★
Menu
Accueil Comment c'est construit Watchlist La pile
Matériel PucesComparer les puces Serveurs & systèmesRéseau MémoireFonderies & Packaging Refroidissement
Infrastructures Data centersAlimentation ProjetsCloud et calcul GPU
Intelligence Modèles IALogiciels Produits IABenchmarks Articles de rechercheJeux de données Concepts
Écosystème EntreprisesActions PersonnesChronologie TendancesAvenir de l'IA
Formation Actualités Interroger les données Agents IA
À propos À propos de nous Méthodologie Données & API Avertissement
Options
DONNÉES & API

Accès JSON gratuit en lecture seule aux données en cache du site.

Mode sombre

Vue guidée
Nouveau dans l'univers des puces, des data centers et du jargon des modèles ? Nous expliquons les termes clés au fil de votre navigation, en langage clair. Les mêmes données, avec l'aide intégrée.

Vue expert
Vous connaissez déjà le sujet. Juste les données : claires, rapides et concises, sans explications superflues. Il s'agit de la vue par défaut.

Langue de l'interface
‹ Retour
Accueil › Concepts › Moravec's Paradox

Moravec's Paradox

Concept Philosophie

Hard things are easy, easy things are hard — still true, still shaping robotics.

Vous consultez une fiche concept : ce que ce terme signifie en langage clair, et les fiches qu'il relie.

Moravec observed (1988) that abstract reasoning — evolution's newest trick — is computationally easy, while perception and dexterity — refined over hundreds of millions of years — are brutally hard. Fifty years of AI confirm it: models pass bar exams before robots reliably fold laundry. It explains why the robotics entries on this site trail the language ones, and why world models and fleet-scale robot data are the current bets to close the gap.

Comment cela s'articule avec le reste de la chaîne

Related · 2 Moravec's Paradox

Les liens de cette fiche en un coup d'œil — cliquez sur un groupe pour y accéder directement.

Sources

Moravec, Mind Children (1988) ↗

Fiche examinée au 2026-01-15 — voir Méthodologie.