你是否曾经不太记得密码，但伸出手指就能正确地输入？
你是否曾经弹钢琴时没有专注于记住正确的音符？
你从来不会忘记怎么骑自行车，对吧？
FrontPoint对冲基金在2008年金融危机中赚得巨额利润的关键是什么？
皮克斯动画为了拍电影为何飞到巴黎品尝米其林餐厅？
人工智能与机器人的局限和突破点在哪里？
……
以上问题答案的关键点都是“身体”。
身体，对于我们的学习、记忆、智力、认知、创造等方面，发挥了巨大的作用，但它总是被忽视。
在这个认为人工智能就是未来的时代，是身体学习让我们拥有无法被AI取代的超能力——学习和保留技能，与他人产生联结，在陌生情境中即兴发挥，用直觉来做决定，进行创造和理解世界。
本书帮助你更好地理解和运用人类独特的超能力——运用身体感知、学习、理解以及获取知识。打开本书，发现并开始运用身体学习的强大力量。
人类是如何学会简单的技能，如做饭、骑自行车，以及复杂的专业技能，如弹钢琴、滑雪？自动驾驶汽车为什么难开发？演员通过什么方式更快速记忆台词？聊天机器人可以进行合格的对话，但它们聪明吗？……这些问题都牵涉到“身体”。
我们常常认为智力存在于大脑，而忽视了身体对人类的记忆、知识与智能发展有多重要。本书探讨了“心智优先”观念的局限性。获取智慧，身体的贡献同样重要，身体也会影响心智。人类思想之所以强大，就是因为我们可以通过身体去感知、学习、理解以及获取知识。本书从观察、练习、即兴、同理心、记忆力五个维度，深入阐述了身体是如何学习和记忆知识，以及为什么我们应该相信它。
全球ding尖的商业人类学家西蒙·罗伯茨，以他曾担任英特尔、脸书、宝洁、谷歌以及其他全球500强企业顾问的经验，通过真实案例和尖端科学，分析了身体学习在技能习得、商业、创意与设计、人工智能等领域的广泛应用，揭示了为什么身体学习在很多时候比大脑学习更可靠，重视身体记忆与感受、学会用身体学习的意义，以及在这个认为数据就是一切、人工智能就是未来的世代，智慧必须依赖身体对世界的理解。
前言
第一部分 心智优先
第一章 笛卡尔的机械女儿
第二章 丈量世界
第三章 体验世界
第二部分 身体学习的五个维度
第四章 观察
第五章 练习
第六章 即兴
第七章 同理心
第八章 记忆力
第九章 为何具身认知如此重要
第三部分 具身认知的应用
第十章 具身认知与商业
第十一章 具身认知与政策制定和政治
第十二章 具身认知与创意和设计
第十三章 人工智能与机器人
致谢
如何开车
想象这样一个画面：硅谷后街一个不起眼的、都是独栋办公楼的街区，其中某个路口处停放着几辆谷歌员工在园区间通勤的红黄绿相间的自行车。仅凭建筑的外观，我们几乎看不出旁边这栋楼的办公室里有一群高学历的机器人学家、计算机科学家、研究学者正在尝试破解一个难题。他们想要复制一个很多人每天都在做的事——开车，一个自然到人们不用多想就能做出来的技能。探问之下，大家也描述不出来自己平时到底是怎么开车的。
开车这件事太过寻常，以至于人们都没怎么放在心上。我们坐上车，启动，挂挡，然后便驾车离开。如果车上还有乘客的话，我们还能和他们聊天，也无须减速。除了最危险的下雪、结冰、浓雾的天气，大多数司机 面对陌生的路况或交通情况时都不会有什么问题。我们不仅能很快适应自己的车，即使换一辆车，也照样能在不熟悉的道路上驾驶。
这种流畅的、本能的、强适应性的技能就是这座办公楼中的团队想要复制的。如今的汽车行业，科学家们都在研究发明无人驾驶汽车，希望它 能够被适用于各个场景中、各种状况下。这个目标也被称为驾驶的“第五等级”。迄今为止，虽然测试车已经行驶了上百万英里，阶段性成果也都很优秀，但是距离自动驾驶的第五等级仍然有一段距离，有关自动驾驶可行性的各种议题也仍在讨论之中。
开车看似简单，实际上却是人类执行的最复杂的任务之一。司机不仅仅是转动方向盘驾驶，他们需要持续不断地判断、计划、预测，处理当下的一切信息。判断周围的人（司机、路人）正在做什么、在想什么，以及 接下来会发生什么……所有的一切都是人们凭直觉完成的，当我们手握方向盘时，汽车已然成为我们身体的延伸。
……
开发一个自动驾驶系统并不单单是把动作、步骤和交通规则编进电脑，真正的挑战在于复制人类驾驶的应变能力。这种能力依赖于我们对周围环境中大量信息的处理，并从这些信息中了解发生了哪些事、该如何反应。
人类驾驶汽车的技能和制造自动驾驶汽车的难度凸显了这本书的核心前提：我们的智力不全然来自我们的大脑。智力并不只是大脑“处理”抽象信息或世界表征的产物。智力也不能简单地被编程为一套规则，使我们能以特定的方式思考或执行特定的行动。相反，我们对世界的理解源于身体与世界的交流和对世界的感知——正是这些互动让我们的身体获得了知识。
我们通过身体感知产生并储存在身体中的知识，是很难通过电脑计算来复制的。如果我们可以把开车简化成一套规则和程序，而周遭世界和所有行驶者的行为都是完全可预测的话，那么这个自动驾驶的算法程序写起来会相当容易。但是实际上，我们遇到的所有司机和行人的行为都是不同且无法预测的。更复杂的是，司机每次遇到的情境绝不会与他们之前的经历完全相同。
虽然开车是一件很复杂的事情，但是大多数人只要开始学，最终都会掌握这项技能。可能驾驶得并不是那么熟练，但至少他们知道如何去理解每一种不同的情况，评估什么是重要的，并得出适当的反应方式。他们在做这些事情的时候，甚至不需要思考。
大脑和身体一起，能够帮助我们应对驾驶的复杂性。驾驶就是“具身认知”的一个典型案例，具身认知指的是我们通过感知、体验或行动获得的理解和能力。当我们拥有具身认知时，我们本能地知道应该如何做出反应。这类知识并非存在脑部，而是存在我们身体之中。
通过本书我们将详细了解存在于生活方方面面的具身认知。我们将会一起探索哲学家、神经科学家、认知科学家、机器人学家和人工智能专家为何都认为身体对于形成和保持智力至关重要。具身认知并不产生并存在于我们的心智，而是产生并储存在我们的身体。在我们了解身体是如何获得并应用知识之后，我们就会明白身体并不只是一个承载大脑的装置，它更是我们智力的来源。
把关注点放回身体上来
在20世纪的大部分时间里，哲学思想流派中的现象学（Phenomenology）试图将身体置于我们理解世界和感知世界的中心，这鼓励了人类学等学科采用新的方式来理解文化知识是如何被获取和传播的，以及人类的技能是如何被掌握的。蓬勃发展的神经科学，乍一看似乎属于“以大脑为中心”的阵营，但它也已经证明了大脑和身体之间不可分割的联系。例如，实验表明抽象的概念如果辅以切身的体会将会更容易被理解。近些年来，心理学家和认知科学家，尤其是那些正在探索人工智能可行性的科学家，探讨“具身认知”，认为若要了解心智，就必须在具体的情境下探索其与身体的关系。他们的研究都表明了其实我们用身体思考的频率和用大脑思考的频率一样多。同时，周围的世界是我们理解和思考的“脚手架”这一概念已被广泛接受。我将通过本书带领你探索这背后的理论和科学根基。
在这本书中，我们将会见识到一些把这些理论运用于工作中的人。他们可能是在硅谷把“头脑风暴”变成“身体风暴”以探索高新尖端科技的人，又或是一个搭货车去了解英国和欧盟国家之间贸易的大使。书中我们会遇到在达沃斯世界经济论坛上通过“难民模拟”让人们体验难民流离失所感受的慈善工作者，看到建筑师是如何通过身体体验衰老的过程；在靠近墨西哥边境的加利福尼亚国家公园，我们会遇到企业高管通过一周的沉浸式露营体验，了解目标用户的世界。
……
本书首先探索了“以大脑为先的知识”的局限性，及随之而来的被限制的世界观。之后，我们会探索理解智力的另一个起点：身体。你将会和我一起认识到为什么我们应该相信我们的身体，相信身体的感受和知识。在本书的第一部分，我们将探索心智如何成为知识的主流。我们将了解首次将大脑和身体分隔开的哲学思想，理解为什么大脑会被认为是理性和智慧的所在地。我们将探讨这个观点如何显现在现代社会的“智能技术”中——一种鼓励超脱、分离和理性高于感受的思维方式。我们还会了解这种观点是如何借助全球定位系统、大数据及教育等关键技术得到表达的，所有的这些都决定了我们会如何体验和理解世界。最后，我将会概述这类心智优先的观点带来的后果。
第二部分将解释身体如何在知识学习中发挥核心作用，并将探索身体学习的五个维度：
◆ 观察：我们通过沉浸体验和模仿来获得知识。
◆ 练习：身体通过重复演练习得技能。
◆ 即兴：通过身体学习的知识和技能具有很强的实用性，能够帮助我们应对不熟悉的情境。
◆ 同理心：我们通过身体了解了他人的意图、情绪和感受。
◆ 记忆力：我们的身体可以保存和回忆知识。
第三部分展示了具身认知在商业、政治与政策、设计以及人工智能与机器人领域的应用。在这部分我们将会看到，当企业和管理团队不再通过大数据，而是通过亲身体验获取知识时，他们收获了蓬勃的发展；我们会了解政策制定者们是如何用具身认知理解民粹主义，及难民危机等全球性议题的；在“具身认知与创意和设计”一章中，我们会了解到具身认知在设计中的意义，了解每天使用的产品和体验是如何定义我们的世界的；最后，我们还会看到具身认知如何影响人工智能和机器人的发展进程。
身体与感觉
在生活的多个领域，我们都倾向于相信数据，忽视体验、本能和直觉，总认为后者只是自己的“感觉”，而前者才是不可辩驳的客观事实。我们被引导着认为那些“可计算”的知识会比自己的体验更可靠、更可信、更不会欺骗我们。因此，我们会试图控制自己的感官、情绪和感受。
电脑运算的兴起加深了这一趋势。不幸的是，当人工智能的话题占据着头版头条时，我们对人类智力特别之处的信心日益减弱。我们与逐渐定义我们生活的人工智能的不同之处就在于具身认知——这是我们的竞争优势。
我希望在读完这本书之后，你能理解什么是具身认知，意识到原来我们生活的方方面面都在运用具身认知。我并不是在说具身认知是灵丹妙药——在对抗大数据、冷酷的理性主义和还原论的解药。但是我希望通过描述具身认知的概念、解释它在生活中的运用，我们能学习去相信通过身体体验而掌握的知识。
如果要将这本书的核心总结为一则实用的信息，那就是我们应该更注重身体在我们理解世界的过程中扮演的角色。这意味着我们更需要“撸起袖子”，以“在实践中学习”的方式理解世界，而不是仅依靠理性的逻辑，超然地看待世界。
我们越积极地运用具身认知，就越能够从容地应对生活中的不确定性，就越能够基于对世界的理解做出更好的决定。是时候意识到我们的认知、思考和感受来源于大脑、身体、环境和体验之间的互动。我们应该掌握并利用具身认知给我们带来的优势，并为自己生而为人而感到欢欣。
生动、启发思考、增长见闻。身体非常重要，罗伯茨这本及时的新书有力地说明了这一点。
——《金融时报》
本书将改变你关于如何理解人类的思考。
——玛莎·科顿，埃森哲设计与创意部门Fjord设计研究全球主管
一本具有深度思考和启发性的书，讲述了身体的力量。
——查理斯•里德比特，全球知名创新和创意专家、战略顾问
《身体学习法》是一本既重要又及时的著作。我们需要西蒙·罗伯茨这样独特、清晰的论述，来提醒我们身体有多重要，以及身体学习为什么会成为有关未来对话的关键组成。
——吉纳维芙·贝尔，英特尔高级研究员、人类学家
本书分析了身体学习在人工智能、商业、设计等领域的广泛应用，为审视科技提供了人本主义视角。
——玛丽亚·贝扎蒂斯，英特尔社会技术系统首席架构师
一本卓越且能够带给你愉悦阅读体验的著作。
——克里斯琴·马兹比尔格，应用人文学科教授
罗伯茨告诉我们，我们的身体和我们的思想一样，在人类做出的贡献中发挥着至关重要的作用。
——斯特凡·斯特恩，《金融时报》专栏作家
很好地解释了为什么高管、金融家、政策制定者（以及其他所有人）需要换位思考。
——《卫报》
通往精通的道路
2017年4月，休伯特·德雷福斯（Hubert Dreyfus）的去世是哲学界的巨大损失。作为海德格尔和庞蒂思想在美国的继承人，他是最早也是最清晰地对人工智能持怀疑态度的人之一。他对于计算机是智能的这一说法的怀疑源于他20世纪50年代在巴黎与其他欧洲思想家一起学习时受到的影响。德雷福斯认为，人类的学习方式和电脑不同，电脑学习的方式是收集信息片段，并将信息重新按照可预测的规则排列；但是人类是通过与周围世界的互动，并重复同样的行为获取知识的。
在德雷福斯的理论中，身体并不仅仅是我们体验世界的媒介，也是我们用来掌握技能的核心。他认为我们用身体来理解自己的处境，我们的身体通过行动来学习。身体对其行动的结果产生反应：它们吸收反馈，并知道为了得到相应的结果该做什么。德雷福斯还建立了一个关于技能习得的理论，在这个理论中，他认为指导或有意识的思考的作用会越来越小。这个理论被广泛应用于诸多领域，影响了例如人工智能、机器人、社会工作及护理等多种学科。
德雷福斯在法国的时光让他爱上了欧洲汽车，特别是他尤为钟爱的二手卡尔曼吉亚敞篷车（VW Karmann Ghia）。在所有他对于技能习得的描述中，开车是他最常用的例子。但是其他的所有实际的技能，不管是玻璃吹制、烹饪、航行或是看起来更容易些的下象棋，都符合他提出的从新手到专家的技能习得的模型。
在指导初学者时，帆船教练会将教学内容拆解为最简单的步骤。例如，教练会告诉你如何判断风的方向，讲解船身要尽量减少迎风行驶，否则会停滞不前。但仅学习这些驾驶帆船的基本知识不足以成为一名专业的航海者。新手需要结合情境，在实践中真正理解这些知识。
初学者经过一段时间的训练，会从简单地尝试一些基本的规则转变为思考如何应用所学知识，不管是从自己的体验中理解到的知识，或是老师的指导。初学航海者会记住：“当靠近桅杆的帆开始拍打时，应该掌舵向下风向转向”，此时的这些步骤和指导是希望能够让初学者依照总结好的经验快速掌控现场情况，做出正确的反应。
学习者技能不断提升的标志是，面对一种情况，脑海中会列出多种解决方案。在这个学习阶段，学习者须关注不同情况出现时应注意的问题，并学会自我评估。因为每个人要面对不同的情况，并不是每一种情况都有一个具体的应对指南。例如，航海者需要学会应对突如其来的阵风，这可能需要他们松开控帆的缭绳，或者移动自己的重心来保持船的平衡。这里并没有一个处理问题的标准答案，航海者需要从经历与体验中学习最佳的应对方式。
德雷福斯认为，正是在学习的这个阶段，我们需要更加关注自己的表现。老师和学习者会开始反思研究最佳的解决方案及背后的原因，之后面对相似的情境时，就会根据经验选择应对的方式。 参与感是技能发展的关键。这也是德雷福斯提到的技能习得阶段非常重要的一点：“下意识的合理反应”，即随着不同情境、反应及结果的累积，学习者能够用直觉取代思考进行回应。当我们逐渐意识到哪些方式是有效的时候，正向反应循环也由此建立。
同时，也正是在这个阶段，我们从知道要做什么转变为知道为什么这么做，也渐渐地知道如何善用经验识别不同情境，并明白何种方式有效。例如，教练会告诉帆船水手，在顺风航行时，需要把自己的重心前移，这样就避免了船尾拖水产生的阻力。他人传授的经验会帮助学习者体会动作的变化对帆船表现的不同影响，也会尝试体验自己的身体姿态如何改变帆船的航行。
高手是那些能够看出问题所在，并坚持思考答案的人。他们不会像新手那样将问题分解成不同模块来解决，而是把它当作一个整体去面对、与它互动。他们面对的是这片水域上的这艘帆船、不同风况下的帆船、潮汐状况下的帆船。随着熟练度的提高，他们开始不需要用意识，而是仅凭经验就能够理解身处的环境。他们所掌握的技能是面对广泛的差异因素，识别特定的应对模式。
专家不仅知道需要做什么，还懂得如何把事情正确地做好。他们已经积累了应对不同情况的丰富经验，并知道哪些是有效的。专家的特征是面对问题能够迅速地做出本能反应。他们知道什么时候帆船是顺风而行，需放下风帆，使帆船重新得到控制。他们不需要思考便可完成一系列完整的动作。当然，有时候会同时出现多种情况，本能反应不一定是最合适的方式。但专家知道什么时候该慢下来，他们有能力去审视身处的环境，思考可以选择的应对措施。
随着我们经历技能习得的不同阶段，从新手成长为专家不仅获得了身份上的转变，还有一些事情在悄然发生：我们越来越少思考自己在做什么，只是单纯沉浸在做这件事中。我们没有意识到自己在操纵这艘帆船，只是觉得我们在与帆船航行。我们并没有把调节重心、转向、掌控船身等动作看作一个个独立的步骤，而是把它们当作一个整体。同时，我们也不再是解决单一的问题，而是完成完整的项目，自然、有效的反应贯穿整个过程。德雷福斯认为，只有当你不再思考自己正在做的事情时，你才能成为真正的专家。
当我们开始学习一个技能时，我们需要学习其背后的理论与规则，但是当我们逐渐掌握这个技能时，我们就不需要再思考理论与规则，而是可以依靠直觉在新的情境找到适合的应对方式，而这都基于经验的积累。德雷福斯认为，不依赖规则，通过识别环境应对正在发生的事情，是人类智慧的特征。他认为，在学习技能的最初阶段，我们需要规则的指引，随着时间的推移，我们渐渐放下它们，直到我们成为某一方面的专家，则不再依赖规则。当我们的身体知道该做什么时，我们可以说自己在这一方面已经足够专业。
……
让我们再回顾一下德雷福斯技能习得的模型，以及他最重要的两个观察。第一个观察是，我们在技能习得初期会将整个过程拆解为单一的步骤，每次专注于一个部分的学习。在我们成为专家后就不再需要分步骤进行，或有意识地控制好每一个动作。研究表明，在熟练掌握技能后，过度在意每个元素和细节反而会影响整体表现。
德雷福斯的第二个重要的观察就是关于技能习得中语言的作用。在学习的初期，我们会接受老师的口头指导，或是进行自我提示，告诉自己 “身体向地面倾斜”。这在一开始会很有帮助，但随着我们的技能慢慢精进，在学习后期，它们的帮助会越来越小。事实上，证据显示语言反而会成为进步的阻碍，降低表现水平，即“言语遮蔽”（verbal overshadowing）现象。在1990年的一项实验中，受试者被要求用语言描述模拟情境中银行抢匪的长相，结果表明，比起没有用语言描述长相的受试者，被要求描述长相的受试者反而无法识别抢匪的脸。以言语为基础的表征遮蔽了难以言 喻的感知记忆。这一概念亦适用于活动技能方面。
……
人工智能的早期期望与假设
人工智能领域诞生于1956年，当时在新罕布什尔州的大学城达特茅斯有一场为期8周的暑期研讨会。这次研讨会促成了《计算机与思想》（Computers and Thought）一书的出版，并在美国大学建立起了几个研究中心。研讨会的与会者们提出了通用人工智能的想法，一种能够理解和学习人类可以执行的任何智力任务的智能。
鉴于那次研讨会的参与者是数学家、计算机科学家和认知科学家，因此早期人工智能研究对智力的表达是基于人类认知模式、模拟计算机的运行模式也就不足为奇。当时的主流观点也是，大脑就像计算机一样，是由其操纵抽象符号的能力来定义的。研讨会的参与者认为，如果想创造人工智能，就必须先开发出能有效遵循规则的符号操控系统。
在人工智能研究的最初几年，目标是在计算机中复制大脑，把真实世界的信息转换为可以根据逻辑系统进行处理的符号。他们认为，为了高效，人工智能需要一个中央存储系统，将有关概念、个体、类别、目标、意图、愿望以及系统可能需要的任何其他信息联系在一起。在这一点上，人工智能研究不认为智力是与世界相连的东西，而是一种处理代表世界的符号的行为；他们将认知等同于计算。
在这个新兴领域的早期，识别物体或形状的任务都是在可控的实验室条件下完成的，所以世界的混乱和纷扰并不会造成困扰。这种人工智能不论是在对智力的基本理解上还是在复制智力的方式上都不是具身化的。随着时间的推移，这种处理方式被称为GOFAI（老式人工智能）。正如拉里莎·麦克法卡尔（Larissa MacFarquhar）所描述的那样，GOFAI默认“心智是一种软件程序，大脑和身体只是硬件设备，因此原则上认知是可以在不同类型的硬件产品上复制的，比如复制到硅制的机器上，不是基于碳基的肉体”。而且他们认为也不需要人类的其他配备，例如感觉器官、手臂、双手或双腿。
在人工智能近70年的历史进程中，人工智能领域遇到了许多死胡同，其倡导者提出的大胆主张往往未曾实现。例如，赫伯特·西蒙和艾伦·纽厄尔（Allen Newell）曾在1957年，也就是达特茅斯会议一年后预测，10年内，数字计算机就会成为国际象棋的世界冠军，“除非规则禁止电脑参赛”。由于人工智能没有朝着预设的目标迈进，政府机构及其他资助者纷纷撤资，使得这一领域遭遇连续的“寒冬”。
20世纪80年代，人工智能研究开始融入莫里斯·海洛－庞蒂和休伯特·德雷福斯等现象学家的哲学思想。德雷福斯是现象学界直言不讳的批评者，1979年，他出版的《计算机不能做什么》（What Computers Can't Do）一书激怒了著名的人工智能与机器人研究中心，麻省理工学院的同事。据说这本书的畅销程度促使他搬到了美国西海岸。他反对痴迷于只试图模拟认知而忽视智慧的场景化本质它产生于身处于世界中的主体。他坚持认为，人工智能的拥护者们在假设“所有智能行为都可以通过一个信息处理的设备来模拟，这个设备却只是一个疏离、去身体化、客观的观察者”。
由于德雷福斯的努力，且因为GOFAI并没有取得多大成功，具身化的概念开始产生影响。人们开始意识到，智力不仅仅是基于规则的符号处理，更是一种从身体出发的与世界互动的现象，这种思想逐渐开始推动这门学科的发展。这也导致研究人员不再专注于人类思维，而是转向脑力比较低但适应环境能力同样出色的生命形式。昆虫成为这个领域的新宠。
.........
