IA incorporada refere-se tanto a um programa de pesquisa que constrói sistemas inteligentes com um corpo físico ou simulado situado em um ambiente, quanto à tese mais ampla de que a inteligência genuína não pode ser totalmente alcançada, ou talvez até mesmo adequadamente compreendida, por sistemas que apenas processam texto ou imagens desencarnados, porque grande parte do que a inteligência serve, previsão, planejamento e compreensão causal, argumenta-se que depende de agir em um mundo físico e receber feedback dele. A ideia baseia-se em trabalhos anteriores em ciência cognitiva e robótica, incluindo o argumento de Rodney Brooks na década de 1990 de que o comportamento inteligente poderia emergir da interação sensório-motora direta de um agente com seu ambiente, em vez de apenas representações simbólicas internas, e ganhou atenção renovada à medida que sistemas de modelos de linguagem de grande escala demonstraram uso fluente da linguagem sem qualquer fundamentação em experiência física.
A tese da incorporação
Proponentes da IA incorporada argumentam que modelos treinados apenas em texto sofrem de um problema de fundamentação: eles manipulam símbolos cujo significado é definido apenas por relações com outros símbolos em seus dados de treinamento, em vez de qualquer conexão com experiência sensorial ou consequência física, o que alguns pesquisadores argumentam que limita a capacidade de tais sistemas de raciocinar de forma confiável sobre causalidade física, relações espaciais e restrições do mundo real, independentemente de quanto texto eles sejam treinados. Essa crítica ecoa o debate mais amplo sobre se modelos de linguagem de grande escala genuinamente entendem a linguagem ou meramente realizam correspondência de padrões sofisticada, discutido no artigo sobre a crítica do papagaio estocástico, e foi levantada de forma proeminente por pesquisadores incluindo Yann LeCun, que argumentou que o treinamento apenas em linguagem é um caminho inerentemente limitado em direção a uma inteligência mais geral e defendeu, em vez disso, sistemas que aprendem um modelo de mundo preditivo da realidade física a partir de dados sensoriais, como vídeo.
Direções de pesquisa
A pesquisa em IA incorporada abrange um espectro desde a incorporação simulada até a física. Ambientes simulados, incluindo motores de jogos e simuladores de física, permitem que pesquisadores treinem e avaliem agentes em tarefas de navegação, manipulação de objetos e seguimento de instruções a um custo e risco muito menores do que hardware real, com as políticas resultantes às vezes transferidas para plataformas de robótica físicas por meio de técnicas de sim-para-real. O trabalho de incorporação totalmente física situa-se na interseção entre IA incorporada e robótica propriamente dita, incluindo os sistemas baseados em modelos de visão-linguagem e sistemas de visão-linguagem-ação cada vez mais usados para controlar plataformas de robôs humanoides e outros robôs. Alguns pesquisadores também tratam sistemas de IA multimodais que meramente percebem, mas não agem, no mundo físico, como modelos que processam vídeo ou fluxos de sensores sem saída motora, como uma forma parcial ou intermediária de incorporação.
Relação com modelos de mundo e IAG
A IA incorporada está intimamente ligada à pesquisa sobre sistemas de modelos de mundo, representações preditivas internas de como um ambiente evolui ao longo do tempo, já que um agente que deve agir no mundo se beneficia de poder simular as consequências prováveis de suas ações antes de tomá-las. Alguns pesquisadores, incluindo LeCun, enquadraram a incorporação e a modelagem de mundo juntas como um componente necessário, embora não suficiente, de qualquer caminho em direção à inteligência artificial geral, em contraste com abordagens que tratam o treinamento escalável de modelos de linguagem de grande escala apenas em texto como a rota principal para capacidades mais gerais. Esse desacordo permanece um dos debates abertos mais consequentes sobre como o progresso da IA provavelmente se desenrolará até o final da década de 2020, com grandes laboratórios perseguindo ambos os caminhos simultaneamente, em vez de convergir para uma única estratégia.