具身认知是认知科学、哲学和人工智能领域中一个多样化的研究纲领，它探究认知如何受到有机体身体状态和能力的影响。这些具身因素包括运动系统、感知系统、身体与环境的交互（情境性），以及塑造大脑和身体功能结构的关于世界的假设。支持者认为，这些要素对于广泛的认知功能至关重要，例如感知偏差、记忆回忆、理解、高级心理构念（如意义归因和范畴），以及推理或判断等任务的执行。
具身心智论题挑战了传统理论，如认知主义、计算主义和笛卡尔二元论，这些理论将认知视为独立于身体的抽象符号操作。它与延展心智论题、情境认知和生成主义密切相关。现代版本借鉴了心理学、语言学、认知科学、动力系统、人工智能、机器人学、动物认知、植物认知和神经生物学的研究。作为一个研究纲领而非单一统一理论，具身认知包含弱变体和强变体，对身体在认知中的因果作用或构成作用有不同的强调。
理论基础
在哲学中，具身认知认为，一个主体的认知，并非仅仅是关于世界的先天抽象表征的产物，而是受到主体身体（超越大脑的部分）各方面的强烈影响。这反对笛卡尔模型，该模型假设心理现象是非物理的，不受身体影响。具身论题旨在将身体经验重新引入认知的说明中。
生成方法由弗朗西斯科·瓦雷拉和埃文·汤普森等研究者发展，它在双重意义上定义具身：第一，认知依赖于来自拥有各种感觉运动能力的身体的经验；第二，这些能力嵌入更广泛的生物、心理和文化背景中。这个宽泛的定义常常与延展认知和情境认知重叠，导致一些学者将具身认知视为一个研究纲领，而非一个定义明确的统一理论。
一个更狭窄的特征描述避免了这种重叠，它规定认知的许多特征之所以是具身的，是因为它们深度依赖于物理身体的特性，以至于超越大脑的身体在认知处理中扮演重要的因果或构成角色。这个论题没有直接提及文化背景，从而可以将具身认知与延展认知（将处理延展到世界中）和情境认知（强调社会和文化背景）区分开来。
经验证据与机制
心理学和神经科学的研究为具身对认知的影响提供了证据。例如，研究表明感知偏差可能受到身体状态的影响，如手持热饮会影响社会判断。记忆回忆也受到身体姿势和运动的影响，如在学习材料时进行一致的身体动作能改善回忆的研究所示。语言理解通常涉及感觉运动模拟，如阅读动作动词时运动区域的神经活动所示。
在认知科学中，身体的作用通常通过动力系统理论来研究，该理论将认知视为主体、身体和环境之间持续交互中涌现的结果。这与经典计算主义形成对比，后者将认知视为内部符号处理。人工智能和机器人学领域也做出了贡献，研究者构建了使用简单感觉运动回路实现复杂行为而无需中央表征的机器人，支持认知可以植根于身体交互的观点。
对神经科学和人工智能的启示
具身视角对认知神经科学有重要启示。传统内在主义观点将认知视为强大大脑的产物，这些大脑维护世界模型并制定计划，行为作为输出。具身认知则提出，在现实世界场景中成功的行为需要整合感觉运动、认知和情感能力。认知在主体与环境提供的可供性之间的关系中涌现，而非仅在大脑中。
在人工智能中，具身认知启发了诸如发展机器人学和带物理主体的强化学习等方法。例如，Sanctuary AI和Figure AI开发通过物理交互学习的人形机器人，反映了具身原则。Waymo和Tesla使用来自车辆的感觉运动数据进行导航，尽管它们的架构通常是混合的。Machine learning和Deep learning领域在很大程度上专注于无具身模型，但具身人工智能仍是一个活跃的研究领域，BAIR (Berkeley AI Research)和MIT CSAIL等团队正在探索这些想法。
批评与争论
批评者认为，具身认知缺乏精确、可检验的定义，使其难以被证伪。一些人主张，许多发现可以用传统认知理论解释，而无需援引身体的构成作用。因果作用与构成作用之间的区别存在争论：身体仅仅是影响认知，还是认知过程本身的一部分？这个争论与Artificial intelligence中关于物理具身是否对通用智能必要的讨论相似。
另一个批评是，具身认知过度强调生物身体，可能限制其对人工系统的适用性。然而，支持者回应说，该论题适用于任何具有感觉运动能力的主体，包括机器人。该领域持续发展，研究者整合来自Neural network模型和Large language model研究的见解，探索抽象推理如何可能植根于具身经验。
未来方向
具身认知与Generative AI和Transformer (architecture)基础系统的发展越来越相关，这些系统通常处理文本而没有物理身体。一些研究者，如Joshua Tenenbaum和Brendan Lake，认为类人智能需要具身交互，而不仅仅是模式识别。这导致了结合符号推理与感觉运动基础的混合架构的提议。
在机器人学中，Intuitive Surgical和Figure AI等公司正在应用具身原则来创建适应现实环境的系统。Stanford AI Lab和Carnegie Mellon University等学术实验室正在探索具身如何提高学习效率和泛化能力。截至2020年代中期，具身认知仍是一个充满活力的研究纲领，影响从哲学到人工智能的领域，并引发关于心智和智能本质的持续争论。