身体的智能：4.4智能体设计原理2：完全智能体原理

完全智能体原理阐明当设计智能体时，我们必须考虑在真实世界中活动的完全智能体。

这个原理和“分而治之”范式形成鲜明对比。实际上这个范式已经遍及几乎所有的科学领域，它将一个问题或系统分解成若干个能独立开发的简单子系统。当设

计完成所有子系统后，就将它们装配起来。但是在实践中，经常会发生如下情况，各个子系统会产生许多被称之为“人工效应物”的多余问题。而如果将系统作为一个整体来看待的话，这些多余问题是不会发生的。在计算机视觉领域中就可以发现一个很好的例子。一开始，视觉可以被理解成一个和智能体的其他行为相独立的过程。因此，计算机视觉的大多数研究都集中于静态的摄影图像，如堆满物品的桌子。

研究者们开发出许多高度成熟的高计算效率的算法，这些算法通过识别及对图像中的物体分类来“理解”图像。然而，当智能体和环境进行交互时，视觉会变得更简单。换一句话说，我们应该将视觉看作一个交互的过程，而不仅是适用于一组静态图像的一系列操作。如果你前后移动头部，那么在你的视觉范围内移动较快的物体比移动慢的物体离你更近。如果一个物体挡住了你的视线，让你不能看到另一个物体，你只需走到另一个位置重新看一下。很简单是吧。就像后面我们将会看到的那样，具有身体――能在真实世界中活动可以简化视觉系统及其他许多事物。这个观点不仅能在智能体设计上给我们带来帮助，而且还能让我们在尝试理解诸如我们人类本身的现存智能体时受益匪浅。

这里再举一个出自知觉相关研究领域的例子。在那个研究领域中，来自认知科学，心理学及神经科学的研究者们试图理解人是如何解释在真实世界中的感觉刺激的。在许多试验中已经被证明，根据智能体（在这种试验中，通常是动物）被研究时是在真实世界中活动还是被孤立在某个特定的子系统（在这个例子中，视觉系统）的不同，脑的某一特定部位的机能会截然不同。在20世纪50年代后期，神经科学家David
Hubel和Torsten Wiese进行了一个非常有名的试验。这个试验最终使他们获得了1981年度的诺贝尔奖。他们将微电极插入一只麻醉了的猫的视觉皮层的个体细胞中。然后他们将丧失了移动机能的动物暴露在不同的视觉刺激之下，同时记录下这些细胞的信号。他们取得的很吸引人的结果是，一些细胞对光的强度没有反应，而对边界线的方向产生反应。换句话说，部分细胞只有当视场的左面有光，右面黑暗时，才有反应，反之亦然。而另外一些细胞只有当顶端有光，底部黑暗时才反应，依此类推。可以自然地做出总结：猫的视觉皮层中的一些神经元起着边界线检测器的作用。其后，使用移动中的猫进行试验在技术上得以实现，结果发现这些细胞实际上还和其他许多活动有关（Haenny etal.，1988）。虽然可以说所谓的边界线检测细胞及包含了边界线的视觉刺激提示之间存在相互关系，但是并不能说这些细胞就是边界线检测模块，因为它们也和其他行为有关。我们并没有打算批判Hubel及Wiesel的具有开拓性的实验，而仅仅是想指出这些神经元不能被认为是用以装配完全系统的基本模块。那些结果仍然正确，只不过它们需要重新解释。

结果是当解释一个智能体的行为时，仅考察它的一部分通常会让我们把智能体的行为更多地归因于“脑的巨大能力”而非智能体的实际存在。换句话说，通过考

虑整个智能体，我们经常能发现其他更简单的，可以完成某种行为的机理，因此完全智能体原理与我们将讨论的廉价设计原理也有关系。给定适合于某个工作的身体，并始终考虑到智能体的行为及环境，智能体能以较少的计算硬件完成工作。还记得沙漠蚁Catalyphis的巡航行为吗？许多试验已经证实，当从搜寻食物的旅途归来时，这些蚂蚁能利用界标去发现蚁巢的精确位置。在这些实验中，一般使用分布在蚁巢周围的大型黑色圆柱体作为界标。为了使用这些界标，沙漠蚁必须首先识别界标，然后作出向哪个方向移动的决定。至少那是我们觉得应该发生的过程。识别界标是一个很艰巨的任务，就如我们在计算机视觉的例子里解释的那样，需要一个能承担大量计算的知觉系统。而如第二章所述的是，蚂蚁们只是在离开蚁巢时，在周围拍上多枚“快照”。当它们回到蚁巢附近时，它们只是将当前看到的景象，即当前的感觉刺激，和储存的快照进行比较，然后它们朝能进一步减少两者间差别的方向移动。当两者完全吻合时，蚂蚁就很精确地回到了自己的蚁巢。从这一点来说，我们能说，那些蚂蚁成功识别了界标，但是“识别”是完全结合在蚂蚁的行为中的，我们不可能将“发现蚁巢”和“识别界标”分离开来。这给了我们以下的启示。一方面不存在对应于那两个任务的独立模块，另一方面，通过观察完全智能体的行为，而不仅是知觉这个部分任务，我们就能发现，从智能体设计的角度来看，解决方法其实是很“廉价”的（详细请参见Lambrinos等，2000）。

此外，当观察在真实世界中活动的智能体时，不太容易出现轻易地将系统不适当地模块化的倾向，如在刚才的例子里，为了解释蚂蚁的行为，我们提出了两个不正确的模块――“发现蚁巢”及“识别界标”。心理学的研究对象是宇宙中最复杂的系统一一人。为了把握住可畏的复杂性，这个领域的研究人员将人类的心理系统按照调查研究的目的进行了特定的划分。如划分成认知、知觉、分类、记忆、注意、

社会性交互、学习、发展、动机、情动、运动、问题解决和推理、计划、创新、交流、语言、觉醒和意识。当然这里所提及的领域还只是小部分。心理学中的一些独立的专业就是以其中的多个领域为研究目的的。如果我们着眼于完全智能体并产生疑问，什么是步行、谈话或于人群中识别某人的脸等行为的基础过程时，我们就会立刻发现这些分学科和实际“模块”其实并不那么吻合，事实上这些分学科源自对同一组（或至少是重合极多的一组）过程的不同角度的考察。

此外，当研究完全智能体时，我们常常不得不处理完整的感觉一运动循环。如果我们遵照这个原理，我们就不必像传统机器人学通常所做的那样，冒险以感觉系统去分解诸如运动计划等过程。1999年，我（Rolf）在德国的一个大型汽车制造厂做客。在那儿，我人生中第一次享受了机器人提供的咖啡服务。那是一次很棒的体验。

那个机器人成功地移动到桌子旁，拿起了一个杯子，又成功地移动到咖啡机旁，安上杯子，按下开关，等到杯子被注满咖啡后，又移动回我所坐的椅子旁，并将咖啡

交给我，实在是印象深刻。但实际上，并不是如语言所描述的那样顺利。由于智能体的运动计划是和其他功能分开进行的，因此产生了一些问题。例如，在那时（我确信其间已经有所改变），当执行计划中的动作时，机器人没有接受到任何的环境感觉反馈。结果是，机器人以一种和预想稍不同方式抓住杯子，这使得杯子弯曲并差点折断了从咖啡机提供咖啡的管子。在完全智能体方法中，我们不得不考虑完全感觉一运动循环。如果机器人能够感知到它抓住杯子的方式或杯子放在咖啡机上的应力的话，那么这个问题应该是可以被避免的。这也揭示了下面要描述的感觉一运动协调的原理。

作为总结，完全智能体原理为我们研究智能体（如在心理学和神经科学领域里）及研究如何设计和建造智能体（如在机器人学里）提供了重要的启示。这个原理还强调，一个完全智能体的所有部分都是紧密地相互联系的。