想象未來某天，你的保姆機器人接到下樓買咖啡的指令，自主完成開門、乘坐電梯、尋找便利店、取咖啡、付錢等一連串動作，最後將咖啡遞到你手裏。
這不是科幻電影，而是具有自主進化能力的AI智慧體帶來的可能——不再局限於在固定場景裏完成特定動作，而是能像人類一樣在陌生環境裏“自主學習”，並根據場景變化做出相應的動作。
作為人工智慧最主要的載體，智慧體由硬體、軟體等多種要素組成，能夠感知周圍環境，並根據自身所處環境做出判斷和決策。在我們的日常生活中，一輛輔助駕駛的汽車是智慧體，可以根據路況自主地踩油門或者剎車；家裏的掃地機器人也是智慧體，能識別地板上是紙屑果皮還是灰塵，並選擇合適的清潔方式。
實際上，智慧體並非向來智慧，它們的進化史就像一個人的成長史。早期，智慧體只會“死記硬背”。例如，1997年擊敗國際象棋冠軍的超級電腦“深藍”，其實是存儲了幾十萬局棋譜的“復讀機”，遇到規則外的招式就會卡殼。2014年，谷歌研發的AlphaGo開啟了“思維訓練”的模式，智慧體開始通過自我學習提升自身能力，並逐漸進階為某個專項領域的高手。2022年，以ChatGPT為代表的大語言模型橫空出世，標誌着智慧體發展出較高的智慧水平。例如，借助AI大模型破譯甲骨文時，它會自主調取青銅器紋樣數據庫來“腦補”生僻字的字義，甚至根據上下文的意思“創造”新字符。
與智慧體進化相對應的，是智慧體訓練方法的變化。
AI大模型依賴於人工收集的數據進行訓練。“投喂”給它們什麼訓練數據，就學習什麼知識。例如，給它們提供100萬張貓和狗的圖像，並且標注清楚哪些是貓、哪些是狗，經過長時間的訓練，它們就能很好地分辨貓和狗，但對於沒見過的動物依然無法識別。
而下一代智慧體將具備自主學習的能力——通過觀察這個世界、和周圍的環境互動，來學習各種技能。不需要收集和標注好100萬張圖像，只用幾張圖像教會它們最基本的知識，它們就可以自己學習更豐富的知識。例如，如果想教智慧體騎自行車，只需要示範一次，它就會自己嘗試不同的騎行動作，並不斷試錯，最終學會騎行的技巧。這意味着下一代智慧體將在自主性和適應性方面更上一個臺階，能夠主動獲取信息，進行信息加工，然後分解任務、完成任務。
基於這種方式，若干年後的智慧體或將徹底融入我們的生活：廚房裏，智慧灶臺不僅能烹飪美味佳肴，還能記住你的口味偏好；醫院裏，AI醫生為病人診斷出病症，帶着“定制方案”找主刀醫生討論……
不過眼下，智慧體的發展還遠未達到人們所期望的“耳聰目明、心靈手巧”，它們只能在固定場景中完成特定任務，並不具備跨場景完成任務的能力：一個智慧體可以為汽車擰螺絲，但換成輪船可能就做不到了；可以在平地上翩翩起舞，但換成山路也許就“四肢不協調”了。因此，“跨任務、跨場景、跨本體”是下一代智慧體的發展目標。
隨着人工智慧從數字世界走向物理世界，智慧體的可信性變得愈發重要。在智慧體技術不斷發展的過程中，我們始終需要守護“技術進步須服務於人性溫暖”的文明底線，從源頭上界定其行為邊界與倫理規範。
