大多数人觉得很难的活动，比如下棋或解高等数学，机器都能轻易地运算出来。但是许多让人类觉得简单甚至琐碎的任务，机器却怎么也攻克不了。
人工智能领域有句格言：“简单的事情很难，难的反而简单。”这叫“莫拉韦克悖论”，叫这名字是为了向西格丽德机器人公司（Seegrid）的创始人汉斯·莫拉韦克（Hans Moravec）致敬。最近有一本书对这个悖论做了详细解说，书的作者是计算机科学教授梅拉妮·米歇尔（Melanie Mitchell），书名叫《人工智能：人类思考指南》（Artificial Intelligence: A Guide for Thinking Humans）。那些大多数人觉得很难的活动，比如下棋或解高等数学，机器都能轻易地运算出来。但是许多让人类觉得简单甚至琐碎的任务，机器却怎么也攻克不了。
25年前，卡斯帕罗夫成了第一个输给电脑的国际象棋特级大师。到今天，计算机程序已能在扑克牌和围棋等比赛中击败一流好手。电脑能创作音乐，甚至通过著名的图灵测试——也就是骗过人类，让对方觉得自己在和另一个人类交谈。然而，那些大多数人都觉得简单的事情，却使计算机觉得为难，例如学说母语、通过肢体语言推断一个行人是否想过马路——这件事人类司机不假思索就能办到，却会难倒最先进的自动驾驶汽车。
每一个研究者都会告诉你：国际象棋之所以较为简单，是因为它遵循一套严格死板的规则，由此产生数量有限（尽管这个数字很大）的可能性。而推测一名行人的意图却是一项更加复杂灵活的任务，很难简化成几条规则。这么说无疑是正确的，但是在我看来，把AI系统总结的经验用在目前更紧迫的问题上，或许可以让我们学到更多。我们就叫它“疫苗-接种悖论”（vaccine-vaccination paradox）吧。
每一位熟悉生物学的人可能都对近期的疫苗研发速度印象深刻：在不到一年的时间里，研究者就开发出了可以有效应对新冠疫情的疫苗。无论是Moderna疫苗还是辉瑞-BioNTech疫苗，都利用信使RNA（mRNA）给细胞下达指令，产生新型冠状病毒表面的刺突蛋白，以此激发身体产生抗体，反击真正的病毒感染。这是一项绝妙的生物技术研究，为将来类似的mRNA用途指明了方向。
但现在，距这些疫苗上市已经几个月了，让美国人充分接种却还是一项艰巨的任务。其中的困难不仅在于过去一年中美国艰难的政治形势，后勤上的挑战也很严峻。在疫苗获批之前，就有卫生专家担忧玻璃瓶、注射器或冷藏设备会出现短缺。还有人指出了疫苗犹豫（vaccine hesitancy）的问题。等到疫苗上市，接种项目又受到一系列新问题的困扰，例如日程安排之类的普通任务。现在我们发现，像开发疫苗这样的难题（相对）简单，难的反而是疫苗接种这个本该简单的任务。
或许是时候重新思考概念的划分了。我们一直认为象棋很难，因为高手不多，特技大师更是寥寥无几。相比之下，仅美国就有近400万护士，其中大多数都应该懂得如何接种疫苗。如果形势需要，大概绝大多数国民都能学会驾驶卡车运送疫苗。然而这样的看法混淆了“困难”和“稀缺”。就像前面人工智能的例子所显示的，人人都会的事情，从某个角度看其实非常困难。又或者，我们混淆了难以构想的概念和难以做成的事情。量子物理在概念上很难，而在一个多样性极其发达、卫生体系又高度分散的国家注射6亿支疫苗，在实践上更是难得惊人。
我们说物理是“硬”科学，因为研究对象大多独立于复杂的人性，由此得出的定律（至少在正常环境下）能给出确切的回答。但物理和化学不会告诉我们如何设计一个行之有效的疫苗接种程序，或如何解决行人横穿马路的问题，部分原因在于这两门学科无助于我们理解人类行为。社会科学很少给出确切答案，但它并不简单。在求解现实问题时，令我们出错的好像都是看似简单、直接的问题。疫苗-接种悖论告诉我们，真正艰难的科学是涉及人类行为的那些。

贴主:DNA4200于2022_11_22 21:08:14编辑