Qu'est-ce que le paradoxe de Moravec ?
Une intelligence artificielle peut résoudre un problème mathématique, écrire du code ou battre les meilleurs joueurs aux échecs. Pourtant, construire un robot capable de se déplacer dans une maison, attraper différents objets et s'adapter à une situation imprévue reste difficile.
Cette contradiction apparente porte un nom : le paradoxe de Moravec. Formulé dans les années 1980, il décrit un phénomène qui reste utile pour comprendre les progrès actuels de l'IA et de la robotique.
Quelle est la définition du paradoxe de Moravec ?
Le paradoxe de Moravec désigne une observation faite par plusieurs chercheurs en intelligence artificielle dans les années 1980, notamment Hans Moravec, Rodney Brooks et Marvin Minsky.
Les capacités qui nous paraissent intellectuellement difficiles peuvent être relativement accessibles à un ordinateur. À l'inverse, certaines capacités que nous utilisons presque sans y penser demandent énormément de travail à une machine.
Résoudre une équation suit des règles formalisables. Jouer aux échecs permet de représenter précisément les pièces, les mouvements possibles et l'objectif à atteindre.
Attraper une tasse demande autre chose. Il faut la repérer, estimer sa distance et son orientation, reconnaître sa forme, déplacer la main, ajuster la force des doigts et corriger le mouvement en permanence. Tout cela se déroule en quelques instants chez un humain.
C'est cette inversion entre difficulté perçue par l'humain et difficulté rencontrée par la machine que décrit le paradoxe.
Pourquoi les tâches faciles pour nous sont-elles si difficiles pour une machine ?
Hans Moravec propose une explication liée à l'évolution. Une grande partie de nos capacités de perception et de motricité repose sur des mécanismes biologiques développés sur une période immense.
Voir, se déplacer, reconnaître des objets ou coordonner ses mouvements nous semble facile précisément parce que notre cerveau effectue une grande partie de ce travail sans effort conscient.
Le raisonnement abstrait, les mathématiques ou la manipulation de symboles occupent une place beaucoup plus récente dans l'histoire humaine. Ils nous demandent un effort conscient, mais leurs règles peuvent souvent être décrites de manière explicite.
Dans son livre Mind Children publié en 1988, Moravec souligne ainsi qu'il est possible d'obtenir des performances adultes dans certaines tâches intellectuelles tout en restant loin des capacités perceptives et motrices d'un jeune enfant.
Quels sont les meilleurs exemples du paradoxe de Moravec ?
Les échecs constituent l'exemple historique le plus évident. Un ordinateur peut analyser une quantité considérable de positions et appliquer des règles parfaitement définies. Une fois la partie terminée, ranger physiquement les pièces sur une étagère demande en revanche de résoudre une longue succession de problèmes de perception et de manipulation.
On retrouve la même différence avec les IA actuelles. Un modèle de langage peut produire du code, traduire un texte ou résumer un document en quelques secondes. Un robot chargé de débarrasser une table doit reconnaître des objets jamais placés exactement au même endroit, distinguer ce qui est fragile, gérer les obstacles et adapter chacun de ses gestes.
La conduite autonome fournit un autre exemple. Suivre un itinéraire sur une carte est facile à formaliser. Comprendre une rue réelle implique des piétons, des travaux, des objets partiellement masqués, des comportements inhabituels et des situations qui n'étaient pas présentes dans les données d'entraînement.
Quel rôle Rodney Brooks a-t-il joué dans cette idée ?
Le roboticien Rodney Brooks a tiré une conséquence importante de ce constat. Plutôt que de chercher uniquement à construire des systèmes capables de raisonner sur une représentation abstraite du monde, il a travaillé sur des robots qui interagissent directement avec leur environnement.
Dans son article Intelligence without Representation, publié en 1991, Brooks décrit des machines organisées autour de comportements liés à la perception et à l'action. Ses robots mobiles devaient fonctionner dans de vrais environnements plutôt que dans une représentation simplifiée du monde.
Cette approche a contribué au développement de la robotique comportementale. Elle rappelle qu'une intelligence capable de manipuler des symboles n'est pas nécessairement capable d'agir correctement dans un environnement physique.
Le paradoxe de Moravec est-il encore valable avec les IA modernes ?
Il faut surtout voir le paradoxe de Moravec comme une observation, pas comme une loi informatique. Les progrès de l'apprentissage profond ont profondément amélioré la reconnaissance d'images, de voix et d'objets depuis les années 1980. Certaines tâches de perception considérées comme extrêmement difficiles sont aujourd'hui réalisées avec une grande précision.
Le contraste reste toutefois visible lorsque l'IA doit combiner perception, compréhension de la situation et action physique dans un environnement ouvert. Un modèle peut apprendre sur des milliards d'exemples numériques. Un robot doit aussi composer avec la gravité, les frottements, les objets déformables, les erreurs de capteurs et des situations inédites.
C'est une des raisons pour lesquelles les performances impressionnantes des modèles de langage n'ont pas immédiatement produit des robots généralistes capables d'effectuer avec la même fiabilité toutes les tâches ordinaires d'un humain.
Le paradoxe de Moravec permet donc surtout de corriger une intuition trompeuse : ce qui demande beaucoup d'effort intellectuel à un humain n'est pas forcément ce qui demande le plus d'intelligence à reproduire dans une machine.
Sources
- Cairn.info, Le paradoxe de Moravec : présentation du paradoxe, de son origine et de l'explication évolutionniste proposée par Hans Moravec.
- Rodney Brooks, Intelligence without Representation, MIT : article de 1991 présentant l'approche de Brooks fondée sur la perception, l'action et la robotique comportementale.
- Anna Jordanous, Intelligence without Representation: A Historical Perspective : analyse historique de l'influence des travaux de Rodney Brooks sur la robotique et la recherche en intelligence artificielle.
Qu'est-ce que le paradoxe de Moravec ?
Le paradoxe de Moravec désigne le fait que certaines tâches intellectuelles difficiles pour les humains sont relativement faciles à automatiser, tandis que des capacités humaines intuitives comme percevoir, se déplacer ou manipuler des objets peuvent être beaucoup plus difficiles à reproduire avec une machine.
Qui a formulé le paradoxe de Moravec ?
Le paradoxe porte le nom du roboticien Hans Moravec. L'idée a été développée dans les années 1980 avec d'autres chercheurs en intelligence artificielle et en robotique, notamment Rodney Brooks et Marvin Minsky.
Quel est un exemple simple du paradoxe de Moravec ?
Un ordinateur peut jouer aux échecs à un niveau exceptionnel, alors qu'un robot capable de reconnaître les pièces, de les saisir correctement et de les ranger dans une boîte doit résoudre de nombreux problèmes complexes de perception et de motricité.
Pourquoi le paradoxe de Moravec est-il lié à l'évolution ?
Hans Moravec estimait que nos capacités sensorimotrices reposent sur des mécanismes perfectionnés pendant une très longue évolution biologique. Elles nous semblent faciles parce qu'elles fonctionnent en grande partie automatiquement, alors qu'elles cachent une forte complexité.
Le paradoxe de Moravec est-il toujours valable aujourd'hui ?
Il reste utile pour comprendre les différences entre intelligence abstraite et intelligence incarnée, même si les progrès de l'apprentissage profond ont considérablement amélioré la perception artificielle. Il s'agit d'une observation générale, pas d'une loi selon laquelle toutes les tâches physiques seraient toujours plus difficiles pour une IA.
