[论文解读] Physical Artificial Intelligence: The Concept Expansion of Next-Generation Artificial Intelligence

Yingbo Li, Yucong Duan+6 more|arXiv (Cornell University)|May 13, 2021

Anomaly Detection Techniques and Applications参考文献 25被引用 5

一句话总结

本文提出物理人工智能（PAI）作为人工智能的下一次演进，超越数字信号处理，涵盖集成与分布式物理系统。它提出使用DIKW和知识图谱来构建PAI的语义理解，同时解决在复杂现实部署中因物理特性而加剧的安全、偏见和社会接受度等治理挑战。

ABSTRACT

Artificial Intelligence has been a growth catalyst to our society and is cosidered across all idustries as a fundamental technology. However, its development has been limited to the signal processing domain that relies on the generated and collected data from other sensors. In recent research, concepts of Digital Artificial Intelligence and Physicial Artifical Intelligence have emerged and this can be considered a big step in the theoretical development of Artifical Intelligence. In this paper we explore the concept of Physicial Artifical Intelligence and propose two subdomains: Integrated Physicial Artifical Intelligence and Distributed Physicial Artifical Intelligence. The paper will also examine the trend and governance of Physicial Artifical Intelligence.

研究动机与目标

• 将物理人工智能（PAI）概念化为超越数字人工智能的必要演进，解决其理论与实践上的局限性。
• 通过引入两个子领域扩展PAI框架：集成PAI（如机器人等共置系统）与分布式PAI（如物联网等去中心化系统）。
• 解决PAI在治理方面的挑战，包括安全、数据偏见、隐私和公众接受度，这些挑战因物理部署而被放大。
• 提出DIKW（数据-信息-知识-智慧）与知识图谱作为组织和推理PAI异构数据的基础框架。
• 将PAI定位为未来工业与社会应用的基础技术，推动人工智能超越数字信号处理。

提出的方法

• 将人工智能划分为数字人工智能（信号处理）与物理人工智能（现实世界交互），其中PAI进一步细分为集成与分布式子领域。
• 引入DIKW层级作为概念框架，以结构化从原始传感器数据到可操作智慧的PAI数据流。
• 提出知识图谱作为建模多源、多层PAI数据之间语义关系的机制。
• 通过四个关键维度分析PAI的治理挑战：数据安全、虚假数据（如深度伪造）、隐私与算法偏见。
• 运用Cannikin法则突出各学科（材料、机械、生物等）之间的相互依赖性，作为PAI发展中的系统性瓶颈。
• 将PAI的治理问题与数字人工智能进行比较，强调因物理普遍存在性和实时交互性而带来的复杂性提升。

实验结果

研究问题

• RQ1 如何在传统数字人工智能之外，从概念上扩展物理人工智能，以涵盖集成与分布式物理系统？
• RQ2 DIKW框架与知识图谱在结构化和丰富PAI系统内信息流方面发挥何种作用？
• RQ3 与数字人工智能相比，PAI面临哪些独特的治理挑战，特别是在安全、数据真实性与隐私方面？
• RQ4 跨学科依赖性（如材料科学、生物学）如何制约PAI的发展，Cannikin法则的影响是什么？
• RQ5 AI系统在物理环境中的部署如何加剧社会关切，如监控、偏见与岗位替代？

主要发现

• PAI被提出为人工智能的必要演进，涵盖集成PAI（如机器人）与分布式PAI（如物联网网络），超越数字信号处理。
• DIKW框架使PAI数据的语义结构化成为可能，实现从原始传感器数据到可操作智慧的转化，同时保留元数据关系。
• 知识图谱被识别为组织复杂、多层PAI数据的可行技术方案，提升可解释性与推理能力。
• 与数字人工智能相比，PAI面临更严重的治理挑战，包括数据安全风险、深度伪造操纵、隐私侵犯与嵌入式算法偏见。
• Cannikin法则构成PAI发展中的系统性风险，即某一领域（如计算机科学）的进步受限于其他领域（如材料科学）的缓慢进展。
• 尽管存在挑战，PAI仍被定位为未来农业、能源与机器人等工业应用的基础技术，具有广泛的社会与经济影响。