தமிழ்
இயந்திரங்களுக்குக் கடினமான விஷயங்கள் நமக்கும் கடினமாக இருக்கும் என்று நாம் கருதினோம்: தர்க்கம், கணிதம், உத்தி. அது சரியாக நேர்மாறாக மாறியது. ஒரு குழந்தை யோசிக்காமல் செய்யும் விஷயங்களே இன்னும் உலகின் சிறந்த ரோபோக்களைத் தோற்கடிக்கின்றன.
1997இல் ஒரு கணினி உலக சதுரங்க சாம்பியனை வென்றது. கிட்டத்தட்ட முப்பது ஆண்டுகளுக்குப் பிறகு, பூமியில் எந்த ரோபோவும் நம்பகமாக ஒரு அறிமுகமில்லாத சமையலறைக்குள் நுழைந்து உங்களுக்கு ஒரு கப் தேநீர் தயாரித்துத் தர முடியாது.
இதை மீண்டும் படியுங்கள், ஏனெனில் இந்த முடிவு விசித்திரமானது. மனித அறிவின் உச்சமாக நாம் கருதும் விஷயம், கிராண்ட் மாஸ்டர் சதுரங்கம், பல தசாப்தங்களுக்கு முன்பே இயந்திரங்களிடம் தோற்றது. நாம் ஒரு திறமையாகக் கூட கருதாத விஷயம் (ஒரு மக்கைத் தூக்குதல், ஒரு கெட்டிலை நிரப்புதல், எல்லாவற்றையும் தள்ளிவிடாமல் இருத்தல்) ரோபோக்களுக்கு இன்னும் கிட்டத்தட்ட சாத்தியமற்றதாக கடினமாக உள்ளது.
இந்த தலைகீழான நிலைமைக்கு ஒரு பெயர் உள்ளது: மொராவெக்கின் முரண்பாடு.
கடினமான விஷயங்கள் எளிதானவை, எளிதான விஷயங்கள் கடினமானவை
1980களில், ரோபோட்டிக்ஸ் நிபுணர் ஹான்ஸ் மொராவெக் மற்றும் சில ஏஐ முன்னோடிகள் கணினிகளுக்கு எது கடினமாக இருந்தது என்பது குறித்து ஒரு முரண்பாடான ஒன்றைக் கவனித்தனர். உயர்நிலை பகுத்தறிதல் (தர்க்கம், இயற்கணிதம், பலகை விளையாட்டுகள், மனிதர்களைப் புத்திசாலிகளாக உணரவைக்கும் விஷயங்கள்) நிரலாக்கம் செய்வது ஒப்பீட்டளவில் எளிதாக இருப்பது தெரிந்தது. ஆனால் கீழ்நிலை உணர்வு-இயக்கத் திறன்கள் (பார்த்தல், நடத்தல், பிடித்தல், சமநிலை காத்தல்) பயங்கரமாகக் கடினமாக இருந்தன.
மொராவெக் தனது 1988ஆம் ஆண்டு புத்தகமான மைண்ட் சில்ட்ரன்இல் இதை விளக்கினார், சொல் தேர்வைச் சரியாகப் புரிந்துகொள்வது முக்கியம். கணினிகள் நுண்ணறிவுத் தேர்வுகளில் அல்லது செக்கர்ஸ் விளையாடுவதில் வயது வந்தோர் அளவிலான செயல்திறனைக் காட்டுவது ஒப்பீட்டளவில் எளிது, ஆனால் உணர்தல் மற்றும் இயக்கத்தன்மையின் விஷயத்தில் அவற்றுக்கு ஒரு வயது குழந்தையின் திறன்களை வழங்குவது கடினம் அல்லது சாத்தியமற்றது என்று அவர் கூறினார். அவர் தேர்ந்தெடுத்த விளையாட்டைக் கவனியுங்கள். அது செக்கர்ஸ், சதுரங்கம் அல்ல.
ஒவ்வொரு பெற்றோரும் ஒரு குழந்தை எந்த வழிகாட்டுதலும் இல்லாமல் அந்த “சாத்தியமற்ற” பதிப்பைச் செய்வதைப் பார்த்திருக்கிறார்கள். கையை நீட்டுதல், ஒரு பொம்மையைப் பிடித்தல், பிடியை சரிசெய்தல், நசுக்காமல் இருத்தல், விழவிடாமல் இருத்தல். எந்த ரோபோவும் இதை ஒரு கவனச்சிதறலுள்ள இரண்டு வயதுக் குழந்தையைப் போல நன்றாகச் செய்யாது.
பரிணாமத்தைக் குறை சொல்லுங்கள் (நன்றியும் சொல்லுங்கள்)
இந்த முரண்பாட்டிற்கு ஒரு நேர்த்தியான விளக்கம் உள்ளது, அது நேரத்தைப் பற்றியது: ஆழமான நேரத்தைப் பற்றியது.
சுருக்கமான பகுத்தறிதல் புதியது. மனிதர்கள் சில ஆயிரம் ஆண்டுகளாக மட்டுமே கணிதத்தையும் முறையான தர்க்கத்தையும் செய்து வருகிறார்கள். ஒரு திறமையாகப் பார்த்தால், இது இப்போதுதான் தொடங்கியுள்ளது, அதாவது நமது மூளைக்கு இதை உகந்ததாக்க அதிக நேரம் கிடைக்கவில்லை. இது மெதுவாகவும் முயற்சியுடனும் இயங்குகிறது, இது வசதியாக ஒரு கணினி நகலெடுக்கக்கூடிய படிப்படியான செயல்முறை வகையாகும்.
உணர்தல் மற்றும் இயக்கம் பழமையானவை. ஒரு காட்சியைப் பார்க்கும், அதை உடனடியாகப் புரிந்துகொள்ளும், அதன் வழியாக ஒரு கையை நகர்த்தும் உங்கள் திறன், எண்ணற்ற உயிரினங்களில் நூற்றுக்கணக்கான மில்லியன் ஆண்டுகால பரிணாமத்தின் மெருகேற்றப்பட்ட விளைவு. பரிணாமம் இதை முயற்சியற்றதாக்க நித்தியத்தைச் செலவழித்தது என்பதால் சரியாக இது முயற்சியற்றதாக உணரப்படுகிறது. அந்த கடினமாகச் சம்பாதிக்கப்பட்ட இயந்திரம் அனைத்தும் நனவான சிந்தனைக்குக் கீழே புதைக்கப்பட்டுள்ளது, அதனால்தான் அதை தலைகீழ்-பொறியியல் செய்வது இவ்வளவு கடினம்.
நமக்குக் கடினமாகத் தோன்றும் விஷயங்களில் சிறந்த இயந்திரங்களை நாம் உருவாக்கினோம், ஏனெனில் அவை நாம் எப்படிச் செய்கிறோம் என்பதை நாம் உண்மையில் புரிந்துகொள்ளும் விஷயங்கள். நமக்கு எளிதாகத் தோன்றும் விஷயங்களில் நாம் திகைத்துப் போகிறோம், ஏனெனில் அவற்றை நாம் எப்படிச் செய்கிறோம் என்பது நமக்குத் தெரியாது.
உங்கள் கிடங்கில் ரோபோக்கள் இருப்பது ஏன், உங்கள் வீட்டில் இல்லாதது ஏன்
இதனால்தான் தானியங்குதல் முதலில் இறுக்கமாகக் கட்டுப்படுத்தப்பட்ட சூழல்களில் வந்தது. ஒரு தொழிற்சாலைத் தளத்தை அல்லது கிடங்கை ரோபோவைச் சுற்றி வடிவமைக்க முடியும்: தட்டையான தரைகள், தெரிந்த பொருட்கள், நிலையான ஒளி, ஒவ்வொரு முறையும் அதே இடத்தில் வரும் பாகங்கள். குழப்பத்தை அகற்றுங்கள், கையாளுதல் நிர்வகிக்கக்கூடியதாக மாறுகிறது.
உண்மையான உலகம் கட்டுப்படுத்தப்பட மறுக்கிறது. ஒரு வீடு மென்மையான பொருட்கள், விசித்திரமான ஒளி, குப்பை, செல்லப்பிராணிகள், படிக்கட்டுகள் கொண்ட ஒரு பயங்கரக் கனவு. புகழ்பெற்றபடி, 2015 டார்பா ரோபோட்டிக்ஸ் சேலஞ்ச் இறுதிப் போட்டியில் மேம்பட்ட மனித வடிவ ரோபோக்கள் கதவுகளைத் திறத்தல், வால்வுகளைத் திருப்புதல் போன்றவற்றைச் செய்யக் கேட்கப்பட்டன, கலிபோர்னியாவின் போமோனாவில் நேரடி கூட்டத்தின் முன்னும் ஸ்ட்ரீமைப் பார்க்கும் உலகளாவிய பார்வையாளர்களின் முன்னும் மில்லியன் கணக்கான டாலர் இயந்திரங்கள் கவிழ்ந்து விழுவதன் ஒரு தவறுகளின் தொகுப்பு உருவானது, பொறியாளர்கள் மோசமாக இருந்ததால் அல்ல, வேலை மொராவெக்-கடினமாக இருந்ததால்.
அந்தத் துணி பற்றி
நேர்மை தலைப்பிற்கு ஒரு புதுப்பிப்பைக் கோருகிறது. ரோபோக்கள் இப்போது தாமாகவே துணிகளை மடித்துள்ளன. பிசிக்கல் இண்டெலிஜென்ஸ் ஒரு இயந்திரம் இதைச் செய்வதைக் காட்டியது, ஃபிகரின் ஹீலிக்ஸ் மாதிரி யாரும் இயக்காமல் துண்டுகளை மடித்துள்ளது. தலைப்பிலுள்ள இந்த வீட்டு வேலை இனி சாத்தியமற்றது அல்ல, இன்னும் இதை ஒரு நகைச்சுவையாகப் பயன்படுத்துபவர் யாராவது இருந்தால் அவர் ஓரிரு ஆண்டுகள் பின்தங்கியிருக்கிறார்.
இது முடிந்ததும் இல்லை. காட்சிப்படத்தை சரியாகப் பாருங்கள், விதிவிலக்குகள் விரைவாகக் குவிகின்றன. ஓட்டங்கள் மெதுவானவை. துண்டுகள் சுத்தமானவை, தெரிந்தவை, ஒவ்வொரு முறையும் தோராயமாக ஒரே மாதிரியானவை. கூடை ரோபோ எதிர்பார்க்கும் இடத்திலேயே அமர்ந்திருக்கிறது, ஒளி அமைக்கப்பட்டுள்ளது, கேமரா ஓடத் தொடங்குவதற்கு முன்பே யாரோ காட்சியைத் தேர்ந்தெடுத்துள்ளனர். ஒரு நபர் ஒரு அறிமுகமில்லாத அறைக்குள் நுழைந்து, விசித்திரமான வடிவங்களின் சிக்கலான குவியலைக் கொட்டி, முற்றிலும் வேறு ஏதோவொன்றைப் பற்றி யோசித்தபடி சில நிமிடங்களில் அதை அகற்றுவதிலிருந்து இது வெகுதூரத்தில் உள்ளது.
எனவே முரண்பாடு நிலைத்திருக்கிறது, இலக்குக் கம்பங்கள் மட்டும் தெரியும்படி ஆக்கப்பட்டுள்ளன. இந்த விளக்கக்காட்சிகள் நிரூபிப்பது கையாளுதல் தீர்க்கப்பட்டுவிட்டது என்பதல்ல. அது என்னவென்றால் கையாளுதல் ஒரு பணியின் ஒரு கவனமாகத் தேர்ந்தெடுக்கப்பட்ட பதிப்பிற்கு மட்டும், மகத்தான முயற்சியுடன் தீர்க்கப்படக்கூடும், இது நாம் ஒரு திறமையாகக் கூட கருதாத ஒரு வீட்டு வேலைக்கு அடியில் எவ்வளவு இயந்திரம் அமர்ந்திருக்கிறது என்பது பற்றிய மொராவெக்கின் கருத்தே ஆகும்.
ரோபோ எதிர்காலத்திற்கு இதன் அர்த்தம் என்ன
பாடம் வீட்டு ரோபோக்கள் ஒருபோதும் வராது என்பதல்ல. அது என்னவென்றால் வருகையின் வரிசை அறிவியல் புனைகதை வாக்குறுதி அளித்ததற்கு நேர்மாறாக உள்ளது. நமக்கு “உடல்” கிடைப்பதற்கு நீண்ட காலத்திற்கு முன்பே “மூளை” (பகுத்தறிதல், மொழி, உத்தி) கிடைத்தது.
எனவே தானியங்குதல் அலை முதலில் அறிவாற்றல் சார்ந்த, கணிக்கக்கூடிய, வீட்டிற்குள் இருக்கும் வேலைகளைத் தாக்குகிறது: பகுப்பாய்வு, வரைவு எழுதுதல், அட்டவணையிடல், வரிசைப்படுத்துதல். மேசையிலிருந்து “குறைந்த-திறமையாகத்” தோன்றும் வேலைகள் (குழப்பமான உடல் தற்காலிக மேம்பாடுகளால் நிறைந்தவை, நர்சிங், குழாய் வேலை, அல்லது குப்பையான மேசையை சுத்தம் செய்தல் போன்றவை) அமைதியாக தானியங்குதலுக்கு மிகவும் கடினமானவற்றில் ஒன்றாக உள்ளன.
மொராவெக்கின் முரண்பாடு உண்மையில் நாம் நமக்கு செலுத்த மறந்த ஒரு பாராட்டு. இன்று நீங்கள் செய்த மிக அதிநவீனமான விஷயம் நீங்கள் யோசித்த எதுவும் அல்ல. அது பார்க்காமல் கையை நீட்டி, ஒரு துளி கூடச் சிந்தாமல் உங்கள் காபியை எடுத்தது.
ஆதாரங்களும் மேலும் வாசிக்கவும்
- Hans Moravec, Mind Children (Harvard University Press, 1988)
- Encyclopædia Britannica: Robot technology
- Encyclopædia Britannica: Artificial intelligence
- Physical Intelligence: pi0, Our First Generalist Policy (laundry folding demonstration)
- Figure AI: Helix, A Vision-Language-Action Model for Generalist Humanoid Control
- Figure AI: Helix Learns to Fold Laundry (12 August 2025)
- DARPA: Robotics Challenge Finals, June 2015
இந்தக் கட்டுரை AI கருவிகளின் உதவியுடன் ஆராயப்பட்டு எழுதப்பட்டு, துல்லியத்திற்காகத் திருத்தப்பட்டது. இது பொதுத் தகவலுக்கும் விவாதத்திற்கும் மட்டுமே, தொழில்முறை ஆலோசனை அல்ல. எங்கள் ஆசிரியர் தரநிலைகள் மற்றும் பொறுப்புத் துறப்பு ஐப் பார்க்கவும். பிழை கண்டீர்களா? எங்களிடம் சொல்லுங்கள்.
பிடித்ததா? அடுத்ததைப் பெறுங்கள்.
ஒரு நேரத்தில் ஒரு நல்ல கட்டுரை, நேரடியாக உங்கள் இன்பாக்ஸுக்கு. ஸ்பேம் இல்லை, எப்போது வேண்டுமானாலும் நிறுத்தலாம்.