教程中提到具身智能的发展需要建立“终身学习系统”。我觉得这点很关键。因为在我看来，其他的研究重点似乎都可以在这个架构上找到自己的落脚点。例如组合式学习（把任务拆分为子任务），多模态学习、模仿学习等等，都是在持续的学习与不断和环境的交互中可以衍生出的能力。就像人一样，我们不是生下来就有规划、细分的能力，而像接受多模态信息、模仿等能力虽然与生俱来，但能否高效整合和利用多模态信息，能否准确的模仿，随着人的成长就因人而异了。这也说明这些能力也不是我们生来就擅长的。是持续的学习让我们不断拓展了自己能力的边界。具身智能也是如此，目前的大模型都是预先训练好的，通过交互实现动态更新的能力很差，这极大束缚了其发展，也必然导致其始终无法做到更加实时和准确的认知和预测（因为训练信息永远是落后于当下的，只是落后多少的问题）。尤其随着科技高速迭代，知识滞后带来的后果会逐渐无法承受，但过于频繁的数据更新则会带来极大成本消耗。因此很多团队现在都在研究这个问题，来自德国慕尼黑工业大学、南京大学、中山大学和清华大学的研究团队就在国际顶级期刊《Nature Machine Intelligence》上发表了一项突破性研究——“Preserving and Combining Knowledge in Robotic Lifelong Reinforcement Learning”。该研究提出了一种名为LEGION的机器人终身强化学习框架。
教程中还提到一个有意思的概念：生物启发机器人设计。第一点是仿生结构仿真：模拟动物肌肉骨骼系统。但其实我一直在思考一个问题：具身智能为什么要追求类人或者是仿生？因此形态所带来的相应功能是与生物的本身属性紧密联系的。硅基和碳基的区别决定了适合各自完成任务应有的形态结构一定是不同的。这又让我想到另一个问题，是前不久有幸参加世界顶尖科学家大会时一位学者在会上提出的：我们现在始终用人类所接收和理解的多模态数据去训练人工智能，但这真的是人工智能接受信息和学习的最佳方式吗？是否发挥出了人工智能真正的潜力？我看到过一个观点，就是机器人最终是要和人共处的，而人类最习惯与同类交互。因此我们用自己的数据去训练人工智能，是为了让它们能像人类。这其实也是某种意义上的对齐吧？但我觉得这可能不仅需要人工智能专家的想法，更需要人文伦理的学科介入，即未来到底应该给人工智能一怎么样的定位。目前我们还是将人工智能定位为人类附庸，那这种对齐没有问题，因为那代表着人类的自信：人形和人类处理外界信息和数据的方式是最高等的，有着得天独厚的无可比拟的优势。至于其他的定位，我们暂且也无法想象（不过像终结者此类的科幻电影可以借鉴。在这种定位下，举个简单的例子，狼孩生下来就只接触狼的训练，因此只会狼嚎和狼的行为方式。但我们都知道，人类的信息传递远比狼嚎更加高效，行为的丰富程度和潜力也与狼天差地别。所以人工智能是不是我们例子中的“狼孩”，值得思考。）第二点是用进化计算优化机器人设计，这是是一种利用生物进化机制模拟和算法来改进机器人性能、结构或控制策略的方法。我觉得这个就更有趣了，因为进化算法直接借鉴了自然界的遗传、变异和选择机制。而这些都涉及到了生命的本质问题。如果遗传算法真的被很好的运用到具身智能，那我们就应该好好思考自己与这些具身智能，也就是碳基与硅基之间的界限，以及硅基是否也有可能涌现生命这个比较玄学的问题了。