近些年人工智能（néng）领域已经取得了突飞（fēi）猛进的进（jìn）步，但这些（xiē）进步大都（dōu）集中于数字人工智（zhì）能领域，对于能（néng）和（hé）我们这种（zhǒng）生物体一（yī）样执行（háng）日常任务的实体人工智（zhì）能（néng）（physical artificial intelligence，PAI）来说，进展却相对小得多。

这主要是因为实体人工智（zhì）能涉及复杂（zá）的跨学科研究，而科（kē）研社区目前又非常欠缺能系统（tǒng）性整（zhěng）合这些知识的（de）人才和（hé）技能。

着眼（yǎn）于未（wèi）来几十年（nián）实体人工智能的发展，两（liǎng）位（wèi）学者——瑞士（shì）联（lián）邦材料科学与技（jì）术（shù）的实验室Aslan Miriyev 和伦敦帝国理工学院Mirko Kovač 教授近日在 Nature MachineIntelligence 上发表了一（yī）篇评论文章，不仅定义（yì）了PAI，还提议建立一（yī）套激励实体人工智能跨（kuà）学科研究的（de）技能培训体系（xì），强调教育下一代PAI研究者的重要性。

人们预期，下一代机器人（rén）会像生物体一样（yàng），能够（gòu）在真实世界（jiè）的（de）非结构化环境中自动采取行动，能通过控（kòng）制器自适应和学（xué）习来自我（wǒ）维持，具有（yǒu）应对物理（lǐ）破（pò）坏的韧性，并能与集体系（xì）统进行整合（hé）。

这些未来的机器人将在导航、运输和其（qí）它机械作业中得到应用，这（zhè）需要实（shí）时的决策和适（shì）应能力，其中涉（shè）及到处理（lǐ）从其（qí）「机体（tǐ）」上的传（chuán）感器发送到「大脑」的多种信号的组合。 此外，这（zhè）些机器人还需要具（jù）备（bèi）自我功能（néng）性（xìng）预测能力、自主修复（fù）和自动按需成长能力以及在各（gè）种场景（jǐng）中维持稳态（homeostasis）的（de）能力，这样才能（néng）确保任务性能（task performance）与自我存续（xù）（self-preservation）方面（miàn）的和谐平衡。 为了（le）让机器（qì）人具备如此智能的行为（wéi），需要大（dà）脑结构、机体（tǐ）形态和环境交互之（zhī）间（jiān）的密切（qiē）相互作（zuò）用（yòng）。过去几十年里，基于数据（jù）的数（shù）字（zì）人工智能（néng）迅（xùn）猛发展（zhǎn），计算、算法和认知（zhī）的（de）学习能（néng）力（lì）都增长显著，而（ér）机器人的机体、形态和材料发展却相对落后很多。

本文将介绍数字人工智能的实（shí）体化对应（yīng）版本，即实体人工智能（néng）（PAI），并为（wéi）未（wèi）来的 PAI 研究者的技能教育提出一种方法论。

实体人工智能（PAI）

近几十（shí）年（nián），人类的生活方（fāng）式发生了非常重大的（de）变化，这凸（tū）显了对远程和自动（dòng）化过程的（de）需求。但是（shì），现如今的（de）机器人还不够成熟，还不（bú）足以执行日常任务，比如操控物（wù）体或在不（bú）可预测的复杂环境中移（yí）动。另外，如（rú）今的机器人也还不能足够安全地与（yǔ）人类和（hé）室外环境进行（háng）交互。

大（dà）脑（nǎo）与（yǔ）机体（tǐ）的适当平衡是创造行为更自然和（hé）全集成的（de）智能（néng）机（jī）器人的先决条（tiáo）件。机器人设（shè）计通（tōng）过使用软件已经实（shí）现了相当成功的自动化，但（dàn）设计新材（cái）料（liào）和开发（fā）机器人学方法需（xū）要人类（lèi）参与（yǔ）其中，因（yīn）为这涉及到范围更广的技（jì）能（néng）组合。

举个例子，在新兴（xìng）的软体机器人学领（lǐng）域，为了得到所需的（de）机（jī）器（qì）人功能，仍（réng）旧（jiù）没有与结构设计（jì）和控制（zhì）器设计组（zǔ）合使用（yòng）的材料选取与合成方法。

因此，未（wèi）来（lái）十年内，机器人学领域的一大主要缺（quē）口是：为机（jī）器人机体以及（jí）机体形态与智能控制系统和基于（yú）学习的方法的共同（tóng）进化开发新材料和新结构。为了填补这一（yī）缺口，机器人学社区的一大重要发展（zhǎn）趋势是实现机体、控制、形态、动（dòng）作（zuò）执行和感知（zhī）的（de）协同进化。这里将其称为实体人工智能（néng）（PAI）。

PAI是指能够执行（háng）通常与智能生物体相关的（de）任（rèn）务的实（shí）体系统（tǒng），该领域包含理论和实践。PAI方法论原本就自（zì）带对材（cái）料、设计和生产制造（zào）的考虑。使用PAI开发（fā）的机器人可以利用自身机体（tǐ）的物（wù）理（lǐ）和（hé）计算特（tè）征（zhēng），再加上它们大（dà）脑（nǎo）的计算能力，有望在非（fēi）结构化环境（jìng）中（zhōng）自（zì）动执行任（rèn）务和维持稳态。类似于生物体，PAI机（jī）器人既可以替代数字AI，也能通过连（lián）接大脑来（lái）为数字 AI提（tí）供协同辅（fǔ）助。很多（duō）小型机器（qì）人（计算能力有限的机器人）没有专用（yòng）的中心大脑（nǎo），它们（men）的性能由机体的计算引导。

类（lèi）似于自然（rán）多样性原理（lǐ），PAI合成（synthesis）是指（zhǐ）具有任意（yì）功能、形状、大小和适宜场景（habitat）的（de）机器（qì）人系统，其中尤其（qí）注重（chóng）对（duì）基于化学、生物和材料的功能的整合。因此，PAI与机（jī）体变化方（fāng）法无关，并且有别于具身智能（embodiedintelligence）。PAI 合成（chéng）的要义在于从材（cái）料层（céng）面到形态层面再到机器人系统层面将多种不同的功能特性成功地组合（hé）到（dào）一起。

将PAI和数字人（rén）工智能（néng）组合起（qǐ）来的（de）范（fàn）式是机器人开发（fā）领（lǐng）域最（zuì）突出的领域之一，能（néng）提供无数（shù）研究机会。特别是将实体（tǐ）机（jī）器人和计算机器人（rén）整合为（wéi）单一 PAI 方（fāng）法（fǎ）的研究，这有望（wàng）创造出人（rén）类-机器人共生的生态系统，从而重新定义人类与机（jī）器人的交互（hù）。目前而言，这一（yī）方向上最主要的（de）障碍（ài）是（shì）缺乏开（kāi）发（fā） PAI 的技（jì）能，还没有人（rén）提（tí）出清晰（xī）连贯的教育结构和培训方式。

在（zài）创造（zào）PAI的雄心勃勃的征（zhēng）程中，许多学科都会紧密地交织在一起。其（qí）中主（zhǔ）要有材料（liào）科学、机械工程、计算机（jī）科学、化学和生（shēng）物学（图 2）。要将机器人的范（fàn）式从组装的（de）硬件设备转（zhuǎn）换成PAI组成的机器人，需要将这些（xiē）学科领域的技能（néng）组合到一起（qǐ）。

推动PAI技能发展

作者设（shè）想，为了掌（zhǎng）握（wò）多学（xué）科的 PAI 技能，需要一种（zhǒng）系统性的教育方法，而且（qiě）机构层面和社区层面都要有。作者（zhě）也（yě）为（wéi）这套潜在方法提出（chū）了一些建议（yì），其中包括营造良（liáng）好的机构和社区氛围来发展学生的技能并为导师（shī）提（tí）供支持。接（jiē）下来可以提出多层级（jí）的方（fāng）法论，以在（zài）当前的高等（děng）教育计划中实施PAI 培训。作（zuò）者提议该方（fāng）法论需包（bāo）含以下三大组成部分：（1）机（jī）构（gòu）支（zhī）持；（2）理解跨学科（kē）研究的复杂性和挑战性；（3）创造认可和传（chuán）播（bō）研（yán）究成果（guǒ）的（de）场（chǎng）所（suǒ）。

首先，如果要为PAI技能培（péi）训打下坚实的基（jī）础，机构层面的支（zhī）持（chí）是至关重要的。作者认（rèn）为，在机（jī）构层（céng）面上，主要努（nǔ）力方向是显式地（dì）鼓励不同科系和学院的研究者积极合作研究PAI。共（gòng）同研究PAI的机构集（jí）群（qún）可以创（chuàng）造一个教育平台，比（bǐ）如提（tí）供多学（xué）科（kē）选修课程和实验室培训（xùn），并允许内部科（kē）研合作和互相使用设备（bèi）。其重点在于，正常运作的机构集群能确（què）保在选择正确（què）的技（jì）能（néng）组合时提供专业的指导，从而适应每位学生的（de）兴（xìng）趣范围和研究需（xū）求。这种（zhǒng）方（fāng）法也能促进（jìn）不（bú）同（tóng）机构中心之间的外部合作，并推（tuī）进国内和国际的交流与课外活（huó）动。

由于PAI本质上是跨学科（kē）研究，因此相关研究成（chéng）果的受众范（fàn）围更广，有发表在更高（gāo）影响力期刊上的潜力。但是，由于（yú）多学科研（yán）究涉及到广泛的专业知识（shí），风险会更高，情况也会更复杂。多学科之间和之中的研究工作（zuò）需（xū）要有走出舒适区的勇气，去（qù）面（miàn）对自（zì）己并（bìng）不熟悉专业术语（yǔ）和人际网络，而（ér）且还必需（xū）持续不断的学习以及坚持不（bú）懈的（de）内在动力。此（cǐ）外，职（zhí）业发展步骤也（yě）需要鼓（gǔ）励和奖励跨学科研究工作。举个例（lì）子，现如今（jīn）雇（gù）佣（yòng）教（jiāo）职人员时，往往会根据范围狭窄的特定（dìng）目标领（lǐng）域执（zhí）行，而不会从多学科（kē）角度（dù）考（kǎo）虑（lǜ）。通过雇（gù）佣在串（chuàn）联PAI相关（guān）学科方面有专（zhuān）长的教职（zhí）人员并提供合适的机构支持，能为（wéi）跨学科PAI研究提供至关（guān）重要的激励。这些步（bù）骤能直（zhí）接推（tuī）进（jìn）PAI研究，同时还能通过高影响力（lì）的成果发布、专利和吸（xī）引的投资（zī）为机构的声（shēng）誉带（dài）来许（xǔ）多（duō）倍的回报。

此（cǐ）外，创造认可和传播（bō）多（duō）学科（kē）研究的场所也非常（cháng）重要。如（rú）果将 PAI 研究划分到传（chuán）统的科（kē）研社（shè）区，比（bǐ）如材料科学、力学（xué）、有机化学等，则可（kě）能（néng）收窄一（yī）个科学（xué）问题的展示空间（jiān），即（jí）只（zhī）能展（zhǎn）示该特定社（shè）区（qū）能（néng）够理解（jiě）的部分。这（zhè）种方式缺乏整体视野，也不能（néng）理解该（gāi）问题的整（zhěng）体复杂性。尤其是机器人学和人工智能领域，需要一（yī）种更（gèng）广泛的多学（xué）科认证模式，并且要使（shǐ）其（qí）注重学（xué）科（kē）和专业知识之间（jiān）的复（fù）杂交互关系（xì）。作者提（tí）出创建和（hé）支（zhī）持以 PAI 的复杂多学科挑战为目标的（de）研究者社区、会议和期刊。他们也建（jiàn）议（yì）通过不同学科共同组织设立（lì）竞争性（xìng）的奖学金（jīn）、奖励和奖（jiǎng）金，以支持社区（qū）层面（miàn）的参（cān）与。

在这篇文章中，作者提出通过创造 PAI 来（lái）研发用于共（gòng）生式人类-机（jī）器人生（shēng）态系统（tǒng）的（de）机器人，进而引（yǐn）领未来数十年（nián）的机器人研究。目前而言（yán），社（shè）区还缺乏创（chuàng）造PAI所（suǒ）需的多学科技能，而（ér）大多数机构仍还（hái）没有为这一挑（tiāo）战性的（de）多学科研究（jiū）方向建立基（jī）础设施。作者提（tí）出了（le）几（jǐ）点推（tuī）进PAI技能教育的（de）途径：通过创建激励性的机构和社（shè）区环境来同时培训学生的（de）多（duō）学科（kē）技能（néng）和支（zhī）持导师（shī）的活动。需要说明，本文的目标是强调教（jiāo）育下一代PAI研究者的重要性，而（ér）不是给（gěi）出详细确切的最终行动纲领。希望科学和研究社（shè）区能就这一主题（tí）展开更（gèng）广泛的讨论（lùn），互相交流不同的意见（jiàn）和方法。