Մորավեկի պարադոքս

Մորավեկի պարադոքս (նաև Մորավեցի պարադոքս, անգլ.՝ Moravec's paradox), AI և ռոբոտաշինության հետազոտողների դիտարկում, ըստ որի՝ պարզ հմտությունները ավելի դժվար է ծրագրավորել, քան բարդ տրամաբանականները, ի տարբերություն ավանդական դիտարկումների։

Պարադոքսը

Դիտարկումը 1980-ականներին ձևակերպել են Հանս Մորավեկը, Ռոդնի Բրուքսը, Մարվին Մինսկին և այլք։ Հանս Մորավեկը՝ ավստրիացի ֆուտուրիստ ռոբոտատեխնիկայի և համակարգչային գիտության մասնագետ, ներկայումս՝ Robotics Institute of Carnegie Mellon University–ում պրոֆեսոր–դասախոս, 1988 թվականին գրել է. «Համեմատաբար հեշտ է համակարգիչներին հրահանգել ցուցադրել լավ արդյունքներ չափահասին հատուկ ինտելեկտուալ կամ շաշկու խաղում, դժվար կամ անհնար է նրանց տալ մեկամյա երեխայի հմտություններ, ինչպիսին են նրանց ընկալումն ու շարժունակությունը»^[1]։

Լինգվիստ և կոգնիտիվիստ Սթիվեն Փինքերը այս պարադոքսի հայտնաբերումը համարում է արհեստական բանականության մեջ ամենակարևորներից։ Նա գրում է «Արհեստական բանականության 35 տարվա հետազոտությունների հիմնական պատճառն այն է, որ բարդ խնդիրները հեշտ են, հեշտերը՝ բարդ։ Չորս տարեկան երեխայի ինքնաբերաբար կատարվող համարվող մտավոր ունակությունները (դեմքը ճանաչելը, մատիտ վերցնելը, սենյակում քայլելը, հարցին պատասխանելը) իրականում ալգորիթմացման համար երբևէ մտածված ամենաբարդ խնդիրներից են»^[2]։

Բացատրություն

Մորավեկը պարադոքսի հնարավոր բացատրություն է համարում էվոլուցիան և բնական ընտրությունը։ Որպես դրանց հետևանք՝ մարդիկ հարմարվում են միջավայրի պայմաններին ու նրա փոփոխություններին։ Բնական ընտրությունը հին հմտությունների հարմարվողականության համար երկար ժամանակ է հատկացրել։ Իսկ ալգորիթմիզացման համար մատչելի մտավոր գործառույթները ֆիլոգենետիկորեն նոր գործառույթներ են, որոնք էվոլյուցիայի գործընթացում զարգացել են համեմատաբար ուշ և առանձնահատուկ են միայն մարդկանց համար։ Նրանք ժամանակ չեն ունեցել ուղեղի մեջ հիմք ձեռք բերելու համար, և հետևաբար, կարծես, չեն գործում ինքնաբերաբար։

Ըստ Մորավեկի՝

Մարդկային ուղեղի խիստ զարգացած զգայական-շարժիչ մասերում ծրագրավորված է միլիարդավոր տարիների փորձը բնության մեջ և թե ինչպես գոյատևել այնտեղ։ Կարծում եմ, պատճառաբանություն կոչվող կանխամտածված գործընթացը մարդկային մտքի ամենաբարակ երեսպատումն է, որն արդյունավետ է, միայն քանի որ դրան աջակցում են շատ ավելի հին և շատ ավելի հզոր, թեև սովորաբար գիտակցաբար չարվող, զգայական-շարժիչ գիտելիքները։ Մենք բոլորս բացարձակ օլիմպիականներ ենք ընկալման և շարժիչ ոլորտներում, այն աստիճան, որ դժվարինը դյուրին ենք դարձնում։ Աբստրակտ միտքը, սակայն, նոր հնարք է, գուցե 100 հազարից էլ քիչ տարեկան։ Մենք դեռ չենք յուրացրել այն։ Ամեն ինչ այդքան էլ դժվար չէ. պարզապես այդպես է թվում, երբ դա անում ենք^[1]։

Մարվին Մինսկին իր The Society of Mind գրքում գրում է՝

Ո՞ր կախարդական հնարքն է մեզ ինտելեկտուալ դարձնում։ Հնարքը նրանում է, որ հնարք գոյություն չունի։ Ինտելեկտի ուժը բխում է մեր հսկայական բազմազանությունից և ոչ ինչ–որ միակ իդեալական սկզբունքից։

Ըստ նրա՝ ռեվերս-նախագծման համար ամենաբարդ մարդկային հմտությունները ինքնաբերաբար արվածներն են

Ընդհանրապես, մենք ամենաքիչն ենք տեղյակ, թե ինչն է մեր միտքն ամենալավն անում։ Մենք ավելի շատ տեղյակ ենք ոչ լավ աշխատող պարզ գործընթացներից, քան անթերի աշխատող բարդ գործընթացներից^[3]։

Այսինքն՝ գործառույթների «պարզությունը» միայն սուբյեկտիվ պատրանք է։ Նրանք մեզ հասանելի են դարձել միայն հարմարվողականության և փոփոխականության շնորհիվ՝ մարդկության պատմության համար երկար ժամանակում։ Իրականում դրանք անընդհատ զարգացող են և դարձել են այնքան բարդ, որ այսօր դրանք այլևս չեն կարող վերածվել հասարակ ալգորիթմների։ Իսկ տրամաբանական հիմնավորումը և մաթեմատիկական խնդիրները լուծելը միայն առաջին հայացքից ավելի բարդ տեսք ունեն։ Մենք պարզապես դրանք դեռ ամբողջովին չենք յուրացրել։ Օբյեկտիվորեն դրանք ավելի պարզ են, քան շարժումների համակարգումը, քանի որ զարգացման պակաս երկար ճանապարհ են անցել։

Միլիոնավոր տարիներ զարգացող հմտությունների օրինակներ․ դեմքը, ձայնը ճանաչելը, տարածության մեջ կողմնորոշվելը, շփվելը, հուզական վիճակի որոշումը դեմքի արտահատությունների միջոցով, գնդակ բռնելը, համապատասխան նպատակներ սահմանելը, հետաքրքրաշարժ բաներին ուշադրություն դարձնելը, այսինքն՝ ընկալման, ուշադրության, վիզուալիզացիայի, շարժողական և սոցիալական հմտությունների և այլնի հետ կապված ամեն ինչ։

Համեմատաբար ավելի ուշ ի հայտ եկած հմտությունների օրինակներ․ մաթեմատիկա, ճարտարագիտություն, տրամաբանություն, խաղեր և գիտական պատճառաբանություն։ Այս ամենը մեզ համար դժվար է, քանի որ սա այն չէ, ինչ մեր մարմիններն ու ուղեղը առաջին հերթին անում են։ Սրանք հմտություններ և տեխնիկաներ են, որոնք ձեռք են բերվել վերջերս, պատմական ժամանակներում և մշակութային էվոլյուցիայի շնորհիվ կատարելագործվելու համար ունեցել են առավելագույնը մի քանի հազար տարի^[4]։

Ներկայիս ԱԲ համակարգերը, անկասկած, լայնածավալ հաշվողական համակարգեր են։ Խորը ուսուցման համակարգի պատրաստումը տեղի է ունենում հաշվողական հանգույցների շերտերով հարյուրավոր կրկնվող անցումների միջոցով։ Հիմնարար մակարդակում այն հանգում է միլիարդավոր պարզ հաշվարկների, ինչպիսիք են բազմապատկումը կամ գումարումը կամ տրամաբանական և/կամ–ը։ Մեր աչքի առաջ, այն XOR-ի խնդիրը լուժել չկարեցող թաքնված միակ նեյրոնային ցանցից վերածվում է 152–շերտանի ResNet-ի, որն ի վիճակի է բարձր ճշգրտությամբ դասակարգել հազարավոր պատկերների կատեգորիաներ։ Ինչքան շատ են շերտերը, ավելի շատ են հաշվարկները, ավելի շատ հզորություն ունի ԱԲ–ն։ Այսպիսով, եթե մենք հաշվարկը կապում ենք բանականության հետ, այսինքն՝ ինտելեկտի ավելի բարձր աստիճանով բարդ հաշվարկներ կատարելու ունակության հետ, ապա մաթեմատիկոսները ավելի ինտելեկտուալ են, քան այգեգործները։ Հետևաբար, պարզ ասած, մենք կարող ենք հաշվարկների քանակն և ԱԲ համակարգի տրամաբանելու ունակությունը համարժեքորեն դասել։ Համենայն դեպս, բարձր մակարդակի մտավոր տրամաբանական առաջադրանքը պահանջում է շատ ավելի շատ հաշվարկներ, քան ինչ–որ չափավոր ֆիզիկական աշխատանքը, օրինակ՝ այգեգործությունը, որը մենք կարող ենք հեշտությամբ անել՝ առանց մեր գլխում որևէ բարդ հաշվարկ կատարելու։ Հետևաբար՝ եկանք հակասության, սկզբնական եզրակացությունը սխալ է^[5]։

Եվս մեկ պատճառ է հանդիսանում այն, որ արհեստական բանականությունը «սովորում» է մեր միջոցով։ Մենք գիտակցաբար սովորել ենք մաթեմատիկա, ինչպես հաղթել խաղեր և հետևել տրամաբանությանը։ Այսինքն՝ մենք գիտենք այս առաջադրանքները կատարելու համար անհրաժեշտ հաջորդական քայլերը և սովորեցնում ենք ԱԲ-ին։ Սակայն մենք չգիտենք, թե ինչպես սովորեցնել տեսնել, լսել կամ շարժվել։ Այս հմտությունները բաժանված չեն տրամաբանական քայլերի, հետևաբար ԱԲ-ին սովորեցնելը բարդանում է։

Պարադոքսի կարճ ձևակերպումը

Պետք է ակնկալել, որ մարդկային որևէ հմտության ռեվերս-նախագծման դժվարությունը համեմատական կլինի այն ժամանակի հետ, որը կպահանջվի այդ հմտությունը կենդանիների մոտ զարգանալու համար։
Մարդկության ամենահին հմտությունները հիմնականում ինքնաբերաբար արվածներն են, ուստի մեզ թվում է, որ դրանք ջանք չեն պահանջում։
Հետևաբար, մենք պետք է ակնկալենք, որ հեշտ թվացող հմտությունները դժվար է ռեվեռս-նախագծել, բայց այն առաջադրանքները, որոնք ջանքեր են պահանջում, կարող են հեշտ նախագծվել։

Ազդեցությունը արհեստական բանականության վրա

Մորավեցի պարադոքսը արհեստական բանականության էֆֆեկտին հանգեցնող և նրա զարգացմանը խանգարող ֆակտորներից մեկն էր։ Ըստ Սթիվեն Փինքերի՝ Մորավեկի պարադոքսը արհեստական բանականության 35 տարվա հետազոտությունների հիմնական պատճառն է^[2]։ AI ուսումնասիրությունների առաջին օրերին հետազոտողները հաճախ կանխատեսում էին, որ ընդամենը մի քանի հարյուրամյակից հնարավոր կլինի ստեղծել մտածող մեքենաներ։ 1957–ին համակարգչային գիտության ավանգարդ և էկոնոմիստ Հերբերտ Սայմնը ասել է «Իմ նպատակը ձեզ անակնկալի բերելը կամ շոկի ենթարկելը չէ, բայց ամենապարզ ձևը ի մի բերելու այն է, որ հիմա աշխարհում գոյություն ունեն մեքենաներ, որոնք կարող են մտածել, սովորել և ստեղծել" Ավելին, դրանց այս բաներն անելու ունակությունը խիստ աչելու է մինչև մոտ ապագա․ խնդիրների բազմազանությունը դրանք կարող են լուծել համընկնելու է այն խնդիրների բազմազանության հետ, որոնք լուծելու համար մարդկային միտքը երբևէ կիրառվել է»^[6]։ Նրանց լավատեսությունը մասամբ հոսանքին դեմ էր գնում, քանի որ նրանք հաջողում էին տրամաբանական ծրագրեր գրելիս, հանրահաշվական ու երկրաչափական խնդիրներ լուծելիս և շաշկիի ու շախմատի նման խաղեր խաղալիս։ Տրամաբանությունն ու հանրահաշիվը մարդկանց համար բարդ են և համարվում են խելացիության կամ բանականության ցուցանիշ։ Բազմաթիվ ականավոր հետազոտողներ եզրակացրին, որ "բարդ" խնդիրները գրեթե լուծելով "հեշտ" խնդիրները ինչպիսին են տեսլականն ու խելամիտ պատճառաբանությունը շուտով տեղը կընկնեն։ Նրանք սխալվեցին, և պատճառներից մեկն այն է, որ այս խնդիրները ընդհանրապես հեշտ չեն։ Նրանց տրամաբանական և հանրահաշվական բարդ խնդիրներ լուծելը հարաբերական էր, քանի որ այդ խնդիրները սաստիկ հեշտ էին մեքենաների համար^[7]։

Շարունակելով Սթիվեն Փինքերի The Language Instinct գրքից մեջբերումը՝ «Ինքնաբերաբար կատարվող համարվող մտավոր ունակությունները իրականում ալգորիթմացման համար երբևէ մտածված ամենաբարդ խնդիրներից են։ Քանի որ խելացի սարքերի նոր սերունդ է հայտնվում, բաժնետիրական վերլուծաբանները, նավթաքիմիական ինժեներները և խորհրդի անդամները սարքերով փոխարինվելու վտանգի տակ են։ Այգեգործները, խոհարարները, ընդունարանի աշխատակիցները տասնամյակներ շարունակ ապահով կլինեն»^[2]։ Իրոք, 2020-ականներին մենք հնարավոր է գտնվում ենք շրջադարձային պահի մեջ։ Դեռևս 30 տարի առաջ մարդկանց աշխատանքից չզրկվելու երաշխավորը, այսպես ասած "սոցիալ-ինտելեկտուալ խրամատն" էր՝ բարձր որակավորումն և բարդ աշխատանքը։ Մինչդեռ ցածր որակավորում ունեցող աշխատողները պաշտպանված են Մորավեկի պարադոքսի կողմից։ Ինչպես նշել են Էրիկ Բրինյոլֆսոնը և Էնդրյու Մաքաֆին իրենց Race Against the Machine և The Second Machine Age գրքերում, ռոբոտները վերջապես անցնում են այս խրամատներով՝ շարժվելով և մտածելով մարդկանց նման։ Amazon-ը ռոբոտներ է գնել իր պահեստներում աշխատելու համար։ Narrative Science-ը կարող է օգնել հասկանալ data-ի նախապատմությունն ու կարևոր մասերը՝ չտարբերվելով սովորական հաշվետվություններից։ Համակարգիչները կարող են երբևէ չնախատեսված գործառույթներ կատարել՝ մեքենա վարել։ Միայն տաս տարի առաջ շատ ինժեներների կարծիքով սա անհնար էր։ Նշանակալին այն է, որ մեկ հարյուրամյակի ընթացքում ինքնակառավարվող մեքենաները անհնարից դարձան անհետաքրքիր^[8]։

Ռեդնի Բրուքսը բացատրում է, որ, համաձայն սկզբնական AI հետազոտության, բանականությունը "ամենալավը բնութագրվում է, որպես այն բաների համախումբ, որոնք բարձրագույն կրթություն ունեցող գիտնականները համարում են հետաքրքիր", օրինակ՝ շախմատը, մաթեմատիկական թեորեմների ապացուցումը, բարդ հանրահաշվական խնդիրների լուծումը։ "Չորս-հինգ տարեկան երեխաների առանց ջանք թափելու կատարվող գործողությունները, օրինակ վիզուալ տարբերել բաժակն ու աթոռը, կամ երկու ոտքի վրա քայլելը, կամ իրենց ննջասենյակից դեպի հյուրասենյակ ճանապարհ գտնելը, չհամարվեցին բանականությանը վերաբերող"^[9]։ Այս պատճառով Բրուքսը հիմնադրեց նոր ուղղություն ոլորտի հետազոտության մեջ։ Նա որոշեց ստեղծել բանական մեքենաներ, որոնք "չեն ունենա ճանաչողականություն, միայն կզգան ու կգործեն։ Սա այն ամենն է ինչ կստեղծեմ՝ ի հակադրություն AI մասին ավանդական կարծիքի"։ Այս նոր ուղղությունը, որը նա կոչեց "Nouvelle AI", խիստ ազդեցիկ էր արհեստական բանականության և ռոբոտաշինության ուսումնասիրության մեջ^[10]։ Իսկ Հանս Մորավեկի սահմանածը այսօր կոչում են "Weak AI" (Թույլ արհեստական բանականություն)։ Այն կարող է ճշգրտությամբ և արդյունավետությամբ գերազանցել մարդու կարողությունները միայն սահմանափակ ոլորտներում։ Ի հակադրություն, "Strong AI" (Ուժեղ ԱԲ)–ը կկարողանա հասնել ամենաքիչը մարդկային ուղեղի հասած մակարդակին։ Մորավեկը սա համարեց հասանելի և անգամ ցանկալի, քանի որ մտածում էր, որ այս տեսակի բանականությունը մարկային փոփոխություններ կմտցնի։ Այն նաև գոյատևելու համար բնավորության գծեր կզարգացներ․ օրինակ՝ ուժի և ագրեսիայի պանաջը։ Սա իրենից էվոլուցիոնալ քայլ կարող էր ներկայացնել։ Այսպիսի "Ուժեղ ԱԲ" հնարավոր կլիներ մինչև 2050թ–ը^[11]։ Մինչդեռ ներկայումս՝ 2020-ականներին համակարգիչները հարյուրավոր միլիոններ անգամ ավելի արագ են քան 1970-ականներին՝ ըստ Մուրի օրենքի։ Լրացուցիչ համակարգչային ուժը վերջապես բավարար էր ընկալման և զգայական հմտությունները կառավարել սկսելու համար, ինչպես Մորավեկը կանխագուշակել էր 1976-ին^[12]։ 2016 թվականին մեքենայական ուսուցման հետազոտող Էնդրյու Ընգը ներկայացրեց ոչ ճշգրիտ, բայց փորձի վրա հիմնված միտք, որ «գրեթե ամենն, ինչ կարող է անել տիպիկ մարդը մեկ վայրկյանից քիչ ժամանակում առաջացած մտքի հետ, մենք կարող ենք ավտոմատացնել հիմա կամ մոտ ապագայում՝ ԱԲ օգտագործելով»^[13]^[14]։

Ծանոթագրություններ

↑ ^1,0 ^1,1 Moravec, Hans (1988). Mind Children, Harvard University Press. էջեր 15-16.
↑ ^2,0 ^2,1 ^2,2 Pinker, Steven (1994). The Language Instinct. Perennial Modern Classics, Harper. էջեր 190–191. ISBN 978-0-06-133646-1.
↑ Minsky, Marvin (1986). The Society of Mind. Simon and Schuster. էջեր 29.
↑ Campbell, Jeremy (1989). The Improbable Machine. Simon and Schuster. էջեր 30-31.
↑ «Le paradoxe de Moravec – The way it feels» (ֆրանսերեն). 2021 թ․ ապրիլի 30. Վերցված է 2021 թ․ նոյեմբերի 14-ին.
↑ Taylor, Timothy (2020 թ․ ապրիլի 28). «CONVERSABLE ECONOMIST: 1957: When Machines that Think, Learn, and Create Arrived». CONVERSABLE ECONOMIST. Վերցված է 2021 թ․ նոյեմբերի 13-ին.
↑ Nilsson, Nils (1998). Artificial Intelligence: A New Synthesis. Morgan Kaufmann Publishers. էջեր 7.
↑ Thompson, Derek (2014 թ․ հունվարի 23). «What Jobs Will the Robots Take?». The Atlantic (անգլերեն). Վերցված է 2021 թ․ նոյեմբերի 13-ին.
↑ Brooks, Rodney (2002). Flesh and Machines. Pantheon Books.
↑ Brooks, Rodney (1986). Intelligence Without Representation. MIT Artificial Intelligence Laboratory.
↑ Karban, Walter (2021). Paradoxical World of Networks: For whoever has will be given more... inMotion Publishing. էջ 122.
↑ Moravec, Hans (1976). The Role of Raw Power in Intelligence.
↑ «Глубинное обучение: критическая оценка». Хабр (ռուսերեն). Վերցված է 2021 թ․ նոյեմբերի 13-ին.
↑ Teigens, Vasil. Intelligence artificielle générale. Cambridge standford books.

Գրականություն

Moravec, Hans (1988), Mind Children, Harvard University Press
Pinker, Steven (2007 թ․ սեպտեմբերի 4) [1994], The Language Instinct, Perennial Modern Classics, Harper, ISBN 978-0-06-133646-1
Minsky, Marvin (1986), The Society of Mind, Simon and Schuster, էջ 29
Campbell, Jeremy (1989), The Improbable Machine, Simon and Schuster, էջ 30–31
Nilsson, Nils (1998), Artificial Intelligence: A New Synthesis, Morgan Kaufmann Publishers, էջ 7
Brooks, Rodney (1986), Intelligence Without Representation, MIT Artificial Intelligence Laboratory
Brooks, Rodney (2002), Flesh and Machines, Pantheon Books
Moravec, Hans (1976), The Role of Raw Power in Intelligence
Teigens, Vasil, Kunstmatige intelligentie: de vierde industriële revolutie, Cambridge standford books

Տես նաև

[:0-1] 1,0 ^1,1 Moravec, Hans (1988). Mind Children, Harvard University Press. էջեր 15-16.

[:1-2] 2,0 ^2,1 ^2,2 Pinker, Steven (1994). The Language Instinct. Perennial Modern Classics, Harper. էջեր 190–191. ISBN 978-0-06-133646-1.

[3] Minsky, Marvin (1986). The Society of Mind. Simon and Schuster. էջեր 29.

[4] Campbell, Jeremy (1989). The Improbable Machine. Simon and Schuster. էջեր 30-31.

[5] «Le paradoxe de Moravec – The way it feels» (ֆրանսերեն). 2021 թ․ ապրիլի 30. Վերցված է 2021 թ․ նոյեմբերի 14-ին.

[6] Taylor, Timothy (2020 թ․ ապրիլի 28). «CONVERSABLE ECONOMIST: 1957: When Machines that Think, Learn, and Create Arrived». CONVERSABLE ECONOMIST. Վերցված է 2021 թ․ նոյեմբերի 13-ին.

[7] Nilsson, Nils (1998). Artificial Intelligence: A New Synthesis. Morgan Kaufmann Publishers. էջեր 7.

[8] Thompson, Derek (2014 թ․ հունվարի 23). «What Jobs Will the Robots Take?». The Atlantic (անգլերեն). Վերցված է 2021 թ․ նոյեմբերի 13-ին.

[9] Brooks, Rodney (2002). Flesh and Machines. Pantheon Books.

[10] Brooks, Rodney (1986). Intelligence Without Representation. MIT Artificial Intelligence Laboratory.

[11] Karban, Walter (2021). Paradoxical World of Networks: For whoever has will be given more... inMotion Publishing. էջ 122.

[12] Moravec, Hans (1976). The Role of Raw Power in Intelligence.

[13] «Глубинное обучение: критическая оценка». Хабр (ռուսերեն). Վերցված է 2021 թ․ նոյեմբերի 13-ին.

[14] Teigens, Vasil. Intelligence artificielle générale. Cambridge standford books.

[1]

[2]

[3]

[4]

[5]

[6]

[7]

[8]

[9]

[10]

[11]

[12]

[13]

[14]