英偉達創(chuàng)始人CEO黃仁勛在2023年ITF世界大會發(fā)表視頻演講。他表示：“人工智能和加速計算正在共同改變技術(shù)行業(yè)。下一波人工智能浪潮將是一種被稱為具身AI的新型人工智能，即能夠理解、推理并與物理世界互動的智能系統(tǒng)。”
黃仁勛介紹了英偉達的多模態(tài)人工智能系統(tǒng)VIMA，該系統(tǒng)可以根據(jù)視覺文本提示來執(zhí)行任務(wù)，例如“重新排列對象匹配場景”。
據(jù)介紹，VIMA在英偉達的AI平臺上運行，它可以學習概念并采取相應的行動，例如機器可以識別兩個不同的物體，并能學會把一個小部件放進一個容器中。
AI系統(tǒng)的能力表現(xiàn)在上下文理解和情境感知方面，具身AI能夠在現(xiàn)實世界中進行操作和感知，更好地理解上下文和情境；通過物理環(huán)境的感知和實際操作，具身AI能夠獲得更全面的信息和數(shù)據(jù)，進一步提高對環(huán)境的理解和決策能力。
類似的例子在微軟近期發(fā)表的一篇論文中也有提到。微軟科學家向AI系統(tǒng)提出問題：“我們這里有一本書、九個雞蛋、一臺筆記本電腦、一個瓶子和一個釘子，如何將它們牢牢地堆疊在一起？”
回答這樣的問題需要對物理世界有直觀了解。AI系統(tǒng)的聰明回答讓研究人員們驚訝，他們認為AI展現(xiàn)出了一定的人類邏輯能力。AI寫道：“把雞蛋放在書上，將它們排成三排，中間留出空間，小心不要把雞蛋弄碎了。然后將筆記本電腦放在雞蛋上面，筆記本電腦放在書和雞蛋正上方，他平坦堅硬的表面將為下一層提供穩(wěn)定支撐。”
“理解了物理世界的人工智能可以學習模仿物理世界并做出符合物理規(guī)律的預測。”黃仁勛表示。此外，英偉達的元宇宙平臺Omniverse還運行了VIMA的數(shù)字孿生。
他還稱，目前“具身AI”的實例很多，包括機器人技術(shù)、自動駕駛汽車，甚至是聊天機器人。“在機器人技術(shù)、自動駕駛汽車和智能制造領(lǐng)域開辟了數(shù)萬億美元的市場機遇。”黃仁勛表示。
具身AI涉及多種技術(shù)，如機器人技術(shù)、計算機視覺、自然語言處理、動作規(guī)劃和控制等。英偉達的GPU架構(gòu)使得高性能計算在訓練和推斷階段能夠更加高效地運行，加速了具身AI技術(shù)的發(fā)展和應用。
當談到這樣的系統(tǒng)如何利好半導體行業(yè)的技術(shù)進步時，黃仁勛表示：“我期待物理人工智能、機器人技術(shù)和基于Omniverse的數(shù)字孿生有助于推動芯片制造的未來。”
按照“具身AI”的定義，美國的科技巨頭都早已開始布局。這是一種能夠通過感知、推理、決策和行動來與環(huán)境互動，并具有自主決策和行動的能力的人工智能系統(tǒng)。
例如特斯拉推出的人形機器人擎天柱就越來越具備這樣的能力，它們可以通過機器人的身軀來模擬人類的行為和動作，以更加逼真地與人類進行互動。此外，特斯拉的Dojo AI超級計算機項目也用于加速訓練和推理具身AI模型。
出門問問創(chuàng)始人李志飛對第一財經(jīng)記者表示：“具身AI可以理解為給AI大腦加上軀體，讓它去跟物理環(huán)境進行交互，從而展現(xiàn)出智能體的行為。”他補充道，這樣的“軀體”也并不是一定要像特斯拉的人形的機器人那樣。
目前已經(jīng)在開發(fā)具身AI技術(shù)的知名企業(yè)包括波士頓動力（Boston Dynamics），該公司的的機器人產(chǎn)品Atlas和Spot，已經(jīng)展示了先進的感知、運動控制和自主決策能力。此外，蘋果、谷歌、亞馬遜、微軟等科技巨頭都已經(jīng)擁有了智能語音助手系統(tǒng)，具身AI領(lǐng)域正處于快速發(fā)展階段，未來可能會涌現(xiàn)更多的創(chuàng)新和進展。
隨著具身AI的能力和應用范圍不斷發(fā)展，自身的性能和智能水平也將得到進一步的提升，從而推動人工智能的發(fā)展。但專家認為，解決安全、隱私和倫理等問題也同樣重要。
清華大學國強教授、智能產(chǎn)業(yè)研究院首席研究員聶再清對第一財經(jīng)記者表示：“由于具身AI在與人類互動和操作的過程中需要收集大量的來自現(xiàn)實世界中的數(shù)據(jù)，用于模型訓練和改進，因此從保護數(shù)據(jù)隱私安全的角度來看，無疑是提出了更大的挑戰(zhàn)。”
