తెలుగు
యంత్రాలకు కష్టమైన విషయాలు మనకు కూడా కష్టంగా ఉంటాయని మనం అనుకున్నాం: తర్కం, గణితం, వ్యూహం. ఇది సరిగ్గా వ్యతిరేకంగా మారింది. ఒక చిన్న పిల్లవాడు ఆలోచించకుండా చేసే పనులే ఇప్పటికీ ప్రపంచంలోని అత్యుత్తమ రోబోట్లను ఓడిస్తున్నాయి.
1997లో ఒక కంప్యూటర్ ప్రపంచ చెస్ ఛాంపియన్ను ఓడించింది. దాదాపు ముప్పై సంవత్సరాల తర్వాత, భూమిపై ఏ రోబోట్ కూడా నమ్మదగినరీతిలో ఒక తెలియని వంటగదిలోకి వెళ్ళి మీకు ఒక కప్పు టీ చేసివ్వలేదు.
దీన్ని మళ్ళీ చదవండి, ఎందుకంటే ఫలితం విచిత్రమైనది. మానవ మేధస్సు యొక్క పరాకాష్టగా మనం భావించే విషయం, గ్రాండ్మాస్టర్ చెస్, దశాబ్దాల క్రితమే యంత్రాలకు లొంగిపోయింది. మనం ఒక నైపుణ్యంగా కూడా భావించని విషయం (ఒక కప్పును తీయడం, ఒక కెటిల్ నింపడం, అన్నింటినీ పడగొట్టకపోవడం) రోబోట్లకు ఇప్పటికీ దాదాపు అసాధ్యమైనంత కష్టంగా ఉంది.
ఈ తలకిందుల పరిస్థితికి ఒక పేరు ఉంది: మొరావెక్ వైరుధ్యం.
కష్టమైనవి సులభం, సులభమైనవి కష్టం
1980లలో, రోబోటిక్స్ నిపుణుడు హాన్స్ మొరావెక్ మరియు కొందరు ఏఐ మార్గదర్శకులు కంప్యూటర్లకు కష్టమైనది ఏమిటనే దాని గురించి ఒక విరుద్ధమైన విషయాన్ని గమనించారు. ఉన్నత-స్థాయి తర్కం (తర్కశాస్త్రం, బీజగణితం, బోర్డు ఆటలు, మనుషులను తెలివైనవారిగా భావించేలా చేసేవి) ప్రోగ్రామ్ చేయడం సాపేక్షంగా సులభం అని తేలింది. కానీ దిగువ-స్థాయి ఇంద్రియ-చాలక నైపుణ్యాలు (చూడటం, నడవడం, పట్టుకోవడం, సమతుల్యం చేయడం) భయంకరంగా కష్టంగా ఉన్నాయి.
మొరావెక్ తన 1988 పుస్తకం మైండ్ చిల్డ్రన్లో దీన్ని వివరించాడు, పదాల ఎంపిక సరిగ్గా అర్థం చేసుకోవడం ముఖ్యం. కంప్యూటర్లకు తెలివితేటల పరీక్షలలో లేదా చెకర్స్ ఆడటంలో పెద్దల స్థాయి ప్రదర్శన చూపించడం సాపేక్షంగా సులభమని, గ్రహణశక్తి మరియు చలనశీలత విషయంలో వాటికి ఒక సంవత్సరపు పిల్లవాడి నైపుణ్యాలను ఇవ్వడం కష్టం లేదా అసాధ్యమని అతను చెప్పాడు. అతను ఎంచుకున్న ఆటను గమనించండి. అది చెకర్స్, చెస్ కాదు.
ప్రతి తల్లిదండ్రులు ఒక చిన్న పిల్లవాడు ఎలాంటి సూచన లేకుండా ఆ “అసాధ్యమైన” వెర్షన్ను చేయడం చూశారు. చేయి చాచడం, ఒక బొమ్మను పట్టుకోవడం, పట్టును సర్దుకోవడం, నలగకుండా చూసుకోవడం, పడవేయకుండా చూసుకోవడం. ఏ రోబోట్ కూడా దీన్ని ఒక పరధ్యానంలో ఉన్న రెండేళ్ళ పిల్లవాడంత బాగా చేయలేదు.
పరిణామాన్ని నిందించండి (కృతజ్ఞతలు కూడా చెప్పండి)
ఈ వైరుధ్యానికి ఒక చక్కని వివరణ ఉంది, ఇది సమయం గురించి: లోతైన సమయం గురించి.
నైరూప్య తర్కం కొత్తది. మనుషులు కొన్ని వేల సంవత్సరాలుగా మాత్రమే గణితం మరియు ఔపచారిక తర్కశాస్త్రం చేస్తున్నారు. నైపుణ్యం పరంగా, ఇది ఇప్పుడే మొదలైంది, అంటే మన మెదడుకు దీన్ని అనుకూలంగా మార్చుకోవడానికి ఎక్కువ సమయం లభించలేదు. ఇది నెమ్మదిగా, శ్రమతో కూడుకుని నడుస్తుంది, ఇది సౌకర్యవంతంగా ఒక కంప్యూటర్ నకలు చేయగల దశల వారీ ప్రక్రియ రకం.
గ్రహణశక్తి, చలనం ప్రాచీనమైనవి. ఒక దృశ్యాన్ని చూడగల, దాన్ని తక్షణమే అర్థం చేసుకోగల, దాని గుండా ఒక చేతిని కదిలించగల మీ సామర్థ్యం లెక్కలేనన్ని జాతులలో వందల కోట్ల సంవత్సరాల పరిణామం యొక్క మెరుగుపరచబడిన ఫలితం. పరిణామం దీన్ని అప్రయత్నంగా చేయడానికి అనంతకాలం వెచ్చించింది కాబట్టే ఇది సరిగ్గా అప్రయత్నంగా అనిపిస్తుంది. ఆ కష్టపడి సంపాదించిన యంత్రాంగం అంతా చేతనమైన ఆలోచనకు దిగువన పాతిపెట్టబడి ఉంది, అందుకే దీన్ని రివర్స్-ఇంజనీర్ చేయడం ఇంత కష్టం.
మనం కష్టమని భావించే విషయాలలో బాగుండే యంత్రాలను నిర్మించాము, ఎందుకంటే మనం వాటిని ఎలా చేస్తామో మనకు నిజంగా అర్థమవుతుంది. మనం సులభమని భావించే విషయాలలో మనం తికమకపడతాము, ఎందుకంటే వాటిని మనం ఎలా చేస్తామో మనకు తెలియదు.
మీ గోడౌన్లో రోబోట్లు ఎందుకు ఉన్నాయి, మీ ఇంట్లో ఎందుకు లేవు
అందుకే ఆటోమేషన్ మొదట కఠినంగా నియంత్రించబడిన వాతావరణాలలో వచ్చింది. ఒక ఫ్యాక్టరీ నేల లేదా గోడౌన్ను రోబోట్ చుట్టూ రూపొందించవచ్చు: చదునైన నేలలు, తెలిసిన వస్తువులు, స్థిరమైన వెలుతురు, ప్రతిసారీ ఒకే స్థలానికి వచ్చే భాగాలు. గందరగోళాన్ని తొలగించండి, తారుమారు నిర్వహించదగినదిగా మారుతుంది.
నిజమైన ప్రపంచం నియంత్రించబడటానికి నిరాకరిస్తుంది. ఒక ఇల్లు మృదువైన వస్తువులు, విచిత్రమైన వెలుతురు, గందరగోళం, పెంపుడు జంతువులు, మెట్ల పీడకల. ప్రసిద్ధంగా, 2015 డార్పా రోబోటిక్స్ ఛాలెంజ్ ఫైనల్స్లో అధునాతన మానవాకార రోబోట్లను తలుపులు తెరవడం, వాల్వ్లు తిప్పడం వంటి పనులు చేయమని అడిగారు, కాలిఫోర్నియాలోని పొమోనాలో ప్రత్యక్ష ప్రేక్షకుల ముందు మరియు ప్రపంచవ్యాప్తంగా ప్రసారాన్ని చూస్తున్న ప్రేక్షకుల ముందు లక్షలాది డాలర్ల యంత్రాలు పడిపోయే ఒక బ్లూపర్ రీల్ తయారైంది. ఇంజనీర్లు చెడ్డవారు కాబట్టి కాదు, పని మొరావెక్-కష్టం కాబట్టి.
ఆ బట్టల విషయంలో
న్యాయబద్ధత శీర్షికకు ఒక నవీకరణ కోరుతుంది. రోబోట్లు ఇప్పుడు స్వయంగా బట్టలు మడత పెట్టాయి. ఫిజికల్ ఇంటెలిజెన్స్ ఒక యంత్రం దీన్ని చేయడం చూపించింది, ఫిగర్ యొక్క హీలిక్స్ మోడల్ ఎవరూ నడుపుతున్నా లేకుండా టవల్స్ మడత పెట్టింది. శీర్షికలోని ఈ ఇంటిపని ఇక అసాధ్యం కాదు, దీన్ని ఇప్పటికీ జోక్గా ఉపయోగిస్తున్న ఎవరైనా ఒకటి రెండు సంవత్సరాలు వెనుకబడి ఉన్నారు.
ఇది పూర్తయింది కూడా కాదు. ఫుటేజ్ను సరిగ్గా చూడండి, హెచ్చరికలు వేగంగా పేరుకుపోతాయి. పరుగులు నెమ్మదిగా ఉన్నాయి. టవల్స్ శుభ్రంగా, తెలిసినవిగా, ప్రతిసారీ దాదాపు ఒకేలా ఉంటాయి. బుట్ట రోబోట్ ఆశించిన చోటే ఉంటుంది, వెలుతురు సెట్ చేయబడింది, కెమెరా నడవడం ప్రారంభించే ముందే ఎవరో దృశ్యాన్ని ఎంచుకున్నారు. ఒక వ్యక్తి తెలియని గదిలోకి వెళ్ళి, విచిత్రమైన ఆకారాల చిక్కుబడ్డ కుప్పను కుమ్మరించి, పూర్తిగా వేరే దాని గురించి ఆలోచిస్తూ కొన్ని నిమిషాల్లో దాన్ని క్లియర్ చేయడం నుండి ఇది చాలా దూరంలో ఉంది.
కాబట్టి వైరుధ్యం నిలుస్తుంది, గోల్పోస్ట్లు కేవలం కనిపించేలా చేయబడ్డాయి. ఈ ప్రదర్శనలు నిరూపించేది తారుమారు పరిష్కరించబడిందని కాదు. అది ఏమిటంటే తారుమారు ఒక పని యొక్క ఒక జాగ్రత్తగా ఎంచుకున్న వెర్షన్ కోసం అపారమైన కృషితో పరిష్కరించబడగలదు, ఇది సరిగ్గా మనం ఒక నైపుణ్యంగా కూడా లెక్కించని ఒక ఇంటిపని కింద ఎంత యంత్రాంగం కూర్చుని ఉందనే మొరావెక్ యొక్క అంశమే.
రోబోట్ భవిష్యత్తుకు దీని అర్థం ఏమిటి
పాఠం ఇంటి రోబోట్లు ఎప్పటికీ రావని కాదు. అది ఏమిటంటే వాటి రాక క్రమం సైన్స్ ఫిక్షన్ వాగ్దానం చేసిన దానికి వ్యతిరేకంగా ఉంది. మనకు “శరీరం” రావడానికి చాలా ముందే “మెదడు” (తర్కం, భాష, వ్యూహం) వచ్చింది.
కాబట్టి ఆటోమేషన్ తరంగం మొదట జ్ఞాన సంబంధమైన, ఊహించదగిన, ఇండోర్ పనులను తాకుతోంది: విశ్లేషణ, డ్రాఫ్టింగ్, షెడ్యూలింగ్, సార్టింగ్. డెస్క్ నుండి “తక్కువ-నైపుణ్యం” అనిపించే ఉద్యోగాలు (గందరగోళ శారీరక తక్షణ మార్పులతో నిండినవి, నర్సింగ్, ప్లంబింగ్, లేదా చిందరవందరగా ఉన్న టేబుల్ను క్లియర్ చేయడం వంటివి) నిశ్శబ్దంగా ఆటోమేట్ చేయడానికి అత్యంత కష్టమైన వాటిలో ఉన్నాయి.
మొరావెక్ వైరుధ్యం నిజంగా మనం మనకు చెల్లించడం మరచిపోయిన ఒక ప్రశంస. ఈ రోజు మీరు చేసిన అత్యంత అధునాతనమైన పని మీరు ఆలోచించిన దేనికీ సంబంధించినది కాదు. అది చూడకుండా చేయి చాచి, ఒక్క చుక్క కూడా చిందకుండా మీ కాఫీని తీసుకోవడం.
మూలాలు మరియు మరింత చదవడానికి
- 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
ఈ వ్యాసం AI సాధనాల సహాయంతో పరిశోధించి రాయబడింది మరియు కచ్చితత్వం కోసం సవరించబడింది. ఇది సాధారణ సమాచారం మరియు చర్చ కోసం మాత్రమే, వృత్తిపరమైన సలహా కాదు. మా సంపాదకీయ ప్రమాణాలు మరియు నిరాకరణ చూడండి. తప్పు కనిపించిందా? మాకు తెలియజేయండి.
నచ్చిందా? తదుపరిది పొందండి.
ఒకసారి ఒక మంచి వ్యాసం, నేరుగా మీ ఇన్బాక్స్కు. స్పామ్ లేదు, ఎప్పుడైనా ఆపవచ్చు.