人工智慧領域有句諺語：“難事容易；易事困難。” 這被稱為莫拉維克悖論，以機器人公司 Seegrid 的創始人漢斯·莫拉維克的名字命名。計算機科學教授梅蘭妮·米切爾在她最近出版的一本書《人工智慧：一本為思考的人類而作的指南》中詳細解釋了這一點。大多數人認為非常困難的活動，例如下國際象棋或進行高等數學運算，已經相當容易地被計算機解決，但許多人類認為容易甚至微不足道的任務卻難以被機器征服。
二十五年前，加里·卡斯帕羅夫成為首位輸給計算機的國際象棋世界冠軍。* 今天，計算機程式可以在撲克和圍棋中擊敗世界頂尖選手，創作音樂，甚至可以透過著名的圖靈測試——讓人們誤以為自己在與另一個人交談。然而，計算機仍然難以完成我們大多數人認為容易的事情，例如學習說我們的母語，或者從肢體語言預測行人是否即將過馬路——人類司機可以潛意識地做到這一點，但即使是最先進的自動駕駛汽車也可能因此受阻。
人工智慧研究人員會告訴你，國際象棋最終變得相對容易，因為它遵循一套嚴格的規則，這些規則創造了有限的（儘管數量龐大）可能的走法。然而，預測行人的意圖是一項更復雜和流動的任務，很難簡化為規則。毫無疑問，這是真的，但我認為人工智慧的經驗中蘊含著一個更大的教訓，它適用於更緊迫的問題。我們不妨稱之為疫苗-疫苗接種悖論。
關於支援科學新聞報道
如果您喜歡這篇文章，請考慮透過以下方式支援我們屢獲殊榮的新聞報道 訂閱。透過購買訂閱，您正在幫助確保有關塑造我們當今世界的發現和思想的具有影響力的故事的未來。
任何熟悉生物學的人都會對敏捷的科學工作印象深刻，這項工作在不到一年的時間內就產生了驚人有效的疫苗來對抗 COVID-19。 莫德納和輝瑞-生物科技疫苗都使用信使 RNA (mRNA) 向細胞傳遞指令，以生成新型冠狀病毒上的刺突蛋白，從而促使身體產生對抗實際感染所需的抗體。這是一項出色的生物技術工作，預示著 mRNA 在未來類似用途中的良好前景。
然而，即使在這些疫苗獲准使用幾個月後，讓美國人口完全接種疫苗仍然極其困難。在美國，困難包括過去一年令人惱火的政治因素，但後勤挑戰也被證明是巨大的。在疫苗獲得授權之前，一些健康專家擔心可能沒有足夠的藥瓶和注射器或冷藏設施。其他人則注意到疫苗猶豫的問題。自從疫苗上市以來，一系列新問題，包括諸如日程安排之類的日常任務，一直困擾著該計劃。事實證明，製造疫苗的艱鉅任務（相對而言）是容易的；而疫苗接種的簡單任務已被證明非常困難。
也許是時候重新思考我們的分類了。我們認為國際象棋很難，因為很少有人能達到高水平，而且幾乎沒有人是特級大師。相比之下，僅在美國就有近四百萬名護士，他們中的大多數人大概都知道如何進行接種。如果需要，我們幾乎所有人都可以學會駕駛卡車來運送疫苗。但是這種觀點混淆了難度和稀缺性。正如人工智慧的例子所示，我們所有人都能做的許多事情在某些方面都非常困難。或者，也許我們混淆了構思上的困難和做起來的挑戰。量子物理學在概念上是困難的；在一個擁有分散的醫療系統的大型多元化國家/地區管理 6 億次注射在實踐中是極其困難的。
我們稱物理科學為“硬”科學，因為它們處理的問題大多獨立於人性的變化無常；它們提供的定律（至少在適當的情況下）可以得出精確的答案。但是物理學和化學永遠不會告訴我們如何設計有效的疫苗接種計劃，或者解決行人過馬路的問題，部分原因是它們無助於我們理解人類行為。社會科學很少能給出精確的答案。但這並不意味著它們容易。
當涉及到解決現實生活中的問題時，似乎是那些看似簡單的問題讓我們絆倒了。疫苗-疫苗接種悖論表明，真正困難的科學是那些涉及人類行為的科學。”
*編者注（2021 年 7 月 1 日）：此句在釋出後經過編輯，以糾正對計算機擊敗加里·卡斯帕羅夫下棋時取得的“第一”的描述。