具身智能：步入AI舞臺中央？

崔爽

近日，一段視頻在網(wǎng)上熱傳。視頻中，初創(chuàng)公司Figure的人形機(jī)器人外表和動作都與人類十分相似。它可以與人流暢對話，理解人的意圖。聽到工程師“想吃點東西”的口令后，它遲疑了一下，準(zhǔn)確地拿起了蘋果。它甚至可以解釋自己為什么要這樣做。

這一人形機(jī)器人背后，是OpenAI公司為其配置的大語言模型。多模態(tài)技術(shù)加持下，它具備高級視覺和語言智能。

隨著大模型、機(jī)器人制造等技術(shù)發(fā)展，賦予人工智能“形體”的具身智能（Embodied AI）正逐步走入人工智能舞臺中央。

具身智能是人工智能產(chǎn)業(yè)發(fā)展的重要方向之一。英偉達(dá)近期發(fā)布人形機(jī)器人通用基礎(chǔ)模型Project GR00T，希望能讓機(jī)器人擁有更聰明的“大腦”。由Project GR00T驅(qū)動的機(jī)器人能夠理解自然語言，并通過觀察人類行為來模仿人類動作。在特斯拉2023股東大會上，馬斯克也向大眾展示了人形機(jī)器人Optimus的全新型號。這些都是具身智能駛?cè)氚l(fā)展快車道的縮影。

AI技術(shù)的集大成者

1950年，圖靈在他的一篇論文中首次提出了具身智能的概念。

“具身智能是人工智能的一個重要分支，它強調(diào)智能體與其所處的物理環(huán)境緊密交互，通過人形機(jī)器人等智能實體實現(xiàn)感知、決策和行動?！辟惖项檰柸斯ぶ悄芘c大數(shù)據(jù)研究中心常務(wù)副總經(jīng)理鄒德寶向筆者介紹，“這種結(jié)合讓人工智能可通過攝像頭、傳感器等理解環(huán)境，并通過機(jī)械臂、輪子等執(zhí)行器作用于物理世界，在物理空間中學(xué)習(xí)、適應(yīng)并完成指令任務(wù)?！?/p>

這是一個包含人工智能幾乎所有技術(shù)的領(lǐng)域，可以說是AI的集大成者。

“要充分發(fā)揮人工智能的強大能力，就要將其‘附身于實體——機(jī)器人，這一行為被稱為‘具身?！边_(dá)闥機(jī)器人創(chuàng)始人、首席執(zhí)行官黃曉慶說。

在他看來，從生物學(xué)角度，人類是自然選擇的產(chǎn)物，因此具備通用性的終極機(jī)器形態(tài)應(yīng)與人類相同；從功能性角度，要使機(jī)器人能替代人類執(zhí)行所有任務(wù)，其形態(tài)需與人類相似；從人工智能發(fā)展角度，訓(xùn)練大模型需要大量數(shù)據(jù)，而人類語言、行為、智能等數(shù)據(jù)信息無疑最豐富，人形機(jī)器人因此能最大限度獲取訓(xùn)練數(shù)據(jù)。

“通過為人工智能系統(tǒng)賦予形體，我們可以使其與人類用戶之間的交互更直觀、自然和便捷。形體也可以幫助人工智能系統(tǒng)更好地感知和理解現(xiàn)實世界?！编u德寶說，具有形體的人工智能系統(tǒng)可以應(yīng)用于更多領(lǐng)域，特別是在需要與人類進(jìn)行密切協(xié)作的場景中。例如，在醫(yī)療領(lǐng)域，一個具有實體形態(tài)的人工智能機(jī)器人可以協(xié)助醫(yī)生進(jìn)行手術(shù)操作。

技術(shù)進(jìn)步和挑戰(zhàn)并存

依托大規(guī)模數(shù)據(jù)和強大算力的大模型，為機(jī)器理解世界提供了前所未有的能力。它與具身智能的結(jié)合，預(yù)示著機(jī)器人的未來將更加智能化、互動化。

去年11月，工業(yè)和信息化部印發(fā)《人形機(jī)器人創(chuàng)新發(fā)展指導(dǎo)意見》，提出人形機(jī)器人集成人工智能、高端制造、新材料等先進(jìn)技術(shù)，發(fā)展?jié)摿Υ?、?yīng)用前景廣，是未來產(chǎn)業(yè)的新賽道。

鄒德寶談到，發(fā)展具身智能，主要可從三方面發(fā)力。一是仿生機(jī)制。具身智能的一個關(guān)鍵目標(biāo)是使機(jī)器能像生物體一樣具備感知、決策和運動能力。因此，更深入地研究和模仿復(fù)雜的生物機(jī)制，如神經(jīng)系統(tǒng)的運行方式、生物體的自我修復(fù)能力等，是實現(xiàn)這一目標(biāo)的重要途徑。二是基于物理的智能決策能力。智能系統(tǒng)需要更緊密地與其所處的物理形態(tài)融合，以便在各種環(huán)境中自然、高效地執(zhí)行任務(wù)。這意味著需要發(fā)展出更先進(jìn)的機(jī)器人硬件和軟件技術(shù)，支持智能系統(tǒng)在復(fù)雜環(huán)境中的運動和操作。三是自主學(xué)習(xí)和適應(yīng)環(huán)境。具身智能系統(tǒng)需要具備自主學(xué)習(xí)和適應(yīng)環(huán)境能力，以便能在復(fù)雜多變的環(huán)境中執(zhí)行任務(wù)和解決問題。這可以通過強化學(xué)習(xí)、遷移學(xué)習(xí)等機(jī)器學(xué)習(xí)技術(shù)實現(xiàn)。

技術(shù)突飛猛進(jìn)之下，具身智能市場活躍。頭部廠商不僅在技術(shù)研發(fā)上取得顯著進(jìn)展，還在商業(yè)應(yīng)用和拓展市場方面取得了突破。特斯拉宣布，其旗下擎天柱人形機(jī)器人的首個商業(yè)化場景將是自家公司汽車生產(chǎn)車間。人形機(jī)器人（上海）有限公司聯(lián)合行業(yè)頭部企業(yè)成立的新型研發(fā)機(jī)構(gòu)，致力于建設(shè)貫穿創(chuàng)新鏈、產(chǎn)業(yè)鏈、資金鏈和人才鏈的人形機(jī)器人創(chuàng)新生態(tài)系統(tǒng)。聯(lián)想創(chuàng)投作為聯(lián)想集團(tuán)旗下的全球科技產(chǎn)業(yè)基金，通過投資和支持具身智能技術(shù)公司，推動該技術(shù)的商業(yè)化應(yīng)用。

然而，難題和挑戰(zhàn)也如影隨形。

首當(dāng)其沖的是算力。具身智能需要進(jìn)行大量計算來支持感知、決策和運動過程。隨著任務(wù)和環(huán)境復(fù)雜性的升級，其對算力的需求會不斷增加。

數(shù)據(jù)安全也不可忽視。具身智能系統(tǒng)需要收集和處理大量數(shù)據(jù)進(jìn)行學(xué)習(xí)優(yōu)化，這些數(shù)據(jù)可能包含用戶個人隱私信息。

“隨著具身智能技術(shù)不斷發(fā)展，我們也需要關(guān)注其可能帶來的倫理和道德問題。例如，如何確保機(jī)器人在執(zhí)行任務(wù)時不傷害人類或造成不必要的損失，如何保證機(jī)器人行為符合人類道德和價值觀等?！编u德寶說。

未來人工智能發(fā)展的重要方向

英偉達(dá)創(chuàng)始人兼CEO黃仁勛曾表示，人工智能發(fā)展的下一個浪潮是具身智能，是能理解、推理、并與物理世界互動的智能系統(tǒng)。

“具身智能對人工智能產(chǎn)業(yè)發(fā)展意義重大，對實現(xiàn)AGI（通用人工智能）具有不可忽視的價值。”鄒德寶認(rèn)為，從當(dāng)前技術(shù)趨勢和市場動態(tài)來看，具身智能極有可能成為人工智能發(fā)展的下一個重要方向。

首先，具身智能強調(diào)智能體與真實世界的交互。這種交互性不僅增強了人工智能系統(tǒng)的實用性，還促進(jìn)了人工智能技術(shù)在各個領(lǐng)域的應(yīng)用。具身智能是實現(xiàn)AGI的關(guān)鍵之一。AGI需要能像人類一樣理解并適應(yīng)各種物理環(huán)境和各種復(fù)雜任務(wù)，而具身智能正是通過讓智能體與物理環(huán)境進(jìn)行實時交互和響應(yīng)，實現(xiàn)對環(huán)境的感知和理解。因此，具身智能的發(fā)展將為實現(xiàn)AGI提供重要技術(shù)支持。

從當(dāng)前技術(shù)發(fā)展趨勢來看，具身智能已成為人工智能領(lǐng)域研究熱點。隨著深度學(xué)習(xí)、強化學(xué)習(xí)和遷移學(xué)習(xí)等技術(shù)的不斷進(jìn)步以及機(jī)器人硬件的日益成熟，具身智能已具備一定技術(shù)基礎(chǔ)。同時，應(yīng)用市場對具有可交互性的智能系統(tǒng)的需求也在不斷增長，這為具身智能發(fā)展提供了廣闊市場。

針對發(fā)展具身智能可能面臨的風(fēng)險，鄒德寶建議，要通過優(yōu)化算法、提高硬件性能等方式不斷提升計算能力，滿足具身智能對計算資源的需求。采用加密技術(shù)、數(shù)據(jù)脫敏等手段保護(hù)用戶數(shù)據(jù)安全和隱私，同時制定嚴(yán)格的數(shù)據(jù)使用和共享政策，確保用戶數(shù)據(jù)不會被濫用或泄露。此外，也要制定具身智能技術(shù)倫理和道德準(zhǔn)則，并加強對具身智能技術(shù)的監(jiān)管和評估，確保其行為符合人類道德和價值觀。