具身智能，会让AI“替代”人类吗？

AI

在可预见的未来，具身智能的机器人将会替代人类从事家务劳动，甚至更复杂的劳动。图/AI生成

具身智能已经成为技术发展的前沿。

它不仅仅是机器人技术的一个分支，

更是人工智能领域的一次革命。

“本来想让AI帮我们洗碗扫地，我们就有空去写诗画画。现在AI开始写诗画画了，而我们还在洗碗扫地。”

这个段子令不少人产生了共鸣。在2022年底大语言模型火爆后不久，很多人开始思考，人工智能的方向是不是错了。一年多以来，全球范围内大语言模型如雨后春笋般冒出来，AI和人的交互越来越顺畅，它们在写作、绘画、作曲、做视频等艺术创作领域的本领也飞速增强。可是，新鲜劲儿过去之后，我们发现，AI帮助人类减轻繁重工作的愿望并未实现，很多人开始失望，并怀疑AI发展的能力。

有这种怀疑只能说是只知其一不知其二——大语言模型固然出人意料地“理解”了人类的语言和艺术，但这只是第一步，要想让它们能够像科幻电影中那样在各方面成为人类的助手，甚至完全替代人类从事人类不愿意从事的工作，还需要借助具身智能。

什么是具身智能？

具身智能（Embodied Artificial Intelligence），顾名思义，就是拥有“身体”的智能体，简单来说，就是让机器人或者其他机器设备能够像人类一样在真实世界中行动和学习的技术。

它不仅仅是让机器“思考”，更重要的是让机器“行动”。具身智能的机器人可以通过摄像头、传感器等设备来感知周围的环境，然后根据这些信息来做出决策和动作。想象一下，一个有具身智能的机器人可以自己走路去厨房拿东西，或者在复杂的环境中找到路，甚至可以学习新的技能，比如打扫房间或者做简单的家务。这种智能让机器人能够更好地理解和适应它们所处的物理世界，从而完成更多种类的任务。

自动驾驶汽车是一个展示具身智能潜力的领域。通过集成先进的传感器和计算平台，自动驾驶汽车如特斯拉能够实时感知道路状况，预测其他车辆和行人的行为，从而做出快速而准确的驾驶决策。在虚拟现实（VR）领域，具身智能提供了更加沉浸式的体验。通过使用具身智能技术，用户可以在虚拟环境中以更自然的方式进行交互，如Oculus Rift、HTC Vive以及苹果的Vision Pro等VR设备，它们通过追踪用户的动作和视线，使得虚拟世界的互动更加真实。

智能汽车也是具身智能的一种，其通过传感器和真实世界互动，最终将会理解真实世界。图/AI生成

在医疗保健领域，具身智能正在改变传统的医疗流程。例如，达·芬奇手术机器人（Da Vinci Surgical System）允许医生进行更精细和控制性更强的手术操作。此外，具身智能也被用于康复训练中，帮助患者恢复运动能力。教育领域也开始利用具身智能来提供更加个性化的学习体验。

智能教育机器人能够与学生进行互动，根据学生的学习进度和反应来调整教学内容和方式，使学习变得更加有趣和有效。

当然，具身智能最典型、最直观的应用领域仍然是机器人。波士顿动力研发的四足机器人Spot，就是一个典型的具身智能应用案例。Spot能够在各种地形中稳定行走，通过其传感器和摄像头来感知环境，甚至能够在人类无法进入的危险区域进行勘探和数据收集。近期，机器人公司Figure发布的机器人Figure 01是一款让人惊艳的具身智能体，让我们看到了未来具身智能的形态。

Figure是一家创立于2022年的机器人公司，由OpenAI领投，总部位于美国加州桑尼维尔。Figure 01的开发利用了OpenAI的大型多模态模型，这使得机器人能够理解图像和文本，在处理整个“对话历史”包括过去的图像后做出语言回应。这些回应通过文本转语音技术最终传递给人类。

在这家公司发布的演示视频中我们可以看到，Figure 01能够与人流畅对话、完成指令、回答问题并推理下一步的行动。OpenAI的模型为其提供了高级视觉和语言智能，而Figure的神经网络则赋予它快速、低层次、灵巧的机器人动作。这标志着人形机器人技术迈向了新的里程碑。

机器人Figure 01与人类、周围世界的互动让人惊艳。

说到这里，我们再谈一谈汽车和智能驾驶。和国内汽车厂商不同的是，特斯拉一直坚持纯视觉智能驾驶方案，坚决不用激光雷达等设备，这在很多人看来是为了节省成本当然这是一个方面，但更重要的是，特斯拉创始人马斯克看到了未来人工智能的发展方向，即像人一样可以理解物理世界。而现在，多模态、大模型已经证实了马斯克的观点是没问题的，其最新的端到端FSD（全自动驾驶）版本进一步证实了其观点。

当今世界，具身智能已经成为技术发展的前沿。它不仅是机器人技术的一个分支，更是人工智能领域的一次革命。具身智能的核心在于创建能够与物理世界互动的智能体，这些智能体通过感知、学习和适应环境来执行任务，从而实现更加自然和高效的人机交互。

“艺术创作”是人工智能了解世界的第一步

在此轮人工智能爆发之前，没人想到ChatGPT写诗、MidJourney作画、Sora生成视频、Suno作曲会如此惊艳。此前，人们普遍认为，思想和艺术是人类智慧王冠上的宝石，人工智能可能永远都无法“摘取”这颗宝石，人工智能应该先学会比较简单的“体力劳动”。可回头再看，当前人工智能先学会艺术几乎是一种必然。

艺术创造的过程，虽然在表面看来充满了灵感和创意，但其背后却蕴藏着一种可以被人工智能所理解和模拟的模式和规律。以写诗为例，虽然每首诗都有其独特的情感和意境，但诗歌的创作却遵循着一定的韵律、格律和修辞手法。这些规律是可以通过数据分析和模式识别来学习和模拟的，而人工智能正好擅长这种类型的任务。

同样，作画、生成视频和作曲等艺术形式也都有其内在的逻辑和规律。人工智能通过大量的数据训练，可以逐渐掌握这些规律，并生成高质量的艺术作品。这并不是说人工智能已经拥有了人类的创造力，而是说它可以通过模拟和复制人类的创造过程，来生成作品。

当AI可以写作、创作艺术作品后，就具备了和人类交流的能力，或者说在某种程度上可以“理解”人类了。这时，让AI和汽车、机器人等设备结合，就可以让“他们”进一步理解真实的物理世界，形成具身智能。这里，我们要了解一个概念——世界模型。

世界模型是人工智能领域中的一个重要概念，它指的是一种能够描述和模拟真实世界运行规律的数学模型，是机器或智能体对其所处环境的内部表示。世界模型可以是多模态的，涵盖视觉、听觉、触觉等感知信息，包含了对环境的感知、状态、物体、关系和规则的知识，可以帮助机器理解环境并作出决策。通过构建世界模型，人工智能可以更加深入地理解现实世界，从而更好地完成各种任务。

在具身智能的发展中，世界模型扮演着至关重要的角色。具身智能任务涉及与环境的大量交互，例如机器人在复杂场景中导航、抓取物体、执行操作等。世界模型在具体任务的执行中起到关键作用，帮助机器人理解环境反馈并做出决策。

它能够将AI的感知、认知和行动能力相结合，使 AI能够真正地融入现实世界中去。具身智能需要一个良好的世界模型作为基础。机器人或智能体必须理解环境的结构、物体的属性以及规则，以便有效地执行任务。世界模型为具身智能提供了环境的背景知识，帮助机器人规划和执行任务。

可以说，世界模型和具身智能之间是紧密相连的。世界模型为具身智能提供了环境的知识，而具身智能则通过感知和行动来适应环境并完成任务。

随着AI技术的不断进步，可以预见，未来的世界模型将越来越精确和复杂。它将不仅仅是一个数学模型，而是一个包含多种信息、可以动态更新和调整的生态系统。这个生态系统将能够模拟人类社会的各个方面，包括经济、政治、文化等等，从而为AI提供更加全面和深入的理解。

在这个基础上，AI将能够扮演更加重要的角色，不仅在艺术创作、文学创作等领域大放异彩，更能够在交通、医疗、教育等实际生活中发挥重要作用。它们将不再是简单的工具或者机器，而是成为人类生活中不可或缺的一部分，与我们一起共同创造未来。

具身智能和AI意识觉醒

总结来说，具身智能具有三个核心要素，即具身性、感知和行动。

所谓具身性，就是智能体必须拥有一个物理实体，能够与环境进行交互；感知则要求智能体能够感知环境中的信息，包括视觉、听觉、触觉等；行动就是智能体能够根据感知到的信息，采取相应的行动。相比传统的虚拟智能，具身智能具有更强的学习能力、更强的适应能力和更强的泛化能力——具身智能体学习到的知识能够更好地泛化到新的环境中。

可以这样理解，当前流行的大模型只是人工智能的初始阶段，具身智能才是人工智能的下半场。在具身智能的加持下，未来的人工智能不仅可以帮我们做家务，更能够代替大部分的人类工作，而这也让无数人对人类的未来充满担忧。比人工智能取代人类工作更让人担忧的是，未来的人工智能是否会产生意识？

一直以来，人们并不认为人工智能具有意识——现在大语言模型看上去很聪明，但只是在玩猜字游戏，并不是真的明白自己在说什么。确实，现在的大语言模型并不具备意识，它们的聪明只是概率和计算的结果。那么，未来当它们具有身体之后呢？

千百年来，人们对什么是人类意识争论不休，哪怕在今天，科学家、哲学家也没能就“人类意识的本质”达成一致。但有一点是被几乎所有科学家和哲学家所认同的，那就是，意识包含人类对自我存在的感知。这种对自我存在的感知，主要来自身体和周围环境的互动。如果说大脑是人类意识的软件基础，身体就是人类意识的硬件基础。

当人工智能拥有了身体，并且和世界充分互动之后，它们会不会产生意识呢？如果它们有了意识之后，对人类意味着什么？如果AI系统拥有了意识，它们可能会产生自己的意愿和目标，不再完全受人类的控制。这可能会引发一些伦理和道德问题，例如，AI系统是否应该拥有权利？它们是否应该对人类负责？如果AI系统的目标与人类的目标发生冲突，我们应该如何平衡和协调？

这些问题值得我们进行深入思考和探讨。我们需要确保它们的发展符合人类的价值观和利益，AI公司做的“对齐”工作就是在解决这个问题。同时，我们也需要加强人工智能的安全性和可靠性，防止它们被恶意利用或产生不可控的风险。

人工智能的发展是一个复杂而漫长的过程，它需要我们不断地探索和创新。在这个过程中，我们需要保持开放的心态和谨慎的态度，既充分利用人工智能的优势，又注意防范潜在的风险和挑战。只有这样，我们才能真正实现人工智能的可持续发展，为人类创造更加美好的未来。

（文章来源：《创意世界》2024年5月号）

编校：苑宝平，审读：郭丽

/ / / / /

/ / / / /

/ /

/ / / / /

/ / / /