生物有机体中的具身世界模型与未来具身人工智能

生成式和具身人工智能的最新进展是由多模态数据的大规模预测学习驱动的。然而，由此产生的系统仍然主要基于被动训练机制，其中语言规律性为来自其他模态的信息提供了依附的支架。相反，神经科学和认知科学表明，生物智能以相反的方式组织，通过与环境互动获得的具身世界模型提供了语言依附的语义支架。在这里，我们说明了支持具身世界建模的五个神经回路示例，它们构成了物理和概念空间导航、基于可供性的感知和与物体的互动、主动感知和探索性学习、稳态控制和情绪，以及自我与世界生成结果区分的基础。这些例子突出了当前具身人工智能中很大程度上缺失的几个特征，包括内在动力学作为学习基础的作用，行动在将这些动力学与外部世界对齐中的中心地位，自主经验和开放式学习相对于被动同化外部提供数据的突出地位，以及早期预测和控制机制为推理、概念导航、规划、想象、理解他人思想和交流等更高认知能力提供支架的事实。最后，我们讨论了源自生物系统的原理是否以及如何为未来的具身人工智能提供信息，包括基于社会互动的训练机制，以构建不仅具身而且社会共享并与人类规范和价值观一致的世界模型。