人工智能领域有句谚语：“难事容易；易事困难。” 这被称为莫拉维克悖论，以机器人公司 Seegrid 的创始人汉斯·莫拉维克的名字命名。计算机科学教授梅兰妮·米切尔在她最近出版的一本书《人工智能：一本为思考的人类而作的指南》中详细解释了这一点。大多数人认为非常困难的活动，例如下国际象棋或进行高等数学运算，已经相当容易地被计算机解决，但许多人类认为容易甚至微不足道的任务却难以被机器征服。
二十五年前，加里·卡斯帕罗夫成为首位输给计算机的国际象棋世界冠军。* 今天，计算机程序可以在扑克和围棋中击败世界顶尖选手，创作音乐，甚至可以通过著名的图灵测试——让人们误以为自己在与另一个人交谈。然而，计算机仍然难以完成我们大多数人认为容易的事情，例如学习说我们的母语，或者从肢体语言预测行人是否即将过马路——人类司机可以潜意识地做到这一点，但即使是最先进的自动驾驶汽车也可能因此受阻。
人工智能研究人员会告诉你，国际象棋最终变得相对容易，因为它遵循一套严格的规则，这些规则创造了有限的（尽管数量庞大）可能的走法。然而，预测行人的意图是一项更复杂和流动的任务，很难简化为规则。毫无疑问，这是真的，但我认为人工智能的经验中蕴含着一个更大的教训，它适用于更紧迫的问题。我们不妨称之为疫苗-疫苗接种悖论。
关于支持科学新闻报道
如果您喜欢这篇文章，请考虑通过以下方式支持我们屡获殊荣的新闻报道 订阅。通过购买订阅，您正在帮助确保有关塑造我们当今世界的发现和思想的具有影响力的故事的未来。
任何熟悉生物学的人都会对敏捷的科学工作印象深刻，这项工作在不到一年的时间内就产生了惊人有效的疫苗来对抗 COVID-19。 莫德纳和辉瑞-生物科技疫苗都使用信使 RNA (mRNA) 向细胞传递指令，以生成新型冠状病毒上的刺突蛋白，从而促使身体产生对抗实际感染所需的抗体。这是一项出色的生物技术工作，预示着 mRNA 在未来类似用途中的良好前景。
然而，即使在这些疫苗获准使用几个月后，让美国人口完全接种疫苗仍然极其困难。在美国，困难包括过去一年令人恼火的政治因素，但后勤挑战也被证明是巨大的。在疫苗获得授权之前，一些健康专家担心可能没有足够的药瓶和注射器或冷藏设施。其他人则注意到疫苗犹豫的问题。自从疫苗上市以来，一系列新问题，包括诸如日程安排之类的日常任务，一直困扰着该计划。事实证明，制造疫苗的艰巨任务（相对而言）是容易的；而疫苗接种的简单任务已被证明非常困难。
也许是时候重新思考我们的分类了。我们认为国际象棋很难，因为很少有人能达到高水平，而且几乎没有人是特级大师。相比之下，仅在美国就有近四百万名护士，他们中的大多数人大概都知道如何进行接种。如果需要，我们几乎所有人都可以学会驾驶卡车来运送疫苗。但是这种观点混淆了难度和稀缺性。正如人工智能的例子所示，我们所有人都能做的许多事情在某些方面都非常困难。或者，也许我们混淆了构思上的困难和做起来的挑战。量子物理学在概念上是困难的；在一个拥有分散的医疗系统的大型多元化国家/地区管理 6 亿次注射在实践中是极其困难的。
我们称物理科学为“硬”科学，因为它们处理的问题大多独立于人性的变化无常；它们提供的定律（至少在适当的情况下）可以得出精确的答案。但是物理学和化学永远不会告诉我们如何设计有效的疫苗接种计划，或者解决行人过马路的问题，部分原因是它们无助于我们理解人类行为。社会科学很少能给出精确的答案。但这并不意味着它们容易。
当涉及到解决现实生活中的问题时，似乎是那些看似简单的问题让我们绊倒了。疫苗-疫苗接种悖论表明，真正困难的科学是那些涉及人类行为的科学。”
*编者注（2021 年 7 月 1 日）：此句在发布后经过编辑，以纠正对计算机击败加里·卡斯帕罗夫下棋时取得的“第一”的描述。