임보디드 AI는 물리적 또는 시뮬레이션된 신체를 환경 속에 두고 지능형 시스템을 구축하는 연구 프로그램과, 진정한 지능은 신체가 없는 텍스트나 이미지만 처리하는 시스템으로는 완전히 달성될 수 없거나 심지어 제대로 이해될 수도 없다는 더 넓은 논제를 모두 가리킨다. 지능이 무엇을 위한 것인지, 즉 예측, 계획, 인과적 이해의 많은 부분이 물리적 세계에서 행동하고 피드백을 받는 데 의존한다고 주장되기 때문이다. 이 아이디어는 인지 과학과 로보틱스의 초기 연구에서 비롯되었으며, Rodney Brooks가 1990년대에 내부적 상징적 표상만으로가 아니라 에이전트가 환경과 직접적인 감각운동 상호작용을 통해 지능적 행동이 출현할 수 있다고 주장한 것을 포함한다. 또한 Large language model 시스템이 물리적 경험에 대한 기반 없이 유창한 언어 사용을 입증하면서 다시 주목을 받고 있다.
구현 논제
임보디드 AI의 지지자들은 순수 텍스트로 훈련된 모델이 Grounding (AI) 문제를 겪는다고 주장한다. 즉, 그들은 의미가 Training data에서 다른 기호와의 관계에 의해서만 정의되는 기호를 조작하며, 감각 경험이나 물리적 결과와의 어떤 연결에도 기반하지 않는다. 일부 연구자들은 이로 인해 그러한 시스템이 얼마나 많은 텍스트로 훈련되든 물리적 인과성, 공간 관계, 실제 세계의 제약에 대해 신뢰할 수 있게 추론하는 능력이 제한된다고 주장한다. 이 비판은 대규모 언어 모델이 언어를 진정으로 이해하는지 아니면 정교한 패턴 매칭만 수행하는지에 대한 더 넓은 논쟁을 반영하며, 이는 Stochastic parrot 비판에 관한 문서에서 논의된다. 또한 Yann LeCun을 포함한 연구자들이 두드러지게 제기해 왔는데, 그는 언어 전용 훈련이 더 일반적인 지능으로 가는 본질적으로 제한된 경로라고 주장하고 대신 비디오와 같은 감각 데이터에서 물리적 현실의 예측적 World model을 학습하는 시스템을 옹호했다.
연구 방향
임보디드 AI 연구는 시뮬레이션된 구현에서 물리적 구현에 이르는 스펙트럼을 포괄한다. 게임 엔진과 물리 시뮬레이터를 포함한 시뮬레이션 환경은 연구자들이 실제 하드웨어보다 훨씬 낮은 비용과 위험으로 탐색, 객체 조작, 지시 따르기 작업에서 에이전트를 훈련하고 평가할 수 있게 하며, 결과 정책은 때때로 sim-to-real 기술을 통해 물리적 Robotics 플랫폼으로 전환된다. 완전한 물리적 구현 작업은 임보디드 AI와 로보틱스 자체의 교차점에 있으며, Vision-language model 기반 및 시각-언어-행동 시스템이 Humanoid robot 플랫폼과 다른 로봇을 제어하는 데 점점 더 사용된다. 일부 연구자들은 물리적 세계에서 행동하지 않고 단지 인식만 하는 다중 모달 AI 시스템, 예를 들어 모터 출력 없이 비디오나 센서 스트림을 처리하는 모델을 부분적 또는 중간 형태의 구현으로 취급하기도 한다.
세계 모델 및 AGI와의 관계
임보디드 AI는 환경이 시간에 따라 어떻게 진화하는지에 대한 내부 예측 표상인 World model 시스템 연구와 밀접하게 연결되어 있다. 세계에서 행동해야 하는 에이전트는 행동을 취하기 전에 행동의 가능한 결과를 시뮬레이션할 수 있는 이점이 있기 때문이다. LeCun을 포함한 일부 연구자들은 구현과 세계 모델링을 함께 Artificial general intelligence로 가는 모든 경로의 필요하지만 충분하지는 않은 구성 요소로 간주하며, 이는 순수 텍스트 대규모 언어 모델 훈련의 확장을 더 일반적인 능력으로 가는 주요 경로로 취급하는 접근 방식과 대조된다. 이 의견 차이는 2020년대 후반까지 AI 발전이 어떻게 전개될지에 대한 가장 중요한 공개 논쟁 중 하나로 남아 있으며, 주요 연구소들은 단일 전략으로 수렴하기보다는 두 경로를 동시에 추구하고 있다.