Visão geral
O paradoxo de Moravec é a observação de que, em inteligência artificial e robótica, é relativamente fácil para computadores exibirem desempenho de nível adulto em tarefas como testes de inteligência ou jogos de tabuleiro, mas extremamente difícil ou impossível dotá-los das habilidades sensório-motoras e de percepção de uma criança de um ano, como caminhar ou reconhecer rostos. Essa constatação contraintuitiva foi articulada na década de 1980 por pesquisadores como Hans Moravec, Rodney Brooks e Marvin Minsky.
Origem e histórico
O paradoxo foi formulado por Hans Moravec em seu livro Mind Children (1988), embora ideias semelhantes tenham sido discutidas por outros pioneiros da IA na mesma época. Moravec observou que o raciocínio abstrato, considerado "difícil" para humanos, demandava menos recursos computacionais do que habilidades perceptivas e motoras, que parecem "fáceis" para nós. Steven Pinker resumiu a lição principal da pesquisa em IA: "os problemas difíceis são fáceis e os problemas fáceis são difíceis".
Explicação evolutiva
Uma das principais explicações, proposta por Moravec, baseia-se na evolução biológica. Habilidades sensoriais e motoras, como percepção visual, mobilidade e reconhecimento de padrões, foram refinadas pela seleção natural ao longo de centenas de milhões de anos e estão codificadas em partes antigas e altamente otimizadas do cérebro. Já o pensamento abstrato, como matemática e lógica, é evolutivamente recente (menos de 100 mil anos) e representa apenas um "verniz fino" sobre capacidades mais antigas e inconscientes. Por isso, tarefas que parecem simples para humanos são difíceis de replicar em máquinas, enquanto habilidades "complexas" para nós são mais fáceis de programar.
Implicações na inteligência artificial
O paradoxo influenciou o desenvolvimento da IA, contribuindo para o "inverno da IA" quando expectativas otimistas sobre raciocínio simbólico não se concretizaram em robótica e percepção. Pesquisadores como Rodney Brooks defenderam abordagens como a "Nouvelle AI", focadas em sensoriamento e ação sem cognição complexa. Com o avanço do poder computacional (lei de Moore) e técnicas modernas como aprendizado de máquina e redes neurais convolucionais, a IA tem progredido em tarefas perceptivas, embora desafios persistam em mobilidade geral e interação física.
Avanços e relevância atual
Na década de 2020, sistemas de IA começaram a lidar melhor com percepção e tarefas sensoriais, alinhando-se às previsões de Moravec. Pesquisadores como Andrew Ng sugeriram que quase qualquer tarefa humana executável em menos de um segundo de pensamento pode ser automatizada em breve. O paradoxo permanece relevante em discussões sobre robótica humanóide, agentes autônomos e a colaboração entre humanos e IA, destacando que máquinas superam humanos em raciocínio formal, mas ainda lutam com habilidades intuitivas e motoras cotidianas.