具身智能是指一種思想或者理論。它強調(diào)認(rèn)知受智能體的感知與動作的影響，主張智能或智能行為來自智能體身體與周圍環(huán)境的交互，而不僅僅是大腦的功能。這種思想與建立在笛卡爾身心二元論基礎(chǔ)上的離身智能不同，后者沒有考慮大腦與身體之間的聯(lián)系。具身智能理論對認(rèn)知科學(xué)、心理學(xué)、人類學(xué)、藝術(shù)等都產(chǎn)生了深刻的影響，由此誕生了具身認(rèn)知、具身心理學(xué)等分支學(xué)科。當(dāng)前，具身智能理論深入到大眾關(guān)注的人工智能、機器人技術(shù)等領(lǐng)域，并產(chǎn)生重大影響。

推動人工智能邁向更高水平的通用人工智能

早期人工智能研究者認(rèn)為，機器可以通過對符號的操作實現(xiàn)對人類思考（理性行為）的模擬，即讓機器像人類那樣思考，無需考慮身體和環(huán)境。他們把人工智能定義為模擬人類的智能行為，除了模擬思考之外，還包括感知、動作，以及情感與靈感等。由于他們認(rèn)為思考和身體、環(huán)境是分離的，因此在模擬這些行為時，是各自獨立進(jìn)行，沒有考慮行為之間的相互聯(lián)系。人工智能的另一學(xué)派內(nèi)在主義，主張人工智能應(yīng)該模擬人類大腦的工作原理，我們通常稱之為類腦計算。這個學(xué)派也沒有考慮思考、感知與身體的關(guān)系。因此傳統(tǒng)人工智能中的兩大學(xué)派都屬于離身智能。

具身智能則認(rèn)為人類的智能行為不僅依賴大腦的思考，還需要通過與物理環(huán)境的交互來進(jìn)行學(xué)習(xí)和決策，最后通過感知將執(zhí)行的結(jié)果反饋到大腦，形成閉環(huán)，構(gòu)成一個智能體，這樣才能真正實現(xiàn)模擬人類智能行為的目標(biāo)。具身智能這種思想的提出，與傳統(tǒng)人工智能不同，將推動人工智能向更高的水平——通用人工智能發(fā)展。

人工智能的發(fā)展歷史，經(jīng)歷過三個階段。第一代人工智能提出以知識與經(jīng)驗為基礎(chǔ)的推理模型，通過這一模型來模擬人類的思考。這一模型具有可解釋性與可理解性的優(yōu)點，但由于知識表示與獲取的困難，該模型在應(yīng)用和產(chǎn)業(yè)化上受到很大限制。第二代人工智能提出數(shù)據(jù)驅(qū)動的模型，通過基于大數(shù)據(jù)的機器學(xué)習(xí)，實現(xiàn)對人類感性和情感行為的模擬。由于模型的圖像、語音等輸入數(shù)據(jù)來自客觀世界，因此具有很大的應(yīng)用潛力，但由于模型本身存在不安全、不可靠、不可信（不可解釋）、不可控和不易推廣等缺陷，因此應(yīng)用范圍有限。雖然科學(xué)家在這期間也進(jìn)行過模擬人類動作，比如手的操作與腳的步行等研究，但沒有將這些研究與思考、感知等其他方面聯(lián)系起來?？傊@兩代人工智能都有很大的局限性，而且只針對特定領(lǐng)域、利用特定模型去解決特定任務(wù)。

2020年大語言模型的出現(xiàn)，把人工智能推向新的發(fā)展階段——第三代人工智能。大語言模型具有強大的語言生成能力，使機器能夠在開放領(lǐng)域下實現(xiàn)與人類的自由交互，這表明機器已經(jīng)完全掌握了人類的語言。此事意義重大。正如哲學(xué)家維特根斯坦所言：“我的語言界限，就是我的世界界限。”機器一旦掌握了人類的語言，也就在某種程度上理解了人類的世界。大語言模型向通用人工智能邁出了關(guān)鍵一步。

盡管人工智能在語言生成上取得成功，在許多其他任務(wù)上還不能實現(xiàn)領(lǐng)域的通用性。比如醫(yī)療診斷，目前我們還沒有開發(fā)出適用于各種疾病的計算機醫(yī)療診斷系統(tǒng)。另外，大語言模型只會說（生成語言），不會干（行動）。還有大量的任務(wù)，特別是復(fù)雜的任務(wù)，人工智能目前還無法完成。我們離真正的通用人工智能仍有一定距離，其原因就在于，傳統(tǒng)人工智能對人類（大腦）的思考、感知與動作等方面的模擬是相互分開的，而且與環(huán)境隔離。具身智能則強調(diào)物理身體、環(huán)境感知與反饋的重要性，并通過它們實現(xiàn)與外部世界的交互。這正好彌補了傳統(tǒng)人工智能的不足，使機器通過與環(huán)境的反復(fù)交互，逐漸學(xué)習(xí)適應(yīng)環(huán)境并優(yōu)化其決策和行動，不斷迭代，完成更多、更復(fù)雜的任務(wù)，這就是新的學(xué)習(xí)范式——強化學(xué)習(xí)。由此可見，具身智能將使人工智能在更廣泛的環(huán)境下，完成更多的任務(wù)，向通用人工智能邁進(jìn)。

推動機器人領(lǐng)域三方面的技術(shù)進(jìn)步

機器人的研究遠(yuǎn)在人工智能誕生之前。1954年，科學(xué)家發(fā)明數(shù)字控制可編程的機械臂，為現(xiàn)代工業(yè)機器人打下基礎(chǔ)，也預(yù)示著現(xiàn)代機器人的真正誕生。在人工智能的發(fā)展過程中，雖然也將模仿人類動作納入研究范圍，但由于當(dāng)時研究的重點是思考與感知，動作（身體）并沒有受到很大關(guān)注。后來，機器人研究慢慢形成一個新領(lǐng)域——機器人學(xué)，與人工智能中的動作研究同時存在。機器人學(xué)研究的范圍更寬，也更多關(guān)注技術(shù)、實際應(yīng)用和產(chǎn)業(yè)化。1986年，移動機器人的先驅(qū)羅德尼·布魯克斯提出了行為主義機器人學(xué)的主張，他認(rèn)為傳統(tǒng)的符號主義人工智能過于依賴復(fù)雜的推理系統(tǒng)，忽視了身體與環(huán)境的互動對智能行為的關(guān)鍵性貢獻(xiàn)?？梢哉f，這是在機器人領(lǐng)域首次提出具身智能思想。

總的來看，具身智能推動了機器人領(lǐng)域三方面的技術(shù)進(jìn)步。

其一是推動機器人技術(shù)從單一感知（如視覺或觸覺）向多模態(tài)感知發(fā)展。自動駕駛汽車需要在各種氣候條件和復(fù)雜環(huán)境下行駛，全天候的環(huán)境感知極為重要。目前除了利用單一的攝像機之外，人們更多地考慮多傳感器融合，即除攝像機之外，還要綜合利用激光掃描儀、雷達(dá)、聲吶、衛(wèi)星定位等不同傳感器，以保證感知的可靠性。同樣，對機械手來講，也需要利用觸覺、力覺、力矩覺等多傳感器的融合，以便在復(fù)雜環(huán)境下實現(xiàn)復(fù)雜操作，比如，裝配、搶險救災(zāi)、排雷等。

其二是推動機器人技術(shù)更加關(guān)注軟件與硬件的高度整合。為了適應(yīng)不同工作任務(wù)的需求，我們需要設(shè)計不同類型的機器人，如為家庭服務(wù)的人形機器人，擁有靈巧雙手的裝配機器人，擁有特殊功效的仿生機器人等。不同類型的機器人需要不同的控制技術(shù)，也會導(dǎo)致不同的學(xué)習(xí)和感知方式，這反過來又影響機器人形態(tài)的設(shè)計。這些都屬于機器人軟硬件協(xié)同的問題。

其三，具身智能中的智能體概念對機器人技術(shù)也將產(chǎn)生重要影響。根據(jù)智能體這一概念，機器人將思考、感知和動作連為一體，既可以在數(shù)字世界中也可以在物理世界中完成任務(wù)，利用數(shù)字世界又可以對物理世界進(jìn)行仿真，這些對推動機器人的發(fā)展意義重大。比如，無人車的實驗如果在物理世界中進(jìn)行，就要受到氣候條件、突發(fā)事件等諸多因素限制，利用仿真模擬則會大大提高效率，節(jié)省時間與費用。利用智能體理論，我們可以讓機器人相互之間進(jìn)行博弈，實現(xiàn)機器的自我進(jìn)化（迭代），使機器人的性能不斷提高。

（作者為中國科學(xué)院院士、清華大學(xué)教授）

推薦讀物

《人工智能導(dǎo)論》：林堯瑞、馬少平編著；清華大學(xué)出版社出版。

《可解釋人工智能導(dǎo)論》：楊強、范力欣等著；電子工業(yè)出版社出版。

《具身智能導(dǎo)論》：劉華平、郭迪等編著；高等教育出版社出版。

版式設(shè)計：蔡華偉