人工智能通常被认为是没有实体的：一个像程序一样的头脑，漂浮在一个数字的虚空中。但是人类的思想与我们的身体深深地交织在一起--一项关于虚拟生物在模拟环境中执行任务的实验表明，人工智能可能会从心身的设置中受益。

斯坦福大学的科学家们对我们自己从大块头到使用工具的猿人的进化过程中身体和精神的相互作用感到好奇。会不会是大脑受到身体能力的影响，反之亦然？这一点以前就有人提出过--实际上是一个多世纪以前--当然，很明显，有了一只能抓的手，人们就会比用差别不大的附属物更快地学会操纵物体。

很难说人工智能是否也是如此，因为它们的发展是更加结构化的。然而，这样一个概念带来的问题是引人注目的。如果人工智能从一开始就进化成这样，它能否更好地学习和适应这个世界？

他们设计的实验在某些方面类似于几十年来一直用于测试进化算法的模拟环境。你设置了一个虚拟空间，并将简单的模拟生物放入其中，只是一些连接的几何形状，以随机方式移动。在一千个这样的蠕动形状中，你挑出10个蠕动最远的，并在此基础上做一千个变化，反复进行。很快，你就有了几个多边形在虚拟表面上做了一个相当合格的行走。



不过，这都是老生常谈了。正如研究人员所解释的，他们需要使他们的模拟更加稳健和可变。他们并不是简单地试图制造能走动的虚拟生物，而是要研究这些生物如何学会做它们所做的事情，以及是否有些生物比其他生物学得更好或更快。

为了找出答案，研究小组创建了一个类似于旧的模拟，将他们的模拟，他们称之为 "unimals"（代表 "通用动物"......我们将看看这个术语是否会流行），一开始只是为了学习走路。这些简单的形状有一个球形的 "头 "和一些树枝状的关节肢体，它们用这些肢体发展出许多有趣的行走方式。有的蹒跚前行，有的发展出类似蜥蜴的铰接式行走，还有的则是一种摇摆但有效的风格，让人想起了陆地上的章鱼。

到目前为止，与较早的实验如此相似，但相似之处或多或少地结束了。

其中一些独角兽在不同的母星上长大，就像它一样，有起伏的山丘或低矮的障碍物供它们爬过。在下一阶段，来自这些不同地形的独角兽在更复杂的任务上进行竞争，看看是否如人们经常认为的那样，逆境是适应性之母。

"这一领域的几乎所有先前的工作都是在一个简单的平坦地形上演化出代理人。此外，在代理人的控制器和/或行为没有通过与环境的直接传感运动互动来学习的意义上，没有学习，"共同作者Agrim Gupta向TechCrunch解释说--换句话说，他们通过生存来进化，但没有真正通过实践来学习。"这项工作首次在复杂的环境中同时进行进化和学习，如带有台阶、山丘、山脊的地形，并超越了在这些复杂环境中进行操纵。"

每个环境中的前10名独角兽被放任自流，执行从新的障碍物到将球移动到目标、将箱子推上山丘或在两点之间巡逻的任务。在这里，这些 "角斗士 "真正展示了他们的虚拟能力。已学会在可变地形上行走的独角兽比它们的平地表亲更快地学会了它们的新任务，并且执行得更好。

"从本质上讲，我们发现进化迅速选择了学习速度更快的形态，从而使早期祖先一生中晚期学到的行为能够在其后代的一生中早期表现出来，"作者在今天发表于《自然》杂志的论文中写道。

这不仅仅是它们学会了更快的学习；进化过程选择了能让它们更快地适应和更快地应用课程的身体类型。在平坦的地形上，章鱼翻身可能会让你同样快地到达终点，但是丘陵和山脊选择了一种快速、稳定和适应性强的身体构造。将这种身体带入角斗场，使那些来自苦修学校的独角兽在竞争中占了上风。他们多才多艺的身体能够更好地运用他们的大脑所学到的知识进行测试--很快他们就把他们的竞争对手甩在了后面。

除了提供一些有趣的3D棒状图在虚拟地形上驰骋的GIF之外，这一切又意味着什么呢？正如论文所说，该实验 "为进行大规模的硅基实验打开了大门，以产生科学的见解，了解学习和进化如何合作创造环境复杂性、形态智能和控制任务的可学习性之间的复杂关系。"

假设你有一个相对复杂的任务，你想实现自动化--例如，用一个四条腿的机器人爬楼梯。你可以手动设计动作，或将定制的动作与人工智能生成的动作结合起来，但也许最好的解决方案是让一个代理从头开始进化自己的动作。实验表明，让身体和控制它的头脑同步进化有潜在的真正好处。