莫拉维克悖论

出自 《寓言随记》“阿勒提亚”寓言：城主命工匠行会造两台人偶，“学者”要能推演星象、译十二种古语、赢围棋国手，“侍女”只需端一杯红茶穿过鹅卵石中庭。工程师科斯伯特把 90% 预算给了他认为最难的“学者”，结果几十个齿轮就造出了完美“学者”；而被扔给学徒的“侍女”用尽最灵敏的陀螺仪与液压连杆，仍会被一颗突起的石子绊倒、把骨瓷杯捏成粉末。会写十四行诗的机器，在鹅卵石上站不稳一秒。

概念内核

学术定义：莫拉维克悖论由汉斯·莫拉维克（Hans Moravec）、罗德尼·布鲁克斯、马文·明斯基等人于 20 世纪 80 年代提出——对计算机而言，表现出成年人水平的智力测试或下棋相对容易；但要赋予它一岁孩子的感知与行动能力（不平地面行走、识别并抓取物体），却极其困难甚至几乎无法完成。莫拉维克给出进化论解释：感知运动能力经过数亿年自然选择，演化出庞大高效且无意识的神经网络，因潜意识流畅运行而让我们误以为“简单”，实则需天文级实时并行计算；而语言、数学、围棋等“高级逻辑”在人类进化史上只有几万年，大脑尚未演化出专用硬件，只能靠意识艰难推导——但这些活动规则高度结构化、符号化，对擅长顺序计算的计算机反而简单。

隐喻对照：人偶“学者”=非实体化的认知 AI / 逻辑算法（大语言模型、棋类引擎、数学求解器）；人偶“侍女”=具身智能 / 机器人学（Embodied AI / Robotics），涉及物理世界感知与运动控制；凹凸鹅卵石与易碎骨瓷杯=物理世界中无限、连续、充满随机扰动的复杂环境；科斯伯特的预算偏见=人类长久以来把“高难度逻辑思考”等同于“高算力高智能”的认知误区。母文档指出：至 2026 年这一悖论依然鲜明——我们已有能写完美代码、通过执业医师考试的 AI，却仍难造出能收衣、折衣、在凌乱厨房洗碗而不打破盘子的家用双足机器人。

费曼归纳（“算账的猴子”）：给小猴子一个计算器教它按几下，它很快能算出 12345×67890；对电脑这太容易了。但把猴子放进森林、让它在树枝间飞荡去摘随风摇晃的香蕉还不摔下来——猴子闭着眼都能做到，最先进的机器人却可能起跳第一步就折断金属手臂摔进泥潭。莫拉维克悖论就是：算高数、下围棋这些“人类觉得难”的事对电脑其实简单，因为规则死板；走路、拿杯子这些“人类觉得简单”的事其实超级难，因为我们的身体和大脑为学会它们已在地球上默默练习了五亿年。

跨主题应用

• AI 能力边界的判断框架（本库推断）：莫拉维克悖论解释了当下 LLM 应用的“能力地图”——凡是符号化、结构化、有清晰规则的任务（写代码、总结、逻辑推理）AI 迅速逼近甚至超越人类；凡是依赖物理常识、连续感知、灵巧操作的任务则长期滞后。这与 agentic systems“简单优先、把 agent 用在结构化可验证任务上”的设计取向相通：agent 擅长的正是悖论中“学者”那一侧的工作。
• 与阿马拉定律的互补（本库对照）：莫拉维克悖论刻画技术的“能力错配”（哪类任务难/易），阿马拉定律刻画技术的“时间错配”（短期高估/长期低估）——两者都是纠正人类对技术直觉性误判的思维模型。