Morphological Cognition: Classifying MNIST Digits Through Morphological Computation Alone
本文展示了“形态认知”的概念验证演示，表明一个由具有固定行为的模拟体素构建的机器人，在不使用任何神经电路的情况下，能够对 MNIST 数字进行分类（具体为区分 0 和 1）并做出相应移动。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一个思维并非发生在脑内，而是由身体构造方式决定的世界。几十年来，科学家们一直痴迷于这样一个观点：智能就像软件，是运行在脑部或计算机芯片这一硬件上的复杂程序。这就是“以脑为中心”的观点，即身体只是一个等待指令的被动机器人手臂。但自然界讲述了一个不同的故事。想想植物转向阳光，或是黏菌在迷宫中寻找最短路径；这些生物没有大脑，却能解决问题。这个被称为“具身认知”（embodly cognition）的研究领域表明，生物体的形状和材质实际上可以代替它进行思考。一个巨大的疑问是：我们能否制造出一种仅仅通过特定的形状设计就能进行思考的机器，而不需要任何一行代码或神经网络来告诉它该做什么？
这篇论文将这个疯狂的想法付诸实践，并进行了一项数字实验。研究人员在模拟的二维世界中，尝试进化出由被称为“体素”（voxels）的小方块组成的“软体机器人”，以执行一项经典的脑力任务：识别数字。具体来说，他们希望这些机器人能够识别来自著名数据集 MNIST 的数字“0”和“1”的图像，并做出不同的反应。如果机器人看到的是“0”，它应该向左移动；如果看到的是“1”，它应该向右移动。难点在于：这些机器人没有大脑，没有控制器，也没有神经回路。它们仅仅是简单的、固定的部件集合，通过蠕动和改变形状来行动。
团队使用了一种进化算法，这一过程模拟了自然选择。他们从由不同类型体素组成的数字“汤”开始：一些只是结构性的胶水（被动型），一些像是微小的肌肉，能自主扩张和收缩（主动型），还有一些是特殊的“传感器”方块，其大小会根据所观察像素的亮度而变化。经过 30,000 代的演化，计算机随机混合并匹配这些方块，保留那些能向正确方向移动的设计，并丢弃那些失败的设计。
结果令人惊喜。进化过程确实发现了一些能够区分“0”和“1”的机器人，而这完全是通过其身体的物理特性实现的。当显示“0”的图像时，传感器方块会以特定的模式收缩或扩张，从而触发肌肉方块将机器人的身体向左拉动。当“1”出现时，模式发生了变化，肌肉则将机器人向右推。这种“思考”并非发生在处理器中，而是发生在机器人的身体对光线的物理反应中。机器人的形状本身就是分类器。
研究人员并未止步于两个数字。他们进一步推进了模拟，要求机器人区分四种不同的数字（0, 1, 2, 3）。即使没有大脑，进化过程也找到了分组这些数字的方法，使机器人对某些数字向左移动，对另一些数字向右移动。为了测试这些仅靠身体驱动的机器人的真实智能水平，团队将其与在完全相同的单个样本上进行训练的简单计算机程序（神经网络）进行了对比。在许多情况下，这些物理机器人表现出了更好的泛化能力，比数字大脑更频繁地正确识别出新的、未见过的数字。
该论文指出，这种“形态认知”（morphological cognition）——即身体本身执行认知工作——是一种强大且尚未被充分利用的智能来源。它证明了像图像分类这样的高层任务并不严格需要大脑；它们可以从简单、固定的部件协同运作中产生。虽然这些结果目前仅限于模拟和特定的简单任务，但这项研究提供了一个有趣的原理验证：有时，解决问题的最佳方式不是建造一个更聪明的脑，而是建造一个懂得如何行动的身体。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。