《科創板日報》5月17日訊（編輯 鄭遠方）AI發展的下一站在哪里？“算力霸主”英偉達創始人兼首席執行官黃仁勛給出了答案：具身智能/具身人工智能。

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

(相關資料圖)

同時，他也介紹了英偉達的多模態具身智能系統Nvidia VIMA，其能在視覺文本提示的指導下，執行復雜任務、獲取概念、理解邊界、甚至模擬物理學，這也標志著AI能力的一大顯著進步。

而在今年3月，谷歌聯合柏林工業大學團隊發布PaLM-E，這是一種多模態具身視覺語言模型，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、生成語言，可執行各種復雜的機器人指令而無需重新訓練，且表現出很好的遷移能力。

值得注意的是，政策端也已開始著目于具身人工智能。

北京市日前發布《北京市促進通用人工智能創新發展的若干措施（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，包括推動具身智能系統研究及應用，突破機器人在開放環境、泛化場景、連續任務等復雜條件下的感知、認知、決策技術。

▌何為具身智能？如何實現？

具身智能指的是智能體通過與環境產生交互后，通過自身的學習，產生對于客觀世界的理解和改造能力。

換言之，一個具身智能機器人需要：首先聽懂人類語言，之后分解任務、規劃子任務，移動中識別物體，與環境交互，最終完成相應任務。

正如斯坦福大學計算機科學教授李飛飛所說，“具身的含義不是身體本身，而是與環境交互以及在環境中做事的整體需求和功能。”

若想要實現具身智能，離不開多個學科的交叉互助：

1）機器人學為具身智能提供機械身體和基本運動控制；

2）深度學習中的神經網絡是具身智能中主要工具；

3）強化學習是具身智能機器人的主要學習手段之一；

4）機器視覺給具身智能提供了處理視覺信號的能力；

5）計算機圖形學開發的物理仿真環境為具身智能提供了真實物理世界的替代；

6）自然語言給具身智能帶來了與人類交流、從自然文本中學習的可能；

7）認知科學進一步幫助具身智能體理解人類、構建認知和價值。

實際上，“具身智能”最初可追溯到1950年，當時圖靈在論文《Computing Machinery and Intelligence》中首次提出了這一概念。但在之后的幾十年中，具身智能都沒有取得特別顯著的進展，大多數機器人的行動依舊仰賴人類的手寫指令與代碼。

這也是為何上文那個谷歌“史上最大‘通才’AI模型”能引起業內轟動——它無需預先處理的場景，因此也不用人類對相關數據進行預處理或注釋。只需要一句簡單的指令，便可實現更為自主的機器人控制。更重要的是，PaLM-E生成的行動計劃還具有“彈性”，即可對周圍環境變化作出相應反應。

實現通用人工智能是行業的一大愿景。但人工智能中集成了太多概念，其中一些概念難以被測量或驗證。而正如上海交通大學教授盧策吾所說的那樣，雖然人工智能能給你輸出一個表征，但很難檢驗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證、可測量的概念上面做出個閉環。而具身智能剛好是這樣一個閉環，這樣的具身智能可能是邁向通用智能的一個很好的起點，因為它可測量、可解釋、可檢驗。”

關鍵詞：