陳永偉/文 幾天前，洛杉磯街頭發(fā)生了一起車禍。一輛Waymo公司的Robotaxi無人出租車在經(jīng)過一個十字路口時，突然遇到一位迎面駛來的“行人”。盡管Robotaxi緊急剎車，但由于慣性作用，仍以每小時4英里（約合6.4公里）的速度撞上了“行人”。

又一起無人車事故！然而，神奇的一幕發(fā)生了：被撞的“行人”與車輛僵持了幾秒后，竟直接繞過Robotaxi，離開了事故現(xiàn)場。當(dāng)這位“受害者”繞出鏡頭死角，再次完整地出現(xiàn)在人們面前時，大家驚訝地發(fā)現(xiàn)，這位“行人”根本不是人，而是一臺正在配送外賣的機器人。原來，這不僅是一場無人車事故，更是一場無人車撞機器人事故。

雖然這場交通事故沒有造成嚴(yán)重后果，但作為世界上首次肇事者和受害者都不是人的交通事故，它具有重要的標(biāo)志性意義。

近幾年，科技的發(fā)展和普及日新月異。在ChatGPT橫空出世之前，若有人說AI不僅可以像真人一樣無障礙交流，還能幫人寫文章、畫漫畫、制作視頻，甚至編程、解數(shù)學(xué)題，恐怕大多數(shù)人會覺得這是科幻小說或異想天開。而僅僅兩年后，人們已經(jīng)對類似的AI大模型習(xí)以為常，見怪不怪了。根據(jù)最新研究，在許多任務(wù)上，AI的能力已接近甚至超過了人類。

如今，人們已不再滿足于讓AI擁有“超級大腦”，更致力于為其賦予實體形態(tài)，“具身智能”（Embodied　Inteligence）由此成為人工智能領(lǐng)域的一個熱點方向。

那么，具身智能技術(shù)是如何發(fā)展的？它的興起將帶來哪些新的機遇和挑戰(zhàn)？關(guān)于這一切，且讓我們慢慢說來。

具身智能發(fā)展簡史

靈魂與身體的關(guān)系在過去主要是哲學(xué)家的討論話題。然而，隨著人工智能的出現(xiàn)，這一哲學(xué)問題成為了科學(xué)問題。1956年的達(dá)特茅斯會議被認(rèn)為是人工智能學(xué)科的起點。

在會上，學(xué)者們試圖通過計算機模擬和理解人類智能。他們普遍認(rèn)為，智能來源于大腦或計算系統(tǒng)的內(nèi)部結(jié)構(gòu)與機制，而認(rèn)知和思維可以通過計算、推理和信息處理實現(xiàn)。這種觀點契合笛卡爾的靈魂獨立性理論，被稱為“內(nèi)在主義”。內(nèi)在主義的核心流派是符號主義，主張智能可以通過形式化的符號系統(tǒng)來模擬，通過邏輯推理處理符號來完成復(fù)雜任務(wù)。

盡管內(nèi)在主義在人工智能發(fā)展的初期占據(jù)主流，但也有另一批學(xué)者從不同的角度進(jìn)行實踐。他們關(guān)注機械如何像人一樣感知和行動，理論基礎(chǔ)源于控制論。他們試圖創(chuàng)造依照物理法則運行的“身體”，這逐漸發(fā)展為機器人學(xué)。最初，內(nèi)在主義與控制論是兩條平行發(fā)展的研究領(lǐng)域。內(nèi)在主義專注于“靈魂”，而控制論聚焦于“身體”。

然而，20世紀(jì)80年代，局勢發(fā)生了變化。盡管符號主義在語言理解和專家系統(tǒng)等領(lǐng)域取得了一些突破，但其進(jìn)展開始變得緩慢，許多學(xué)者對符號主義能否實現(xiàn)人工智能產(chǎn)生懷疑。而與此同時，機器人學(xué)的進(jìn)展卻非常顯著。尤其是日本早稻田大學(xué)的研究團隊為機器人安裝攝像頭和傳感器，使其擁有視覺、聽覺和觸覺，并能夠根據(jù)環(huán)境調(diào)整行為。原本只關(guān)注“身體”的研究者，開始讓“身體”擁有“靈魂”的特質(zhì)。

在這樣的背景下，一些學(xué)者開始質(zhì)疑笛卡爾的觀點，轉(zhuǎn)而支持亞里士多德的身心合一論。他們認(rèn)為，智能應(yīng)從靈魂與身體結(jié)合的角度研究。喬治·萊考夫、馬克·約翰遜、洪貝爾托·梅圖拉納、弗朗西斯科·瓦雷拉、羅德尼·布魯克斯和詹姆斯·吉布森等人主張從這一角度重新思考智能問題，“具身智能”由此誕生為一個正式研究領(lǐng)域。

在20世紀(jì)80年代，“具身智能”領(lǐng)域曾經(jīng)風(fēng)光一時。在這一時期，該領(lǐng)域涌現(xiàn)出了一批重要的理論成就。1980年，萊考夫和約翰遜發(fā)表了《我們賴以生存的隱喻》（MetaphorsWeLiveBy），提出了具身認(rèn)知（EmbodiedCog－nition）理論。這一理論強調(diào)，認(rèn)知不僅依賴于大腦，還與身體的感覺和動作密切相關(guān)，從理論層面對內(nèi)在主義提出了挑戰(zhàn)。在此基礎(chǔ)上，吉布森提出了“生態(tài)學(xué)知覺”（EcologicalPerception）理論。他認(rèn)為，感知是個體直接從環(huán)境中提取信息的過程，而不是通過內(nèi)部符號化或推理的間接過程，其本質(zhì)是對環(huán)境的嵌入性。當(dāng)人們感知到環(huán)境后，會根據(jù)“機會場”（Affordances）調(diào)整行為。例如，人們看到一張椅子，就會感知到可以坐的機會，然后再做出坐下的動作。機會場的感知是動態(tài)的，不同環(huán)境下，人們可能從同一事物中感受到不同的機會場，并做出不同的決策。根據(jù)吉布森的理論，行為并非僅由大腦思維驅(qū)動，而是一個由感知發(fā)動、與環(huán)境互動的復(fù)雜過程，身體的參與必不可少。

在實踐領(lǐng)域，具身智能的最大成就是布魯克斯的“行為型機器人”（Behav－ior-basedRobotics）。與符號主義者預(yù)先設(shè)計符號規(guī)則系統(tǒng)以形成決策、控制機器的方式不同，行為型機器人不依賴內(nèi)部符號推理，而是通過感知與運動的行為層次進(jìn)行控制。布魯克斯僅為這些機器人設(shè)置了一些簡單規(guī)則，如“遇到障礙應(yīng)繞行”，這些機器人便能通過與環(huán)境的互動完成許多復(fù)雜任務(wù)。相比當(dāng)時停滯不前的內(nèi)在主義，具身智能領(lǐng)域可謂風(fēng)景獨好，儼然有成為人工智能主流之勢。

然而，具身智能的風(fēng)光并未持續(xù)很久。這主要有兩方面原因。一是當(dāng)時的具身智能過于側(cè)重感知等低級智能行為，而對思維等高級智能活動涉及較少，這對關(guān)注人類思維的人工智能專家來說難以接受。二是受限于當(dāng)時的算力，行為型機器人難以進(jìn)一步完成更復(fù)雜的任務(wù)。在這種情況下，一些機器人專家重新回歸對算力需求較少的符號主義，而另一些專家則轉(zhuǎn)向復(fù)雜推理、規(guī)劃算法和建模技術(shù)，試圖找到新的解決方案。在這一背景下，具身智能技術(shù)路線在20世紀(jì)90年代陷入低谷。

進(jìn)入21世紀(jì)后，受多方面因素推動，具身智能重新成為關(guān)注焦點。首先，認(rèn)知科學(xué)和神經(jīng)科學(xué)的進(jìn)步使人們逐步認(rèn)識到身體與感知、行為之間確實存在著亞里士多德所說的那種密不可分的關(guān)系。尤其是賈科莫·里佐拉提對鏡像神經(jīng)元（mirrorneurons）的研究表明，人們對他人活動的理解和認(rèn)識實際上是通過身體反應(yīng)實現(xiàn)的，這為具身智能理論提供了有力的經(jīng)驗證據(jù)。其次，機器學(xué)習(xí)領(lǐng)域的突破為具身智能提供了許多新工具。深度學(xué)習(xí)（DeepLearning）的發(fā)展讓機器人擁有了更強的“視覺”，可以更好地與環(huán)境互動；強化學(xué)習(xí)則顯著提高了機器人的訓(xùn)練效率。再次，計算能力和硬件技術(shù)的飛躍為具身智能的復(fù)興提供了堅實基礎(chǔ)。處理能力、存儲能力和傳感器技術(shù)的提升，使得實時感知、運動控制和反饋循環(huán)等任務(wù)變得更可行。最后，大量的社會需求也推動了具身智能的發(fā)展。21世紀(jì)以來，人們對生產(chǎn)和生活自動化的要求不斷提升，工業(yè)機器人和無人車等領(lǐng)域備受追捧，而這些領(lǐng)域?qū)θ斯ぶ悄芘c硬件的結(jié)合有著極高的要求，從而進(jìn)一步推動了具身智能的發(fā)展。在上述一系列因素的共同作用下，沉寂十多年的具身智能終于再次成為顯學(xué)。

值得注意的是，這一輪具身智能的興盛與20世紀(jì)80年代那一輪具身智能的風(fēng)光有很大不同。當(dāng)時，具身智能主要作為內(nèi)在主義，尤其是符號主義的反對者而存在，兩者之間是競爭關(guān)系。而這一輪，由于深度學(xué)習(xí)成為內(nèi)在主義主流，同時又成為具身智能的重要基礎(chǔ)，內(nèi)在主義與具身智能之間的壁壘被打破，二者的關(guān)系從沖突轉(zhuǎn)向合作。在實踐層面，二者也實現(xiàn)了“雙向奔赴”。人工智能公司在大模型領(lǐng)域取得突破后，迅速推進(jìn)大模型的多模態(tài)化，讓智能體學(xué)會“看”“聽”“說”；機器人制造商在協(xié)調(diào)機械關(guān)節(jié)和軀體之后，也嘗試將其接入GPT等大模型，使機器人擁有更智能的交互能力。在這種跨領(lǐng)域合作下，具身智能的發(fā)展前景前所未有的廣闊。可以預(yù)見，不久的將來，具身智能體將越來越多地出現(xiàn)在我們的生活中。

具身智能帶來的機遇

盡管生成式人工智能以及由其衍生的AI智能體已經(jīng)在相當(dāng)程度上改變了生產(chǎn)和生活的格局，但與具身智能可能帶來的改變相比，這些仍然顯得微不足道。目前的AI智能體雖然可以實現(xiàn)許多交互功能，但這些交互大多停留在非物理層面。因此，它們與人類的互動始終存在局限性，難以實現(xiàn)自然和直觀的協(xié)作。例如，當(dāng)GPT被用來輔導(dǎo)小孩做數(shù)學(xué)題時，用戶需要先將題目掃描并上傳，然后讀取GPT生成的文字輸出，而無法像老師一樣手把手教導(dǎo)孩子。這種不自然的交互方式在很大程度上削弱了其能力。此外，許多任務(wù)，尤其是與體力相關(guān)的任務(wù)，仍然需要有形的身體來完成。即使GPT能夠詳細(xì)說明如何照料老人，我們也無法指望它承擔(dān)養(yǎng)老職責(zé)。具身智能的興起為解決這些問題帶來了希望。

在智能制造領(lǐng)域，具身智能的價值主要體現(xiàn)在三個方面：

首先，具身智能可以大幅度提升自動化水平。雖然在現(xiàn)階段，自動化流水線已經(jīng)得到了廣泛的應(yīng)用，但它們主要依賴固定的程序和流程，只能執(zhí)行固定任務(wù)，不能根據(jù)環(huán)境變化進(jìn)行實時調(diào)整。以汽車裝配為例，如果傳輸帶上的零件出現(xiàn)了缺陷或者其型號與預(yù)定不符，那么自動化流水線將可能難以處理，甚至因此而發(fā)生事故。相比之下，具身智能作為一個自適應(yīng)系統(tǒng)，則可以較好地處理類似的問題。當(dāng)發(fā)現(xiàn)零件異常時，它們會主動把這些異常零件挑揀出來，以保證流水線的順利進(jìn)行。這樣，整個流水線的故障率就可以大幅降低，其安全性將得到有效的提升。

其次，具身智能可以很好地支持“柔性化生產(chǎn)”（FlexibleManufactur－ing）。所謂“柔性化生產(chǎn)”，通俗來說，就是多品種、小批量的生產(chǎn)方式。隨著消費者需求的多樣化，市場對個性化產(chǎn)品的需求越來越強烈，這就對制造業(yè)企業(yè)的生產(chǎn)柔性化提出了更高的要求。對于這樣的要求，只能執(zhí)行固定任務(wù)的傳統(tǒng)工業(yè)機器人將很難滿足，相比之下，具身智能則可以根據(jù)需要，很快給出對應(yīng)的解決方案?！都~約時報》記者約翰·馬可夫曾對具身智能在“柔性化生產(chǎn)”領(lǐng)域中的應(yīng)用前景做過很多討論。根據(jù)他的描述，“具身智能將實現(xiàn)定制化生產(chǎn)的普及。屆時，無論是個人化汽車，還是定制化手機，機器人都能根據(jù)客戶需求靈活調(diào)節(jié)生產(chǎn)線?！?/p>

再次，具身智能將會實現(xiàn)更高效的人機合作。現(xiàn)在，雖然AI智能體已經(jīng)可以對很多任務(wù)提供建議，但它們并不具有獨立完成任務(wù)的能力。而具身智能則不一樣，在擁有了“身體”之后，它們不僅僅是單獨執(zhí)行任務(wù)的機器，而是與工人協(xié)同工作，發(fā)揮各自的優(yōu)勢。很多專家都對具身智能在人機協(xié)同生產(chǎn)方面的潛力表達(dá)出了樂觀。比如，日本著名機器人專家石黑浩就認(rèn)為，未來工廠將成為人類與機器人密切協(xié)作的場所，機器人通過具身智能與人類工人一起完成生產(chǎn)任務(wù)，發(fā)揮團隊協(xié)作的優(yōu)勢。他在一次TED講座中講道：“具身智能不僅僅是讓機器人完成任務(wù)，它們還將與工人協(xié)作，形成團隊優(yōu)勢，提高整體生產(chǎn)力。通過分工，機器人可以處理重復(fù)性高、危險性大的任務(wù)，而人類工人則專注于創(chuàng)造性和決策性較強的工作。這就能讓生產(chǎn)的效率得到巨大的提升?！?/p>

在數(shù)字服務(wù)領(lǐng)域，具身智能也將帶來顛覆性變化。服務(wù)行業(yè)曾被認(rèn)為是AI智能體難以介入的領(lǐng)域，但這一狀況正在改變。

養(yǎng)老和健康護理是具身智能的重要應(yīng)用場景之一。隨著出生率下降和人均壽命延長，全球老齡化問題日益嚴(yán)峻。照料老年人不僅需要專業(yè)技能，還對體力和精力提出了較高要求，雇傭?qū)I(yè)人士的成本往往超出普通家庭的承受范圍。在北京，雇傭一位全職保姆的工資約在6000元到10000元之間，還需提供食宿。由于成本限制，許多老人只能依賴子女的有限照顧。然而，子女因工作繁忙，能夠陪伴父母的時間極為有限，這使得養(yǎng)老行業(yè)出現(xiàn)了巨大的需求缺口。具身智能可以在一定程度上緩解這一問題。

當(dāng)前，許多機器人公司已經(jīng)開發(fā)出專門的養(yǎng)老機器人，這些機器人能夠提供全天候看護、健康監(jiān)測、情感陪伴和緊急響應(yīng)功能。通過聯(lián)網(wǎng)，它們還能幫助醫(yī)生實時監(jiān)控患者的健康狀況，并在醫(yī)生指導(dǎo)下提供健康服務(wù)。這種技術(shù)能夠分擔(dān)部分養(yǎng)老責(zé)任，未來，隨著技術(shù)的進(jìn)一步發(fā)展，養(yǎng)老機器人將能承擔(dān)更多重體力任務(wù)，成為養(yǎng)老隊伍中的重要力量。

教育培訓(xùn)是另一個重要應(yīng)用場景。知識和技能的傳遞需要師生間的互動，而非簡單的數(shù)據(jù)輸入輸出。盡管AI智能體儲備了海量知識，但其當(dāng)前的交互模式限制了其在教育中的應(yīng)用潛力。成年用戶或許可以通過與ChatGPT對話自學(xué)知識，但對于兒童而言，坐在電腦前通過聊天學(xué)習(xí)的吸引力較低。元宇宙曾被寄予厚望，但由于虛擬現(xiàn)實技術(shù)的發(fā)展受限，交互性不足的問題始終未能得到有效解決。而具身智能的出現(xiàn)為這一領(lǐng)域帶來了新希望。已有的教育機器人能夠通過內(nèi)置的大模型與學(xué)生互動，回答問題并引導(dǎo)學(xué)習(xí)進(jìn)度。實踐證明，學(xué)生對這類機器教師較為接受，互動性良好。隨著技術(shù)的進(jìn)一步改進(jìn)，未來每個家庭可能都能為孩子配備一位機器人教師。

具身智能的潛在應(yīng)用場景極其廣泛，因此其經(jīng)濟潛力備受關(guān)注。麥肯錫估計，到2030年，全球約有4億個崗位將采用自動化機器人，若人形機器人的滲透率達(dá)到20%，以單價15萬元至20萬元計，全球人形機器人市場規(guī)模可達(dá)12萬億元至16萬億元。而人形機器人僅是具身智能的一種形式，若考慮無人車、無人機及其他異形機器人的潛力，市場總值可能高達(dá)數(shù)十萬億元。

具身智能發(fā)展的挑戰(zhàn)

隨著具身智能概念的熱度不斷攀升，越來越多的創(chuàng)業(yè)者投身這一賽道，許多地方政府也競相推出支持政策。這些趨勢固然值得肯定。然而，作為技術(shù)的理性樂觀派，我們在面對這項技術(shù)的火熱發(fā)展時，必須正視其發(fā)展中存在的障礙及可能帶來的問題。

一個顯而易見的挑戰(zhàn)是技術(shù)瓶頸問題。盡管經(jīng)過數(shù)十年的發(fā)展，具身智能領(lǐng)域已積累了較為豐富的技術(shù)儲備，尤其是在吸收深度學(xué)習(xí)和強化學(xué)習(xí)技術(shù)后，許多原本的技術(shù)難關(guān)得到了突破。然而，當(dāng)前仍存在以下關(guān)鍵難點：

一是感知能力的提升尚有不足。盡管視覺、聽覺和觸覺傳感器技術(shù)不斷進(jìn)步，要讓機器人像人類一樣準(zhǔn)確感知復(fù)雜環(huán)境并識別動態(tài)目標(biāo)和環(huán)境變化，仍是一個巨大的技術(shù)挑戰(zhàn)。例如，機器人在處理復(fù)雜的交通場景或社交場景時，可能會出現(xiàn)誤判或反應(yīng)遲鈍。

二是環(huán)境適應(yīng)與學(xué)習(xí)能力的限制。目前，大多數(shù)具身智能系統(tǒng)只能在實驗室或工廠車間等結(jié)構(gòu)化環(huán)境中運行，而在開放、無序的環(huán)境中，機器人仍難以高效適應(yīng)。在復(fù)雜任務(wù)的學(xué)習(xí)能力上，短板更為明顯。

三是多模態(tài)協(xié)同的挑戰(zhàn)。具身智能需要整合視覺、聽覺等多種感知通道，并協(xié)同處理相關(guān)數(shù)據(jù)。雖然多模態(tài)技術(shù)得益于大模型的發(fā)展取得了一定進(jìn)展，但要進(jìn)一步整合空間和行為數(shù)據(jù)，仍面臨算法優(yōu)化和硬件支持的雙重挑戰(zhàn)。在這種情況下，要讓具身智能真正走入家庭，承擔(dān)養(yǎng)老、教育等急需的任務(wù)，恐怕還有很長的路要走。

需要注意的是，技術(shù)與需求之間可能存在“低均衡”問題。在現(xiàn)有技術(shù)條件下，具身智能最有潛力的應(yīng)用場景難以實現(xiàn)，這使消費者對其需求不足，進(jìn)而導(dǎo)致企業(yè)難以獲得改進(jìn)技術(shù)所需的數(shù)據(jù)支持。如果這一循環(huán)得不到突破，具身智能的發(fā)展可能陷入停滯。

另一個重要問題是數(shù)據(jù)隱私與安全問題。與當(dāng)前AI智能體的“虛擬交流”不同，人們與具身智能的互動是面對面的。隨著具身智能在日常生活中的普及，我們的行為數(shù)據(jù)將被智能體記錄，其中可能包括許多敏感信息，如健康數(shù)據(jù)、位置信息和行為習(xí)慣。這對隱私保護提出了更高的要求。此外，具身智能的廣泛應(yīng)用也意味著其系統(tǒng)可能成為攻擊目標(biāo)。惡意軟件或其他方式的攻擊可能影響機器人的判斷和行為，從而帶來物理上的安全隱患。由于具身智能具有實體，其可能造成的傷害比現(xiàn)有AI智能體更為嚴(yán)重。如果這些問題不能妥善解決，具身智能的應(yīng)用和推廣將面臨巨大的阻力。

從社會和倫理角度看，具身智能的普及還涉及一系列深層次的問題。具身智能的普及不僅僅是技術(shù)問題，還涉及社會和倫理層面。

一方面，具身智能可能對勞動力市場造成沖擊。隨著其應(yīng)用范圍的擴大，大量就業(yè)崗位可能因此流失，進(jìn)而引發(fā)失業(yè)和收入分配不均等問題。另一方面，具身智能在決策時需要遵循特定的倫理規(guī)范。例如，在健康護理領(lǐng)域，機器人需要判斷何時干預(yù)或不干預(yù)，而這些決策是否符合倫理標(biāo)準(zhǔn)，以及如何制定規(guī)則確保其行為符合社會道德，仍是重要的挑戰(zhàn)。此外，隨著具身智能逐步融入日常生活，人類與機器之間的關(guān)系也變得更加復(fù)雜。人類是否會對智能體產(chǎn)生依賴，甚至影響社會行為與情感，這些都是需要深入研究的問題。如果這些問題得不到有效回應(yīng)，社會對具身智能的接受度將受到很大影響。

第四是法律與監(jiān)管框架的不完善。目前，全球范圍內(nèi)針對具身智能的法律和監(jiān)管仍處于探索階段。例如，在無人車與機器人的交通事故中，如何歸責(zé)？機器人對個人數(shù)據(jù)的使用應(yīng)如何規(guī)范？這些問題尚無明確答案。這種法律上的空白為行業(yè)發(fā)展帶來了不確定性。

各國目前都在加快對具身智能立法的研究，但如何在實踐與規(guī)范之間取得平衡仍存在爭議。法律是否應(yīng)超前制定以應(yīng)對潛在問題，還是“讓子彈飛一會兒”，也有不同觀點。如何在技術(shù)發(fā)展與規(guī)范之間找到微妙的平衡，仍需進(jìn)一步探討。

總而言之，盡管具身智能展現(xiàn)出了巨大的潛力，其發(fā)展仍面臨諸多障礙。從技術(shù)瓶頸到隱私安全，從社會倫理到法律規(guī)制，要全面擁抱具身智能，仍需要更多的準(zhǔn)備與努力。

?