近些（xiē）年人工（gōng）智能领域（yù）已经（jīng）取得了突飞（fēi）猛进的进步，但这些（xiē）进步大（dà）都集中（zhōng）于数字人工智能领域，对于能和我们这种生物体一样（yàng）执行日常任务（wù）的实体人工智能（néng）（physical artificial intelligence，PAI）来说，进展（zhǎn）却相对（duì）小得（dé）多。

这主（zhǔ）要是因（yīn）为实体人工智能涉及（jí）复杂的跨（kuà）学科研究，而科研社区目（mù）前又非常欠缺能系统性（xìng）整合这些知识的人才和（hé）技（jì）能。

着眼于未来几十年实体（tǐ）人工智能（néng）的发（fā）展，两位学者——瑞士联邦材料科学与技术的实验室Aslan Miriyev 和伦敦帝国理工学院Mirko Kovač 教（jiāo）授近日在 Nature MachineIntelligence 上（shàng）发表了一篇（piān）评论（lùn）文章，不（bú）仅定义了PAI，还（hái）提议（yì）建立一套激（jī）励实体人工智能跨学科研究（jiū）的技能（néng）培训体系（xì），强调教育下一代PAI研究者的重要性。

人们预期，下一代机器人会像生物体一样，能够在真实世界的（de）非结构化环境中自动采取行（háng）动（dòng），能通过控制器自适应和（hé）学习来自我维持，具（jù）有应对物理破坏的韧性，并（bìng）能与（yǔ）集体系统进行整合。

这些未来的机器人将（jiāng）在导航、运输和其它机械作业中（zhōng）得到（dào）应用，这需（xū）要实时的决策和（hé）适应能力，其中涉及到（dào）处理（lǐ）从其（qí）「机体」上的传感器发送（sòng）到「大（dà）脑」的（de）多种信号的组合。 此外，这（zhè）些（xiē）机器（qì）人还需要具备自（zì）我功能性预测能（néng）力、自主（zhǔ）修复和（hé）自动按需成长能（néng）力（lì）以及在各种场景中维持稳态（homeostasis）的能（néng）力，这（zhè）样（yàng）才能（néng）确保任务性能（task performance）与自我存续（self-preservation）方（fāng）面（miàn）的（de）和（hé）谐平衡。 为了让机器人具备如此智（zhì）能的（de）行为，需要大脑结构、机体形态和环境交互之间的密切相互作用。过去几十年里，基于数据（jù）的数字（zì）人工智能迅猛发展，计算、算法（fǎ）和认知的（de）学习能力都增长显著，而机器人的机体、形态和材料发展却相对落后很多。

本文将（jiāng）介（jiè）绍数字人工智能（néng）的（de）实体化对（duì）应版本（běn），即实体人工智能（PAI），并（bìng）为未来的 PAI 研究（jiū）者的（de）技能（néng）教育提出（chū）一种方法论。

实体（tǐ）人工智能（PAI）

近几十年（nián），人类的生活方式（shì）发生（shēng）了非常重大（dà）的变化，这凸显了对远程和自动化过程（chéng）的需求。但是，现如今的机器人还不够成熟，还不足以执行日常任（rèn）务，比如（rú）操控（kòng）物体（tǐ）或在不可预测的复杂环（huán）境中移（yí）动。另外，如今的机（jī）器（qì）人也还不能足够安全地与（yǔ）人类和室外环境进行交互。

大脑与（yǔ）机（jī）体的适当平（píng）衡是创造行为（wéi）更自然和全集成（chéng）的智能机器人的先决条件（jiàn）。机器人设计通（tōng）过使（shǐ）用（yòng）软件已经实现了相当成功的自动化，但设计新材（cái）料和开（kāi）发机（jī）器人学方法（fǎ）需要人类参与其中，因为这涉（shè）及到范围更广的（de）技能组合。

举个例子，在新（xīn）兴（xìng）的软体机器（qì）人学领（lǐng）域，为了得到所需的机器人功（gōng）能，仍（réng）旧没（méi）有（yǒu）与（yǔ）结构设计和控制器设（shè）计（jì）组合（hé）使用的材料选取与合成方法。

因此（cǐ），未来（lái）十年内，机器人学领域（yù）的一大主要缺口是（shì）：为机器人机体以及机体形（xíng）态与智能控制（zhì）系统和基于学（xué）习的方法（fǎ）的共同进（jìn）化开发（fā）新材料和新结构。为了（le）填补（bǔ）这一缺口（kǒu），机器人（rén）学社（shè）区的一大重要发展趋（qū）势是实现机体（tǐ）、控制、形态、动作执（zhí）行（háng）和感知的协同进化。这里将其称为实体人（rén）工智能（PAI）。

PAI是指（zhǐ）能（néng）够执行（háng）通常与（yǔ）智能生物体（tǐ）相（xiàng）关的任务的实体系统，该领域包含理（lǐ）论（lùn）和实践。PAI方法论原（yuán）本就（jiù）自带对材料、设（shè）计（jì）和（hé）生（shēng）产制造的（de）考虑（lǜ）。使（shǐ）用PAI开发的机器人（rén）可以利用自身机体的（de）物理（lǐ）和计算特征，再加上它们大脑的计算能力，有望在非结构化环境中自（zì）动（dòng）执行任务和维持稳态。类（lèi）似于生物体，PAI机器人既可以替（tì）代数字AI，也能通过连接大（dà）脑来为数字 AI提供协同（tóng）辅（fǔ）助。很多小型（xíng）机器人（计算能（néng）力有限（xiàn）的机器人）没有（yǒu）专用的（de）中心大脑，它们的性（xìng）能由机体的（de）计算引导（dǎo）。

类似于自（zì）然多样（yàng）性原（yuán）理，PAI合成（chéng）（synthesis）是指具有任意（yì）功能、形状、大小和适（shì）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（de）整合（hé）。因（yīn）此，PAI与机（jī）体（tǐ）变化方法无关，并且有别（bié）于具身智能（embodiedintelligence）。PAI 合成（chéng）的要（yào）义在于从材料（liào）层面到（dào）形态（tài）层面（miàn）再到机器人系（xì）统层面将多种不（bú）同的功能特性成功地组合到（dào）一起。

将PAI和数字人（rén）工智（zhì）能组合（hé）起来的范式是机器（qì）人开发领域（yù）最（zuì）突（tū）出的领（lǐng）域之一（yī），能（néng）提供无数研究机会。特别是将实体机器（qì）人（rén）和计算机器人整合为单一 PAI 方法的研究，这有望创造出（chū）人类-机器（qì）人共生的生态（tài）系统（tǒng），从而重新定义人（rén）类与机器人的交互（hù）。目前（qián）而言（yán），这一方向上最（zuì）主要的障碍是缺乏开发（fā） PAI 的技（jì）能，还没有人提出（chū）清（qīng）晰连贯的教育结构和培（péi）训方式（shì）。

在创造PAI的雄心勃（bó）勃的（de）征（zhēng）程中，许多学科（kē）都会紧密地交织在一起。其中主要有材料科学、机（jī）械工程、计（jì）算机科学、化学和（hé）生物学（xué）（图 2）。要（yào）将机器人的范（fàn）式（shì）从组装的硬件设（shè）备（bèi）转换（huàn）成PAI组（zǔ）成的机器人，需要将这些学（xué）科领域的技能（néng）组合到一起。

推动PAI技能（néng）发（fā）展

作者（zhě）设（shè）想，为了（le）掌（zhǎng）握多学科的（de） PAI 技能（néng），需要一（yī）种（zhǒng）系统性（xìng）的教育方法，而且机构层面和社区层面都要（yào）有。作者也为这套（tào）潜在方法提出了一（yī）些（xiē）建议，其（qí）中包（bāo）括营（yíng）造良好的机构和社区氛围来发展学生的（de）技能并为导师提供支（zhī）持。接下来可以提出（chū）多层级的方（fāng）法论，以在当前的高等教育（yù）计划中（zhōng）实施PAI 培训（xùn）。作者提（tí）议（yì）该方法论需包含以下（xià）三（sān）大组成部分：（1）机构支（zhī）持；（2）理解跨学科研究（jiū）的复杂（zá）性和挑（tiāo）战性（xìng）；（3）创造认可（kě）和传播研究成果（guǒ）的（de）场所。

首先，如果要为PAI技能培训打下坚实的（de）基础，机构层面的支（zhī）持是至关重（chóng）要的。作者认为，在机构层面上（shàng），主要努（nǔ）力方向（xiàng）是显式（shì）地鼓励不（bú）同科系和（hé）学院的研究（jiū）者积极合作研究（jiū）PAI。共同研究PAI的机构集群可以创（chuàng）造一个教育平台，比如提（tí）供多学科选修课程和（hé）实（shí）验室培训，并允许内部科研合作和互相使用设备。其（qí）重点在于，正常运作的机构集群能（néng）确保在选择正确的技能（néng）组合时提（tí）供专业的指导，从而适应（yīng）每位学生的兴趣范围（wéi）和研究需求。这种方法也能促进不同（tóng）机构中心之间的外部合作，并推进国内和国际的交流与课外活动。

由于PAI本质上是跨学（xué）科研究，因此相（xiàng）关研究成（chéng）果的受众范围更广，有发表在更高影（yǐng）响力期（qī）刊上的潜力。但是，由（yóu）于多学科研（yán）究（jiū）涉及（jí）到广泛的专业知识，风险会更高（gāo），情况也会更复杂。多学科之（zhī）间和之中的研究工作（zuò）需要有走出舒（shū）适区的（de）勇气，去面（miàn）对自（zì）己（jǐ）并（bìng）不熟悉专（zhuān）业术语和（hé）人际网络，而且还（hái）必需持续不断的学习以及坚持（chí）不懈的内在动力。此外，职业（yè）发展步骤也需要鼓励和奖励（lì）跨（kuà）学（xué）科研（yán）究工作（zuò）。举个例子（zǐ），现如今雇佣教职人员时，往往会根据范围（wéi）狭窄（zhǎi）的特定目标领域执（zhí）行，而不会从多学科（kē）角（jiǎo）度考虑。通过雇佣在串联PAI相关（guān）学科（kē）方面（miàn）有专长的教职人员并提供合适的机构支持，能为跨学科（kē）PAI研究提供（gòng）至关重要的激励。这（zhè）些步骤能直接推进（jìn）PAI研究，同（tóng）时（shí）还能通过高（gāo）影响力的成果（guǒ）发布、专利和吸（xī）引（yǐn）的投（tóu）资为（wéi）机构的（de）声誉带来许多倍的回报。

此外，创造认可和传播多学科（kē）研究的场所也非常重（chóng）要。如（rú）果（guǒ）将 PAI 研究划分到传统的科（kē）研社区（qū），比如材料科学（xué）、力学、有机化（huà）学等，则可（kě）能收窄一个科学（xué）问题的展示空（kōng）间，即只（zhī）能展示（shì）该特定社区能够理解的（de）部分。这（zhè）种方式缺乏整体视野（yě），也不能（néng）理解该问题的整体复杂性。尤其是（shì）机（jī）器人学和人工（gōng）智能领域，需要一种更广泛的多学（xué）科（kē）认证模式，并且要使其（qí）注重学科和专业知识之间的复杂交互关系（xì）。作者提出创建和支持以（yǐ） PAI 的（de）复杂多学科挑战为目标的研究者社区、会议和期（qī）刊。他们也建（jiàn）议（yì）通过不同学（xué）科共同（tóng）组（zǔ）织（zhī）设立竞争（zhēng）性的奖学金、奖励和奖金，以支持社区（qū）层面的参与。

在（zài）这（zhè）篇文章（zhāng）中，作者提出通过创造 PAI 来研（yán）发用于共生式人类-机（jī）器人生态系（xì）统（tǒng）的机器人，进（jìn）而引（yǐn）领（lǐng）未来（lái）数（shù）十年的机器人研究。目前而言（yán），社区还（hái）缺（quē）乏（fá）创造（zào）PAI所（suǒ）需的（de）多学科技能，而大多数机（jī）构仍还（hái）没（méi）有为这一挑战性的多学科研究（jiū）方向建立基础（chǔ）设施（shī）。作者提出了几点推（tuī）进PAI技能教育的途径：通过创（chuàng）建激励性的（de）机构和社区（qū）环境来同（tóng）时培训学生（shēng）的多学科技能和支持导师（shī）的活（huó）动。需要说明，本文的（de）目标（biāo）是强（qiáng）调教育下一代PAI研（yán）究者（zhě）的重要（yào）性，而不是给出详细确切的最（zuì）终行动纲领。希望科（kē）学和（hé）研究社区能就这一主（zhǔ）题展开更广泛的讨论，互相交流不同的意见和方法。