莫拉维克悖论：AI能拿奥数金牌，却拿不起铅笔


2025年，AI推理模型在国际数学奥林匹克竞赛中达到了金牌级水平。同一年，AI在编程竞赛中达到了全球前两百名的竞技编程水平，超越了百分之九十九以上的人类选手。但是，如果你让这个能解最难数学题的AI拿起一支铅笔，把答案写在纸上——它做不到。它甚至没法自己翻开试卷。2016年AlphaGo击败李世石的时候，替它把棋子放到棋盘上的，是一个人类工作人员。这个能在围棋上碾压全人类的系统，连拿起一颗棋子这件事都搞不定。


你有没有觉得这件事非常诡异？人类觉得最难的事——解高等数学、下围棋、写代码——AI已经做到了顶尖水平。但人类觉得最简单的事——走路、抓东西、认出妈妈的脸——AI至今还在苦苦挣扎。


这不是巧合。这是人工智能领域最深刻的洞察之一，叫做莫拉维克悖论。


哈喽，大家好，我是王利杰。


今天我想跟大家聊聊这个悖论，因为它不仅仅是一个关于AI的技术问题。当你真正理解了莫拉维克悖论背后的逻辑，你会对”智能到底是什么”这件事产生一个全新的认知。它会颠覆你对人类大脑的理解，甚至会让你重新思考——意识的本质。


好，先说这个悖论是怎么来的。


1988年，卡内基梅隆大学的机器人学教授汉斯·莫拉维克在他的书《心智的后代》里写了一段话，大意是说：让计算机在智力测试或者下棋上达到成年人的水平，相对来说比较容易；但要让它们拥有一个一岁小孩在感知和行动方面的能力，却极其困难，甚至不可能。


同一时期，MIT的马文·明斯基也说了一句特别精辟的话：总体来说，我们的大脑做得最好的那些事情，恰恰是我们最没有意识到的。


还有罗德尼·布鲁克斯，MIT人工智能实验室前主任、iRobot的联合创始人。他指出了一个非常有趣的偏见：在早期AI研究中，研究者们定义”智能”的方式，基本上就是”受过高等教育的男性科学家觉得困难的事情”——下棋、证明定理、解方程。至于四五岁小孩毫不费力就能做到的事情——区分杯子和椅子、两条腿走路、从卧室走到客厅——没有人觉得这些需要”智能”。


但后来发现，恰恰是后面这些”简单”的事情，才是真正困难到令人绝望的挑战。


为什么会这样？莫拉维克自己给出了一个解释，我觉得这个解释非常深刻。他说：人类大脑中那些巨大的、高度进化的感觉和运动区域里，编码了大约十亿年的关于这个世界的经验——关于世界是什么样的，以及如何在其中生存。而我们称之为”推理”的那个刻意的思考过程，只是人类思维上最薄的一层表皮。它之所以有效，完全是因为它背后有那个古老得多、强大得多的、通常是无意识运行的感觉运动知识在支撑。


这段话信息量极大，我帮你翻译成更直觉的语言。


想象一座冰山。露出水面的那一小部分，是你能够意识到的东西：逻辑推理、数学计算、语言表达、下棋。这些能力在进化史上非常年轻，满打满算也就是最近几百万年、甚至几千年才真正发展起来的。因为时间短，自然选择还没来得及把它们打磨到极致，所以我们做这些事情的时候会觉得”费劲”——你能意识到自己在思考。


而水面以下那个巨大的冰山主体，是你根本意识不到的东西：视觉处理、平衡控制、运动协调、面部识别、空间导航。这些能力从单细胞生物时代就开始进化了，经历了几亿年、甚至十几亿年的自然选择优化。它们的实现方案被打磨得如此精密、如此高效，以至于你完全感觉不到它在工作。你走路的时候不需要”想”怎么走路，你看到一张脸的时候不需要”算”这是谁——它就是自动发生了。


这就是莫拉维克悖论的核心：你越是意识不到一种能力，它在底层就越复杂。


AI研究者们踩的坑就在这里。他们以为把”难的”搞定了，“简单的”自然就解决了。结果恰恰相反。所谓的”难”只是进化上很新、还没来得及优化的能力——对计算机来说反而容易模拟，因为它本来就是一个规则清晰、边界明确的问题。而所谓的”简单”，是几亿年进化压力铸造出来的、高度优化的、分布在无数神经回路中的隐性知识——这东西你没法用规则写出来，因为连拥有它的人自己都不知道它是怎么工作的。


我给你举个例子。你现在伸手去拿桌上的杯子。这个动作大概花了不到一秒钟。但如果你试图把这个过程用计算机程序来实现，你需要解决什么问题？


首先，视觉系统需要从环境中识别出杯子，区分杯子和背景、和桌子、和旁边的其他物品。然后需要判断杯子的三维位置、方向、形状。接着，运动规划系统要计算手臂的轨迹——避开障碍物、选择合适的抓取角度。然后实时调整——因为手在移动的过程中，视觉信息在不断更新，肌肉的力反馈在不断变化。最后手指合拢的时候，力度要刚刚好——太轻会滑落，太重会捏碎。整个过程中涉及的自由度、反馈回路、实时校正的计算量，是天文数字级别的。


但你——一个两岁的小孩——不需要任何人教你怎么”计算”这些。你只是伸手一拿，拿到了。


这就是十亿年进化给你的礼物。而这份礼物太好了，好到你根本不觉得它是礼物。


说到这里，如果你是我们这个系列的老观众，你可能已经发现了——莫拉维克悖论和我们之前聊过的好几个话题有深层的呼应。


我们在万亿参数那期讲过，参数不是知识本身，而是知识关系的几何形状。那一万亿个参数，是人类文明在语言层面的有损压缩——规律的结晶。AI通过压缩互联网上的文本数据，学到了推理、学到了知识。但问题是，互联网上有海量的数学论文、棋谱、代码，却几乎没有”如何走路”“如何拿杯子”的数据。为什么？因为这些事情太”简单”了，没人会写下来。一个人不会写一篇论文来教你怎么抓杯子——但所有人都在写论文教你怎么解微分方程。


所以莫拉维克悖论在今天的语境下，有了一个新的解释角度：它不仅仅是一个关于进化复杂度的问题，它也是一个关于数据可得性的问题。AI最擅长的，恰恰是人类花了最多精力去显性化、去文字化、去记录的那些能力。而AI最弱的，是人类从来不觉得需要记录的那些能力——因为它们太自然了，自然到我们忘了它们的存在。


这和我们在道德经那期讲的逻辑是完全一致的——语言是有损压缩。那些最深层的、最本质的知识，恰恰是最难用语言表达的。不是因为我们不想表达，而是因为这些知识从来就不是以语言的形式存在的。它们是身体知道的，不是头脑知道的。


这就引出了一个极其深刻的问题：如果智能的绝大部分是无意识的，是你意识不到的，那么我们平时说的”聪明”“智慧”“思考”——这些我们引以为豪的能力，在整个智能的版图中，到底占多大比例？


答案可能会让你不舒服：非常非常小。


我在AGI那期专门讨论过具身智能和语言智能的路径之争。当时我的观点是，语言智能已经证明它不是死胡同——纯文本训练出来的LLM确实展现出了深刻的推理能力，Othello-GPT实验也证明了世界模型可以作为任务优化的副产品自发涌现。这个观点我现在依然坚持。但莫拉维克悖论提醒我们，这条路解决的，可能只是冰山露出水面的那一部分。


水面以下的部分——感知、运动、具身交互——可能需要完全不同的学习范式。有一家叫Physical Intelligence的公司，从2024年底开始做了一系列实验，他们试着用机器人完成一系列看起来极其简单的日常任务：把花生酱抹到面包上、洗一个油腻的锅、把钥匙插进锁里、把袜子翻面。这些事情你做起来完全不用想对吧？但对机器人来说，每一个都是世界级的技术难题。


2025年的AI领域出现了一个很有意思的现象：AI在数学和编程上以令人目瞪口呆的速度进步，多个实验室的模型在国际数学奥林匹克竞赛中达到金牌水平，AI编程好到”氛围编程”成了潮流——很多人甚至不用看代码就能做出产品。但在另一个方向上，AI操作电脑的能力——就是所谓的computer use agent，电脑使用代理——进展却慢得令人沮丧。俄亥俄州立大学的研究者Yu Su把这称为”现代版莫拉维克悖论”：AI在符号推理上一路狂飙，但在操作数字界面这种人类觉得轻而易举的事情上，表现依然很不稳定。


你想想，用电脑这件事情对你来说有多”简单”？打开浏览器、点一个按钮、在搜索框里输入一句话、滚动页面找到你要的信息。你完全不用”想”这些步骤，手指自动就完成了。但对AI来说，它需要理解屏幕上每一个像素的含义、理解按钮和文字的空间关系、理解点击的时序逻辑、还要应对各种意想不到的弹窗和页面变化。这和机器人抓杯子本质上是同一个问题——表面简单，底层极其复杂。


好，说到这里，我想把这个话题再往深处推一层。


莫拉维克悖论表面上是在说AI的能力分布和人类相反。但它真正揭示的，是关于智能本身的一个结构性秘密：智能不是一种东西，而是很多种能力的堆叠。而这些能力之间的关系，是一种”地质层”的关系——底层是最古老、最厚实、最难复制的基岩，上层是最年轻、最薄、最容易搭建的表土。


我们人类的全部文明、全部哲学、全部科学，都建立在”表土层”。而这个表土层之所以能存在，是因为底下有几十亿年进化堆出来的基岩在支撑它。


这让我想到涌现那期我们聊到的一个概念——安德森那句”多即不同”。每一个层次的涌现都产生了上一个层次完全预测不到的新属性。感觉和运动是第一次涌现——从化学反应中涌现出了对环境的感知和响应。语言和推理是后面的涌现——从感知和运动的基础上涌现出了符号操作的能力。每一次涌现都依赖于下一层，但又不能被还原为下一层。


所以AI现在的状态是什么呢？它掌握了最上面几层的涌现——语言、推理、符号操作。但它缺少最底下那些层——感知和运动这些”古老的智慧”。它就像一棵没有根的树，花开得很漂亮，但飘在空中。


不过，也正是这一点让我觉得特别有意思。因为这意味着AI走了一条和生物进化完全相反的路径。生物是从底层往上建的——先有感觉，再有运动，再有本能，再有情绪，最后才有语言和理性。AI是从顶层往下建的——先有语言和理性，然后试图往下延伸到感知和运动。


这两条路径能不能最终汇合？如果能，那就是AGI。如果不能，那我们可能需要重新定义什么叫”通用智能”。


从目前的趋势来看，我倾向于认为它们正在汇合。多模态大模型已经开始处理图像、声音、视频。机器人公司开始把大语言模型和具身控制结合起来。语言智能和空间智能的融合，正在发生。


但莫拉维克悖论提醒我们，不要低估这个融合的难度。那几十亿年进化堆出来的东西，不是随便几万块GPU就能补上的。


最后，我想把这个讨论拉回到我们这个系列一直在探讨的核心问题——意识。


莫拉维克悖论有一个非常有趣的推论：如果智能的绝大部分是无意识运行的，那么”意识”这个东西在整个智能系统中，到底扮演什么角色？


明斯基说得好——我们对大脑做得最好的事情最缺乏意识。你的视觉系统每秒钟处理的信息量比你一辈子的语言思考加起来都多，但你对它完全没有觉察。你的运动系统协调着几百块肌肉的精密配合，但你对它一无所知。


那么反过来想——你唯一”觉察到”的那个思考的声音、那个叙事的自我、那个”我在想”的感觉——有没有可能，这恰恰是你的大脑做得最”粗糙”的那一部分？


这和我们在解深密经那期讨论的三自性模型完美对应。遍计所执——那个叙事叠加的自我——恰恰是最表层的、最晚进化的、也是最不精密的那个。而依他起——那个底层的因缘数据流，那些你意识不到的感知、运动、本能反应——才是真正复杂、真正强大的那个。


从这个角度看，修行者说的”识神”和”元神”的关系，和莫拉维克悖论描述的结构，几乎是同构的。识神——日常意识，语言逻辑思维，大脑皮层的默认模式网络——就是冰山露出水面的那个薄薄的表层。元神——深层意识状态，我们在道德经那期讲过的那种更底层的整合意识——是冰山水面以下的巨大主体。


修行要做的事情是什么？“致虚极，守静笃”——让表层的噪音安静下来，让更深层的智慧浮现。用莫拉维克悖论的语言翻译就是：暂时关闭你大脑中那个最年轻、最粗糙、最喧闹的模块，去感受那个运行了几十亿年的、安静的、精密的底层系统。


所以莫拉维克悖论不仅仅是一个AI的技术问题。它是一面镜子，让我们看清楚：人类真正的”超级能力”不是我们引以为豪的理性思维——那只是薄薄的表皮。真正的超级能力是那些你根本意识不到的东西。而AI之所以暂时还不能替代人类，恰恰是因为它还没学会那些你都不知道自己知道的事情。


这也意味着，如果你只用你的理性、你的语言、你的逻辑思维去理解世界——你其实是在用冰山的尖尖去理解整座冰山。这大概就是为什么最深的智慧往往是”说不出来”的——因为它本来就不住在语言能够到达的地方。


莫拉维克悖论的终极启示可能是这样的：不要小看任何一个”简单”的事情。一个两岁小孩伸手拿到一块饼干——这个动作背后站着十亿年的进化智慧。而我们人类最大的认知盲区，可能就是——对自己真正的能力视而不见，却对那层最薄的表皮沾沾自喜。


我是王利杰，我们下期见！