身体的智能：3.4综合方法论

如前所述，人工智能还没有一个完善的方法论。也不属于经典的科学领域。人工智能有一定的工程学性质：我们不仅仅要考虑分析自然现象，还要建立人工系统。回想一下我们以前提出的三个研究目标：（1）理解智能的自然形式，如动物和人类等的生物系统；（2）抽象出智能行为的一般性理论，这个理论不仅适用于生物系统，而且也适用于一般的行为系统；（3）构造人造物。综合方法论把这三个目标联系到了一起。在第1章里我们所引入的这个综合方法论，可以用“通过构造来理解”这个词来说明其性质。如果我们对沙漠蚁是如何找到回巢的路，或者人类是怎样步行或如何在人群中辨别人的脸等问题感兴趣，我们可以建立一个系统（即一个人造物）以效仿我们试图研究的行为的某些方面（见图3.3），这种手法已被证明是非常有用的。因为你必须构造一些在真实世界里可行的东西，所以不存在任何粉饰细节的可

能，而在构筑抽象理论体系时这点却不无疑问。

（b）

简单！

图3.3综合方法论：科学家试图去理解蚂蚁的行为（a）直接把观察到的行为映射到内在表现中；（b）利用这个内在表现去控制行走，结果失败；（c）利用一个更加简单的模型，类似Braitenberg结构的模型（图3.4）去控制行走。后者（更简单的模型）看起来是最初观察到行为的更合理的说明

关于综合方法论比较早的例子是计算机视觉系统。40年前，笼统地说，构造一台能“看”的机器的方法就是把摄像机和模式识别软件挂起钩来。为了进行分类或对画像中的可识别的物体建立内在表现，要把摄像机捕捉的画像交给软件来处理。但是我们很快就认识到：这并不是（生物系统的）感知功能作用的方法。如很难解决真实世界中的以下问题，如对以不同距离、照明条件和角度出现的物体及部分被遮掩的物体的识别。而对于人类来说这些都不成为问题。很明显，为了获得真实世界中的知觉，还需要一些其他的东西：因为用模式匹配的方法把来自摄像机的图像映射到内在表现里并非易事。出现于20世纪80年代主动视觉（active
vision）是一个重大进步，是面向更加现实的知觉系统迈出的一步（需要注意的是，计算机视觉的传统研究方法虽然与自然知觉方式不同，但是却创造出了大量的有用的应用。），在这个系统中，摄像头随着感觉刺激（即依存于摄像图像自身）而移动，在本书中我们会提供许多有关综合方法论的例子。

综合方法论处于人工智能的核心位置。神经科学家Valentino
Braitenberg 写过

一本轻松的，薄薄的书《移动车辆》（Vehicles）（1984）。这本书的副标题是“综合心理学中的实验”（Experiments in Synthetic Psychology），许多研究者从该书中获得到了灵感。Braitenberg介绍了一系列复杂性不断增长的机器车辆，起初只有一个由少量金属丝构成的“脑”。尽管它们很简单，但是这些移动机器却能展示复杂的行为。

综合性研究方法甚至可以追溯到更早些时候，当时有一个英国的神经科学家、工程师W.Grey
Walter，他声称已经以两个海龟机器人的形式建立了真正的“人工生命”，还给这两个海龟机器人取了两个怪异的名字：Elmer和Elsie（Walter，1950）。制作这两个机器人的灵感来自自然的神经系统，所以它们的“控制器”是以一组模拟电路实现的。Elmer和Elsie的系统中没有软件，当时还没有把知觉看作（符号）计算的观点。

Grey Walter的海龟和Braitenberg的移动车辆首次显示了一个非常重要但令人吃惊的结果：非常简单的“大脑”可以产生表面上看似十分复杂的行为，以至于我们想把这种行为称为智能行为。比如，Braitenberg的小车中的某一个类型，只包括两根金属丝，这两根金属丝把它身体一端的传感器和另一端的电动机连接在了一起（见图3.4）。小车就会跟着光源移动。如果把两台小车放到一起，且每个机器人的上端都装上一个光源，那么，机器人会执行一个复杂的运动，Grey Walter本人将这种行为联想为交尾舞或领土扩张。

高高

低

（a）

（b）

图3.4简单的Braitenberg车辆（a）小车接近光源；（b）小车避开光源。正连接意味着车前方的光传感器受到的刺激越强，与此传感器连在一起的轮子会转得更快。负连接意味着传感器受到的刺激越强，与此传感器连在一起的轮子会转得更慢。因此，根据连接标记，机器人将迎向或转离光源此后，人们制作出了许多具有简单的控制器但可以显示复杂行为的机器人。我们已经对瑞士机器人进行了描述；还有Craig Reynolds的“boids”（1987），一些只被赋予了三条简单规则的仿真世界中的鸟，那三条规则允许它们“群集”飞翔（在

电影《侏罗纪公园》，《狮子王》，《指环王》三部曲中这个算法也得到了应用，详细见第7章）；由青年发明家James McLurkin制作的集群机器人，英寸Q见方大小，擅长“追人游戏”（见第7章）；拟人机器人Kismet，以一组反射和使用者进行简单的社会交流（见第4章）；另外还有许多其他的例子，我们将会在以后的章节中进行说明。

由于看似复杂和成熟的行为能从简单的规则中产生，因此我们怀疑在自然界的有机体中可能也存在与行为产生相关的、相对简单的神经回路。也许我们会发现任何个体都具有智能，不管它是自然的或是人工的，个体中大量相对简单的神经回路，以智能体的形态为媒介，使越来越复杂行为成为可能。这样的探查研究结果能使我们更多了解我们自己，但是我们作为人类，“我们也许只不过是反射的集合”的观点是令人畏惧的。关于这点将在本书的最后一章进行论述。

当使用综合方法时，我们通常从一些感兴趣的行为开始，这样行为的例子包括在人群中辨识一张面孔，或者蚂蚁在觅食后返回巢穴，或者人类婴儿在真实世界中学习区分，又或者一只狗在全速奔跑中叼住飞碟等。然后通过构造一个电脑仿真或一个真实的机器人得到一个模型。我们的经验是，通过如此过程，我们学到了许许多多大自然中的有趣的东西。当生物学家满足于这样的一个模型时，作为一个人工智能的研究人员，我们要做得更多，走得更远，我们试图找到行为的普遍性原理，因为我们不只关注于自然状态的智能，而且还关注普遍性的智能。我们的目标基于我们如下信念：即智能不只是生物个体的一种特性，它还可以从机器人这样的人造体中产生，这种信念为领域中很多人所共有。我们希望通过书中的理论和大量例子，让读者感受到这确实是一个合理的，可导致许多成果假设的信念。仍然有许多包括了非专业人士的研究者，坚信只有以生物的和基于碳水化合物的物质建立的系统才可能具有真正的智能，而不管智能到底意味着什么。

让我们再概要地说明一下普遍的，非生物智能的概念。当我们不局限于生物系统，去理解智能或者其他类似生命的过程，如复制或自我组织等的时候，作为调查者，我们拥有更大的自由度。这个观点是由人工生命领域的奠基人Chris Langton总结的。他和其他众多研究者希望理解普遍性的，而不仅是作为一种基于碳水化合物现象的生命。根据Langton的主张，正如生物学中所述，“如其所然的生命”（life as itis）只是更为广泛的诸多生命形态中一个特例，我们应该研究“如其所能的生命”

（life as it could be）。这种观点之下，相对于生物学家，工程师处在极为有利的位置，因为所有的生物学家可以做的只是研究现有的系统，而工程师有机会去创立全新的系统。同时，基因技术的进步，正在促使生物学家实质上进行设计和制作未知的生物系统，但是他们使用的依然是常见的原料：DNA，蛋白质，有机分子等。

①1英寸（inch）=2.54cm。

尽管制作人工的却类似生命的智能体是非常具有挑战性的工作，我们可以通过简单且具体的实验来获得有意义的启示。比如，构造和自然肌肉具有不同特性的人工肌肉，要比制作和自然的肌肉完全一样的肌肉更有利于我们了解一般的行走动力学机制。此外，或许最终我们可以制作出比自然肌肉更优良的人工肌肉。生物肌肉容易疲劳，当肌肉充分伸展和收缩的时候，肌肉力量变得很小，当然还有其他局限。

最终，因为我们事实上可以制作我们想要的任何东西，我们可以系统地探索具有智能的（或不太智能的）智能体领域，这样可以帮助我们明确哪些性质是对智能有贡献的，哪些是没有贡献的。