AI的瓶颈突破在于实体人工智能(2)

将PAI和数字人工智能组合起来的范式是机器人开发领域最突出的领域之一，能提供无数研究机会。特别是将实体机器人和计算机器人整合为单一 PAI 方法的研究，这有望创造出人类-机器人共生的生态系统，从而重新定义人类与机器人的交互。目前而言，这一方向上最主要的障碍是缺乏开发 PAI 的技能，还没有人提出清晰连贯的教育结构和培训方式。

在创造PAI的雄心勃勃的征程中，许多学科都会紧密地交织在一起。其中主要有材料科学、机械工程、计算机科学、化学和生物学（图 2）。要将机器人的范式从组装的硬件设备转换成PAI组成的机器人，需要将这些学科领域的技能组合到一起。

推动PAI技能发展

作者设想，为了掌握多学科的 PAI 技能，需要一种系统性的教育方法，而且机构层面和社区层面都要有。作者也为这套潜在方法提出了一些建议，其中包括营造良好的机构和社区氛围来发展学生的技能并为导师提供支持。接下来可以提出多层级的方法论，以在当前的高等教育计划中实施PAI 培训。作者提议该方法论需包含以下三大组成部分：（1）机构支持；（2）理解跨学科研究的复杂性和挑战性；（3）创造认可和传播研究成果的场所。

首先，如果要为PAI技能培训打下坚实的基础，机构层面的支持是至关重要的。作者认为，在机构层面上，主要努力方向是显式地鼓励不同科系和学院的研究者积极合作研究PAI。共同研究PAI的机构集群可以创造一个教育平台，比如提供多学科选修课程和实验室培训，并允许内部科研合作和互相使用设备。其重点在于，正常运作的机构集群能确保在选择正确的技能组合时提供专业的指导，从而适应每位学生的兴趣范围和研究需求。这种方法也能促进不同机构中心之间的外部合作，并推进国内和国际的交流与课外活动。

由于PAI本质上是跨学科研究，因此相关研究成果的受众范围更广，有发表在更高影响力期刊上的潜力。但是，由于多学科研究涉及到广泛的专业知识，风险会更高，情况也会更复杂。多学科之间和之中的研究工作需要有走出舒适区的勇气，去面对自己并不熟悉专业术语和人际网络，而且还必需持续不断的学习以及坚持不懈的内在动力。此外，职业发展步骤也需要鼓励和奖励跨学科研究工作。举个例子，现如今雇佣教职人员时，往往会根据范围狭窄的特定目标领域执行，而不会从多学科角度考虑。通过雇佣在串联PAI相关学科方面有专长的教职人员并提供合适的机构支持，能为跨学科PAI研究提供至关重要的激励。这些步骤能直接推进PAI研究，同时还能通过高影响力的成果发布、专利和吸引的投资为机构的声誉带来许多倍的回报。

此外，创造认可和传播多学科研究的场所也非常重要。如果将 PAI 研究划分到传统的科研社区，比如材料科学、力学、有机化学等，则可能收窄一个科学问题的展示空间，即只能展示该特定社区能够理解的部分。这种方式缺乏整体视野，也不能理解该问题的整体复杂性。尤其是机器人学和人工智能领域，需要一种更广泛的多学科认证模式，并且要使其注重学科和专业知识之间的复杂交互关系。作者提出创建和支持以 PAI 的复杂多学科挑战为目标的研究者社区、会议和期刊。他们也建议通过不同学科共同组织设立竞争性的奖学金、奖励和奖金，以支持社区层面的参与。

（编辑：ASP站长网）