«Es comparativamente fácil hacer que las computadoras muestren un rendimiento de nivel adulto en pruebas de inteligencia o jugando damas, y difícil o casi imposible darles las habilidades de un niño de un año cuando se trata de percepción y movilidad.»
Hans Moravec — Mind Children: The Future of Robot and Human Intelligence, Harvard University Press, 1988.
«It is comparatively easy to make computers exhibit adult level performance on intelligence tests or playing checkers, and difficult or impossible to give them the skills of a one-year-old when it comes to perception and mobility.»
La tesis
Un modelo de inteligencia artificial aprueba el examen de especialización médica. El mismo sistema, puesto a conectar cinco electrodos a un paciente, no puede hacerlo. Las dos cosas son ciertas a la vez.
La paradoja de Moravec, formulada por Hans Moravec en 1988 — con observaciones paralelas de Marvin Minsky y Rodney Brooks —, explica por qué: los humanos consideramos difícil lo que aprendemos conscientemente de adultos (el cálculo diferencial, la lógica formal, el ajedrez, el diagnóstico médico). Sin embargo, eso es computacionalmente sencillo porque se desenvuelve en un espacio simbólico discreto, cerrado y estático.
Por el contrario, lo que consideramos trivial — caminar sobre terreno irregular, sostener un vaso de vidrio sin quebrarlo, atarse los cordones o conectar un cable flexible en un zócalo — requirió mil millones de años de evolución biológica y sensoriomotora. Esa inmensa maquinaria está compilada en nuestro sistema nervioso y actúa sin que tengamos acceso consciente a sus reglas.
Intuición Física 01 · Animación Interactiva
La Paradoja de Moravec en Tiempo Real
Compara la inferencia de tokens en espacio simbólico (examen médico) contra la manipulación física continua (conexión de terminales y cables).
SIMBÓLICO: 98.0% (Code as Policies)FÍSICA: 18.0% (Desalineado)ESTADO: Tolerancia estática
💡
Intuición clave: En software, el tiempo es abstracto y los tokens son discretos; si hay error, se lanza un catch y se reintenta. En el mundo físico, el tiempo es irreversible, la materia se deforma y un desvío milimétrico dobla el pin o rompe el electrodo.
📄Base científica: Hans Moravec (1988) · Code as Policies (Liang et al., 2022) · SayCan (Ahn et al., 2022) · Med-PaLM 2 (Singhal et al., 2023)
✅Base empírica: 98.0 % en razonamiento formal (Code as Policies, Tabla IV, arXiv:2209.07753; 86.5 % en USMLE, Med-PaLM 2) vs 18.0 % en manipulación física de lazo abierto ante perturbaciones (Brohan et al., arXiv:2212.06817; 84.0 % en lazo cerrado de cable, IEEE RA-L 2022).
Espacio discreto vs. continuo.En un LLM, las palabras y los números son símbolos aislados. En el mundo real, la posición, la velocidad, la fuerza de torsión y la fricción son variables analógicas continuas e interdependientes.
El tiempo como dimensión física.Si un modelo de lenguaje tarda dos segundos en responder una pregunta, el resultado no cambia. Si un manipulador tarda dos segundos en corregir un resbalón, el objeto ya cayó al suelo y se rompió.
Conocimiento explícito vs. tácito.Michael Polanyi (1966): «Sabemos más de lo que podemos decir». La destreza manual de un técnico no está descrita en manuales con suficiente detalle para programar un robot; es experiencia sensoriomotora tácita.
El ensamblaje de cableado como testigo.Casi toda la industria automotriz y aeroespacial está automatizada por robots rígidos; sin embargo, el mazo de cables (wire harness) se sigue montando a mano por operarios humanos porque un cable flexible cambia de forma en cada intento.
Qué significa para el ingeniero
Si lo abstracto ya está resuelto, el valor futuro de la ingeniería está en la frontera de la materia.
Para los estudiantes y docentes del Technology Camp — en mecatrónica, industrial, multimedia, telecomunicaciones y biomédica — la paradoja de Moravec no es una mala noticia; es un mapa de ruta profesional. No tiene sentido competir con las grandes tecnológicas entrenando modelos de texto en miles de GPUs. El verdadero desafío de la próxima década está en:
El diseño de efectores y sensores táctiles.Pieles artificiales, matrices de táxeles de alta frecuencia (como las de PaXini PX-6AX GEN3) y control de impedancia para sentir la fricción y la fuerza de contacto.
El cierre del lazo sensoriomotor.Conectar la semántica de los modelos fundacionales con controladores en tiempo real (ROS 2), y correr el lazo jerárquico de contacto a la frecuencia del sensor — hasta un kilohercio en el hardware táctil comercial.
La robustez en entornos no estructurados.Garantizar que el sistema tolere perturbaciones, deformaciones y tolerancias mecánicas imperfectas sin fallar silenciosamente.
Para profundizar
Hans Moravec. Mind Children: The Future of Robot and Human Intelligence. Harvard University Press, 1988.El planteamiento original de la paradoja y el análisis evolutivo del cerebro humano.
Michael Polanyi. The Tacit Dimension. Doubleday & Co., 1966.«Sabemos más de lo que podemos decir» — la raíz del conocimiento sensoriomotor no verbalizable.
Rodney A. Brooks. «Intelligence without representation». Artificial Intelligence, 47(1-3):139–159, 1991.La robótica basada en el comportamiento: el mundo real como su propio y mejor modelo.
Michael Ahn et al. «Do As I Can, Not As I Say: Grounding Language in Robotic Affordances». arXiv:2204.01691, 2022.SayCan: cómo conectar la probabilidad del lenguaje con la factibilidad física del robot.