Живой ум: почему ИИ без тела остаётся слепым экспресс
Современный стандартный подход к обучению ИИ похож на ребёнка, запертого в библиотеке: он помнит миллионы книг, но не знает, что огонь обжигает, а падение приносит боль. Наш мозг, построенный из углерода и других простых веществ, работает иначе: сначала тело исследует мир через движения, прикосновения, ошибки, и только потом слова обретают смысл.
Нейробиологи выделили пять врождённых механизмов такого «заземлённого» познания: карта пространства, хватание, распознавание своих действий — они активны ещё до речи. Их объединяет энтропия, мера беспорядка, которая заставляет мозг искать новое, упорядочивая мир. Младенцы различают свои и чужие действия уже в первые месяцы — на этом строится чувство «я» и эмпатия.
Вывод для ИИ: бессмысленно пичкать его текстами. Машине нужно тело, способное падать и учиться на своих ошибках. Тогда появятся физическая интуиция, воображение, социальное чутьё. Этот процесс, словно расширение вселенной, откроет новые горизонты понимания. Прорыв случится не в библиотеке данных, а на робо-площадке, где будут набивать шишки.
Оригинальная аннотация
как её написали авторы, на английском arXiv:2607.13560
Recent advances in generative and embodied AI have been driven by large-scale predictive learning over multimodal data. However, the resulting systems remain largely based on passive training regimes where linguistic regularities create the scaffold onto which information from other modalities is attached. Conversely, neuroscience and cognitive science suggest that biological intelligence is organized in the opposite way, where grounded world models acquired through interaction with the environment provide the semantic scaffold to which language is attached. Here, we illustrate five examples of neural circuits supporting grounded world modelling, which underlie navigation in physical and conceptual spaces, affordance-based perception and interaction with objects, active perception and exploratory learning, allostatic control and emotion, and the distinction between self- and world-generated outcomes. These examples highlight several features largely missing from current embodied AI, including the role of intrinsic dynamics as a foundation for learning, the centrality of action in aligning these dynamics with the external world, the prominence of autonomous experience and open-ended learning over passive assimilation of externally provided data, and the fact that early predictive and control mechanisms scaffold higher cognitive abilities such as reasoning, conceptual navigation, planning, imagination, understanding others' minds, and communication. Finally, we discuss whether and how principles derived from biological systems may inform future embodied AI, including training regimes based on social interaction to construct world models that are not only grounded but also socially shared and aligned with human norms and values.
Когда вы читаете слово «пнуть», в вашем мозгу едва заметно активируются зоны, управляющие ногами. Даже у взрослых язык «заземлён» в телесном опыте.
Обучение ИИ через действие напоминает фильмы «Робот по имени Чаппи» и «Искусственный разум», где машины обретают личность через столкновение с реальным миром.