物理人工智能的影响2030年 “有身体的人工智能” 将如何改变世界

本书讨论了 “物理人工智能” 的本质及其作为一项重大技术创新的社会和工业影响，将在生成式人工智能之后出现。作者将物理人工智能定义为 “具有身体的人工智能”，它通过传感器识别现实世界，使用人工智能做出判断，并通过驾驶设备（P3）在现实世界中工作。
传统的人工智能主要在信息空间中发挥作用。生成式 AI 还可以处理句子和图像等符号，并且那里没有重力或摩擦力。但是，物理 AI 针对的是现实世界本身。自动驾驶汽车就是一个象征，它们在路上行驶时有人在路上，如果判断错误，结果立即是事故。重要的不是人工智能是完美的，尽管它并不完美，但它已经开始作为现实世界（P5）的一部分来运行。在这里，从处理信息的智能向在物理世界中行动和承担责任的情报发生了质的转变（P32）。
作者指出，虽然生成式人工智能改变了白领工作，但物理人工智能重写了网站本身。过程控制、质量控制和设备维护等领域迄今为止依赖于熟练人员的经验和直觉，将使用传感器和人工智能（P7）进行重建。因此，首先受到影响的是现场经理和熟练技术人员的特权，以及能够基于物理人工智能重新设计组织的公司与将其作为简单工具引入的公司之间的区别是决定性的（P7）。
但是，作者并不认为人工智能可以替代人类。人工智能的本质不是让人们变得不必要，而是创造空间，让人们可以专注于只有人类才能做的工作（P22）。物理人工智能的本质是将每个场所，例如工厂、仓库、商店、医疗机构、疗养、家庭等，转变为 “不断学习和改进的地方”（P24）。
自动驾驶是起点。根据作者的说法，之所以选择自动驾驶，是因为它是最困难的问题，同时也是最有价值的问题（P29）。每年减少120万人因交通事故死亡的社会意义、可以获取多样和大量数据的环境以及应用于其他领域的可能性使自动驾驶成为物理人工智能（P29）的领导者。自动驾驶是第一个同时要求人工智能满足三个条件的实体：物理定律、没有正确答案的判断以及不允许失败的道德（P32-33）。
传统的自动化设备按照人类的设计工作。但是，物理人工智能会学习从现场获得的数据，并继续自行寻找改进方法（P37）。重要的不是引进技术本身，而是 “在现场发生的事件以数据形式存储、学习，并将结果返回到现场” 的循环仍在继续（P52）。当这个周期开始时，该站点不仅仅是一个工作场所，而是变成 “学习场所”（P52）。
作者指出，竞争优势的来源也在这里。实地知识是随着时间的反复失败和改进而积累的学习资产，不能从外部购买（P54）。如果使用相同的模型，生成式人工智能能够赶上某个水平，但是在物理人工智能中，学习目标是每个站点本身，因此差异会随着时间的推移而扩大（P54）。因此，决定2030年公司命运的不是规模或知名度，而是它们是否有 “持续学习的网站”（P55）。
随着物理人工智能的发展，人类的角色也将发生变化。人工智能将负责日常任务和决策，但人类仍然负责决定 “将哪些决策委托给人工智能” 以及 “改进方向是否正确”（P59）。我们要问的不是是否引入了人工智能，而是是否有可能维护一个持续学习的网站（P59）。
制造业的竞争单位也在发生变化。到目前为止，一直是产品之间的竞争，但在物理人工智能时代，它将转向工厂之间的竞争（P106）。差异化因素不是产品性能，而是生产速度、灵活性和操作速率 (P116) 的变化。物理人工智能不是一种消除失败的技术；它是一种将失败转化为学习的机制（P117）。
此外，作者预测人形生物将在2030年渗透社会（P49）。它之所以成为人形生物，是因为人类社会的基础设施可以照原样使用，它还可以用作集成多个专业人工智能（P49）的物理平台。人形生物成为既不是家庭成员也不是家用电器的 “第三室友”，他们成为为人们创造时间的生物（P196）。
关于国际竞争，描绘了中国、美国和日本之间的差异。在无人机和电动汽车（P273）培育的批量生产技术的背景下，中国采取了先批量生产 “机体” 并向实地学习的战略。美国将首先完善该模型，并采取策略来提高虚拟空间的完美程度（P277）。同时，日本有可能建立整合人体、人工智能和数据主权的第三条道路（P279）。但是，如果无法在2030年代初整合主体和操作系统，它们就有可能留在实施国，受外国制造的算法的支配（P271）。
这本书不仅将物理人工智能定位为机器人技术，还将其定位为 “将领域转变为学习实体的结构转型”。此外，已经得出的结论是，决定2030年竞争力的不是人工智能本身的引入，而是是否有可能有一个 “持续学习的网站”（P55）。这意味着不仅公司，而且整个社会都将改变竞争原则。