近些（xiē）年人工智能领域已经（jīng）取得了突飞猛进的（de）进（jìn）步，但这些进步大都集中于数字（zì）人工智能领域，对于能和我（wǒ）们这种生物（wù）体一（yī）样执行日（rì）常任务（wù）的实体人工智能（physical artificial intelligence，PAI）来说，进展却相对小得多。

这主要（yào）是（shì）因为实体人工智能涉及（jí）复杂的跨学（xué）科研究，而科研社区目前又（yòu）非常（cháng）欠缺能系统性整（zhěng）合这些（xiē）知识的（de）人才和技能。

着眼于未来几十年实体人工智能的发展，两位学者——瑞士联（lián）邦材料科学（xué）与技术的实验室Aslan Miriyev 和（hé）伦敦帝国理工学院Mirko Kovač 教授近日在 Nature MachineIntelligence 上发（fā）表了一（yī）篇（piān）评论文章，不（bú）仅定义了PAI，还提议建立一套激励实（shí）体人工（gōng）智能跨学（xué）科研究的技能培训体（tǐ）系（xì），强调（diào）教育下一代PAI研究者的重要性。

人（rén）们预期，下一代机器人会像生物（wù）体（tǐ）一样，能够（gòu）在真实世界（jiè）的非结构化环境（jìng）中自动采（cǎi）取行（háng）动，能通过控制器自适应和学习来自我维持，具有应对物理破坏的韧性，并能与（yǔ）集体系统进（jìn）行整（zhěng）合。

这些未来的机器人将在导航、运输（shū）和其它机（jī）械作业中得到应（yīng）用，这需要实时的决策和适应（yīng）能力，其中涉及到处理从其「机体」上（shàng）的传感器发送（sòng）到「大脑」的多种信号（hào）的组合。 此外，这些（xiē）机器人（rén）还需要具备自我功能性预测能力、自主修（xiū）复和（hé）自动按（àn）需（xū）成长（zhǎng）能力以及在各种场（chǎng）景中维持稳（wěn）态（tài）（homeostasis）的能力（lì），这样才能确保任务性（xìng）能（task performance）与自我存续（xù）（self-preservation）方面的和谐平衡。 为了（le）让机器（qì）人具备如此（cǐ）智能的（de）行为，需要（yào）大（dà）脑（nǎo）结构、机（jī）体（tǐ）形态和环境交互之间（jiān）的密切（qiē）相互作用。过去（qù）几十年里，基于数据的（de）数字（zì）人工智能迅猛发展，计（jì）算、算法和认知（zhī）的学（xué）习能力都增长显著，而机器人的机体、形态和材料发展（zhǎn）却相对落后很多。

本文将（jiāng）介绍数字人工智能（néng）的（de）实体化对应版本，即实体人工智能（néng）（PAI），并为未来的 PAI 研究者（zhě）的（de）技能教育提出一种（zhǒng）方法论。

实体（tǐ）人工智能（PAI）

近几十（shí）年，人（rén）类的生活（huó）方式发生了（le）非常重大的变化，这凸显了对远程和自动化过程的需求。但是，现如今的机器人还不（bú）够成熟，还不足以执行日常任务，比如操（cāo）控物体或在不可预测的复杂环境中移动。另（lìng）外（wài），如今的（de）机器人（rén）也还不能足够安全地与人类和室（shì）外环（huán）境进行交互。

大（dà）脑与机体的适当平衡是创造行（háng）为更自然和全集成的智（zhì）能机器人的先决条件（jiàn）。机器人设（shè）计通过使用软件已经实现了相当成功的自动化，但设（shè）计（jì）新材（cái）料和开（kāi）发（fā）机器人学方法需要人（rén）类参与（yǔ）其中，因为（wéi）这涉及到范围更广的技能组合。

举（jǔ）个例子，在新兴（xìng）的（de）软体机（jī）器人学（xué）领域，为了得到（dào）所需的机器人功能，仍旧没（méi）有与（yǔ）结（jié）构设计和控制器设计（jì）组合使用的（de）材料选取（qǔ）与合成方法。

因此，未来十年内，机器人学领域（yù）的一大主要缺口是：为机器人机体以及机（jī）体（tǐ）形态与智（zhì）能控（kòng）制系统和基（jī）于学习（xí）的方（fāng）法的（de）共（gòng）同进化开发新材料和新结构。为了填补这一缺口，机器人学（xué）社区的一大重要（yào）发展趋势是实现机体、控制、形（xíng）态、动作执行和感知的协同进化。这里将其称为实体人工智能（PAI）。

PAI是指能（néng）够执行通常与智能生物体相关的任务的实体系统，该领（lǐng）域包含理（lǐ）论和实践。PAI方法（fǎ）论原（yuán）本就自带对材料（liào）、设计（jì）和生（shēng）产制（zhì）造（zào）的（de）考虑。使（shǐ）用（yòng）PAI开发的机器人可（kě）以利用自身机体的物理和计算特征，再（zài）加上它们大脑（nǎo）的（de）计算（suàn）能力，有望（wàng）在非结构化环境中（zhōng）自动执（zhí）行任务和维持稳态（tài）。类似于生物体，PAI机器（qì）人既可以替代数字AI，也能通过（guò）连接大（dà）脑来为数字 AI提供协同辅助。很多小型机（jī）器人（计算能力有限的机器人）没（méi）有专用（yòng）的中（zhōng）心大（dà）脑，它们的性能由机体的计算引导（dǎo）。

类似于自然多样性原理，PAI合成（synthesis）是指具有（yǒu）任意（yì）功能、形（xíng）状、大小和（hé）适宜（yí）场景（habitat）的机器人（rén）系统，其中尤其注重对基于化学、生物（wù）和材（cái）料的（de）功能（néng）的整合。因此，PAI与（yǔ）机体变化方法无（wú）关，并且有别（bié）于具身（shēn）智能（embodiedintelligence）。PAI 合（hé）成的要义在于从材（cái）料层面到（dào）形态层面再到机器人系统层面将多（duō）种不同的功能特性成功地组合到一起。

将PAI和（hé）数字人（rén）工智能组合（hé）起来的范式是（shì）机器人开（kāi）发领域最突出（chū）的领域（yù）之一，能提供无数研究（jiū）机会。特别是将实（shí）体机器人和计算机器人整合为单（dān）一 PAI 方（fāng）法（fǎ）的研究，这（zhè）有望创造出人类-机器人（rén）共生的（de）生态（tài）系统，从而重新定义人（rén）类与机器人的交互。目前（qián）而言，这一方（fāng）向（xiàng）上最主要的障碍是缺（quē）乏开发 PAI 的技能，还没有（yǒu）人提出清晰连贯的教育结构和培训方式。

在创（chuàng）造PAI的（de）雄心勃勃的（de）征程中（zhōng），许（xǔ）多（duō）学科都会紧密地（dì）交织在一起。其中主要有材料科学、机械工程、计算机科（kē）学、化学和生物（wù）学（图 2）。要（yào）将机（jī）器人的范（fàn）式从（cóng）组装的硬件设（shè）备转换成PAI组成（chéng）的机器（qì）人，需要将（jiāng）这些学科领域的（de）技能组合到（dào）一起。

推动PAI技能发展（zhǎn）

作者设想，为了掌握多学（xué）科的 PAI 技能，需要一种系统性的教育（yù）方法，而且机构层（céng）面和社区层面都要有。作者也（yě）为这套潜（qián）在方法提出了一些建议，其中包括营造（zào）良好的机构和社区氛（fēn）围来发展学生（shēng）的技能并为导师提供支持。接（jiē）下（xià）来可以提（tí）出多层级的方法论（lùn），以在当前的高等教育计划中实施PAI 培训（xùn）。作者提议该方法论需（xū）包含（hán）以下三大组（zǔ）成部分：（1）机构支持（chí）；（2）理解跨学（xué）科研（yán）究的复杂性和挑战性；（3）创造（zào）认可（kě）和传播（bō）研究（jiū）成果的（de）场所。

首先，如果要为PAI技能培训（xùn）打下坚（jiān）实（shí）的基础，机构层面的支持是（shì）至关重（chóng）要（yào）的。作者认为，在机构（gòu）层面上（shàng），主要努（nǔ）力方（fāng）向是显（xiǎn）式地（dì）鼓励不同科系和学院的研究（jiū）者积极（jí）合作研究（jiū）PAI。共同研究（jiū）PAI的（de）机构集群可以创（chuàng）造（zào）一个教育（yù）平台，比如（rú）提供多学科选修（xiū）课程和实（shí）验室培训，并允许（xǔ）内部科研合作和互（hù）相（xiàng）使（shǐ）用（yòng）设备（bèi）。其（qí）重点在于，正常（cháng）运作的机构集群能确保在选择正确的技（jì）能组合时提供专业的（de）指导，从而适应（yīng）每位学生的（de）兴趣范围和研究需（xū）求（qiú）。这种方法也能促进不（bú）同机构（gòu）中心之（zhī）间（jiān）的外部合作，并推进国内和国际的交（jiāo）流与课外活动。

由于PAI本质上是跨（kuà）学科研究，因此相（xiàng）关研究成果的受众范围更广，有发表在更（gèng）高影响（xiǎng）力期刊上（shàng）的潜力。但（dàn）是，由（yóu）于多学科研究涉及到广泛的专业知识，风险会更（gèng）高，情况也会更（gèng）复杂。多学科之间和之中的研究工（gōng）作（zuò）需要有走出舒适（shì）区（qū）的勇气（qì），去面对自己并不熟悉专业术语和人际（jì）网络，而且还必需持续不断的（de）学习以及坚持不懈的内（nèi）在动（dòng）力。此外，职业发展（zhǎn）步骤也（yě）需要鼓励和奖励（lì）跨学（xué）科研究工作。举个例子（zǐ），现如今雇（gù）佣教职（zhí）人员时，往（wǎng）往会根据范围（wéi）狭窄的特定目标领域执行，而不（bú）会从多学科角度考虑。通（tōng）过雇佣在串联PAI相关（guān）学（xué）科方面有专长（zhǎng）的教职人员并提供合适的机构支持，能为跨学科PAI研究提供（gòng）至关重要的（de）激励。这些步骤能直接推进PAI研（yán）究，同（tóng）时（shí）还能通过高影响力（lì）的成果发（fā）布、专利和吸（xī）引（yǐn）的（de）投资为机构的（de）声（shēng）誉带来许多（duō）倍的回报。

此外，创造认可（kě）和传播多（duō）学科（kē）研究的（de）场（chǎng）所也（yě）非常重要。如果将 PAI 研究（jiū）划分（fèn）到传统的科研社区，比如材（cái）料科学、力学、有机化学等，则可能收窄一个科学问题的展示空间，即只能展示该特定（dìng）社（shè）区能（néng）够理解的部分。这种方式缺乏整体视野，也不能（néng）理解该问题的整体复杂性。尤其是机器人学和人工（gōng）智能领（lǐng）域，需（xū）要一种更（gèng）广泛的多学（xué）科认证（zhèng）模（mó）式，并且要使（shǐ）其注重学科和专业知识之间的（de）复（fù）杂交互关系。作者（zhě）提出创建和支持以 PAI 的复杂多学科挑战为目标的（de）研（yán）究者社区、会议和期刊。他（tā）们也建议（yì）通（tōng）过不同学科共同组织设立竞争性的奖学金（jīn）、奖（jiǎng）励和（hé）奖金，以支持社区层面的参与。

在这（zhè）篇文章中，作者提出（chū）通过创造 PAI 来研发用于共生（shēng）式（shì）人类-机器人生态（tài）系统的机器人，进而引领未（wèi）来数十年的（de）机器人研究。目前而（ér）言，社区还缺乏创造PAI所需的多学科（kē）技能，而大多数机构仍还没有为（wéi）这一挑战性的多学科（kē）研（yán）究方向建立基（jī）础设（shè）施。作（zuò）者提出了（le）几点（diǎn）推进PAI技能教育的途径：通过创建（jiàn）激励性的机构和社区环境来（lái）同时培（péi）训学生的多学（xué）科（kē）技能和支持导师的活动。需要说明，本文（wén）的目标是（shì）强调教育下一代PAI研究者的重要性（xìng），而不是给出（chū）详细确（què）切的最终行动纲领。希望（wàng）科学和研（yán）究社（shè）区能就这一主题展开（kāi）更广（guǎng）泛的讨论（lùn），互相交流不同（tóng）的意见和方法（fǎ）。