发布于：2025年5月17日 /更新，发表于：2025年5月17日 - 作者： Konrad Wolfenstein
体现人工智能（体现AI） - 图像：xpert.digital
体现了AI的重点：人类技术互动的未来
AI的新维度：从抽象模型到实际应用
体现的人工智能，也称为体现的AI，代表了AI研究中的一种创新方法，其中智能在数字空间中不存在，而是通过整合到物理系统中并与现实世界的积极互动而创建的。与在抽象的虚拟环境中运行的传统AI系统不同，体现的AI系统能够感知，理解和互动。该报告详细概述了体现AI的原理，应用程序和未来观点。
适合：
体现AI的基本概念
体现的人工智能是指嵌入在机器人等物理物体中的AI系统，并可以以很大的方式与周围环境进行交互。与主要产生数字文物或决策建议的纯数字AI相反，体现的AI旨在控制物理系统的行为。
体现AI的概念包括在环境中互动和学习的所有方面：从感知和理解到思维和计划到执行。这种整体观点从根本上与经典计算主义不同，后者将心理过程视为纯粹的算术操作，并将大脑视为计算机。
体现的AI使用传感器来捕捉周围环境是学习和适应性的，并且凭借其运动或反应技巧，可以在动作过程中转换感知过程。它具有上下文理解，还可以在动态环境中执行复杂的交互。
理论基础和哲学背景
体现AI的理论基础是哲学和认知科学的深刻基础。琳达·史密斯（Linda Smith）于2005年提出的实施例假设指出，思维和学习受到身体与周围地区之间不断相互作用的影响。这个想法可以追溯到哲学家莫里斯·梅洛·庞蒂（Maurice Merleau-Ponty）的早期哲学概念，他强调了感知和身体在理解中的核心作用。
体现认知（体现的认知）代表了一组理论，这些理论研究了认知是如何由生物体的物理状况和能力塑造的。这些体现的因素包括运动系统，感知系统，与环境的物理相互作用以及有关世界的功能结构，这些因素与环境的物理相互作用以及生物体的功能结构。体现认知的论点挑战了其他理论，例如认知主义，计算机主义和笛卡尔二元论。
体现的AI建立在这些概念上，并表明可以通过控制物理体现和与模拟和物理环境的互动来实现真正的人工通用智能（AGI）。
技术组成部分和功能
体现AI系统的开发需要各种技术组成部分和方法的整合：
感知和传感器
体现的AI系统使用各种传感器来感知其周围环境，类似于人类的经典五个感官。这些传感器可以包括摄像机（用于视觉理解），麦克风（用于音频记录），触觉传感器（用于触摸和压力）以及加速度和方向传感器。
认知处理
体现的AI的认知结构包括四个基本组成部分：感知，动作，记忆和学习。这些组件共同起作用，使代理商能够理解周围环境并做出适当的反应。该领域的现代发展包括提供高级感知，互动和计划技能的多模式大型模型（MLLM）。
演员和身体互动
与被动观察相反，体现的AI剂对周围环境有影响，并从反应中学习。这需要执行的执行器 - 可以执行身体动作的组件，例如机器人臂，车轮或其他机械系统。
学习和适应机制
体现的AI系统通过直接检查周围环境学习，类似于人们和动物通过探索和互动学习的方式。这包括各种学习方法，例如增强学习，代理商通过实验和错误以及受监控和无法克服的学习进行了学习。
适合：
应用领域和示例
体现的AI在许多领域都使用：
机器人技术和自主系统
从自动驾驶汽车到无人机和工业机器人 - 体现的KI使这些系统能够感知，导航和与之互动。一个简单的例子是Roomba真空吸尘器机器人，该机器人使用传感器浏览其物理环境，识别障碍物并学习室内设计。
生产自动化
在生产中，体现的AI可以控制执行复杂任务的机器人单元，例如以所需的表面质量研磨部分。 AI使用传感器监视单元的状况并为机器人生成指令。
医疗保健和护理
在卫生部门，体现了AI的体现，通过提供提高精度，效率和个性化的解决方案来承诺革命性的变化。从临床干预到日常护理和伴奏到干预后的康复范围。
农业
在农业中，正在开发智能机器人，可以掌握整个不断发展的花卉。例如，富丹大学的研究团队开发了一个多功能机器人，该机器人接管了整个番茄种植，包括授粉，清洁，水果稀疏和收获。这种“思考”机器可以模拟人类的看法，决策和任务。
当前的研究和发展
多模式大语言模型（MLLM）
体现AI研究中有希望的发展是多模式大型语音模型（MLLM）的整合。这些模型处理并集成了来自文本，图像和音频等多个来源的数据，这可以实现全面的决策。与传统的强化学习方法相比，它们在复杂环境中表现出显着的多功能性，技能和概括能力。
基准和评估平台
开发了各种基准来评估体现AI的性能。例如，体现膨胀是一种综合基准，用于评估MLLM作为具体剂。它在高水平和六个关键的代理技能方面对基于MLLM的代理进行了详细评估。
另一个示例是BebodiedEval，这是具有具体任务的MLLM的全面且交互式评估的基准。它包括328个不同的任务，内部已仔细选择和注释。
SIM到现实的传输
体现AI研究的一个重要挑战是将模拟中已经获得的技能转移到真实环境中。这种SIM到现实的传输是一个活跃的研究领域，旨在缩小模拟环境和真实环境之间的差距。
体现情报的未来：创新和责任
技术和实用障碍
尽管体现的AI的发展取得了长足的进步，但仍然存在巨大的挑战。这包括硬件限制，建模建模，对世界的物理理解以及多模式集成。一种新型的AI学习理论和先进硬件的创新的表述对强大而可靠的体现智能系统的发展批评。
道德考虑
体现AI的发展还提出了道德问题，尤其是在安全，隐私和可能的社会影响方面。重要的是要负责任地开发和使用这些技术，以最大程度地减少潜在的负面后果。
未来的研究方向
为体现的AI研究的未来概述了几个方向。其中包括开发大型认知行为（PCB）模型，身体智力和形态智力。这些观点的核心是通用代理框架，该框架称为bcent，并整合了感知，认知和行为动力学。
为什么AI代表智能系统的下一阶段
体现的AI代表了AI研究的范式转变，该研究强调了物理体现和相互作用对于开发真正智能系统的重要性。通过将AI集成到物理系统中并实现与环境的直接互动，体现的AI为机器人，医疗保健，生产和农业等领域的应用开辟了新的视野。
当前的人工智能研究受到数据的巨大驱动，并且深度学习的革命性突破是在易于获取或可以生成数据的应用领域进行的。在欧洲，尤其是在德国，社会成功对技术和机器人技术方面都有很大的影响，专注于机器的AI应用程序变得越来越重要。
体现AI领域的研究需要范式转向对不存在的智力的整体理解，但与环境的多种多样的相互作用所表现出来。这种体现智能的愿景可能是开发真正适应性并可以在动态环境中壮成长的AI系统的关键。
适合：
您的全球营销和业务发展合作伙伴
☑️我们的业务语言是英语或德语
☑️ 新：用您的国家语言进行通信！
康拉德·德军总部
我很乐意作为个人顾问为您和我的团队提供服务。
您可以通过填写此处的联系表，或者直接致电+49 89 89 674 804 （慕尼黑）。我的电子邮件地址是： wolfenstein ∂ xpert.digital
我很期待我们的联合项目。
