मूर्त AI (Embodied AI) एक शोध कार्यक्रम को संदर्भित करता है जो भौतिक या सिम्युलेटेड शरीर वाली बुद्धिमान प्रणालियों का निर्माण करता है, जो किसी पर्यावरण में स्थित होती हैं, और साथ ही व्यापक थीसिस को भी संदर्भित करता है कि वास्तविक बुद्धिमत्ता को केवल अमूर्त पाठ या छवियों को संसाधित करने वाली प्रणालियों द्वारा पूरी तरह से प्राप्त नहीं किया जा सकता है, या शायद ठीक से समझा भी नहीं जा सकता है, क्योंकि बुद्धिमत्ता का अधिकांश उद्देश्य - भविष्यवाणी, योजना और कारणात्मक समझ - तर्क दिया जाता है कि यह भौतिक दुनिया में कार्य करने और उससे प्रतिक्रिया प्राप्त करने पर निर्भर करता है। यह विचार संज्ञानात्मक विज्ञान और रोबोटिक्स में पहले के काम पर आधारित है, जिसमें रॉडनी ब्रूक्स का 1990 का तर्क शामिल है कि बुद्धिमान व्यवहार किसी एजेंट के अपने पर्यावरण के साथ सीधे संवेदी-मोटर संपर्क से उभर सकता है, न कि केवल आंतरिक प्रतीकात्मक प्रतिनिधित्व से, और इसे नए सिरे से ध्यान मिला है क्योंकि बड़े भाषा मॉडल प्रणालियों ने भौतिक अनुभव में आधारित हुए बिना धाराप्रवाह भाषा उपयोग का प्रदर्शन किया है।
मूर्तता की थीसिस
मूर्त AI के समर्थक तर्क देते हैं कि विशुद्ध रूप से पाठ-प्रशिक्षित मॉडल आधारण की समस्या से ग्रस्त हैं: वे प्रतीकों को संचालित करते हैं जिनका अर्थ केवल उनके प्रशिक्षण डेटा में अन्य प्रतीकों के साथ संबंधों द्वारा परिभाषित होता है, न कि संवेदी अनुभव या भौतिक परिणाम से किसी संबंध द्वारा, जो कुछ शोधकर्ताओं का तर्क है कि ऐसी प्रणालियों की भौतिक कार्य-कारण, स्थानिक संबंधों और वास्तविक दुनिया की बाधाओं के बारे में विश्वसनीय रूप से तर्क करने की क्षमता को सीमित करता है, चाहे उन्हें कितना भी पाठ प्रशिक्षित किया जाए। यह आलोचना व्यापक बहस को प्रतिध्वनित करती है कि क्या बड़े भाषा मॉडल वास्तव में भाषा को समझते हैं या केवल परिष्कृत पैटर्न मिलान करते हैं, जिस पर स्टोकेस्टिक तोता आलोचना के लेख में चर्चा की गई है, और इसे यान लेकुन सहित शोधकर्ताओं ने प्रमुखता से उठाया है, जिन्होंने तर्क दिया है कि भाषा-केवल प्रशिक्षण अधिक सामान्य बुद्धिमत्ता की ओर एक स्वाभाविक रूप से सीमित मार्ग है और इसके बजाय ऐसी प्रणालियों की वकालत की है जो वीडियो जैसे संवेदी डेटा से भौतिक वास्तविकता का एक पूर्वानुमानात्मक विश्व-मॉडल सीखते हैं।
अनुसंधान दिशाएँ
मूर्त AI अनुसंधान सिम्युलेटेड से भौतिक मूर्तता तक एक स्पेक्ट्रम फैलाता है। सिम्युलेटेड वातावरण, जिसमें गेम इंजन और भौतिकी सिम्युलेटर शामिल हैं, शोधकर्ताओं को नेविगेशन, वस्तु हेरफेर और निर्देश-पालन कार्यों पर एजेंटों को वास्तविक हार्डवेयर की तुलना में बहुत कम लागत और जोखिम पर प्रशिक्षित और मूल्यांकन करने की अनुमति देते हैं, और परिणामी नीतियों को कभी-कभी सिम-से-वास्तविक तकनीकों के माध्यम से भौतिक रोबोटिक्स प्लेटफार्मों में स्थानांतरित किया जाता है। पूरी तरह से भौतिक मूर्तता का कार्य मूर्त AI और उचित रोबोटिक्स के प्रतिच्छेदन पर स्थित है, जिसमें दृष्टि-भाषा मॉडल आधारित और दृष्टि-भाषा-क्रिया प्रणालियाँ शामिल हैं जो तेजी से मानवाकार रोबोट प्लेटफार्मों और अन्य रोबोटों को नियंत्रित करने के लिए उपयोग की जाती हैं। कुछ शोधकर्ता बहुसंवेदी AI प्रणालियों को भी, जो केवल भौतिक दुनिया को देखती हैं लेकिन उसमें कार्य नहीं करती हैं, जैसे कि मॉडल जो मोटर आउटपुट के बिना वीडियो या सेंसर स्ट्रीम संसाधित करते हैं, मूर्तता का एक आंशिक या मध्यवर्ती रूप मानते हैं।
विश्व मॉडल और AGI से संबंध
मूर्त AI विश्व-मॉडल प्रणालियों पर अनुसंधान से निकटता से जुड़ा हुआ है, जो कि आंतरिक पूर्वानुमानात्मक प्रतिनिधित्व हैं कि कोई पर्यावरण समय के साथ कैसे विकसित होता है, क्योंकि एक एजेंट जिसे दुनिया में कार्य करना है, उसे अपने कार्यों के संभावित परिणामों को लेने से पहले अनुकरण करने में सक्षम होने से लाभ होता है। कुछ शोधकर्ताओं, जिनमें लेकुन भी शामिल हैं, ने मूर्तता और विश्व मॉडलिंग को कृत्रिम सामान्य बुद्धिमत्ता के किसी भी मार्ग का एक आवश्यक, हालांकि पर्याप्त नहीं, घटक के रूप में तैयार किया है, उन दृष्टिकोणों के विपरीत जो अधिक सामान्य क्षमता के प्राथमिक मार्ग के रूप में केवल पाठ-आधारित बड़े भाषा मॉडल प्रशिक्षण को स्केलिंग करने को मानते हैं। यह असहमति इस बात पर सबसे महत्वपूर्ण खुले बहसों में से एक बनी हुई है कि 2020 के दशक के उत्तरार्ध में AI प्रगति कैसे सामने आने की संभावना है, जिसमें प्रमुख प्रयोगशालाएँ एक ही रणनीति पर अभिसरण करने के बजाय दोनों मार्गों का एक साथ अनुसरण कर रही हैं।