實體人工智能將是機器人領(lǐng)域未來十年最具潛力的領(lǐng)域

近些年人工智能領(lǐng)域已經(jīng)取得了突飛猛進的進步，但這些進步大都集中于數(shù)字人工智能領(lǐng)域，對于能和我們這種生物體一樣執(zhí)行日常任務(wù)的實體人工智能（physical artificial intelligence，PAI）來說，進展卻相對小得多。

這主要是因為實體人工智能涉及復(fù)雜的跨學(xué)科研究，而科研社區(qū)目前又非常欠缺能系統(tǒng)性整合這些知識的人才和技能。

著眼于未來幾十年實體人工智能的發(fā)展，兩位學(xué)者——瑞士聯(lián)邦材料科學(xué)與技術(shù)的實驗室Aslan Miriyev 和倫敦帝國理工學(xué)院Mirko Kova? 教授近日在 Nature MachineIntelligence 上發(fā)表了一篇評論文章，不僅定義了PAI，還提議建立一套激勵實體人工智能跨學(xué)科研究的技能培訓(xùn)體系，強調(diào)教育下一代 PAI 研究者的重要性。

人們預(yù)期，下一代機器人會像生物體一樣，能夠在真實世界的非結(jié)構(gòu)化環(huán)境中自動采取行動，能通過控制器自適應(yīng)和學(xué)習(xí)來自我維持，具有應(yīng)對物理破壞的韌性，并能與集體系統(tǒng)進行整合。

這些未來的機器人將在導(dǎo)航、運輸和其它機械作業(yè)中得到應(yīng)用，這需要實時的決策和適應(yīng)能力，其中涉及到處理從其「機體」上的傳感器發(fā)送到「大腦」的多種信號的組合。

此外，這些機器人還需要具備自我功能性預(yù)測能力、自主修復(fù)和自動按需成長能力以及在各種場景中維持穩(wěn)態(tài)（homeostasis）的能力，這樣才能確保任務(wù)性能（task performance）與自我存續(xù)（self-preservation）方面的和諧平衡。

為了讓機器人具備如此智能的行為，需要大腦結(jié)構(gòu)、機體形態(tài)和環(huán)境交互之間的密切相互作用。過去幾十年里，基于數(shù)據(jù)的數(shù)字人工智能迅猛發(fā)展，計算、算法和認知的學(xué)習(xí)能力都增長顯著，而機器人的機體、形態(tài)和材料發(fā)展卻相對落后很多。

本文將介紹數(shù)字人工智能的實體化對應(yīng)版本，即實體人工智能（PAI），并為未來的 PAI 研究者的技能教育提出一種方法論。

實體人工智能（PAI）

近幾十年，人類的生活方式發(fā)生了非常重大的變化，這凸顯了對遠程和自動化過程的需求。但是，現(xiàn)如今的機器人還不夠成熟，還不足以執(zhí)行日常任務(wù)，比如操控物體或在不可預(yù)測的復(fù)雜環(huán)境中移動。另外，如今的機器人也還不能足夠安全地與人類和室外環(huán)境進行交互。

大腦與機體的適當平衡是創(chuàng)造行為更自然和全集成的智能機器人的先決條件。機器人設(shè)計通過使用軟件已經(jīng)實現(xiàn)了相當成功的自動化，但設(shè)計新材料和開發(fā)機器人學(xué)方法需要人類參與其中，因為這涉及到范圍更廣的技能組合。

舉個例子，在新興的軟體機器人學(xué)領(lǐng)域，為了得到所需的機器人功能，仍舊沒有與結(jié)構(gòu)設(shè)計和控制器設(shè)計組合使用的材料選取與合成方法。

因此，未來十年內(nèi)，機器人學(xué)領(lǐng)域的一大主要缺口是：為機器人機體以及機體形態(tài)與智能控制系統(tǒng)和基于學(xué)習(xí)的方法的共同進化開發(fā)新材料和新結(jié)構(gòu)。為了填補這一缺口，機器人學(xué)社區(qū)的一大重要發(fā)展趨勢是實現(xiàn)機體、控制、形態(tài)、動作執(zhí)行和感知的協(xié)同進化。這里將其稱為實體人工智能（PAI）。

PAI 是指能夠執(zhí)行通常與智能生物體相關(guān)的任務(wù)的實體系統(tǒng)，該領(lǐng)域包含理論和實踐。PAI 方法論原本就自帶對材料、設(shè)計和生產(chǎn)制造的考慮。使用 PAI 開發(fā)的機器人可以利用自身機體的物理和計算特征，再加上它們大腦的計算能力，有望在非結(jié)構(gòu)化環(huán)境中自動執(zhí)行任務(wù)和維持穩(wěn)態(tài)。類似于生物體，PAI 機器人既可以替代數(shù)字 AI，也能通過連接大腦來為數(shù)字 AI 提供協(xié)同輔助。很多小型機器人（計算能力有限的機器人）沒有專用的中心大腦，它們的性能由機體的計算引導(dǎo)。

類似于自然多樣性原理，PAI 合成（synthesis）是指具有任意功能、形狀、大小和適宜場景（habitat）的機器人系統(tǒng)，其中尤其注重對基于化學(xué)、生物和材料的功能的整合。因此，PAI與機體變化方法無關(guān)，并且有別于具身智能（embodiedintelligence）。PAI 合成的要義在于從材料層面到形態(tài)層面再到機器人系統(tǒng)層面將多種不同的功能特性成功地組合到一起。

將 PAI 和數(shù)字人工智能組合起來的范式是機器人開發(fā)領(lǐng)域最突出的領(lǐng)域之一，能提供無數(shù)研究機會。特別是將實體機器人和計算機器人整合為單一 PAI 方法的研究，這有望創(chuàng)造出人類-機器人共生的生態(tài)系統(tǒng)，從而重新定義人類與機器人的交互。目前而言，這一方向上最主要的障礙是缺乏開發(fā) PAI 的技能，還沒有人提出清晰連貫的教育結(jié)構(gòu)和培訓(xùn)方式。

在創(chuàng)造 PAI 的雄心勃勃的征程中，許多學(xué)科都會緊密地交織在一起。其中主要有材料科學(xué)、機械工程、計算機科學(xué)、化學(xué)和生物學(xué)。要將機器人的范式從組裝的硬件設(shè)備轉(zhuǎn)換成 PAI 組成的機器人，需要將這些學(xué)科領(lǐng)域的技能組合到一起。

給出的每個學(xué)科都包含大量且多樣的所需技能，甚至還有更多沒囊括進來。但是，對現(xiàn)如今的單個個人而言，范圍如此之廣的技能樹很難點滿，而且也還沒有培訓(xùn)這些技能的系統(tǒng)性教育方法。

推動 PAI 技能發(fā)展

作者設(shè)想，為了掌握多學(xué)科的 PAI 技能，需要一種系統(tǒng)性的教育方法，而且機構(gòu)層面和社區(qū)層面都要有。作者也為這套潛在方法提出了一些建議，其中包括營造良好的機構(gòu)和社區(qū)氛圍來發(fā)展學(xué)生的技能并為導(dǎo)師提供支持。

接下來可以提出多層級的方法論，以在當前的高等教育計劃中實施PAI 培訓(xùn)。作者提議該方法論需包含以下三大組成部分：（1）機構(gòu)支持；（2）理解跨學(xué)科研究的復(fù)雜性和挑戰(zhàn)性；（3）創(chuàng)造認可和傳播研究成果的場所。

首先，如果要為 PAI 技能培訓(xùn)打下堅實的基礎(chǔ)，機構(gòu)層面的支持是至關(guān)重要的。作者認為，在機構(gòu)層面上，主要努力方向是顯式地鼓勵不同科系和學(xué)院的研究者積極合作研究 PAI。共同研究 PAI 的機構(gòu)集群可以創(chuàng)造一個教育平臺，比如提供多學(xué)科選修課程和實驗室培訓(xùn)，并允許內(nèi)部科研合作和互相使用設(shè)備。其重點在于，正常運作的機構(gòu)集群能確保在選擇正確的技能組合時提供專業(yè)的指導(dǎo)，從而適應(yīng)每位學(xué)生的興趣范圍和研究需求。這種方法也能促進不同機構(gòu)中心之間的外部合作，并推進國內(nèi)和國際的交流與課外活動。

由于 PAI 本質(zhì)上是跨學(xué)科研究，因此相關(guān)研究成果的受眾范圍更廣，有發(fā)表在更高影響力期刊上的潛力。但是，由于多學(xué)科研究涉及到廣泛的專業(yè)知識，風(fēng)險會更高，情況也會更復(fù)雜。多學(xué)科之間和之中的研究工作需要有走出舒適區(qū)的勇氣，去面對自己并不熟悉專業(yè)術(shù)語和人際網(wǎng)絡(luò)，而且還必需持續(xù)不斷的學(xué)習(xí)以及堅持不懈的內(nèi)在動力。此外，職業(yè)發(fā)展步驟也需要鼓勵和獎勵跨學(xué)科研究工作。舉個例子，現(xiàn)如今雇傭教職人員時，往往會根據(jù)范圍狹窄的特定目標領(lǐng)域執(zhí)行，而不會從多學(xué)科角度考慮。通過雇傭在串聯(lián) PAI 相關(guān)學(xué)科方面有專長的教職人員并提供合適的機構(gòu)支持，能為跨學(xué)科 PAI 研究提供至關(guān)重要的激勵。這些步驟能直接推進 PAI 研究，同時還能通過高影響力的成果發(fā)布、專利和吸引的投資為機構(gòu)的聲譽帶來許多倍的回報。

此外，創(chuàng)造認可和傳播多學(xué)科研究的場所也非常重要。如果將 PAI 研究劃分到傳統(tǒng)的科研社區(qū)，比如材料科學(xué)、力學(xué)、有機化學(xué)等，則可能收窄一個科學(xué)問題的展示空間，即只能展示該特定社區(qū)能夠理解的部分。這種方式缺乏整體視野，也不能理解該問題的整體復(fù)雜性。尤其是機器人學(xué)和人工智能領(lǐng)域，需要一種更廣泛的多學(xué)科認證模式，并且要使其注重學(xué)科和專業(yè)知識之間的復(fù)雜交互關(guān)系。作者提出創(chuàng)建和支持以 PAI 的復(fù)雜多學(xué)科挑戰(zhàn)為目標的研究者社區(qū)、會議和期刊。他們也建議通過不同學(xué)科共同組織設(shè)立競爭性的獎學(xué)金、獎勵和獎金，以支持社區(qū)層面的參與。

總結(jié)

在這篇文章中，作者提出通過創(chuàng)造 PAI 來研發(fā)用于共生式人類-機器人生態(tài)系統(tǒng)的機器人，進而引領(lǐng)未來數(shù)十年的機器人研究。目前而言，社區(qū)還缺乏創(chuàng)造PAI 所需的多學(xué)科技能，而大多數(shù)機構(gòu)仍還沒有為這一挑戰(zhàn)性的多學(xué)科研究方向建立基礎(chǔ)設(shè)施。作者提出了幾點推進PAI 技能教育的途徑：通過創(chuàng)建激勵性的機構(gòu)和社區(qū)環(huán)境來同時培訓(xùn)學(xué)生的多學(xué)科技能和支持導(dǎo)師的活動。需要說明，本文的目標是強調(diào)教育下一代 PAI 研究者的重要性，而不是給出詳細確切的最終行動綱領(lǐng)。希望科學(xué)和研究社區(qū)能就這一主題展開更廣泛的討論，互相交流不同的意見和方法。
責(zé)任編輯:tzh