脑-体协同演化计算：从具身智能到通用人工智能
在本章中，我们将探讨通向通用人工智能 (AGI)的一种革新性途径——脑-体协同演化。传统的AI往往侧重于“孤立的大脑”（算法），而具身智能 (Embodied AI)理论认为，智能是个体与其物理形态及环境动态交互的结果。
1. 核心原理 (What & Why)
- 形态计算 (Morphological Computation)：物理身体不仅是执行器，它能通过力学特性（如弹簧的弹性、肢体的布局）承担部分感知和控制任务，从而减轻神经系统的计算负担。
- 双向耦合：神经控制器与物理形态在演化过程中通过“功能耦合”实现性能最优化。
- 涌现特性：复杂的节律性运动（如中央模式生成器 CPG）并非预先编程，而是通过模拟自然选择的演化过程自发产生的。
2. 关键公式 (How)
连续时间递归神经网络 (CTRNN) 是实现脑部控制的基础，其神经元状态更新遵循以下微分方程：
$$\tau_i \frac{dy_i}{dt} = -y_i + \sum_{j=1}^n w_{ji} \sigma(y_j + \theta_j) + I_i$$
其中，$y_i$ 表示神经元状态，$\tau_i$ 为时间常数，$w_{ji}$ 为连接权重，$\sigma$ 为激活函数，$I_i$ 为外部输入（如传感器信号）。
脑-体协同演化系统架构
展示一个由质点（Mass）和弹簧（Spring）构成的多段式生物模型，其内部嵌入了负责控制步态的神经网络拓扑图。