng)等與物理世界接觸的思路設(shè)計研發(fā)機器人。莫拉維克悖論的發(fā)現(xiàn)者之一Rodney Brooks便在其中，他決定建造一種沒有辨識能力而只有感知和行動能力的機器，并稱之為Nouvelle AI。雖然他的研究早在1990年代就開始，但是直到2011年其Baxter機器人還是不能像裝配工人那樣自如地拿起細小的物件。

對機器人來說 簡單動作比復(fù)雜推理更難實現(xiàn)？

　　由美國國防部高級研究計劃局（Defense Advanced Research Projects Agency，簡稱DARPA）舉辦的機器人挑戰(zhàn)賽被稱作“當(dāng)前人工智能中含金量最高的比賽”。雖然參賽隊伍都是來自全球的頂尖研究機構(gòu)，但是它的任務(wù)卻是諸如駕駛、進門、打開閥門、上下樓梯等對人類來說非常簡單的任務(wù)，即便如此有些隊伍仍然無法完成比賽，機器人在比賽中摔倒更是家常便飯。

　　到那句有些哲學(xué)意味的話“困難的問題是簡單的，簡單的問題是困難的”。幾十年來，我們做出的機器人和人工智能，雖然在智力上已經(jīng)達到了很高的境界，但在看似簡單的與真實物理世界交互的能力依然非常差。目前人工智能和機器人學(xué)亟待解決的問題不是如何讓機器人學(xué)會越來越復(fù)雜的邏輯推理，而是讓機器人具備對物理世界最基本的感知與反應(yīng)。