近些年赢咖4领域已经取得了突飞猛进的进步，但这些进步大都集中于数字赢咖4领域，对于能和我们这种生物体一样执行日常任务的实体赢咖4（physical artificial intelligence，PAI）来说，进展却相对小得多。完美风暴ktv
这主要是因为实体赢咖4涉及复杂的跨学科研究，而科研社区目前又非常欠缺能系统性整合这些知识的人才和技能。
着眼于未来几十年实体赢咖4的发展，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 Kova 教授近日在 Nature MachineIntelligence 上发表了一篇评论文章，不仅定义了PAI，还提议建立一套激励实体赢咖4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。
人们预期，下一代赢咖4会像生物体一样，能够在真实世界的非结构化环境中自动采取行动，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，并能与集体系统进行整合。
这些未来的赢咖4将在导航、运输和其它机械作业中得到应用，这需要实时的决策和适应能力，其中涉及到处理从其「机体」上的传感器发送到「大脑」的多种信号的组合。
此外，这些赢咖4还需要具备自我功能性预测能力、自主修复和自动按需成长能力以及在各种场景中维持稳态（homeostasis）的能力，这样才能确保任务性能（task performance）与自我存续（self-preservation）方面的和谐平衡。
为了让赢咖4具备如此智能的行为，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，基于数据的数字赢咖4迅猛发展，计算、算法和认知的学习能力都增长显著，而赢咖4的机体、形态和材料发展却相对落后很多。
本文将介绍数字赢咖4的实体化对应版本，即实体赢咖4（PAI），并为未来的 PAI 研究者的技能教育提出一种方法论。
一、实体赢咖4（PAI）
近几十年，人类的生活方式发生了非常重大的变化，这凸显了对远程和自动化过程的需求。但是，现如今的赢咖4还不够成熟，还不足以执行日常任务，比如操控物体或在不可预测的复杂环境中移动。另外，如今的赢咖4也还不能足够安全地与人类和室外环境进行交互。
大脑与机体的适当平衡是创造行为更自然和全集成的智能赢咖4的先决条件。赢咖4设计通过使用软件已经实现了相当成功的自动化，但设计新材料和开发赢咖4学方法需要人类参与其中，因为这涉及到范围更广的技能组合。
举个例子，在新兴的软体赢咖4学领域，为了得到所需的赢咖4功能，仍旧没有与结构设计和控制器设计组合使用的材料选取与合成方法。
因此，未来十年内，赢咖4学领域的一大主要缺口是：为赢咖4机体以及机体形态与智能控制系统和基于学习的方法的共同进化开发新材料和新结构。为了填补这一缺口，赢咖4学社区的一大重要发展趋势是实现机体、控制、形态、动作执行和感知的协同进化。这里将其称为实体赢咖4（PAI）。
PAI 是指能够执行通常与智能生物体相关的任务的实体系统，该领域包含理论和实践。PAI 方法论原本就自带对材料、设计和生产制造的考虑。使用 PAI 开发的赢咖4可以利用自身机体的物理和计算特征，再加上它们大脑的计算能力，有望在非结构化环境中自动执行任务和维持稳态。类似于生物体，PAI 赢咖4既可以替代数字 AI，也能通过连接大脑来为数字 AI 提供协同辅助。很多小型赢咖4（计算能力有限的赢咖4）没有专用的中心大脑，它们的性能由机体的计算引导。完美风暴ktv
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）的赢咖4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（embodiedintelligence）。PAI 合成的要义在于从材料层面到形态层面再到赢咖4系统层面将多种不同的功能特性成功地组合到一起。
▲PAI是合成类似自然的智能赢咖4系统的理论和实践。为了进化出功能完备的赢咖4，需要使用多个学科领域的技能，包括材料科学、机械工程、计算机科学、化学和生物学。这里用一只机器蜜蜂进行说明，其开发过程需考虑材料、结构、自我感知和动作执行，最终综合起来造就一个完全自动化的多功能赢咖4系统。这些学科能为每个进化步骤提供知识和工具。
