“具身智能”版AI與人類最合拍

來源標題：“具身智能”版AI與人類最合拍

2025年國務院政府工作報告提出，將建未來產業(yè)投入增長機制，培育生物制造、量子科技、具身智能、6G等未來產業(yè)。其中，首次寫入政府工作報告的具身智能，成為科技界的熱詞。目前，包括北京在內的全國多地都已開始布局具身智能等人工智能(AI)技術產業(yè)發(fā)展。

雖有ChatGPT、DeepSeek珠玉在前，但人們對人工智能的需求已不滿足于這類大語言模型，而是希望研發(fā)和使用擁有具身智能的人工智能，這將是未來極具潛力的重要發(fā)展方向。

仿生人是具身智能的核心

其實，具身智能的概念早已有之，只不過當時未能實現。1945年，法國哲學家莫里斯·梅洛-蓬蒂提出了“具身性”概念，指出人是通過身體與周圍環(huán)境進行互動和感知，進而理解世界。在此基礎上，被譽為“AI之父”的英國科學家圖靈1950年在其論文《計算機器與智能》中首次提出具身智能(EmbodiedIntelligence)這一概念。

中國計算機學會給具身智能下的定義是，一種基于物理身體進行感知和行動的智能系統(tǒng)，能通過智能體與環(huán)境的交互獲取信息、理解問題、做出決策并實現行動，從而產生智能行為和適應性。2024世界機器人大會發(fā)布《人形機器人十大趨勢展望》，提出具身智能是可以在重大變化下做出迅猛、精準反應的高質量、高性能智能系統(tǒng)。它既不是單純虛擬環(huán)境下的計算機仿真，也不是完全偏于物理空間的機電系統(tǒng)，而是與人形機器人系統(tǒng)緊密相關。

在現實中，人們最希望研發(fā)的是擁有具身智能的人形機器人，也就是讓人工智能融入機器，讓機器像人一樣感知、學習和與環(huán)境動態(tài)交互，并擇機行動。

人工智能有弱人工智能、強人工智能和超人工智能，具身智能屬于強人工智能，是人們最能接受也最適合人的人工智能。因為具身智能可以具有像人一樣的智能，能與人、生物、環(huán)境互動，可以學習并采取自主行動，但不會超越人，比起超人工智能而言，是令人放心的存在。這就注定了具身智能是人類下一步會選擇的最理想的人工智能。

像人一樣的具身智能，需具備像人一樣的感官系統(tǒng)、大腦神經系統(tǒng)和骨骼肌肉運動系統(tǒng)，這其實就是仿生人。人的感官是眼耳鼻舌身(皮膚)，負責接收外部世界的各種信息。人腦在接收信息后，通過大腦自主學習、思考、規(guī)劃，并做出決策。同時，大腦和小腦也負責運動控制，從行走到跑跳，以及從簡單抓取到復雜的手部動作等。

以擁有具身智能的人形機器人為例，它需要有接收感應的裝置，主要是攝像頭、紅外線、雷達等，其大腦就是芯片處理器和軟件系統(tǒng)，能接收攝像頭、紅外線等所傳遞的外部環(huán)境各種信息，進行分析和決策，并支配四肢和軀體動作，最后像人一樣運動和完成工作。因此，人形機器人可以在多個領域大顯身手，如應用于智能制造、智能家居、智慧醫(yī)療、智能服務、智能交通等方面。

無人駕駛具身智能已初步成熟

比較能體現和發(fā)展具身智能的領域是無人駕駛。現在，全球都在研發(fā)和嘗試運營無人駕駛，中國的武漢已經有1萬多輛無人駕駛汽車在大街小巷穿行，北京也在試運營無人駕駛汽車。

無人駕駛就像人工駕駛一樣，需要感知、決策和執(zhí)行。無人駕駛汽車通過攝像頭、雷達和地圖等手段感知周圍障礙物和道路的信息;然后，決定走什么路徑，采用什么車速;最后，將決策轉化成剎車、油門和轉向信號，控制車輛按照預期目標行駛。具體來說，無人駕駛汽車需要對所獲得的周圍環(huán)境數據進行處理和融合，生成對環(huán)境的準確表示。在了解周圍環(huán)境和自身位置的基礎上，無人駕駛汽車的控制系統(tǒng)會生成相應的控制指令(如加速、減速、轉向、剎車等)，再通過車輛的各種執(zhí)行器(如油門、剎車、轉向系統(tǒng)等)予以實施，就如同人在駕駛車輛一樣。

無人駕駛汽車的控制系統(tǒng)無論是裝在車上還是裝在人形機器人駕駛員的大腦內，想要行使功能，都需要擁有具身智能，這一智能是由人使用世界模型(WorldModel)來教會的。世界模型是人工智能算法模型的一種新概念，旨在模仿人類和動物，通過觀察與交互來學習關于世界運作方式的知識。

簡單總結一下，無人駕駛的具身智能主要體現在感受和執(zhí)行世界模型這兩方面。一方面，感受由傳感和感知構成，傳感獲得的是傳感器的原始數據(如圖片)，而感知是對從攝像頭、雷達傳來的信息進行認知處理(如圖片內容是人還是動物、是否在運動)。另一方面，各類傳感器經由算法處理后得到的障礙物、車道等信息往往存在矛盾，比如，雷達看到前方有一個障礙物而攝像頭認為沒有，這時就需要增加融合模塊來綜合分析，對矛盾的信息作進一步的融合與預測，也就是采用世界模型來處理。世界模型的核心職責就是通過融合來理解當下環(huán)境要素的屬性和關系，并配合先驗的規(guī)律做出預測和判斷，然后發(fā)出指令，這個時間跨度可以從幾毫秒到幾小時。

現在，無人駕駛的具身智能已經初步成熟。就中國而言，無人駕駛技術水平已進入世界第一梯隊，且擁有約43%的全球自動駕駛發(fā)明專利。但從世界上這一領域的總體發(fā)展情況來看，無人駕駛汽車的具身智能還需要極大提升。

2024年6月，《自然-通訊》發(fā)表的一篇論文對真實世界中無人駕駛汽車的安全性進行了全面分析。對2016年至2022年間2100個配備有高級自動駕駛系統(tǒng)和高級輔助駕駛系統(tǒng)的車輛，以及35133輛人類駕駛車輛的事故數據(主要來自美國加州)進行了對比，結果顯示，在大多數場景下無人駕駛汽車導致的事故比人類駕駛汽車更少。但是，在特定情境下無人駕駛汽車似乎更易發(fā)生事故，如晨昏弱光環(huán)境下和轉彎時，事故率分別是人類駕駛的5.25倍和1.98倍。

手術機器人“巧手”突破人類極限

前段時間人們津津樂道的AI+醫(yī)生只是人工智能應用于醫(yī)療的初級階段，它是一種診斷軟件，可以幫助醫(yī)生會診和提出治療方案。到了中高級階段，擁有具身智能的人形機器人可以做到問診患者甚至實施手術，其手部的靈巧性、精確性將更勝一籌。

早已進入一些國家臨床醫(yī)療的達芬奇手術機器人具有“少量”的具身智能，畢竟它還需要外科醫(yī)生來操作。

達芬奇手術機器人是一個系統(tǒng)，由3個部分組成：主刀醫(yī)師操作控制臺;三維成像視頻影像平臺;機械臂、攝像臂和手術器械組成的移動平臺。實施手術時，主刀醫(yī)生不與患者直接接觸，通過三維視覺系統(tǒng)和動作定標系統(tǒng)操作控制，由機械臂及手術器械來完成醫(yī)生的技術動作和手術操作。其中，三維成像視頻影像平臺就像人的眼睛，機械臂、攝像臂和手術器械組成的移動平臺類似人的上下肢，不過操控的大腦還是人類醫(yī)生。

即便如此，手術機器人的感知系統(tǒng)和上肢、手部動作也比人更有優(yōu)勢。3D高清影像技術可以為主刀醫(yī)生提供高清晰和全方位立體式手術視野，對手術的局部位置視野放大15倍，不僅能精確定位手術部位，還能讓醫(yī)生看得更清楚。醫(yī)生操控的機器人手指可以突破人手不可能完成的極限，實現360°旋轉，在有限的空間內多個維度任意變換操作姿勢。機器人手指可以使用手術刀、剪刀、鑷子或縫線所需的持針器，快速完成切割、電燒、縫合、打結等動作，其精確度和靈巧度比人的雙手有過之而無不及。手術機器人還擁有“三頭六臂”(有多個微創(chuàng)手術刀和可旋轉支架，能使微創(chuàng)手術刀旋轉到患者的任何部位)，這使得它能夠完成一個手術團隊的全部工作，減少了配合失誤，更容易實現主刀醫(yī)生的意圖。

2000年，美國食品與藥物管理局(FDA)批準使用由美國直覺外科公司設計和制造的達芬奇手術機器人。第四代達芬奇手術機器人(達芬奇Xi系統(tǒng))于2015年上市。2023年，中國復星醫(yī)藥研制的首臺國產達芬奇Xi手術機器人獲得國家藥監(jiān)局批準。

中國的達芬奇Xi手術機器人具有三維高清視野、可轉腕手術器械和直覺式動作控制三大特性，可以將外科醫(yī)生手部動作的顫抖自動濾除并轉換成更精準的動作，其彎曲及旋轉程度遠超人手極限，讓機器人輔助手術變成了現實。目前，達芬奇手術機器人已經廣泛應用于成人和兒童的普通外科、胸外科、泌尿外科、婦產科、頭頸外科，以及心臟手術。

總體來看，達芬奇手術機器人的具身智能還是相當有限的，但不能否認它為外科手術帶來了巨大改變，全球現有超1200萬名患者接受過達芬奇手術機器人的服務。未來，科學家將致力于研發(fā)擁有具身智能的人形手術機器人，能大部分或全部取代人類外科醫(yī)生，親自實施手術。當然，一個重要前提是，由人類外科醫(yī)生監(jiān)管整個手術過程，如發(fā)現異常，立即停止機器人的操作，并接管手術。

“助老”先要模擬人的真實感覺

擁有具身智能的機器人現在和未來有個最廣泛的需求，就是照料老人。

今年2月，國際電工委員會(IEC)發(fā)布了由中國牽頭制定的養(yǎng)老機器人國際標準《互聯家庭環(huán)境下使用的主動輔助生活機器人性能準則》，該標準依據老年人生理和行為特點，為各類養(yǎng)老機器人的產品設計、制造、測試和認證等提供基準。現在已有一些科技產品進入市場，比如，江蘇無錫研發(fā)的“大頭阿亮”智能養(yǎng)老機器人，能按時提醒老人吃藥、吃飯、休息，還可播放新聞、協助網購;北京為700多戶老人配備的養(yǎng)老機器人，可呼叫家政服務、緊急呼救等。

養(yǎng)老機器人普遍整合了掃地機、洗碗機、手機、輪椅的功能，能提供日常清潔、餐飲服務，還能陪伴交流，但只是有一定程度的具身智能。姑且不要求養(yǎng)老機器人會獨立做飯，即便是低要求的具身智能，如像人一樣能為失能老人端飯倒茶、攙扶老人行走等，都還不能實現。

理想中的具身智能要求機器人的手能伸、握、捏，抓取東西、旋轉開瓶蓋，有溫覺、痛覺、觸覺(如發(fā)現水溫不舒適，不能遞給老人飲用)等。目前，研究人員正在努力讓機器人的手具有人的真實感覺。最近，美國約翰斯·霍普金斯大學研發(fā)的仿生手達到具身智能的新高度，仿生手的觸覺反饋讓它可以“感知”物體，能穩(wěn)穩(wěn)抓住水瓶，也能輕輕捏起裝滿水的塑料杯卻不會弄壞它。

這種仿生手通過3個要件來體現具身智能：一是傳感器探知環(huán)境;二是控制系統(tǒng)將數據轉為神經信號;三是刺激神經傳遞觸覺。仿生手在觸摸物體時產生觸覺，這些觸覺通過電流傳導到人工大腦(控制器)，然后，機器學習算法會處理觸覺信號并轉化為逼真的觸感，再通過電刺激傳遞給神經，讓仿生手“感覺”到手里的東西，從而做出種種適合于人、物體和場景的動作。可想而知，如果這樣的仿生手、仿生腳安裝在人形機器人身上，那它就會擁有像人一樣的觸覺、感覺、知覺，成為更好的具身智能。

總之，作為人工智能與機器人學交叉的前沿領域，具身智能蘊含著巨大的市場潛力和發(fā)展機遇。而如何制定具身智能技術倫理和道德準則來確保其良性發(fā)展，也是個同樣迫切的問題。只有技術突破和管理相結合，以及價格親民，具身智能才會真正來到人們身邊。

標簽：