跨越边界：构建具身图灵测试以推动NeuroAI的进化与创新

长期以来，人工智能（AI）的发展受益于神经科学的深刻洞察。为了进一步推动AI技术的进步，我们主张深入研究神经科学与人工智能的交叉领域，即NeuroAI。在NeuroAI的核心概念中，具身图灵测试是一个关键环节，它要求AI模型以动物的感知和运动技能水平与环境互动。这一测试关注的是动物共有的基本能力，而非人类特有的高级技能，如语言或游戏。通过构建能够通过这一测试的AI模型，我们可以为未来AI的发展绘制蓝图。

NeuroAI大挑战：具身图灵测试

图 1展示了图灵测试的原始概念与具身图灵测试的对比。原始图灵测试旨在通过对话判断对方是人类还是AI。现代的大型语言模型在这方面已取得显著成就。而具身图灵测试则要求AI动物模型的行为与真实动物无异。目前，尚无AI系统能够通过此测试。例如，可以对AI海狸进行大坝建设能力的测试。

我们提出了一种扩展的具身图灵测试，它不仅包括基本的感知运动能力，还包括更高级的能力。这一测试旨在评估人工系统与人类及其他动物在与世界互动方面的能力。尽管每个动物都有其独特的能力，但它们也共享许多核心技能。这些核心技能为动物适应新环境提供了基础。因此，一旦开发出能够模拟特定动物行为的AI系统，将其迁移到其他物种或人类可能会相对容易。

解决具身图灵测试的策略

要开发能够通过具身图灵测试的系统，我们可以遵循进化的指导，逐步构建。例如，所有动物都具有目标导向的运动能力，它们能够响应刺激并导航到特定位置。这些基础能力之上，是更复杂的技能，如整合多感官信息、评估目标的奖励与威胁等。这些能力在简单生物体中也有所体现，并在复杂动物中得到进一步发展。

这种进化视角为我们提供了一种策略，即将具身图灵测试分解为一系列可逐步优化的挑战。这些挑战涵盖了从蠕虫到灵长类动物的多种生物，使我们能够利用现有的行为、生物力学和神经机制知识，为每种动物定义具身图灵测试，并指导AI控制器的发展。

实现目标的途径

实现这些目标需要在三个关键领域投入资源：

培养精通工程/计算科学和神经科学的新一代AI研究人员。

创建共享平台，用于开发和测试虚拟智能体。

支持神经计算的基础理论和实验研究。

结论

尽管神经科学对AI发展的贡献巨大，但许多工程师和计算科学家并未充分认识到这一点。在计算机科学课程中，神经科学的影响往往被忽视。然而，正如航空工程师研究鸟类以改进飞行技术一样，AI研究者也应该学习动物，以实现更高级别的智能。