《科創(chuàng)板日?qǐng)?bào)》5月17日訊（編輯 鄭遠(yuǎn)方）AI發(fā)展的下一站在哪里？“算力霸主”英偉達(dá)創(chuàng)始人兼首席執(zhí)行官黃仁勛給出了答案：具身智能/具身人工智能。

在ITF World 2023半導(dǎo)體大會(huì)上，黃仁勛表示，人工智能的下一個(gè)浪潮將是具身智能（embodied AI），即能理解、推理、并與物理世界互動(dòng)的智能系統(tǒng)。

(相關(guān)資料圖)

同時(shí)，他也介紹了英偉達(dá)的多模態(tài)具身智能系統(tǒng)Nvidia VIMA，其能在視覺(jué)文本提示的指導(dǎo)下，執(zhí)行復(fù)雜任務(wù)、獲取概念、理解邊界、甚至模擬物理學(xué)，這也標(biāo)志著AI能力的一大顯著進(jìn)步。

而在今年3月，谷歌聯(lián)合柏林工業(yè)大學(xué)團(tuán)隊(duì)發(fā)布PaLM-E，這是一種多模態(tài)具身視覺(jué)語(yǔ)言模型，也是史上最大的“通才”AI模型，其不僅可以理解圖像，還能理解、生成語(yǔ)言，可執(zhí)行各種復(fù)雜的機(jī)器人指令而無(wú)需重新訓(xùn)練，且表現(xiàn)出很好的遷移能力。

值得注意的是，政策端也已開始著目于具身人工智能。

北京市日前發(fā)布《北京市促進(jìn)通用人工智能創(chuàng)新發(fā)展的若干措施（2023-2025年）（征求意見稿）》，其中便提出探索具身智能、通用智能體和類腦智能等通用人工智能新路徑，包括推動(dòng)具身智能系統(tǒng)研究及應(yīng)用，突破機(jī)器人在開放環(huán)境、泛化場(chǎng)景、連續(xù)任務(wù)等復(fù)雜條件下的感知、認(rèn)知、決策技術(shù)。

▌何為具身智能？如何實(shí)現(xiàn)？

具身智能指的是智能體通過(guò)與環(huán)境產(chǎn)生交互后，通過(guò)自身的學(xué)習(xí)，產(chǎn)生對(duì)于客觀世界的理解和改造能力。

換言之，一個(gè)具身智能機(jī)器人需要：首先聽懂人類語(yǔ)言，之后分解任務(wù)、規(guī)劃子任務(wù)，移動(dòng)中識(shí)別物體，與環(huán)境交互，最終完成相應(yīng)任務(wù)。

正如斯坦福大學(xué)計(jì)算機(jī)科學(xué)教授李飛飛所說(shuō)，“具身的含義不是身體本身，而是與環(huán)境交互以及在環(huán)境中做事的整體需求和功能?！?/p>

若想要實(shí)現(xiàn)具身智能，離不開多個(gè)學(xué)科的交叉互助：

1）機(jī)器人學(xué)為具身智能提供機(jī)械身體和基本運(yùn)動(dòng)控制；

2）深度學(xué)習(xí)中的神經(jīng)網(wǎng)絡(luò)是具身智能中主要工具；

3）強(qiáng)化學(xué)習(xí)是具身智能機(jī)器人的主要學(xué)習(xí)手段之一；

4）機(jī)器視覺(jué)給具身智能提供了處理視覺(jué)信號(hào)的能力；

5）計(jì)算機(jī)圖形學(xué)開發(fā)的物理仿真環(huán)境為具身智能提供了真實(shí)物理世界的替代；

6）自然語(yǔ)言給具身智能帶來(lái)了與人類交流、從自然文本中學(xué)習(xí)的可能；

7）認(rèn)知科學(xué)進(jìn)一步幫助具身智能體理解人類、構(gòu)建認(rèn)知和價(jià)值。

實(shí)際上，“具身智能”最初可追溯到1950年，當(dāng)時(shí)圖靈在論文《Computing Machinery and Intelligence》中首次提出了這一概念。但在之后的幾十年中，具身智能都沒(méi)有取得特別顯著的進(jìn)展，大多數(shù)機(jī)器人的行動(dòng)依舊仰賴人類的手寫指令與代碼。

這也是為何上文那個(gè)谷歌“史上最大‘通才’AI模型”能引起業(yè)內(nèi)轟動(dòng)——它無(wú)需預(yù)先處理的場(chǎng)景，因此也不用人類對(duì)相關(guān)數(shù)據(jù)進(jìn)行預(yù)處理或注釋。只需要一句簡(jiǎn)單的指令，便可實(shí)現(xiàn)更為自主的機(jī)器人控制。更重要的是，PaLM-E生成的行動(dòng)計(jì)劃還具有“彈性”，即可對(duì)周圍環(huán)境變化作出相應(yīng)反應(yīng)。

實(shí)現(xiàn)通用人工智能是行業(yè)的一大愿景。但人工智能中集成了太多概念，其中一些概念難以被測(cè)量或驗(yàn)證。而正如上海交通大學(xué)教授盧策吾所說(shuō)的那樣，雖然人工智能能給你輸出一個(gè)表征，但很難檢驗(yàn)它們是否真的理解了這些概念。“所以我們可以先在一些可驗(yàn)證、可測(cè)量的概念上面做出個(gè)閉環(huán)。而具身智能剛好是這樣一個(gè)閉環(huán)，這樣的具身智能可能是邁向通用智能的一個(gè)很好的起點(diǎn)，因?yàn)樗蓽y(cè)量、可解釋、可檢驗(yàn)?！?/strong>