智能系统要在屏幕之外真正运行。

屏幕里的模型可以分类、预测或给出建议。物理系统面对的是更难的问题：它要观察并不完美的环境，在不确定性下做决定，还要承担动作带来的真实后果。

我最感兴趣的正是这个闭环。系统质量不只取决于模型，也取决于传感器位置、时序、执行器极限、供电、通信以及系统如何处理失败。

如果传感器校准不足、控制信号到达太晚，或机构无法复现请求的动作，再好的预测也难以产生价值。因此，物理智能首先是电子、软件和环境之间的接口工程。

问题也随之从“模型有多强”转变为“怎样的完整感知到行动闭环，才足以被这个任务信任”。

当系统会影响硬件、实验或人时，不确定性必须可见。阈值、假设与回退行为要足够清楚，让人能够判断下一步行动是否合理。

我的目标不是让智能显得复杂，而是让下一次物理行动更清晰、更安全，也更容易被检验。

我会用四个问题检查一套物理智能系统：它感知什么？哪一种不确定性会改变决策？它能安全地做什么？什么证据会让它停止或改用另一种行动？

这些问题把我对电子、自动化、电机控制和自主机器的兴趣连接起来，也让工作始终贴近现实——因为每一个有用的决定最终都会遇到物理约束。