就像IBM的深藍戰勝卡斯帕羅夫的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治。那場比賽中有個細節，不知大家是否注意：這個已經在“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，圍棋都已經戰勝人類了，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 簡單動作比復雜推理更難實現？

　　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家發現的與常識相佐的現象：
　　計算機在智力測試或者下棋中展現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困難甚至是不可能的。這便是在人工智能和機器人領域著名的莫拉維克悖論。

對機器人來說 簡單動作比復雜推理更難實現？
　　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：和傳統假設不同，對計算機而言，實現邏輯推理等人類高級智慧只需要相對很少的計算能力，而實現感知、運動等低等級智慧卻需要巨大的計算資源。

　　語言學家和認知科學家史迪芬·平克（Steven Pinker）認為這是人工智能研究者的最重要發現，在“The Language Instinct”這本書里，他寫道：經過35年人工智能的研究，人們學到的主要內容是“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、在房間內走動、回答問題等，事實上是工程領域內目前為止最難解的問題。隨著新一代智慧設備的出現，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都不用有這種擔心。

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

對機器人來說 簡單動作比復雜推理更難實現？
　　在早期人工智能的研究里，當時的研究學者預測在數十年內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，他們已經成功地使用邏輯來創造寫作程序，并且解決了代數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，他們已經解決的邏輯問題是無關緊要的，因為這些問題是非常容易用機器來解決的。

　　根據當時的研究，智慧最重要的特征是那些困難到連高學歷的人都會覺得有挑戰性的任務，例如象棋，抽象符號的統合，數學定理證明和解決復雜的代數問題。至于四五歲的小孩就可以解決的事情，例如用眼睛區分咖啡杯和一張椅子，或者用腿自由行走，又或是發現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。

　　在發現莫拉維克悖論后，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習和邏輯推理能力，而是轉向從模仿人類感覺與反應等與物理世界接觸的思路設計研發機器人。莫拉維克悖論的發現者之一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 簡單動作比復雜推理更難實現？

　　由美國國防部高級研究計劃局（Defense Advanced Research Projects Agency，簡稱DARPA）舉辦的機器人挑戰賽被稱作“當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，但是它的任務卻是諸如駕駛、進門、打開閥門、上下樓梯等對人類來說非常簡單的任務，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亟待解決的問題不是如何讓機器人學會越來越復雜的邏輯推理，而是讓機器人具備對物理世界最基本的感知與反應。