近（jìn）些（xiē）年人工智能领域已经取得了突飞猛（měng）进（jìn）的进步，但这些进（jìn）步大都集（jí）中于数字人工（gōng）智能领（lǐng）域，对（duì）于能和我们这种生物体一样执行日常任务（wù）的实体人工智能（physical artificial intelligence，PAI）来说，进（jìn）展却（què）相对小得多。

这主要是因为实体人工智能涉及复杂（zá）的跨学科研究，而科研社区目前又（yòu）非常欠缺（quē）能（néng）系统性整（zhěng）合这（zhè）些知识的人才和技能。

着眼于未来几十年实体人工智（zhì）能的发展（zhǎn），两位学者（zhě）——瑞士联邦材料科学与技术（shù）的实验室（shì）Aslan Miriyev 和（hé）伦（lún）敦帝国理工（gōng）学院Mirko Kovač 教授（shòu）近日在 Nature MachineIntelligence 上发表（biǎo）了一篇（piān）评论文章，不仅定义了PAI，还提议（yì）建立（lì）一套激励实体人（rén）工智（zhì）能跨学科研究的技能（néng）培训（xùn）体系，强调教育下一代PAI研究者（zhě）的重要（yào）性。

人们预期，下一代机器人（rén）会像（xiàng）生物体一样，能够在真实世界的非结构化环境中自动采取行动，能通过控制器自适应（yīng）和学习来自我维持（chí），具（jù）有应（yīng）对物理破（pò）坏的韧性，并能与集体系统（tǒng）进行（háng）整合。

这些未来的（de）机器人将在导航、运输（shū）和其它机械作业中得到应用，这需要实时的（de）决策和适应能力，其中涉及到处理从其「机体」上的传感器发送到「大脑」的多种信号的组合。 此（cǐ）外（wài），这些机器人还需要具备自我功能性预测能力、自主修（xiū）复和自动按需成长能力以及在各种场（chǎng）景中维持稳（wěn）态（homeostasis）的能力（lì），这（zhè）样才能确保任务性能（task performance）与自（zì）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（rú）此智能的行为，需（xū）要（yào）大（dà）脑结构、机体形态（tài）和环境交（jiāo）互之间的密切相互作（zuò）用。过去（qù）几十年（nián）里，基于数据的数字人工智能（néng）迅猛发展（zhǎn），计（jì）算、算法和认（rèn）知的学习能力都增长显著，而机器人的机体、形态和材料发（fā）展却相对落后很多。

本（běn）文将介绍（shào）数（shù）字人工智（zhì）能的实体化对应版（bǎn）本，即实体（tǐ）人工智能（PAI），并为未来的 PAI 研究者的（de）技能教育提（tí）出一种方法论。

实（shí）体（tǐ）人（rén）工智（zhì）能（PAI）

近几十年（nián），人类（lèi）的生活（huó）方式发生了非（fēi）常重（chóng）大的（de）变化，这凸显了对远程（chéng）和自动（dòng）化过程的需（xū）求。但是，现如今的机器人还（hái）不（bú）够成熟（shú），还（hái）不足（zú）以执行日常任务，比如操控物体（tǐ）或在不可预测（cè）的复杂（zá）环（huán）境中移动（dòng）。另外（wài），如今的机器人也（yě）还（hái）不能足够（gòu）安全地与人类和室外环境进行交互。

大脑与机体（tǐ）的适当平衡是创造行为更自然和全集成的智能（néng）机器（qì）人的先决（jué）条件（jiàn）。机器人（rén）设计通（tōng）过使用软件已经实（shí）现了相当成功（gōng）的自动化，但设计（jì）新材料和开（kāi）发机器人学方法需要人类参与其中，因为这涉（shè）及到范围更广（guǎng）的技（jì）能（néng）组合。

举个例子，在新兴的软体机（jī）器人学领域，为（wéi）了得（dé）到所需的机器人功能，仍旧没（méi）有（yǒu）与结构设计和控制器设计组合使用的材料选取与合成方法。

因此，未来（lái）十年内，机器人学（xué）领域的一大主要缺口是：为机器人（rén）机（jī）体以及机体形态与智（zhì）能控制系统和基于学（xué）习的（de）方法的共（gòng）同进化开（kāi）发新材料和（hé）新结（jié）构。为了填补这一缺口，机器人（rén）学社区（qū）的一（yī）大重要（yào）发展趋势是实现（xiàn）机体、控制、形态、动作（zuò）执行和感知（zhī）的（de）协同进化。这里将其称为实体人工（gōng）智能（PAI）。

PAI是指能够执行通常与智能生物体相关（guān）的任务的实体系统，该领域包含理论（lùn）和实（shí）践。PAI方法论原（yuán）本就（jiù）自带对材料（liào）、设计和（hé）生产（chǎn）制造的考虑（lǜ）。使用PAI开（kāi）发的机器人（rén）可以利用（yòng）自身机体的物理和计算特征，再（zài）加上它们（men）大脑的计算能（néng）力，有（yǒu）望在非（fēi）结构化环（huán）境中（zhōng）自动执（zhí）行任务（wù）和维持稳态（tài）。类（lèi）似（sì）于生物体（tǐ），PAI机（jī）器人（rén）既可以替代数字AI，也能通过连接大脑来为数字 AI提供协同辅（fǔ）助。很多小型机器人（计算能力有限的机器人）没有专用的中心大（dà）脑，它们的性能由机体的计算引导。

类似于自然多样性原理，PAI合成（synthesis）是指（zhǐ）具有任意功能、形（xíng）状、大小（xiǎo）和适宜场景（habitat）的机器人系统，其中尤其注重（chóng）对基于化学、生物和材料的功能的整合。因此，PAI与（yǔ）机体（tǐ）变化方法无（wú）关（guān），并且有别（bié）于具（jù）身智能（embodiedintelligence）。PAI 合成的要（yào）义在于从材料层面到形态层（céng）面（miàn）再（zài）到机器（qì）人系统（tǒng）层面将（jiāng）多种不同的（de）功能特（tè）性（xìng）成功（gōng）地组合到一起。

将PAI和数字（zì）人（rén）工智能组合起来的（de）范式是机器人开发领域最突出的领（lǐng）域之一，能（néng）提供无（wú）数研究机会。特别（bié）是将（jiāng）实体机器（qì）人（rén）和（hé）计算机（jī）器人整合为单（dān）一 PAI 方法的研究（jiū），这有望创造出（chū）人类-机器人共（gòng）生的生态系统，从而重新定义（yì）人类与机（jī）器（qì）人的交互。目前而言，这一方向上最主（zhǔ）要的障碍是缺乏开发 PAI 的技能（néng），还没（méi）有人提出（chū）清（qīng）晰连贯的教育结（jié）构和培训方式。

在创造（zào）PAI的雄心勃勃（bó）的征程（chéng）中，许多学科都（dōu）会紧密地交织在一起。其中主要有材料科学（xué）、机械工程、计算机科学、化（huà）学和生物学（图 2）。要（yào）将机器人的范式从组（zǔ）装的硬件（jiàn）设（shè）备转换成PAI组成（chéng）的机（jī）器人，需（xū）要将这些（xiē）学科领域的技能组合到一起。

推动PAI技能发展

作者设想，为（wéi）了掌握多（duō）学（xué）科的（de） PAI 技能，需要一种系（xì）统性的（de）教（jiāo）育方法，而且机构层面和（hé）社区（qū）层面都要有。作者也为这（zhè）套潜在方法提出了一些建议，其中（zhōng）包括营造良（liáng）好的机（jī）构和社（shè）区氛围来发（fā）展学生（shēng）的技能并为导师提供支持。接下来（lái）可以提出多层级的方法（fǎ）论，以在当（dāng）前的高等教育计划中实施PAI 培训（xùn）。作者提议该方法论需包含（hán）以下三大（dà）组成（chéng）部（bù）分：（1）机构支持（chí）；（2）理解跨学科（kē）研究的复杂性和挑战性；（3）创造认可和传播研究成（chéng）果（guǒ）的场所。

首（shǒu）先（xiān），如果要为PAI技能培训打下（xià）坚实的（de）基础，机（jī）构层面的支持（chí）是至关（guān）重要（yào）的。作者认为，在机构层面（miàn）上，主要努力方向（xiàng）是显式地鼓励不同科系和学（xué）院的研究者积极合作研究PAI。共同（tóng）研（yán）究（jiū）PAI的机构集群可以创（chuàng）造一个教育平（píng）台，比如（rú）提供多学科选修课程和实验室培（péi）训（xùn），并允许内（nèi）部科研合作和互相（xiàng）使（shǐ）用设备。其重点在于，正常运作的机（jī）构集群能（néng）确保在选（xuǎn）择正（zhèng）确的技（jì）能组合（hé）时提供专业的（de）指（zhǐ）导（dǎo），从而适应每位（wèi）学生的兴（xìng）趣范围和研（yán）究需（xū）求。这种方法也（yě）能促进不同（tóng）机构中心（xīn）之间（jiān）的外部合（hé）作，并推进国内和国际的交流与课（kè）外活动。

由于PAI本质上（shàng）是跨学科研究，因此相关研究成果的受众范围（wéi）更（gèng）广，有发表在更高影响力期刊（kān）上的潜力。但是（shì），由于多学科研究涉（shè）及到广泛的专业知（zhī）识，风（fēng）险会更高（gāo），情况（kuàng）也会更复杂。多学（xué）科（kē）之间和之中的研究工作需要有走（zǒu）出（chū）舒（shū）适区的（de）勇气，去面对（duì）自己并不熟（shú）悉专（zhuān）业（yè）术语（yǔ）和（hé）人（rén）际网络，而且（qiě）还必需（xū）持续不断的学习以及坚持不懈的内（nèi）在动力。此外，职业发展步骤也需（xū）要鼓励和奖励跨学科研究工作。举个例子，现如今雇佣（yòng）教职人员时（shí），往（wǎng）往（wǎng）会根据（jù）范围狭（xiá）窄的特定目（mù）标领域执行，而（ér）不会从多学科（kē）角度（dù）考虑（lǜ）。通过雇佣在（zài）串联（lián）PAI相关学科方面有专长的（de）教职人员并提供合适的机构支（zhī）持，能为跨（kuà）学科PAI研究提供至关重要（yào）的激励。这些步骤能直接推进PAI研究，同时还能通过高（gāo）影响（xiǎng）力（lì）的成（chéng）果发布、专利和吸引的（de）投资（zī）为（wéi）机构的声誉（yù）带来许多（duō）倍（bèi）的回报（bào）。

此外，创造认可和（hé）传（chuán）播多学科研究（jiū）的场所也非常重要。如果将 PAI 研究划分到（dào）传统的科研社区，比如（rú）材料科学、力学、有机化学等，则可能收（shōu）窄一个科学问题（tí）的展示空间，即只能展示该特定社区能够理（lǐ）解的（de）部分。这种方（fāng）式缺（quē）乏整（zhěng）体视野（yě），也不（bú）能理（lǐ）解（jiě）该（gāi）问题的整体复（fù）杂性。尤其是机器人学和人（rén）工（gōng）智能（néng）领域，需要一种更广泛的多学科认证（zhèng）模式，并且要使其注重学科和专业知识之间的复杂交互关（guān）系。作者提出创建和支持以 PAI 的复杂多学科挑（tiāo）战为（wéi）目标的（de）研究者社（shè）区、会（huì）议（yì）和期刊。他们也建议通过不同学科共同（tóng）组织设立（lì）竞争性的奖（jiǎng）学金、奖励（lì）和奖金，以支持社区层面（miàn）的参与。

在这篇（piān）文（wén）章中，作者（zhě）提出通过创造 PAI 来研发用于共生式（shì）人类-机器（qì）人生（shēng）态系统的机器人，进而（ér）引领未来数十年的机器（qì）人研究。目（mù）前（qián）而言，社区还缺乏创（chuàng）造PAI所需（xū）的多学科技能，而大多数机构仍还没有为这一（yī）挑战（zhàn）性的多（duō）学科研究方向建立（lì）基础（chǔ）设施。作者提出（chū）了（le）几点推进PAI技能教育（yù）的途径：通过创建激（jī）励性（xìng）的（de）机构（gòu）和社区环境来同（tóng）时培（péi）训学生的多学科技能和支持导师（shī）的活（huó）动。需要（yào）说明，本文（wén）的目标是强（qiáng）调教（jiāo）育下一（yī）代PAI研究者的重（chóng）要性，而不是给（gěi）出详细确切（qiē）的（de）最终行动（dòng）纲（gāng）领。希望科学（xué）和研究社区能就这一（yī）主题展开更（gèng）广泛（fàn）的讨论，互相交流（liú）不同（tóng）的意见（jiàn）和方（fāng）法（fǎ）。