Nature：AI的瓶颈突破在于「实体人工智能（PAI）」

过去几十年里，基于数据的数字人工智能迅猛发展，计算、算法和认知的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。

瑞士联邦理工学院材料科学与技术实验室Aslan Miriyev 和伦敦帝国理工学院Mirko Kovač 教授近日在 Nature Machine Intelligence 上发表了一篇评论文章“Skills for physical artificial intelligence”，不仅定义了实体人工智能（physical artificial intelligence，PAI），还提议建立一套激励实体人工智能跨学科研究的技能培训体系，强调教育下一代 PAI 研究者的重要性。

PAI 的五大学科：材料科学、机械工程、计算机科学、化学和生物学

类似于自然多样性原理，PAI 合成（synthesis）是指具有任意功能、形状、大小和适宜场景（habitat）的机器人系统，其中尤其注重对基于化学、生物和材料的功能的整合。因此，PAI与机体变化方法无关，并且有别于具身智能（embodied intelligence）。PAI 合成的要义在于从材料层面到形态层面再到机器人系统层面将多种不同的功能特性成功地组合到一起。

更多详情参见Nature：AI的瓶颈突破在于“实体人工智能（PAI）”。

论文链接：Skills for physical artificial intelligence （论文PDF）

内容中包含的图片若涉及版权问题，请及时与我们联系删除