具身智能

作者简介

刘志毅，中国人工智能领军科学家，上海市人工智能社会治理协同创新中心研究员，深入研究和实践人工智能领域十余年，包括智能计算、空间智能以及超级人工智能对齐方向。中国人工智能学会人工智能伦理工作委员会委员及具身智能专委会（筹）委员，上海交通大学计算法学与人工智能伦理研究中心执行主任，上海交通大学安泰人工智能与营销研究中心特聘研究员，上海交通大学清源研究院兼职研究员，上海开源技术信息协会人工智能伦理专委会主任，2024年入选福布斯中国“十大人工智能影响力人物”。国际电工委员会IEC生物数字融合系统评估组（IEC/SMB/SEG12）伦理专家，国家人工智能标准总体组专家，AIIA联盟可信人工智能专家委员会委员，上海人工智能技术协会专家委员。个人学术专著包括《智能经济》《数字经济学》《智能的启蒙：通用人工智能与意识机器》等，翻译多部海外学者专著，作品入围施普林格·自然出版社“中国新发展奖”（2023年度）。

内容简介

附： 导读（节选） 朱嘉明 具身智能的崛起、后果和意义 （一） 在人工智能一波又一波的浪潮中，经过人工智能嵌入的具身智能（Embodied Intelligence）异军突起，正在成为人工智能科技体系的集大成者，在收割人工智能的各类成果中全面崛起。而在具身智能的背后，正在走来的是一个将与碳基人类并存，很可能凌驾于碳基人类的新物种。可以这样想象，具身智能所体现的新物种，如同金庸笔下的“九阳神功”“吸星大法”那种超自然奇幻力量，贯通武学至理，成就永恒的“金刚不坏之躯”。 在2024年，思考被人工智能改造的具身智能，具有科技、学术和现实意义。正是在这样的背景下，刘志毅撰写的《具身智能》一书的出版，恰逢其时。 （二） 关于具身智能的理论，源远流长，至少可以追溯到认知主义、计算主义和勒内·笛卡尔（René Descartes，1596—1650）的二元论。 以埃德蒙德·胡塞尔（Edmund Husserl，1859—1938）、马丁·海德格尔（Martin Heidegger，1889—1976）和莫里斯·梅洛-庞蒂（Maurice Merleau-Ponty，1908—1961）所代表的现象学家为具身智能理论做出了重要贡献。莫里斯·梅 洛-庞蒂有一个极为清晰的观点：身体是存在于世界上的载体，对于一个生物来说，拥有身体就是拥有在一个确定的环境的中介。 具身智能的思想演进如图0.1所示。 图0.1 影响具身认知发展的历史沿革 资料来源：译制自John J. Madrid，https://en.wikipedia.org/wiki/File:Timeline_history_ of_embodied_cognition_06.10.2021.jpg。 近年来，具身智能日益成为一个跨学科的概念和理论。人们逐渐在具身理论和概念方面形成共识。“通过使用‘具身’一词，我们的意思是强调两点：首先，认知取决于拥有具有各种感觉运动能力的身体所带来的各种经验；其次，这些个体的感觉运动能力本身就嵌入一个更具包容性的生物、心理和文化背景中。”见图 0.2 所示。 图0.2 具身认知的范围及各门科学的交织关系 资料来源：译制自John J. Madrid，https://en.wikipedia.org/wiki/File:Timeline_history_ of_embodied_cognition_06.10.2021.jpg。 值得注意的是，在科幻小说史中，具身智能早已成就无数故事的主题和主人公角色。甚至可以说，没有具身智能的想象力和创造力，就没有科幻小说和其他艺术形式。从玛丽·雪莱（Mary Shelley）在 1818 年创作的《弗兰肯斯坦》（Frankenstein）中的“科学怪人”，到威廉·吉布森（William Ford Gibson）于1984年发表的《神经漫游者》（Neuromancer）中的主人公凯斯，其实都是具身智能和具身智能物种的呈现。毫无疑问，文学性的具身智 能远远走在了具有科技支持和现实性的具身智能之前。 （三） “处在人类心智与 AI 的交汇点上，我们正经历一场前所未有的识知革命。”从比较宏观的角度看，人工智能嵌入的具身智能是三个变量的结合：人工智能、具身智能、自然智能。在这三个变量的结合中，形成了所谓基于人工智能技术的具身智能。 在本书中，作者触及人工智能嵌入的具身智能的概念和理论。“在AI的广阔领域中，具身智能的概念正引领一场深刻的范式转变。具身智能不仅是对机器人物理形态的智能化，更是一种哲学和认知科学的融合体现，强调智能的生成与发展源自智能体与环境之间的动态互动……具身AGI通过‘感知—认知—行为’的闭环，实现了对世界的持续学习和适应。这个闭环过程是AI系统智能行为的基础，它涉及对外部世界的感知、基于感知数据的认知处理，以及基于认知结果的行动决策。”简言之，“具身认知理论的核心思想是，智能并非一个抽象的、独立于身体和环境之外的实体，而是与个体的生理特性和所处的环境紧密相 连的。” 作者认为，具身智能关注的是“身体、大脑和环境之间的相互作用……正如生物学中的自然选择过程一样，具身AI系统通过视觉、听觉和触觉等感官模态，捕捉外部世界的信息，并将其转化为抽象的概念和模式……旨在通过模拟人类的学习方式，使智能体在物理或虚拟环境中通过互动完成复杂任务的学习……具身智能的核心在于其学习方式的革新。与传统 AI依赖大量数据和算法不同，具身智能更侧重通过感知、探索和实验与物理世界互动来学习。这与婴儿的学习过程有着惊人的相似性：从学习行走到掌握语言，人类的学习过程充满了探索和实践，具身智能正是模仿这一过程，以实现更加自然和灵活的智能行为”。 进而，作者努力描述了实现人工智能科技和具身智能结合的科学方法，涉及机器人学、深度学习、强化学习、机器视觉、计算机图形学、自然语言处理、元学习和认知科学。 关于机器人学的作用，作者写道：“在认知模型的整合方面， 机器人学的研究推动了机器学习、神经网络、计算机视觉与认知科学理论的交叉应用。这种跨学科的合作，使得机器人能够在处理外部感官输入的同时，进行更高级别的信息处理和决策制定，从而实现更加复杂和自主的行为模式。 那么，是否可以对人工智能嵌入的具身智能加以定义呢？回答是肯定的。以下的描述具有概括性：“具身智能是通过考虑智能体与其环境（位置性）之间的严格耦合来设计和理解具身和定位智能体的自主行为的计算方法，由智能体自身的身体、知觉和运动系统以及大脑（具身）的约束所介导的。” 作者总结的人工智能嵌入的具身智能定义是：以人形机器人 等各类机器人作为物理载体，通过构建智能系统支持的感知层、交互层、运动层，形成诸如强化学习能力，并以第一人称视角，在可持续的类人类的行为反馈中，实现形态计算、感觉运动协调和发展具身认知，以及对外部物理世界的互动。 第一章 身体如何塑造我们的思维 第一节 身体与思维的亲密对话 在探索人类思维的奥秘时，我们不可避免地遭遇了一个长久以来被边缘化的核心要素——我们的身体。 具身认知理论作为认知科学的一个重要分支，正试图填补这一历史性疏忽。它不仅探讨身体如何悄无声息地影响我们的思维、感知和决策，还试图将这些深刻的见解应用于教育、职业发展乃至人类行为的每一个角落。为了揭示身体如何塑造思维，科学家已经动用了包括功能性磁共振成像（fMRI）在内的一系列尖端科学技术，以捕捉大脑在处理身体信息时的微妙活动。这些探索让我们得以窥见身体与思维之间复杂的相互作用，以及身体和思维如何共同编织出我们认识世界的网络。 在深入探究身体与思维之间的微妙联系时，我们首先将视角投向身体姿势对认知状态的潜在影响。身体语言不仅是情感的外在表达，还是思维状态的一种反映。当一个人挺直背脊、端坐如钟时，往往伴随着一种警醒与集中的精神状态；而当一个人身体放松，甚至躺下时，思维的界限似乎也随之拓宽，创造力与自由联想的能力得到释放。这种现象并非随机发生，而是身体与大脑交互作用的结果。现代研究揭示，开放的身体姿态能够促进创造性思维的涌动，而较为封闭和紧张的身体姿态则有助于提升我们的注意力和专注力。这一发现为我们如何通过调整身体语言来优化思维模式的研究提供了新的视角。 接下来，我们将视线转向身体动作对思维流程的影响。身体活动，尤其是像散步这样的简单动作，对我们的思维有着不可忽视的促进作用。当身体在散步的自然摆动中找到节奏时，我们的思考过程也似乎获得了一种流动性，使得原本模糊不清的问题变得清晰，解决方案在不经意间浮现脑海。研究表明，这种身体活动与思维清晰度之间的联系是有科学依据的，散步不仅对身体健康有益，还能显著提高我们解决问题的效率。 最后，我们来审视身体状态对思维和决策的影响。身体状态，如饥饿、疲劳，甚至是心跳的快慢，都被证实可以对认知功能和决策过程产生重要影响。在饥饿状态下，人们倾向于做出更加“急功近利”的选择；而心跳的加速可能引发紧张和焦虑情绪，进而影响我们的决策质量。这些发现提示我们，身体状态与心理状态之间的相互作用是复杂而微妙的，它们共同构成了我们决策和认知的生理基础。 可以看出，身体与思维之间的相互作用构成了我们认知架构的核心。这些前瞻性研究不仅为我们提供了对人类认知过程更深层次的理解，也为心理学、认知科学，乃至AI领域的未来发展开辟了新的道路。通过深入理解身体状态如何影响我们的思维和决策，我们可以更好地利用身体信息来优化我们的认知能力，从而在教育、工作和日常生活中取得更好的成效。 对我们身体的研究揭开了一层令人惊叹的认知面纱：我们的身体，以一种精妙而独特的方式，成为塑造思维的关键力量。这一革命性的认识不仅刷新了我们对思维本质的理解，更开启了一扇通往思维优化和决策改进的新大门。通过有意地调整身体姿态和动作，我们得以操纵思维的状态和模式；通过细致入微地关注和调节身体状态，我们能够提升决策的精度和效率。这些灼见，对于个人的学习路径、职业发展，乃至日常生活的质量，都有不可估量的价值。换言之，具身认知理论提供了一种全新的认知范式，它引导我们重新审视身体与思维的互动关系，并理解这种相互作用如何深刻地影响我们的决策过程。随着这一理论的深入研 究，我们有望在教育、工作，乃至更广泛的社会生活中，见证一系列积极的变化。 然而，这并不意味着我们应该将所有的关注点单一地聚焦于身体。恰恰相反，身体与思维构成了一个不可分割的整体，它们在生活的舞台上相互影响、相互塑造。我们不能忽视身体的作用，同样也不能忽略思维的力量。因此，我们需要找到一种动态的平衡，使得身体与思维能够在我们的生活中和谐统一、协同发展。这种整合性的思维方式，对于AI和机器人学的未来发展具有极其深远的意义。如果我们能够深入理解并精确模拟人类身体与思维之间的相互作用，那么我们将有望研发出更加智能、更具适应性的机器人。这些机器人将不仅能够执行复杂的任务，还能以一种更深层次的方式理解和响应人类的需求，从而在人机交互的领域中开拓新的可能性。 在追求对具身认知深层次理解的征途中，我们需要借助一系列尖端科学研究方法，以揭开身体与思维相互作用的神秘面纱。功能性磁共振成像等神经成像技术的应用，使我们得以窥见大脑在处理身体信息时的精细活动模式，从而深入理解身体感知如何转化为神经信号，并进一步影响认知与情绪。心理学实验则为我们提供了一个窗口，通过它可以观察和统计身体状态和动作如何塑造我们的情绪反应和决策过程。此外，计算机模拟和AI技术的发展，为我们模拟和预测身体与思维的复杂交互提供了强有力的工具。 这些跨学科的研究不仅极大地推进了我们对具身认知的理解，更为实际应用具身认知提供了丰富的指南。在教育领域，这些研究结果可以指导教育工作者设计出更具互动性和体验性的教学方法，以促进学生的深度学习和认知发展。在心理咨询领域，心理咨询专家可以利用这些发现，通过调整客户的体态和动作来改善其情绪状态和心理适应能力。而在工程与设计领域，对具身认知的深入理解将激发出更智能、更具适应性的人机交互系统和机器人的设计灵感。 尽管我们在具身认知领域已取得初步进展，但仍有众多未知等待探索。例如，我们如何精确量化身体与思维之间的相互作用，如何高效利用身体信息来提升我们的思考和决策能力，这些研究成果又如何扩展应用于公共卫生、社会政策、城市规划等更广泛的社会领域……对这些问题的解答，需要我们在未来的研究中贡献更多的智慧、付出更多的努力。 本书汇聚了科学家在具身认知领域的系统研究中形成的深刻思考，它们是对人类认知奥秘的一次又一次勇敢探索。随着研究的不断深入，我们目睹了知识的新边疆被开拓，真理的更深层次被触及，以及无限的创新潜能被激发。通过坚持不懈的科学探索，我们致力于全面理解人类复杂的认知过程，并旨在为AI和机器人学的未来发展注入新的活力，拓展新的方向。我们同样期待这些研究成果能够渗透至个人的学习和生活实践中，开辟出新的认知和行动路径。 总体而言，身体在思维过程中所扮演的重要角色，已经获得了科学界的广泛认同，并得到了大量实证研究的支持。深入挖掘和理解这一过程，不仅能使我们更高效地利用身体去塑造和培养思维，还能让我们更加深刻地把握具身智能的丰富内涵和思想脉络。我们认识到，具身智能作为通向AGI技术的关键实践领域，蕴含着巨大的价值和潜力。在这个充满挑战与机遇的探索过程中，我们渴望揭示新知识，理解新真理，创造新可能。我们更希望，从具身认知这一视角出发，能够激发读者对相关科学领域的好奇心和探索精神，引领他们走向更深层次的思考和更广阔的学术探索。 理解身体、思维与人工智能的交互关系，对于洞悉下一代人工智能的发展方向至关重要，作者精准抓住核心问题展开关键分析和阐述。本书是扎实严谨的学术著作，同时也是深入浅出的科普著作。作者在本书中使用大量丰富案例和类比，为读者阐述了主动推理、人工智能的第一性原理、世界模型等重要概念，带来了一幅详细的前沿技术知识地图，使得读者能够以系统化方式理解具身智能的运作原理。在多学科交叉思维碰撞中，作者从数学、物理学等方面提出了具身智能研究的新方向，也为学界带来研究启发。此外，作者探讨从理论到实践的路径，并且立足日常生活探讨了具身智能实践应用和潜力，也为业界专业读者和普通读者创造了落地化的实践和想象图景。