为什么AI需要身体？——从笛卡尔的幽灵到布鲁克斯的机器昆虫
原创出品 | 龙鹰镖局
中美博弈大变局，百年未有新财富
2026年，ChatGPT已经能写出让人汗颜的商业计划书，Midjourney能画出让你以为是照片的图像，Claude能通过律师资格考试。
但你去问任何一个机器人学家一个最简单的问题——
“你们什么时候能造出一台会叠衣服的机器人？”
他会沉默。
不是那种”快了快了”的沉默。是那种”这个问题比你想象的要难一万倍”的沉默。
为什么？
这就是我们要讲的故事。
一、笛卡尔切下的一刀
1664年的一个冬夜，法国哲学家笛卡尔做了一个影响此后四百年人类思想史的决断。
他把世界劈成了两半。
一边是思维实体（res cogitans）——心灵、意识、理性、自我。另一边是广延实体（res extensa）——身体、物质、空间、机械。
“我思故我在”——这个短语如此著名，以至于我们几乎忘记了它隐含的暴力：自我的确立，以否定身体为前提。 笛卡尔说，你可以怀疑你的身体是不是真的（也许你只是缸中之脑），但你不能怀疑”你正在怀疑”这件事。所以，思维是第一性的，身体是第二性的。身体只是一台机器——心灵是驾驶这台机器的幽灵。
这就是著名的”笛卡尔的幽灵”（The Ghost in the Machine）。
（ps：笛卡尔自己其实也察觉到了问题——非物质的心灵怎么推动物质的身体？他提出的解决方案是”松果腺”——大脑中一个微小的腺体，他认为这是身心交互的物理场所。这个假说很快被证明是错误的，但这个”心身问题”本身，成了此后四百年哲学最顽固的幽灵。）
但这不仅仅是一个哲学问题。当笛卡尔把身体贬为”机器”，他为后来的整个科学革命设定了一个隐秘的议程：要理解世界，你不需要理解身体。你只需要理解支配物质的数学规律。
这个议程如此成功，以至于三个世纪后，当一群年轻的天才在1956年夏天聚集在达特茅斯学院，宣布创立”人工智能”这门学科时，他们毫无保留地继承了笛卡尔的遗产。
二、达特茅斯的遗产：智能=符号操作
1956年夏天，达特茅斯学院。八个星期。十个人。
John McCarthy、Marvin Minsky、Claude Shannon、Nathaniel Rochester——加上Allen Newell和Herbert Simon。这群人后来被称为AI的”开国元勋”。
他们在提案中写下一句乐观到令人心碎的话：
“我们假设，学习或智能的任何其他特征，原则上都可以被如此精确地描述，以至于一台机器可以被制造出来模拟它。”
任何特征。精确描述。机器模拟。
这三个词定义了此后三十年的AI研究范式。
Newell和Simon提出了”物理符号系统假说”——智能就是对符号的操作。感知模块输入符号描述，中央系统进行逻辑推理，行动模块输出符号指令。感知→建模→规划→行动。这条流水线被称为SMPA（Sense-Model-Plan-Act），成为GOFAI（Good Old Fashioned AI）的标准配置。
三十年后，罗德尼·布鲁克斯将给出一个辛辣的总结：达特茅斯之后，AI把”智能”定义为”受过高等教育的男性科学家认为具有挑战性的事情”。
象棋。数学证明。代数问题。逻辑推理。
至于四五岁孩子毫不费力就能做到的事情——用视觉区分一只咖啡杯和一把椅子，用两条腿走路，从卧室走到客厅——这些不被认为是”需要智能”的活动。
这个定义的代价，要等到三十年后才会被完全揭示。
三、图灵早就看到两条路，AI只走了一条
但如果我们仔细读一读图灵1950年的那篇开创性论文《计算机械与智能》，会发现一个令人震惊的事实。
图灵在论文中讨论了AI应该从哪里开始。他写道：
“许多人认为，像下棋这样非常抽象的活动是最佳起点。但也可以主张，最好的方式是给机器配备金钱能买到的最好的感觉器官，然后像教一个普通孩子那样教它理解和说英语。 东西会被指出来、被命名，等等。我还是不知道哪个答案是正确的，但我认为两条路都应该尝试。”
两条路。
抽象之路：从象棋、逻辑、数学证明开始——这条路上没有身体，只有符号。
具身之路：给机器装上眼睛、耳朵和手，让它像一个孩子那样通过感知和互动来学习——这条路上，身体是第一位的。
图灵说”两条路都应该尝试”。
但AI后来的历史证明：所有人几乎都挤上了第一条路。 身体被遗忘了。
不是没人看到。是当时的计算机根本无法支撑第二条路。Brooks后来分析：1960年代早期，用真实机器人来研究AI，开发速度比用分时系统编写符号程序要慢一到两个数量级。不是思想选择了工具，是工具选择了思想。
冯·诺依曼架构——序列处理、存储程序、输入-处理-输出——天然适合符号操作。而生物智能的那种大规模并行、实时交互、感知-行动耦合，在当时的计算机上根本跑不动。
于是，AI的身体被遗忘了三十年。
四、莫拉维克悖论：当叠衣服比下围棋难一万倍
1988年，卡内基梅隆大学的机器人学家汉斯·莫拉维克出版了一本书，叫《心智儿童》。书中有一段话后来被称为”莫拉维克悖论”，成为理解AI最深刻的洞见之一：
“让计算机在智力测验或下棋上展现成人级别的表现相对容易，但要赋予它一个一岁婴儿的感知和移动能力，则极其困难，甚至不可能。 ”
莫拉维克给出了一个演化的解释，这段话值得全文引用：
“人类大脑中古老而高度演化的感觉和运动部分，编码了十亿年来关于世界本质和如何生存的经验。我们称之为’推理’的那个刻意过程，我相信只是人类思维最薄的一层表皮，它之所以有效，仅仅因为它被这个更古老、更强大——尽管通常是无意识的——感觉运动知识所支撑。我们在感知和运动领域都是惊人的奥运冠军，优秀到让困难看起来毫不费力。抽象思维是一个新把戏，也许只有不到十万年的历史。我们还没有精通它。它本质上并不那么难，只是当我们去做的时候感觉很难。 ”
这个解释的威力令人震撼。
演化花了五亿年优化我们的感知-运动系统——视觉、听觉、触觉、平衡感、对手的控制。它只花了十万年给这套系统打上一个”推理”的补丁。
你以为你在”思考”，其实你的大脑大多数精力都用于感知和运动。人类大脑约有50%的神经元参与运动控制。视觉皮层占据了枕叶的巨大部分。
但我们在内省中完全感受不到这些。我们感觉”看”和”走”毫不费力——因为它太古老、太优化、太深入骨髓了。而”推理”感觉费力——因为它太新、太粗糙、太表层了。
于是出现了一个反直觉的困局：我们觉得难的（数学、逻辑、象棋），对机器来说相对容易。我们觉得容易的（看、走、抓），对机器来说极其困难。
Steven Pinker在1994年把这句话浓缩成一句经典：
“AI研究三十五年的主要教训是：难的问题容易，容易的问题难。 ”
（ps：当然，2012年之后，深度学习在计算机视觉上实现了突破——今天的AI能识别猫和椅子了。但对莫拉维克悖论最核心的部分——灵巧操作、常识推理、在开放环境中的自适应运动——这些问题至今没有解决。Arvind Narayanan在2026年一篇广受关注的文章中提出，莫拉维克悖论更像是对”AI社区觉得什么值得研究”的描述，而非对”什么对AI来说天然难”的预测。但连他也承认：开放环境中需要4E认知——具身、嵌入、生成、延展——的任务，仍然是AI最深的瓶颈。 ）
五、一个叛逆者的登场
1981年，一个来自澳大利亚的年轻博士来到MIT。他的名字叫罗德尼·布鲁克斯。
和那个时代的几乎所有AI研究者一样，布鲁克斯一开始也做传统的计算机视觉。但慢慢地，他感到一种深入骨髓的不安。
“AI已经搞了三十年，“他后来回忆，“我们造出了能下象棋的程序，能证明定理的程序，能做代数题的程序。但我们在真实世界中部署的机器人，连一只蟑螂的水平都达不到。”
蟑螂。
六条腿、芝麻大小的脑、几亿年的演化史。它能在厨房地板上灵活躲避你的拖鞋，能在黑暗中找到食物，能感知空气中的危险信号。
而我们最先进的机器人，困在精心布置的实验室里，走一步算三分钟。
布鲁克斯决定做一个激进的实验：放弃一切传统AI认为”智能”必需的东西。 没有符号表征。没有世界模型。没有规划。没有推理。
只有感知和行动。
“我就只建这两样，“他说，“把传统上被认为是’人工智能的智能’的部分，全部抛弃。”
1991年，他在IJCAI（国际人工智能联合会议）上发表了题为”无推理的智能”的获奖演讲。这篇论文成为具身智能的奠基之作。
布鲁克斯提出的四项原则，至今仍是理解具身智能最清晰的框架：
第一，处境性（Situatedness）。 智能体不处理对世界的抽象描述，它处理的是”此时此地”的真实世界。不是”椅子在坐标（3,5,7）“，而是”这里有一个东西我可以坐”。
第二，具身性（Embodiment）。 机器人有身体，直接体验世界。它的行动与世界的动态互动产生即时的感觉反馈。不是先感知→再建模→再规划→再行动——而是感知和行动在每一个瞬间同时发生，相互纠缠。
第三，智能来自交互。 智能的来源不限于你写的代码。它同样来自世界中的处境、传感器中的信号变换、机器人与世界的物理耦合。智能不是你放在机器人里面的东西，智能是机器人与世界交互中涌现出来的东西。
第四，涌现（Emergence）。 复杂行为从简单行为模块的并行交互中自发产生。你不需要一个”中央规划器”来协调一切。就像蚁群没有CEO，但能建造出精密的蚁巢。
这其中最激进的一个洞见，被布鲁克斯浓缩成一句话：
“世界是自身最好的模型。它永远精确，永远包含每个细节。诀窍是恰当地、足够频繁地感知它。”
这意味着什么？
传统AI认为：智能=在脑中建立世界的内部模型，然后在模型上进行推理，最后输出行动。
布鲁克斯说：你根本不需要内部模型。 世界就在那里。它永远不会过时，永远不会丢失细节。你不需要在你的程序中重建一个”世界的副本”——你只需要让机器人足够好地去感知真实世界，然后即时反应。
他用一个巧妙的比喻来反驳传统AI的批评者。有人看了他的机器昆虫说：“但它不会下棋啊。”
布鲁克斯回答：
“大象不下棋——但这不意味着大象没有值得研究的智能。”
（ps：这篇论文的标题就叫”Elephants Don’t Play Chess”——大象不下棋。也许是最被低估的AI论文标题。）
六、COG：一个具身智能的终极实验
1993年，布鲁克斯和他的团队启动了一个在AI史上独一无二的项目——COG。
COG是一个上半身人形机器人。21个自由度。视觉（多台摄像机）、听觉、前庭系统（平衡感）、运动感觉（关节位置和力矩）、触觉——多种感官系统。
但它最特别的地方不是硬件。而是设计哲学。
COG的宣言只有一句话：
“人形智能需要人形互动。Humanoid intelligence requires humanoid interactions with the world.”
布鲁克斯的推理是这样的：如果Lakoff和Johnson是对的——人类语言和思想的所有抽象概念都植根于身体的物理经验（“抓住”一个想法、“面对”困难、“支撑”一个论点）——那么，要给机器人类级别的理解，必须先给它人类级别的身体经验。
COG不会下棋。不会做数学题。不会读文章。
但它会被放在真实世界中，像一个婴儿一样——看、听、触摸、抓、推、拉。通过身体与世界的互动，逐步建立对世界的理解。
布鲁克斯甚至讨论了机器人是否会有”灵魂”。
在1997年MIT的一场著名讲座中，他说：
“我相信，在与人进行人类级别互动的意义上，建造这样的人形机器人而不让它们拥有灵魂，是不可能的。我们甚至不需要试图给它们灵魂——它们会自动拥有。它们拥有灵魂，是因为我们对它们的感受方式。 ”
（ps：COG项目进行了十年，最终没有实现它最宏大的目标。但它的影响力超越了任何一个成功的产品。它第一次向AI界证明了：智能不一定是符号操作。它可以是身体在世界中的存在方式。 ）
七、两条路，四百年
让我们拉远镜头。
笛卡尔在1641年把世界劈成两半：思维 vs 身体。
1950年，图灵看到了两条通向AI的路：抽象之路和具身之路。但他说”两条路都应该尝试”。
1956年，达特茅斯会议让整支AI军队浩浩荡荡走上了抽象之路。身体被遗忘在路边。
此后的三十年，GOFAI取得了令人印象深刻的成就——但也撞上了莫拉维克悖论的那堵墙：叠衣服比下围棋难。
1990年代，布鲁克斯和他的机器昆虫、COG项目，像一支游击队，在主流AI的视野之外，顽固地走在那条被遗忘的路上。
然后，时间快进到2020年代。
ChatGPT横空出世。大语言模型证明了离身智能（disembodied intelligence）的惊人威力——它可以写诗、写代码、通过考试、参与辩论。它似乎不需要身体。
但你再仔细看看。
ChatGPT不知道”湿”是什么意思。它可以把一篇关于游泳的散文写到诺贝尔文学奖级别，但它从来不知道水接触皮肤的感觉。它可以说”苹果是红的”，但它从来不知道红色看起来是什么样的。它可以说”这把椅子很舒服”，但它从来不知道舒服是什么意思。
它拥有关于世界的所有描述，但它不拥有对世界的任何体验。
这不仅仅是哲学上的吹毛求疵。这在实践中意味着什么？意味着大语言模型永远不可能有真正的因果理解——因为它从来不需要预判”如果我这样做，世界会怎样反应”。意味着大语言模型的”常识”永远是通过文本中的统计相关性拼凑出来的——因为没有身体来执行”如果我碰这个热的东西，我会被烫伤”这种实验。
具身智能不是AI的一个”应用分支”。它是AI完成从”知道”到”理解”之跃迁的必经之路。
结尾：大象遇见棋手
Rodney Brooks现在已经71岁了。2026年1月1日，他在博客上发布了最新的预测记分卡。语气平静，但火力不减。
他列出了12条理由来论证：这一波人形机器人的炒作是泡沫。核心问题还是同一个——灵巧操作。他说，在2036年之前，机器人的手跟人类的手相比，仍然会是”可悲的”。
但他不是悲观主义者。
在2026年2月接受《波士顿环球报》专访时，记者问他：你花了一辈子建造你不知道怎么建的东西，直到你建成。这算不算一种信仰？
他沉默了一会儿，然后说了一句也许能概括他整个职业生涯的话：
“我没料到我晚年的生活会用来安抚人们对不存在的事物的恐惧。我以为我们已经告别了女巫。”
但他说这句话的时候，眼睛里没有恐惧。有的是一个工程师面对未解问题时的平静。
那个问题，图灵在1950年就提出来了：一条路是象棋，一条路是身体。他说两条路都要走。
七十六年后，我们终于开始认真对待第二条路。
不是因为第一条路走不通。恰恰相反，它走得如此之好，以至于我们终于看清了它的边界。
象棋手和大象，正在慢慢走近。
“身体不是思想的容器。身体就是思想的方式。” ——莫里斯·梅洛-庞蒂，《知觉现象学》，1945
延伸阅读：本文为龙鹰镖局「具身智能大系列」第一篇。下一篇预告：《百年孤独——人形机器人的技术长征》。
参考资料：
- Turing, “Computing Machinery and Intelligence” (Mind, 1950)
- Merleau-Ponty, “Phenomenology of Perception” (1945)
- Moravec, “Mind Children” (1988)
- Brooks, “Intelligence Without Reason” (IJCAI-91, 1991)
- Brooks, “Elephants Don’t Play Chess” (RAS, 1990)
- Brooks, “Intelligence Without Representation” (AI Journal, 1991)
- Brooks & Stein, “Building Brains for Bodies” (MIT AI Memo 1439, 1993)
- Brooks, “Predictions Scorecard 2026” (rodneybrooks.com, 2026)
- Brooks, Boston Globe专访 (2026.02.24)