生物有机体的具身世界模型与未来具身AI

该论文对比了当前生成式与具身AI的被动训练模式与生物智能的主动交互式学习模式。生物通过与环境互动获得具身世界模型，作为语义基础；而现有AI依赖语言规律附着多模态信息。论文列举了五个神经回路示例，展示生物具身世界模型在导航、能动性感知、主动学习、稳态控制和自我世界区分中的作用，并指出当前AI缺乏内在动力学、行动对齐、自主经验等特征。论文探讨了将生物原理应用于未来具身AI的可能性。

该论文指出了当前生成式与具身AI的一个根本性局限：依赖被动语言训练而非主动交互。它从神经科学角度提出了替代范式，即通过与环境的物理交互构建世界模型作为语义基础，这为未来AI走向自主学习和开放探索提供了新方向。

生物智能通过内在动力学与行动对齐外部世界，形成基于交互的具身世界模型，再以此作为语言等高级认知能力的脚手架。当前AI则反向依赖语言规律附着其他模态，缺乏自主经验和主动学习机制。

• 生物具身世界模型的具体神经回路如何在工程上实现？
• 当前深度学习架构能否支持内在动力学与自主探索式学习？
• 语言规律与具身世界模型的结合点在哪里？