具身智能是指一種思想或者理論。它強(qiáng)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(jī)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(jī)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(jī)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(jī)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,。總之,，這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(qiáng)大的語言生成能力,，使機(jī)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(jī)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,?！睓C(jī)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(jī)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(qiáng)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(jī)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(qiáng)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(jī)器人領(lǐng)域三方面的技術(shù)進(jìn)步
機(jī)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(jī)械臂,，為現(xiàn)代工業(yè)機(jī)器人打下基礎(chǔ)，也預(yù)示著現(xiàn)代機(jī)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(jī)器人研究慢慢形成一個新領(lǐng)域——機(jī)器人學(xué),，與人工智能中的動作研究同時存在,。機(jī)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(jī)器人的先驅(qū)羅德尼·布魯克斯提出了行為主義機(jī)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(jī)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(jī)器人領(lǐng)域三方面的技術(shù)進(jìn)步,。
其一是推動機(jī)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(jī)之外，人們更多地考慮多傳感器融合,，即除攝像機(jī)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(jī)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(jī)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(jī)器人,，如為家庭服務(wù)的人形機(jī)器人,，擁有靈巧雙手的裝配機(jī)器人，擁有特殊功效的仿生機(jī)器人等,。不同類型的機(jī)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(jī)器人形態(tài)的設(shè)計,。這些都屬于機(jī)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(jī)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(jī)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(jī)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(jī)器人相互之間進(jìn)行博弈,，實現(xiàn)機(jī)器的自我進(jìn)化（迭代）,，使機(jī)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）
編輯：李華山
