具身智慧（embodied AI）
/ em-BOD-eed AY-EYE /
具身智慧，是一種有身體、活在物理世界（或逼真模擬世界）裡的智能——它透過感測器感知、透過馬達行動，並從「挪動真實物體」的後果中學習。聊天機器人打交道的永遠只是文字；一個具身智能體，卻得對付重力、摩擦、一隻比看上去更重的杯子，和一塊滑溜溜的地板。它背後的想法是：真正的理解，也許需要這種「落地」——你是靠舉起和摔落東西，才懂得「重」或「易碎」是什麼意思，而不是靠讀到它們。
它涵蓋會行走、抓取、導航的機器人，也涵蓋那些活在逼真模擬裡、用來在碰真硬體之前廉價訓練它們的智能體。近來的興奮，來自試圖把大AI模型那種寬廣的知識賦予機器人——把模型對語言和圖像的理解，接到一具能據此行動的身體上（「拿起那隻紅馬克杯，放進水槽」）。那個夢想，是一個通用機器人，能像今天的聊天機器人處理開放式文字那樣，處理開放式的物理任務。
但物理世界冷酷無情、不留情面，而這裡的進展，遠遠落後於文字和圖像上的進展——這就是誠實的標題。莫拉維克悖論一語中的：對人類輕而易舉的事（疊衣服、跨過一地雜物、捏起一顆葡萄而不捏破），對機器卻難如登天，而抽象推理相對反倒容易。錯誤無法用一句「哎呀」撤銷——掉了的東西就掉了，用錯了力就弄壞了東西。數據稀缺且採集緩慢（每一次試驗都在即時發生），模擬與現實並不嚴絲合縫，硬體又昂貴又脆弱。具身智慧在前進，但是審慎地、緩慢地前進，離我們在純數字AI上看到的那種流暢，還差得很遠。
你對一個家用機器人說「把桌子收拾乾淨」。它的語言模型聽懂了請求，甚至知道酒杯易碎——可難的是物理那一關：精確判斷杯子在哪兒、該用多大的握力（太小會滑、太大會碎），以及如何舉起來又不撞翻盤子。如今「想」反倒是容易的那一頭；仍然缺的，是那隻小心翼翼的手。
莫拉維克悖論：聽懂請求是容易的；那隻小心翼翼的手才是難的。
數字AI與物理AI之間的鴻溝，是關鍵的洞見。一個模型能寫出無懈可擊的文章，卻沒法可靠地疊好一條毛巾，因為真實世界沒有撤銷鍵、幾乎不給訓練數據，還會即刻懲罰每一次失算。別想當然地以為，聊天機器人那個級別的流暢，很快就會遷移到身體上。