Verkörperte KI bezieht sich sowohl auf ein Forschungsprogramm, das intelligente Systeme mit einem physischen oder simulierten Körper in einer Umgebung aufbaut, als auch auf die breitere These, dass echte Intelligenz nicht vollständig erreicht oder vielleicht sogar richtig verstanden werden kann von Systemen, die nur körperlose Texte oder Bilder verarbeiten, weil vieles von dem, wofür Intelligenz da ist, Vorhersage, Planung und kausales Verständnis, argumentiert wird, davon abhängt, in einer physischen Welt zu handeln und Feedback von ihr zu erhalten. Die Idee stützt sich auf frühere Arbeiten in der Kognitionswissenschaft und Robotik, einschließlich Rodney Brooks Argument aus den 1990er Jahren, dass intelligentes Verhalten aus der direkten sensomotorischen Interaktion eines Agenten mit seiner Umgebung entstehen könnte, anstatt nur aus internen symbolischen Repräsentationen, und sie hat erneute Aufmerksamkeit erhalten, da Large-Language-Model-Systeme fließenden Sprachgebrauch ohne jegliche Verankerung in physischer Erfahrung demonstriert haben.
Die Verkörperungsthese
Befürworter der verkörperten KI argumentieren, dass rein texttrainierte Modelle unter einem Verankerungs-Problem leiden: Sie manipulieren Symbole, deren Bedeutung nur durch Beziehungen zu anderen Symbolen in ihren Trainingsdaten definiert ist, anstatt durch eine Verbindung zu sensorischer Erfahrung oder physischen Konsequenzen, was einige Forscher argumentieren, begrenzt die Fähigkeit solcher Systeme, zuverlässig über physische Kausalität, räumliche Beziehungen und reale Einschränkungen zu schlussfolgern, unabhängig davon, wie viel Text sie trainiert wurden. Diese Kritik spiegelt die breitere Debatte darüber wider, ob große Sprachmodelle Sprache wirklich verstehen oder nur anspruchsvolles Musterabgleichen durchführen, wie im Artikel über die stochastische Papageien-Kritik diskutiert, und wurde prominent von Forschern wie Yann LeCun vorgebracht, der argumentiert hat, dass sprachbasiertes Training ein inhärent begrenzter Weg zu allgemeinerer Intelligenz ist und stattdessen Systeme befürwortet, die ein prädiktives Weltmodell der physischen Realität aus sensorischen Daten wie Video lernen.
Forschungsrichtungen
Die Forschung zur verkörperten KI erstreckt sich über ein Spektrum von simulierter bis physischer Verkörperung. Simulierte Umgebungen, einschließlich Spiele-Engines und Physiksimulatoren, ermöglichen es Forschern, Agenten auf Navigations-, Objektmanipulations- und Anweisungsbefolgungsaufgaben zu trainieren und zu bewerten, zu weit geringeren Kosten und Risiken als mit realer Hardware, wobei die resultierenden Richtlinien manchmal durch Sim-to-Real-Techniken auf physische Robotik-Plattformen übertragen werden. Vollständig physische Verkörperungsarbeit liegt an der Schnittstelle von verkörperter KI und eigentlicher Robotik, einschließlich der Vision-Language-Model-basierten und Vision-Language-Action-Systeme, die zunehmend zur Steuerung von humanoiden Roboter-Plattformen und anderen Robotern verwendet werden. Einige Forscher behandeln auch multimodale KI-Systeme, die die physische Welt nur wahrnehmen, aber nicht in ihr handeln, wie Modelle, die Video- oder Sensorströme ohne motorische Ausgabe verarbeiten, als eine partielle oder intermediate Form der Verkörperung.
Beziehung zu Weltmodellen und AGI
Verkörperte KI ist eng mit der Forschung an Weltmodell-Systemen verbunden, internen prädiktiven Repräsentationen davon, wie sich eine Umgebung im Laufe der Zeit entwickelt, da ein Agent, der in der Welt handeln muss, davon profitiert, die wahrscheinlichen Konsequenzen seiner Handlungen simulieren zu können, bevor er sie ausführt. Einige Forscher, einschließlich LeCun, haben Verkörperung und Weltmodellierung zusammen als eine notwendige, wenn auch nicht hinreichende Komponente jedes Weges zu künstlicher allgemeiner Intelligenz dargestellt, im Gegensatz zu Ansätzen, die das Skalieren von rein textbasiertem Large-Language-Model-Training als primären Weg zu allgemeinerer Fähigkeit behandeln. Diese Meinungsverschiedenheit bleibt eine der folgenreichsten offenen Debatten darüber, wie sich der KI-Fortschritt bis Ende der 2020er Jahre wahrscheinlich entwickeln wird, wobei große Labore beide Wege gleichzeitig verfolgen, anstatt sich auf eine einzige Strategie zu konvergieren.