随着人工智能的不断发展，关注点正在转向改善机器与人类之间的互动，这催生了物理 AI 领域的出现。
目前，最受关注的 AI 形式是生成式 AI，它涉及人机互动。然而，正在努力改进这一过程，使机器与人类的互动变得更为可及和有效。
这些机器与人类的互动属于物理 AI 的范畴，也被称为物理代理或具身 AI。物理 AI 使用 AI 技术解决涉及机器与物理世界直接互动的问题。此外，物理 AI 通过对物理世界的持续观察和互动，提升和扩展其能力。
什么是物理 AI？
物理 AI 创建系统，通过传感器数据直接学习和理解环境。其主要输入来源是传感器和执行器。与生成式 AI 需要人类输入不同，物理 AI 系统从许多工具中接收输入，包括摄像头、麦克风、温度计、惯性传感器、雷达和激光雷达。
此外，生成式 AI 的处理过程不会受到时间的影响，而物理 AI 系统需要实时感知和推理来理解环境，并快速作出响应。
物理 AI 的特点
物理 AI 需要一个执行器——如机器人手臂、轮子或任何其他装置——在环境中移动或互动，并能够修改或操控环境中的物理对象。
物理 AI 系统比生成式 AI 系统具有更大的自主性。它们不需要人类发起操作，而是根据对环境的感知和编程来做出决策。由于学习和适应与自主性紧密相关，许多物理 AI 系统包含学习算法，以识别环境变化、根据需要进行调整，并随着时间的推移提高性能。
目前，大多数物理 AI 系统仅限于特定任务或小范围环境，其结果通常有限。一个著名的商业例子是 Roomba 自主地板清洁器。
物理 AI 与机器人技术
物理 AI 的互动系统与机器人技术紧密相连，使得 AI 驱动的机器人能够在其环境中自主感知、推理和行动。
传统的机器人技术依赖各种输入设备，如摄像头、激光雷达、声纳和其他环境传感器。与旧版机器人系统相比，物理 AI 驱动的机器人在决策时具有自主性。旧机器人通过预编程来做出决策或对硬编码做出反应。
物理 AI 驱动的机器人依赖于在变化的环境条件下获取实时数据来做出决策，然后从这些决策中学习并适应类似情况。因此，这些机器人依赖神经网络和深度学习来分析经验，并改进未来的反应和互动。
物理 AI 机器人采用先进的执行器——由 AI 和机器学习（ML）驱动，远超现有模型和设计——来与环境互动，通过移动和操控其中的物体。
物理 AI 的独特性是什么？
物理 AI 与其周围环境互动——而不仅仅是人类。与生成式 AI 通过提问不同，物理 AI 基于来自传感器和执行器的输入在物理世界中进行操作和调整。
当然，在与人类互动并自主操作时，物理 AI 的安全性和互动协议至关重要，包括人类接近警报、碰撞避免、识别面部表情以及尝试理解人类意图等。
物理 AI 还需要多领域专家的合作，结合机器人技术、计算机视觉、机器学习、控制理论和机械工程等领域的最佳技术，以开发出功能完善的系统。
最后，由于物理 AI 系统的持续互动特性，它们需要强大的处理能力以在动态环境变化中做出有效响应，从而需要在毫秒级别做出决策的软件算法和硬件。
物理 AI 的重要性是什么？
物理 AI 增强了人类的工作。毕竟，计算机不会感到疲劳或犯错，这使得它们在敏感环境中，如医院，变得无比宝贵。例如，AI 机器人可以确保患者按时服药，并进行常规的生命体征监测。
物理 AI 还帮助数据收集。传感器和实时分析可以监控敏感的制造过程。此外，物理 AI 在需要持续观察、警报通知和对问题数据快速响应的环境中至关重要。
在极端情况下，物理 AI 对于危险环境或人类安全问题至关重要。例如，目前的消防部门已经派遣机器人去检查对人类危险的区域，拆弹小组部署能够处理可疑爆炸物的机器人，以避免对人类生命和肢体的危险。然而，物理 AI 为这些机器添加了更大的智能和学习能力，并有可能消除人类参与危险任务的需求。
物理 AI 的未来
在物理 AI 革新的初期，应用、增长和改进的空间仍然广阔。建立在大量持续的软件和硬件开发基础上，物理 AI 承诺增强人类活动并自动化那些对其制造者来说困难甚至不可能完成的任务。以下是未来可能受益于物理 AI 的一些领域：
- 机器人技术与自动化。持续的进步使机器人在执行复杂任务时更加灵活、敏捷，并提高了效率和精确度。一个具体应用领域是手术室中的机器人，协助医生进行精细的手术。
- 自动驾驶汽车。尽管路上已有自驾车，但结果参差不齐，对自驾车的信心仍然较低。随着传感器技术的进步和神经网络的训练，预计将出现更安全、更高效的道路网络，自动驾驶车辆（包括卡车和无人机）数量也将增加。
- 人机协作。上述的手术机器人只是物理 AI 补充和辅助人类活动的一个例子。预计物理 AI 在其他人无法参与、处于过大危险中或无法完成的任务中将有更广泛的应用，例如需要巨大力量的任务。
- 环境监测。如前所述，机器人不需要休息。由物理 AI 驱动的自主无人机和机器人可以全天候监测环境——从工厂车间到农场——能够发现灾害、有毒积累、火灾、水位变化等资源变化。
- AI 驱动的制造。制造业已经采用了机器人技术，但配备物理 AI 的先进系统提供了更优化的生产过程、更高的质量控制、更灵活多样的制造系统以及及时制造支持。
- 技术扩展。物理 AI 目前与 5G 网络、边缘计算、增强现实和物联网等其他技术相对隔离。将物理 AI 加入远程连接能够实现新的技术能力、实时数据处理、增强的连接性和改进的远程系统决策能力。
Andy Patrizio 是一位拥有近 30 年经验的技术记者，曾为多种出版物（包括 Network World、InfoWorld、Business Insider、Ars Technica 和 InformationWeek）撰稿，目前常驻南加州。
相关文章
