具身智能是人工智能(AI)与其他学科交叉融合发展的智能新范式,从字面可理解为“具身+智能”,通过赋予AI“身体”,能够与现实产生交互,让AI从仅存于数字世界的软件算法走向真实的物理世界,并在物理世界也能呈现模拟人类甚至超越人类的智能水平。中国信息通信研究院、北京人形机器人创新中心有限公司联合发布了《具身智能发展报告(2024年)》报告。
报告致力于厘清具身智能的概念内涵、演进历程、技术体系,通过梳理当前具身智能技术发展现状,研判分析具身智能应用潜力与带来的影响,并总结当前产业应用困难与挑战,展望思维智能和行动智能有机融合的无限可能。
报告核心观点
3. 具身智能技术尚处于多条路径探索发展阶段,可以类比于自然语言处理领域的“BERT”发展时期
具身智能技术体系可分为“感知—决策—行动—反馈”四个模块形成一个闭环,在与环境的不断交互中,实现对环境的重构映射、自主决策和自适应行动,并从经验反馈中不断学习进化。
一、全球具身智能发展态势
1950 年,图灵在其经典论文《Computing Machinery and Intelligence》中探讨“机器是否能思考”这一根本问题,认为人工智能的终极形态是使机器像人一样能与环境交互感知、自主规划、决策、行动和执行的机器人/仿真人(在虚拟环境中)。而有望实现的两条路径,一是来源于抽象计算(比如下棋)所需的智能,二是为机器配备最好的传感器,使其可以与人类交流,像婴儿一样进行学习。后续,这两条路径逐渐演变成了离身智能(Disembodied Artificial Intelligence)和具身智能(Embodied Artificial Intelligence,简称“EAI**”)。
当前,依靠海量数据,结合算法和计算能力的提升,以 ChatGPT** 为代表的离身智能实现智能涌现。自其推出之后,数字世界的 AI 技术逐步展现出由遥远人类甚至超越人类的思维能力。加利福尼亚大学圣迭戈分校的研究团队在交互式双人图灵测试**中发现,人们无法区分 GPT-4 与人类。但在物理世界中,智能机器人仍然仅是智力有限的任务工具。在此背景下,人们的关注点逐渐转向如何让 AI 的认知从互联网的数字信息拓展到现实的物理概念,包括感官、空间、行动等情感,并将其更好地应用于物理世界。实际上,大模型对互联网上述大量图文信息的处理和学习,本质上是“读写卷书”的过程,这样的训练本质决定了具身智能所面临的挑战。
可以增强智能体的感知、知识理解和思维能力,但无法取代“行万里路”所带来的体验。就像人类在真实世界中的亲身体验和劳动,无法仅通过阅读和观看视频来替代。具身智能可以赋予 AI 身体,并具备与物理世界的交互学习能力,这是不能通过看图、看文字这些数字信息所能够弥补、习得的。2023 年,Nature 子刊刊登了由 Yoshua Bengio**、Yann LeCun 等科学家联名发表的文章,提出下一代 AI 的终极挑战是通过具身图灵测试,即复现生物体的感应运动能力,包括与世界互动、灵活的行为、高效的能量利用等。具身智能被誉为迈向通用人工智能的重要一步,引发了新一轮的技术浪潮。