罗德尼·布鲁克斯（Rodney Brooks，现代机器人之父）在 1991 年发表的研究论文《没有表征的智能》[1]提出了一种对智能的根本性重新思考。布鲁克斯反对传统的认为智能必须基于复杂算法或内部数据模型（即“表征”）的观点。他认为，智能行为可以直接从自主机器与其环境的简单物理交互中产生，而这种交互不依赖于预先设定的复杂算法。

布鲁克斯的这一理论基于他对昆虫行为的观察，提出了一个称为“行为主义智能”（Behavior-based AI）的概念，该概念强调通过与环境的直接物理交互来生成行为，而不是通过内部世界模型。这种方法的核心在于，智能系统不应该首先处理抽象的内部世界表征，而是应该能够直接响应外部环境的刺激。

这一理念对后续的机器人研究产生了深远影响，尤其是在自主移动机器人和实时处理系统的设计方面。布鲁克斯的工作推动了一系列以“底层智能”（即从简单的感知反应机制逐渐累积到复杂行为的生成）为基础的研究，这种研究试图模仿生物体中观察到的自然和自适应行为。他在麻省理工学院的人工智能实验室进行的研究，特别是他开发的移动机器人“Genghis”，展示了这种设计哲学的实际应用，该机器人能够在没有复杂中央控制系统的情况下，在复杂环境中导航。

在 1999 年，罗尔夫·普费弗（Rolf Pfeifer）和克里斯蒂安·谢尔（Christian Scheier）合著的《理解智能》（"Understanding Intelligence"）一书中，他们提出了一种全新的智能理解方式，这种方式突破了传统认为智能仅仅源自大脑或算法的局限[2]。普费弗和谢尔的观点是，智能是行为主体的整个身体结构和功能的综合体现，他们强调了身体对智能形成的根本影响，这一理论后来被称为“身体化智能”（Embodied intelligence）或“身体化认知”（Embodied cognition）。

这本书认为，智能行为是通过身体与环境的直接相互作用产生的，而不仅仅是大脑内部的计算过程。这种观点与传统的以大脑或计算为中心的智能理解形成了鲜明对比。例如，普费弗和谢尔指出，动物和机器人的移动能力不仅仅是通过中央控制系统指令的结果，而是其身体结构与特定环境因素相互作用的直接结果。身体的形态和物理性质，如形状、质量分布、弹性等，都会直接影响智能行为的生成。此外，书中还探讨了智能系统设计中的“形态计算”（Morphological computation）概念，即利用物理身体结构来简化控制问题，这种方式可以减少需要通过传感器输入和神经控制处理的信息量。例如，昆虫的步态控制就大量依赖于其身体结构的被动动态特性，而不完全依赖于神经反馈机制。琳达·史密斯（Linda Smith）在 2005 年提出的“具身假说”（Embodiment Hypothesis）是从认知科学的角度对智能的理解提出了新的视角[3]。这一理论主张，人类的认知过程不仅仅是大脑内部的抽象思考，更多地是通过身体与物理环境的直接互动实现的。

根据“具身假说”，我们的思维、感知能力以及其他各种能力的发展，都是人们通过身体与环境的持续互动而逐渐形成的。这种观点强调，身体不仅是感知世界的工具，更是影响和塑造认知结构的主体。例如，婴儿通过触摸和操作物体学习物理规律，或者通过视觉和运动的协调来理解空间关系。这些行为展示了身体在认知过程中的积极作用。具身假说还特别强调了环境在认知发展中的作用，认为环境的结构和特性不仅提供了感官输入，还直接参与了认知能力的形成。例如，一个物理环境中的对象和空间布局会影响个体的动作选择和感知发展，进而影响认知结构的建立。环境的这种参与作用，使得认知发展与环境的特定条件紧密相关。琳达·史密斯的工作扩展了我们对认知科学的理解，将传统关注点从大脑的内部机制转移到了身体与环境的动态交互上。这种观点对教育、人机交互设计以及人工智能等领域提供了新的研究方向和实践策略，强调了设计与环境适应性的重要性。此外，具身假说对于理解特定身体条件下的认知差异（如残疾人的感知和认知体验）提供了重要的视角，有助于我们更全面地理解人类的多样性和复杂性。这些基础研究提出的三个原则，为开发具身人工智能（EAI）系统提供了重要的指导思想。