據外媒報道，人工智能通常被認為是沒有實體的。但是-一項關於虛擬生物在模擬環境中執行任務的實驗表明，人工智能可能會從心-身的設置中受益。斯坦福大學的科學家們對人類進化過程中身體和大腦的相互作用感到好奇。會不會是大腦受到身體能力的影響，反之亦然？這一點以前就有人提出過。很難說人工智能是否也是如此，因為它們的發展是更加結構化的。
然而，這樣一個概念帶來的問題是引人注目的。如果人工智能從一開始就進化成這樣，它能否更好地學習和適應這個世界？
他們設計的實驗在某些方面類似於幾十年來一直用於測試進化算法的模擬環境。研究人員設置了一個虛擬空間，並將簡單的模擬生物放入其中，只是一些連接的幾何形狀，以隨機方式移動。在一千個這樣的蠕動形狀中，挑出10個蠕動最遠的，並在此基礎上做一千個變化，反覆進行。很快，研究人員就發現幾個虛擬生物在虛擬表面上做了一個非常順利的行走。
不過正如研究人員所解釋的，他們需要使他們的模擬更加穩健和可變。他們並不是簡單地試圖製造能走動的虛擬生物，而是要研究這些生物如何學會做它們所做的事情，以及是否有些生物比其他生物學得更好或更快。
為了找出答案，研究小組創建了一個類似於舊的模擬，並將他們的模擬生物稱為”unimals”（代表”通用動物”），一開始只是為了學習走路。這些簡單的形狀有一個球形的”頭”和一些樹枝狀的關節肢體，它們用這些肢體發展出許多有趣的行走方式。有的蹣跚前行，有的發展出類似蜥蜴的行走，還有的則是一種搖擺但有效的風格，讓人想起了陸地上的章魚。
“這一領域的幾乎所有先前的工作都是在一個簡單的平坦地形上演化出代理人。此外，在代理人的控制器和/或行為沒有通過與環境的直接傳感運動互動來學習的意義上，沒有學習，”共同作者Agrim Gupta向TechCrunch解釋說–換句話說，它們通過生存來進化，但沒有真正通過實踐來學習。”這項工作首次在複雜的環境中同時進行進化和學習，如帶有台階、山丘、山脊的地形，並在這些複雜的環境中進行操作。”
每個環境中的前10名unimals被放任自流，執行從新的障礙物到將球移動到目標、將箱子推上山丘或在兩點之間巡邏的任務。在這裡，這些unimals真正展示了它們的虛擬能力。已學會在可變地形上行走的unimals比它們的平地“表親”更快地學會了它們的新任務，並且執行得更好。
“從本質上講，我們發現進化迅速選擇了學習速度更快的形態，從而使早期祖先一生中晚期學到的行為能夠在其後代的一生中早期表現出來，”作者在周三發表於《自然》雜誌的論文中寫道。
這不僅僅是它們學會了更快的學習；進化過程選擇了能讓它們更快地適應和更快地應用課程的身體類型。除了提供一些有趣的三維棒狀圖在虛擬地形上馳騁的GIF之外，這一切還意味着什麼？正如論文所說，該實驗“”為進行大規模的硅基實驗打開了大門，以產生科學見解，了解學習和進化如何合作創造環境複雜性、形態智能和控制任務的可學習性之間的複雜關係”。
該研究小組已經在GitHub上免費提供了所有的代碼和數據。研究人員表示：“默認參數假定你是在16台機器上運行代碼。請確保每台機器至少有72個CPU。”