docs: sync 33-01 latest wording

Author: yeyiwen2006

docs/05-multimodal-world-models-embodied-ai/33-具身智能的基本知识/33-01-具身智能的展望.md

@@ -33,7 +33,7 @@ local_only: false
 
 ## 二、具身智能加速科学发现
 
-对于自然科学和医学等领域，AI for Science的核心瓶颈在于数据与实验验证。当有潜力的方法和想法可以被大量提出，实验验证就成为了瓶颈；即便可以通过构建模拟来减少对湿实验的需求，构建模拟的难点依然不在于模型，而在于高质量数据。基于大模型的AI Scientist只停留在认知层面，只有具身智能才能实现真正意义上的自主行动，完全自主地进行实验验证和获取数据。
+对于自然科学和医学等领域，AI for Science的核心瓶颈在于数据与实验验证。当有潜力的方法和想法可以被大量提出，实验验证就成为了瓶颈；即便可以通过构建模拟来减少对湿实验的需求，构建模拟的难点依然不在于模型，而在于高质量数据。基于大模型的AI Scientist只停留在认知层面，只有具身智能才能实现真正意义上的自主行动，完全自主地进行实验验证和获取数据。而对于理论物理学等领域，那些伟大的“概念跃迁”和全新框架的发明意味着在人类已有概念框架内插值的大语言模型不足以解决问题，而是需要能与真实世界持续互动的智能。
 
 ### （一）实现全流程干湿闭环，解放人类研究者
 
@@ -67,6 +67,10 @@ local_only: false
 
 很多自然科学发现来源于“意外”。依赖硬编码机器人的实验室会忽略意外情况或停止，必须等待人类处理，瞬态现象可能很快就消失了；具身智能则可以主动感知、主动获取相关数据，比如换一个角度观察和获取数据等，这可能会催生出新的科学发现。
 
+### （五）可能可以抽象出新的概念，提出新的理论框架
+
+牛顿将世界万物复杂的相互作用抽象为统一的“力”，爱因斯坦在对物理世界场景的思想实验中提出相对论。大语言模型无法实现这一点，因为它们对世界的认知来源于预训练数据，只能在已有预训练数据包含的概念和框架中插值组合，这并不会得到全新的概念或理论。而强化学习也不会让模型具备这种概念层次的创新能力。人类在与物理世界的反复直接交互中，才从原始数据里抽象出了力、因果性等概念，发明经典力学、相对论、量子力学等真正新颖的概念框架。具身智能可以与现实世界主动交互，自主从物理世界获得已有框架之外的信息，这可能是实现概念级创新的必要条件。
+
 ## 三、具身智能推动智能发展
 
 有认知理论认为，人类智能的形成并不是单纯依靠抽象符号推理完成的，而是在长期与环境互动的过程中逐渐发展出来的。人类婴儿通过看、听以及主动与世界互动，逐步建立对物体、空间、因果关系和他人行为的理解。如果这一理论是对的，那么实现具备人类全部认知能力的智能就需要具备具身的“感知—推理—行动”闭环，不仅要能观察世界、理解世界，还要能主动对世界采取行动并从中自主学习。

latex-project/content/mainmatter/chapter-033.tex

@@ -34,7 +34,7 @@ \subsubsection{（四）农业层面}\label{ux56dbux519cux4e1aux5c42ux9762}}
 \hypertarget{ux4e8cux5177ux8eabux667aux80fdux52a0ux901fux79d1ux5b66ux53d1ux73b0}{%
 \subsection{二、具身智能加速科学发现}\label{ux4e8cux5177ux8eabux667aux80fdux52a0ux901fux79d1ux5b66ux53d1ux73b0}}
 
-对于自然科学和医学等领域，AI for Science的核心瓶颈在于数据与实验验证。当有潜力的方法和想法可以被大量提出，实验验证就成为了瓶颈；即便可以通过构建模拟来减少对湿实验的需求，构建模拟的难点依然不在于模型，而在于高质量数据。基于大模型的AI Scientist只停留在认知层面，只有具身智能才能实现真正意义上的自主行动，完全自主地进行实验验证和获取数据。
+对于自然科学和医学等领域，AI for Science的核心瓶颈在于数据与实验验证。当有潜力的方法和想法可以被大量提出，实验验证就成为了瓶颈；即便可以通过构建模拟来减少对湿实验的需求，构建模拟的难点依然不在于模型，而在于高质量数据。基于大模型的AI Scientist只停留在认知层面，只有具身智能才能实现真正意义上的自主行动，完全自主地进行实验验证和获取数据。而对于理论物理学等领域，那些伟大的``概念跃迁''和全新框架的发明意味着在人类已有概念框架内插值的大语言模型不足以解决问题，而是需要能与真实世界持续互动的智能。
 
 \hypertarget{ux4e00ux5b9eux73b0ux5168ux6d41ux7a0bux5e72ux6e7fux95edux73afux89e3ux653eux4ebaux7c7bux7814ux7a76ux8005}{%
 \subsubsection{（一）实现全流程干湿闭环，解放人类研究者}\label{ux4e00ux5b9eux73b0ux5168ux6d41ux7a0bux5e72ux6e7fux95edux73afux89e3ux653eux4ebaux7c7bux7814ux7a76ux8005}}
@@ -80,6 +80,11 @@ \subsubsection{（四）捕捉``意外''中的科学发现}\label{ux56dbux6355ux
 
 很多自然科学发现来源于``意外''。依赖硬编码机器人的实验室会忽略意外情况或停止，必须等待人类处理，瞬态现象可能很快就消失了；具身智能则可以主动感知、主动获取相关数据，比如换一个角度观察和获取数据等，这可能会催生出新的科学发现。
 
+\hypertarget{ux4e94ux53efux80fdux53efux4ee5ux62bdux8c61ux51faux65b0ux7684ux6982ux5ff5ux63d0ux51faux65b0ux7684ux7406ux8bbaux6846ux67b6}{%
+\subsubsection{（五）可能可以抽象出新的概念，提出新的理论框架}\label{ux4e94ux53efux80fdux53efux4ee5ux62bdux8c61ux51faux65b0ux7684ux6982ux5ff5ux63d0ux51faux65b0ux7684ux7406ux8bbaux6846ux67b6}}
+
+牛顿将世界万物复杂的相互作用抽象为统一的``力''，爱因斯坦在对物理世界场景的思想实验中提出相对论。大语言模型无法实现这一点，因为它们对世界的认知来源于预训练数据，只能在已有预训练数据包含的概念和框架中插值组合，这并不会得到全新的概念或理论。而强化学习也不会让模型具备这种概念层次的创新能力。人类在与物理世界的反复直接交互中，才从原始数据里抽象出了力、因果性等概念，发明经典力学、相对论、量子力学等真正新颖的概念框架。具身智能可以与现实世界主动交互，自主从物理世界获得已有框架之外的信息，这可能是实现概念级创新的必要条件。
+
 \hypertarget{ux4e09ux5177ux8eabux667aux80fdux63a8ux52a8ux667aux80fdux53d1ux5c55}{%
 \subsection{三、具身智能推动智能发展}\label{ux4e09ux5177ux8eabux667aux80fdux63a8ux52a8ux667aux80fdux53d1ux5c55}}