具身智能：人工智能的下一個浪潮

　　■張興龍 肖 娜 解放軍報特約記者 張照星

　　生成式人工智能大模型制作的人形機器人圖片。AI制作

　　近年來，隨著人工智能技術的快速發展，具身智能逐漸成為備受矚目的前沿領域。與傳統人工智能相比，具身智能更注重通過與環境的實時交互來獲取信息，并基于這些信息進行思考、決策和行動。具身智能還可通過經驗積累和持續學習，提升行動和操作技能。

　　2024年，具身智能入選“新一代信息工程科技新質生產力技術備選清單”，具身小腦模型被列入“世界人工智能十大前沿技術趨勢”，其重要性不言而喻。那么，具身智能和我們熟知的傳統人工智能、通用人工智能有什么關系？其未來會有怎樣的應用前景？請看本期解讀。

　　傳統人工智能的進階

　　傳統人工智能擅長處理結構化的數據、圖像、語音等信息，但面對現實世界中的物理互動通常無能為力。早在1986年，美國著名機器人制造專家布魯克斯從控制論角度提出，智能是具身化和情境化的，傳統以表征為核心的經典人工智能進化路徑是錯誤的，而清除表征的方式就是制造基于行為的機器人。隨著人工智能應用逐漸從虛擬環境拓展到物理世界，如工業機器人、自動駕駛、無人機等應用越來越廣泛，這一觀點得到了驗證。人工智能研究的重心也開始逐步從數字化智能向具身智能進階。

　　具身智能相比傳統人工智能，是從數據到行為的躍遷。傳統人工智能的強項在于大規模數據處理和模型訓練，它可以通過海量數據生成預測模型或識別模式，但這一過程通常發生在虛擬環境中，缺乏對物理世界的即時反饋。而具身智能不僅依賴數據驅動，還依賴行動與感知的閉環，通過與真實環境的互動，不斷修正自身模型和策略。這意味著，智能系統不再是被動的決策器，而是能夠主動干預物理世界并實時適應變化的智能體。

　　具身智能的發展，標志著人工智能與人類智能的進一步靠近。人類的智慧不僅來自大腦，還來自身體的感知和行動能力。我們學習和認知的過程很大程度上依賴于我們與環境的互動，例如通過行走、抓取物體等方式來理解世界。正如亞里士多德所說：“我們是通過做事來學習的�！蓖瑯�，具身智能通過“身體”與環境的交互，在認知、推理、決策和行動之間建立起更自然的聯系。它打破了傳統人工智能在虛擬環境中的局限，使人工智能具備了與人類類似的感知和應變能力。這為未來通用人工智能的實現提供了更加現實的路徑。

　　具身智能的實現不僅是人工智能算法的進化，還涉及多個學科的融合。從機器人學、控制論到認知科學、神經科學，具身智能的技術體系是跨學科的。感知技術的進步，使得具身智能體可以從視覺、觸覺、聲音等多個維度實時獲取信息。仿生學的發展則使智能體在模仿生物的行為方式后，獲得更加自然和靈活的行動能力。例如，人形機器人通過模仿人類的運動系統，實現了類似人類的自主決策和行動能力。

　　具身智能的核心特征之一在于其動態適應能力。傳統人工智能系統通�；�于固定的規則或模型，而具身智能具有更強的靈活性和學習能力，能夠在不斷變化的環境中做出實時反應。它的這種動態適應特性適合軍事、無人駕駛等領域。在這些場景中，環境和任務是高度不確定的，智能體必須在毫秒級時間內完成決策并采取行動。因此，具身智能是人工智能從靜態、預設邏輯向動態、實時感知行為的重大進化。

　　通用人工智能的曙光

　　一座大樓起火，“消防員”攀爬云梯，穿越窗戶，用滅火器消火，其中一名“消防員”一邊給受困者遞礦泉水，一邊用溫和的語氣安撫他們的情緒。鏡頭一轉，“消防員”原來是一個人形機器人。這是一家科技公司暢想的通用人工智能人形機器人用于救災的場景。

　　通用人工智能是一種能夠像人類一樣在多個不同領域中靈活解決問題的智能系統，具備理解、學習、推理、規劃和自我適應等能力。通用人工智能的目標在于實現跨領域的廣泛應用，這是人類對智能發展的理想化追求。

　　生成式人工智能大模型曾被認為是實現通用人工智能的一個重要途徑，不過，其實際工作原理是基于大量數據訓練的模型運算，雖能生成符合邏輯的文本，但并不真正理解其生成內容。而具身智能超越了只處理虛擬信息的傳統算法模型，能夠與物理世界進行直接交互，專注于解決現實世界中的具體問題，更加符合通用人工智能的定義和需求。因此，在人工智能的演進中，具身智能被視為通向通用人工智能的一種可行路徑。

　　不同于“離身智能”，具身智能通過智能體的身體與環境進行動態交互，主動改造環境，這與通用人工智能的要求一致。通用人工智能需要與多樣化的環境互動，從中學習和汲取知識，利用自身行為改造環境。具身智能使得智能體在多變的環境中靈活行動，通過反復嘗試、經驗積累和多感知融合，持續優化自身行為。

　　通用人工智能要求具備跨領域、多任務的能力。在動態環境中，具身智能體可以靈活應對多種任務，而非局限于單一功能。例如，一個具備具身智能的機器人不僅能夠在工廠中執行運輸任務，還能勝任裝配和清潔等多重職責，展示出強大的通用性。此外，智能體的身體形態也有助于其適應復雜環境和提升學習能力，復雜環境促使智能體形態和智能的進化，進一步提高其通用性。

　　具身智能體依賴于感知與行動的緊密循環來處理外界信息，這與人類的認知過程高度相似。通用人工智能需要能夠根據變化的信息源做出實時的高階認知和推理，而這種能力正是具身智能的核心。具身智能通過“感知—行動”循環推動認知發展，為通用人工智能提供實現通用性和靈活性的堅實基礎。

　　盡管具身智能為實現通用人工智能提供了基礎和可能，但目前實現具身智能也面臨著一些難題，比如缺乏一步到位的基礎大模型以支持最底層控制、計算能力的局限、多模態感官感知的融合問題、數據收集過程中的安全與隱私挑戰等。

　　未來作戰裝備的先鋒

　　具身智能強調利用人工智能與物理實體融合，該領域的技術創新將催生武器裝備組織形態和作戰樣式變革，提升武器裝備作戰能力。具身智能的潛在軍事應用包括以下幾個方面：

　　人形機器人。具身智能賦予人形機器人與物理世界互動的能力，使其具備感知、決策和行動能力，能夠執行危險或高強度軍事任務。德軍正在測試的TORO人形機器人，具備高度靈活的運動能力和強大的感知系統，能夠在復雜地形中自主行走、避障和執行任務。其強大的傳感系統和智能算法可以實時分析環境數據，調整機器人動作，以適應不同的任務需求。

　　有人/無人智能協同空戰。近年來，美軍啟動了空戰演進、空中博格、協同作戰航空器系統等項目，希望利用人工智能技術操控戰斗機飛行、與有人戰機實現空中協同作戰。2024年4月19日，美國國防部高級研究計劃局宣布，美國空軍進行了首次有人駕駛戰斗機與人工智能控制的戰斗機之間的近距離空中格斗試驗，標志著“人工智能技術在操控戰斗機方面實現突破”。此外，德國、法國和西班牙聯合發起“未來空戰系統”項目，旨在實現高度自主化的“忠誠僚機”無人機與有人駕駛戰機協同作戰，從而執行諸多復雜任務，如數據采集、火力支援和敵方防線突破等。

　　具身智能軍事訓練模擬系統。具身智能通過賦予人工智能與現實環境的物理交互能力，提升軍事訓練模擬系統的沉浸感與靈活性。在美國陸軍提供的綜合訓練環境中，士兵能夠在虛擬與現實結合的空間中進行高度逼真的戰斗訓練。通過XR設備，士兵可與虛擬敵人和場景互動，模擬戰斗操作，獲得實時反饋。同時，具身智能技術讓系統能夠實時監控士兵的表現，自動調整訓練場景的難度，幫助士兵應對各種復雜情境。

　　個性化士兵裝備。具身智能通過實時感知和反饋，為定制個性化士兵裝備提供智能化的解決方案。美軍的增強型夜視鏡（ENVG-B）利用熱成像傳感器和增強現實技術提供戰場信息。通過具身智能技術，ENVG-B可以根據士兵的視線和頭部動作調整顯示內容，并實現敵我識別、導航和目標瞄準等功能，顯著提高戰場態勢感知和作戰效率。

　　智能戰斗服與增強外骨骼。具身智能技術還可應用于外骨骼和智能戰斗服，通過增強士兵身體能力來提高戰斗力和任務完成效率。智能外骨骼使士兵能夠承載更重裝備并在復雜環境中持久作戰；智能戰斗服則能感知外部環境并作出相應調整，如調溫、降噪或提升防護能力。

　　增強感知認知能力與輔助決策規劃。具身智能的引入可以使無人平臺在不確定和多變的戰場中感知更精準，強大的感知智能賦予無人平臺更好的決策與控制能力。此外，具身智能技術能夠迅速處理海量數據，識別復雜模式，為軍事指揮控制提供規劃決策，以應對不斷變化的安全環境。美國的N3項目旨在推動士兵與人工智能、半自主和自主武器裝備的完全交互能力，實現戰場士兵的超級認知、快速決策和腦控人機編隊等超腦和腦控能力。

　　具身智能在軍事上具有廣闊的應用前景，或將成為未來戰場上的顛覆性力量。