译介丨大象不玩国际象棋（1990）：一种人工智能研究

本文系用户投稿，不代表机核网观点
译者按：
在人工智能和机器人研究领域，Rodney Allen Brooks无疑是那些少数开创了研究流派的学者之一。从计算机产生以来，人工智能的研究始终沿着“符号主义”的路线展开，试图把世界转化成某种机器可以理解的符号系统，以探索“知识”甚至“智能”的产生。
而Brooks认为这并非正确的进路，他基于控制论的思想，开创了另一条我们如今称之为“行为主义”的路线，试图通过更简单的“感知——行动”模型来接近“智能”，他认为智能是对环境的动态适应。
他在1990年发表的这篇论文《大象不玩国际象棋》（Elephants don't play chess）就比较完整地阐述了这种研究的基本思想以及基于此的尝试，文中的成吉思汗（Genghis）机器人仍是行为主义人工智能最著名的早期实践之一。
虽然行为主义的研究方法在今天已经不是人工智能研究的“显学”，或者说它从未成为，主导当今人工智能研究的是符号主义与连接主义（如深度神经网络）的结合。行为主义由于无法保证先验的合理性、最终的图景过于遥远且依赖涌现而受到冷落，但Brooks的思路无疑仍然是极有启发的：“感知—行动”仍然是研究人工智能如何具有行动力时无法绕开的模型，它引导着我们在一条漫长但实用的路上探索，而在当下的人工智能发展中，和世界的灵性交互正是其他两种方法所欠缺的。如Brooks在文中所说的：“哪怕我们的战略无法让扶手椅里的哲学家们信服，至少我们的工程学方法可以很大程度地改变我们生活的世界。”
Brooks曾担任MIT人工智能实验室的主任，同时他也是著名的机器人公司iRobot的创始人，我们可以看到后来扫地机器人Roomba和这篇论文中机器人原型之间有趣的相关性。以下为正文：
大象不玩国际象棋 Elephants Don't Play Chess
罗德尼·A·布鲁克斯（Rodney A. Brooks）
麻省理工学院 人工智能实验室
MIT Artificial Intelligence Laboratory
1990
松果 / 译
人工智能还有另外一条路线，这条路不同于过去三十多年来“人工智能”的旌旗所指。传统的方法强调对符号的抽象处理，但是在物理现实中几乎从未有基于此类方法的实践。我们探索了一种新的研究方法，强调和环境发生持续的物理交互，以此作为智能系统设计的主要约束源。我们展示了这种方法是如何在最近取得可以与最经典的成就媲美的重大成功。我们将沿着这个思路勾勒未来的可行工作，以期建立更有前景的系统。
1. 引言
人工智能研究已经沉溺在渐进主义（incrementalism）的海洋中了。除了在早前各种符号处理技术的示范基础上加以修补，没人知道下一步该去向何方。与此同时，小型的AI公司正在倒闭，国际AI会议的参与人数也大幅下降。虽然在许多大型公司里，AI正在被越来越多地使用，但基本都是通过“应用”实现。在研究界，拓展这项历史悠久的科技的全新领域这种做法，已经变得过时。
究竟什么出了问题？
在这篇论文里，我们论证了作为经典人工智能基础的符号系统假说从根本上是有缺陷的，所以由此衍生的学说在适应性方面存在严重的局限。此外，我们认为，当旨在提供通往与人类水平相当的数字智能的路径时，符号系统假说的教条隐含了许多在很大程度上没有根据的跳跃。而这些跳跃试图逾越的鸿沟，正在阻碍传统人工智能研究。
但还有另外一种观点或教条，通常被称为“新人工智能”（nouvelle AI）或者“原教旨主义人工智能”（fundamentalist AI），或者保守地叫做“情境活动”（situated activity）（作者注：请注意，本文探讨的内容和通常所说的“神经网络”完全无关。即便如此，经典神经科学的研究者们可能也会对新人工智能方法的一些方面感兴趣）。它为构建智能系统提供了一种不同于过去三十年来的方法。传统方法基于将“智能”拆分为功能信息处理模块，这些模块加起来提供了整体系统的表现；而新方法将“智能”拆分为独立的行为生成模块，这些模块的共存与合作让更加复杂的行为从中涌现。
在经典人工智能中，没有哪个模块本身能生成系统整体的行为。所以，确实需要将许多模块结合以获得系统的全部行为，系统本身能力的进步也依赖于每个功能模块的进步。而在新人工智能里，每个模块自身都能产生行为，系统功能的进步依赖于向其中添加新的模块。
鉴于目前经典人工智能和新人工智能似乎都不能揭示出AI圣杯的秘密，也就是等效于人类水平这一总体目标，二者之间可以进行一些重要的比较：
这两种方法在认识论上是否充分？（以及对何而言的充分？）
这两种方法是否有明确通向更具智能的系统的道路？
新人工智能的支持者是不是浪漫化地希望魔法凭空诞生？而经典人工智能的支持者是不是在把一切的一切都教给系统，以期它会做出最简单的推论？
宣称新人工智能的“涌现”特质是否要比在经典人工智能中使用“启发式方法(heuristics)”更加不靠谱？
在下面的部分中，我们将讨论这些问题。
2. 符号系统假说
符号系统假说认为，智能需要在一个符号系统上运行。其中潜在的观点是，感知和运动接口（interface）是中央智能系统运行其上的一组符号，因此中央系统，或者说推理引擎（reasonin gengine），是在一个不同的独立层面对符号进行处理。符号的意义对推理主体（reasoner）来说并不重要，只有当系统的观察者从自己的经验出发，通晓符号的基础时，整个过程才存在着连贯性。
比较隐蔽的是，在符号系统假说所启发的工作里，符号代表了世界上的实体。它们可能是单独的对象、属性、概念、需要、情感、国家、颜色、丛书或者分子，但它们必须是有名字的实体。这一前提产生了若干影响。
然而，首先要知道的是，一个智能系统，除了实验室里的实验原型，都会以某种形式嵌入（embedded）在世界当中。
2.1感知和符号之间的接口
中央智能系统使用的是符号，必须由感知系统向其提供符号。
但对于围绕着智能系统的世界而言，什么样的符号化描述（symbolic description）才是正确的？当然，这种描述必须基于任务。
我们的默认假设是，感知系统对个体以及个体间关系进行分类和命名，来描述世界。例如，在经典的猴子与香蕉问题里，对世界的描述是由“盒子”、“香蕉”、“上方”这些概念完成的。
但是对于另一项任务（比如判断香蕉是否腐烂），完全不同的表述形式就很有必要。心理物理学的研究清楚地表明，感知是一种主动的、任务导向的行动。
符号系统假说的影响是，它鼓励视觉研究者追求它设下的总体目标，去寻找一个视觉系统、能传递世间万物详尽的符号形式描述。直到最近才出现了一场追求主动视觉（active vision）的运动，这场运动更加任务导向，或者说任务驱动。
2.2简单符号的不充分性
以最纯粹形式出现的符号系统，假定了一种可知的客观事实。只有在非常复杂的情况下，才能建立起模态逻辑或者非单调逻辑来，让系统更好地从对混沌世界的管窥蠡测中形成知识（beliefs）。
随着这些增强，这些形式化系统当中计算的实现，越来越偏离生物学。但是一旦选择了符号系统，就必然需要愈加复杂、繁琐的系统来推进发展、追求客观性。
这种追求也导致了众所周知的框架问题，即如果一个东西没有被清晰地界定，那就无法存在。围绕这个问题，虽然有一些技术纠偏的方案，但这些方案自身也问题重重。
2.3符号系统依赖“涌现”的属性
一般而言，在NP完备空间中，推理过程是琐碎的。比方说，为了解决这些问题，人们已经付出了极大的努力，如尽量选择计算起来简便的评估函数和多项式以引导搜索。有点傻得可爱的是，人们一直希望”智能“会从这些简单的数值计算中，神奇地自行涌现出来。[28]是最早出现的这种期望之一，后来被证明只是部分正确的（他的学习多项式（learned polynomials）后来发现其实只是由块计数（dominated by piece count），但经典人工智能几乎所有的搜索实例都依赖这样对多项式进行审慎选择，来压缩搜索空间。
3.物理基础假说（The Physical Grounding Hypothesis）
新人工智能则是基于物理基础假说。这个假设表明，要构建一个智能系统，就必须让其表现形式基于物理世界。我们就此的经验是，承认这种假说以后，对符号系统的传统需求很快就会消失。一个关键的看法是，世界本身就是自己的最好的模型。因为它总是处于最新的状态，总是包含着一切已知或未知的细节。诀窍是，要足够适宜和频繁地去感知世界。
要建立一个基于物理基础假说的系统，就必须让这个系统和外部世界经由一系列传感器和执行器（sensors and actuators）相连。那么问题就不在于研究分类别的输入和输出了，因为它们没有基于物理。
接受物理基础假说作为研究基础，就需要从下至上地构建系统。高级别的抽象必须被还原成具体的。构建出的系统最终必须用物理行动的方式，表达所有的目标和愿望，而且必须从物理传感器中取得所有的“知识”。因此，系统的设计者不得不让所有东西都直接呈现出来。因为在“输入/输出”的表示中没有松弛（slack），所以每个采用的捷径都对系统能力有直接的影响。低级别接口的形式也会影响到整个系统。
3.1演化
我们已经有了智能实体存在的证据——人类。此外，有很多动物在某种程度上也拥有智能（这个话题有严重的争议，很多都围绕着对智能的定义展开）。它们在地球46亿年的历史中不断演化。
反思演化在地球上发生的历史是有意义的。单细胞的实体诞生于35亿年前的原始汤，过了10亿年，出现了能光合作用的植物。又过了15亿年，也就是5.5亿年前，第一批鱼类和脊椎动物出现了，然后是4.5亿年前的昆虫。事情开始迅速发展：爬行动物出现于3.7亿年前，恐龙出现于3.3亿年前，哺乳动物出现于2.5亿年前。第一批灵长类动物出现在1.2亿年前，类人猿的祖先仅仅出现在1800万年前。人类大约出现在250万年前，在1.9万年前发明了农业，在5000年前发明了文字。而“专业”知识只是最近几百年才出现的。
这表明，只要“存在”和“反应”的本质能够实现，那么解决问题需要的行为、语言、专业知识及其应用、以及理性，都是相当简单的。关键是拥有这种能力：即在动态环境中移动、感知周围环境，并且借此维持自身的必要生存和延续。“智能”概念的这一部分正是演化历程主要花费时间的地方，因为它要难得多。这是动物系统的物理基础部分。
另一种观点认为，实际上一旦有了符号和表征，演化就可以迅速进行。因此，符号才是关键的发明，人工智能研究者可以弃置这些早前的困境，直接着手于符号。但我认为，这里忽略了一个关键点，这个关键点可以从基于符号的可动机器人相较基于物理的机器人性能孱弱当中看出：如果没有一个精心构建的物理基础，任何符号表现都无法与其传感器和执行器适配。这些基础为符号提供了必要的约束，以发挥符号的真正作用。
[26]雄辩地指出，机动性、敏锐的视觉和在动态环境中完成生存任务的能力，为真正智能的发展提供了必需的基础。
3.2包容式架构（The Subsumption Architecture）
为了探索物理基础系统，我们开发了一种计算结构，名为“包容式架构”。它能够紧密结合感知和行动，将机器人具体地嵌入世界之中。
包容式程序是建立在一个计算基板上（computational substrate）的，它被分成一系列的增量层（incremental layers）。在一般情况下，每个层都连接着感知和行动。在我们的例子里，基板是时间元扩充下的有限状态机网络。
对包容式架构最初的描述，可参见[6]，后来在[8]和[16]中进行了修正。包容式编译器将增强的有限状态机（AFSM）编译成一个专门的调度器，用来模拟并行性和一组有限状态机模拟例程。这是一个可重定向的动态编译器，为许多处理器提供后端，包括Motorola 68000、Motorola68 HC11和Hitachi 6301.包容编译器接受一个源文件作为输入，并生成一个汇编语言程序作为输出。
行为语言的灵感来源于[注23]，它将不同的AFSM分组，形成更利于管理的单元，并有选择地激活或者关闭整个单元。事实上，AFSM不是直接细化的，而是作为实时的规则集，以一对一的方式编译成AFSM。行为编译器是独立于机器的，它编译出一个包含AFSM规范的中间文件，然后使用包容编译器编译至不同的目标。我们有时称行为语言为“新包容”。
3.2.1旧的包容语言
每个增强有限状态机（AFSM）都有一组寄存器（registers）和一组计时器（timers），他们连接到一个传统的有限状态机上，该有限状态机可以控制由寄存器提供的组合网络，并且通过将输入线附加到寄存器上，从其他机器发送消息来编写寄存器，替换现有内容。接收到消息或者计时器过期，都会触发有限状态机的状态更改。有限状态机有两种状态：一是等待某些事件的触发，然后有条件地分发至剩余两种基于寄存器中的复合状态（combinational predicate）中的一种状态；二是计算一个寄存器中的复合函数，将结果返回其中一个寄存器或者作为AFSM的输出。部分AFSM直接连接到机器人的硬件。传感器将值储存在特定的寄存器中，并直接发送指令给接收器。
通过以不同的方式添加新机器到现存网络，这类机器的一些层可以得到增强。新的输入可以连接到现有的寄存器，之前可能寄存着一个常量。新的机器可以通过原本线路上的附件抑制原有的输入和输出。当消息到达抑制附件时，短时间内就无法继续沿当前线路传输。为了保持抑制，在新线路上必须有连续的信息流（在先前版本的包容式架构中，必须为抑制指定一个清晰、有一定长度的时间周期。最近的研究表明，现在的方法更好）当消息到达抑制附件时，同样地，短时间内不允许原始消息流动，但现在抑制信息被允许通过，并且伪装成来自初始来源。为了保持对附件线路的控制，需要持续提供抑制信息。
抑制是解决不同层次执行器命令冲突的机制。请注意，在包容式架构的这种定义中，ASFM不能共享任何状态，特别是它们都封装了各自的寄存器和定时器。
在包容式系统中，所有时钟的滴答周期（tick period）基本都是相同的（我们的大多数机器人是0.04秒）。然而，时钟和消息并不同步：沿着线路发送消息的最快速度是一次滴答。用于抑制的时间周期是两次滴答。因此，在有附件的线路上保持最大速率的信息传输，可以保持对主机线路的控制，我们称这个速率为特定包容实现的“特征频率”。
3.2.2新包容语言
行为语言将多个进程（每个进程通常由一个单独的AFSM实现）分组为行为。行为内部的进程之间或者不同的行为之间，都可以有消息传递和抑制。行为表现为一种抽象的阻隔：一种行为无法影响另一种。
行为的每个进程都很像AFSM，我们的行为语言编译器也正是将其转换为AFSM。但是，它们是通用的，所以可以共享寄存器。一种新的单稳态（monostable）结构，稍稍提供了比原来的定时器更通用的定时机制。单稳态是可以重新触发的，并且可以在单个行为的进程之间共享。
4. 一些基于物理的系统
在本节中，我们将简要地回顾一些采用了包容式架构并取得成功的机器人，并重点介绍它们如何利用或集中体现了包容式架构。图1展示了所有这些机器人。大多数是用旧的包容语言编写的，托托和Seymour使用了新的行为语言。
这些机器人身上值得注意的关键是，看似目标导向的行为，是如何从简单的非目标导向行为中产生的。

   
    
  
   
    
  
   
    
  

4.1艾伦
我们的第一个机器人，艾伦，搭载了声纳距离传感器和里程计，并使用了一台外在的Lisp机器来模拟包容架构。在[6]中，我们描述了在包容式架构实现中的三层控制。
第一层是让机器人避开静态和动态障碍。艾伦会很高兴地坐在屋子中央，如果有人接近，它就会匆匆挪开，避免碰撞。我们使用的内部表示是，每一个声纳返回都代表一个斥力，具体函数是斥力和距离的平方成反比。适当设定阈值后，斥力的矢量和会告诉机器人该朝哪个方向移动。当机器人正前方有东西在移动（而非转弯）时，一种附加反射会让机器人停下来。
第二层是让机器人随机游走，每隔十秒，就产生向任意方向前进的愿望。这种愿望和通过向量避障的反射相结合。求和的向量代替了更原始的避障向量，但是避障行为仍然在新控制层中起作用，因为新层包含了较低的排斥性。此外，更底层的停止反射仍是不变的。
第三层则是让机器人通过声纳，寻找远处的某个地方并朝其出发。这一控制层通过里程计监测进度，并生成一个抑制层来控制第二层的随机游走愿望。然后将期望的方向添加到一个带有本能避障层的矢量结果中。因此，机器人不能忠实于上一控制层产生的愿望。上一控制层必须监测世界的情况，并通过里程计了解底部控制层的情况，以便向其发送校正信号。
在[9]中，我们还描述了艾伦可选的一组控制层。
4.2汤姆和杰瑞（Tom and Jerry）
汤姆和杰瑞是两个完全相同的机器人，用于证明包容式架构需要的计算量之少。我们在其上实现了三层的包容程序，但数据通路只有1位宽，整个程序安装在一张可编程的256门阵列逻辑芯片上。实际上，汤姆和杰瑞是玩具小车，它们前面安装了三个1位红外接近传感器，后面安装了一个。这些传感器被单独调整到特定的发射距离，前中央传感器只对距离更近的物体发射，两侧的传感器则微微向外。
汤姆和杰瑞的最底层实现了第一级行为的标准对（standard pair）。它们利用来自障碍物的排斥力矢量来执行躲避操作，或者前方中央传感器检测到距离太近时触发停止反射。因为我们需要用包容式架构来实现主动制动方案，所以汤姆和杰瑞还有一些额外的复杂性。因为传感器的范围有限，但机器人的运动速度很高。汤姆和杰瑞的第二层和艾伦的第二层很像——四处游走的渴望。这也是由吸引力加上避障斥力实现的。第三层则是使用前三个传感器检测移动物体，并建立一个跟随行为，当检测到有东西存在时，机器人就会被吸引并跟随移动。同时，更加基础的碰撞反射避免机器人真的撞上去。当机器人追逐目标是，游荡行为也要被抑制。
汤姆和杰瑞展示了在不了解对方的情况下，独立行为的结合（追逐物体，但保持距离）。汤姆和杰瑞还展示了包容架构可以（手工）编译到门级，并且可以在只有几百赫兹的时钟下运行。
4.3赫伯特（Herbert）
赫伯特（Herbert）是一个在设计上更有野心的机器人。它搭载了一台松散耦合的机载计算机，拥有24个分布式处理器，用来运行包容式架构。处理器是较慢的CMOS8位微处理器（同时也拥有较低的运行功耗，这是电池携带的一个重要因素），它只能通过缓慢的串行接口进行通信（每个接口每秒最多传输10个24比特宽的数据包）。在赫伯特身上，AFSM间的互联是通过实体的铜线实现的。
赫伯特有30个用于避障的红外距离传感器、一个带有简单感应器的机械手，以及一个激光分段系统，用于收集机器人前方60度的三维深度数据，最远可以达到12英尺。它每秒钟采集一张图像，该图像宽256像素，高32像素。通过一个专用的分布式蛇形储存器，四个板载的8位处理器能够在每个数据像素上各处理30次指令。通过将处理器连接到同一个链中，我们能够实现相当高性能的视觉算法。
在[16]中，我们给赫伯特编程，让它在办公区域游荡，进入人们的办公室，并且偷走他们桌上的易拉罐。他向我们演示了避障、贴墙走、实时识别易拉罐一样的物品，以及一组行为，能让他的手臂找到面前的易拉罐、定位它、并把它拿起来。
赫伯特身上有很多例子，说明外部世界本身就是其最佳模型，也是一种沟通的媒介。值得注意的一点是，赫伯特的行为生成模块之间，完全没有内部沟通。每个模块在输入端都连接到传感器，输出端都连接到仲裁网络（arbitration network），从而驱动执行器。
基于激光的易拉罐探测器驱使机器人将手臂放到易拉罐前面，但是它并没有告诉控制手臂的模块前面有一个易拉罐可以拿起来。相反，手臂的行为是由监控轮轴上的编码器产生的，当它们没有检测到身体运动时，就会启动手臂运动，这反过来又会触发其他行为，最终让机器人拿起易拉罐。
这种方法的优点是，不需要为接下来发生的事建立内在期望，这意味着控制系统（1）能够在偶然情况下自发作用，而且（2）可以轻松地对变化的情况做出反应，比如有别的东西快要碰到它。
我们可以举例说明，手臂的行为是如何叠加在一起的。想象一下你如何真正抓住一个易拉罐。机器手有一种抓握反射，每当有东西阻挡手指间的红外光束时，它就会起作用。当手臂用其局部传感器定位到易拉罐时，它只简单地驱动手，让两根手指排列在易拉罐的两侧，然后手就独立地抓住了罐子。在这样的安排下，人可以把易拉罐递给机器人。机器人的手一旦抓住易拉罐，就会缩回去——无论是它自己故意偷去的，还是别人递给它的。行为里的这种“机会主义”让手臂能够适应各种杂乱的桌面，成功找到汽水罐。
4.4成吉思汗（Genghis）
成吉思汗（Genghis）是一个1Kg重的六足机器人，它在包容式控制下行动，拥有一个极其分散的分布式控制系统。它能凭借12个电机、12个力传感器、一个陀螺仪和两根触须，顺利在崎岖地形上行走，还能利用热传感器跟随人类伙伴的脚步。
包容控制层让机器人能够不用任何感应就完成站起来、走路这种简单的动作；或者用斥力测量来跨越崎岖的地形、抬腿跨过障碍；用陀螺仪以检测地形的适应性，视情况用触须把自身抬高以越过障碍；然后用被动红外传感器来探测人，只有人在旁边时才会开始行走，并且利用红外辐射的方向来调节特定腿组的后摆，这样机器人就可以跟随这个移动的热辐射源。
作为对比，我们可以想象一个有中央储存库的控制系统，它设置机器人在空间中移动和定位时所需的配置。我们还可以设想路径规划一类的高级指令，跟随机器人的坐标随时更新，这些高级命令被一一分层解析为每条腿各自的指令。
但成吉思汗的系统没有这样的储存库，实际上，甚至每条腿都没有一个储存库——腿上不同部分的马达是分别由网络的不同部分控制的。虽然每个电机都有一个中央控制系统，但这些控制器是用于接受网络不同部分的信息，并简单地将它们传递给电机，不进行任何整合。
我们的控制系统也很容易构建。它是渐进式的，想添加新功能，只需要简单添加新的网络结构，不进行修改和删除。我们从不需要对网络结构进行调试。
由此产生的控制系统简洁而优雅，它不用处理坐标变换或者运动学模型，完全没有层级，而是通过许多紧密耦合的传感器和执行器实现行走。它本质上是分布式的，我们相信它在处理崎岖地形时的鲁棒性来自于这种分布式控制。
我们目前正在开发成吉思汗的新版——阿提拉（Attila），它能以每小时3公里的速度更好地攀爬。每条腿都有三种自由角度，以及三个装在承重梁上的力传感器。新版的成吉思汗搭载着单片微处理器，结合随机储存器（RAM）和可擦写只读储存器（EEPROM），可以很容易地实现对整条腿的伺服控制。阿提拉会重约1.6Kg，在活跃行走的情况下，配备的电池大约可以提供30分钟的续航。之后，需要在日光下太阳能充电约4.5小时。
4.5喷喷（Squirt）
喷喷（Squirt）是[21]中最小的机器人，只有50g重，体积只有1.25立方英寸。
喷喷集成了一台8位计算机、一个车载电源、三个传感器和一个推进系统。它的工作方式是像虫子一样，躲在黑暗的角落里，在噪音消失很久之后，才朝着噪音的方向出发探险，并且在目的地附近寻找新的藏身处。
最有意思的是，这种高级行为是通过一系列与世界的简单交互而产生的。
喷喷最底层的行为，是监测一个光传感器，同时通过螺旋式移动来寻找阴暗的地方。螺旋轨迹是由“向前”和“向后+旋转”的动作耦合产生的，它们共用一个电机，通过后轴上的单向离合器实现。一旦喷喷找到了一个阴暗的地方，它就会停下来。
这个时候，喷喷的第二级行为就会被触发，它会监测两个麦克风，并判断声音到达每个麦克风的时间，这样它就可以从中判断声音来自何处。然后，喷喷会等待一种声音模式的出现：尖锐的噪音之后伴随着几分钟的寂静。如果识别出这样的情况，喷喷就会冒险朝最后听到声音的方向跑去，并且抑制住待在黑暗中的欲望。在弹道式的直线运动结束以后，底层行为就不再被抑制，光传感器会重新开始工作。如果环境很明亮，喷喷就又会以螺旋形式跑动。最终的效果是，喷喷逐渐倾向于接近“行为”的核心。为喷喷编译的整个控制系统仅有1300字节，在板载微处理器上就可以运行。
4.6托托（Toto）
托托是我们第一个完全用新的行为语言编程的机器人。托托有12个放射状排列的声纳和一个磁通门罗盘作为传感器。
初看之下，包容式架构似乎不允许“地图”这样的常规设置。包容式架构中没有数据结构，也没有什么简单的方式来实现大量数据的中央存储。但我们基于托托的工作表明，这些并不是构建和使用地图的关键。
托托有一个底层的反应系统，来保持基本功能的稳健运行。这些底层行为让它能避免碰撞，并成功地沿着墙壁和走廊漫步，就像探索世界一样。一组中等层级的行为被用来识别特定类型的标志物，像是墙壁、走廊和杂物堆。另外一个网络由完全相同的行为组成，等待识别新的标志物。每次发生这种情况时，托托都会执行一个行为，来定位自身，以此作为标志物的“位置”，并在相邻的标志物对应的行为之间，建立起邻接关系。这样就形成了一个图像结构，尽管其节点是活动的计算元素而非静态的数据。（事实上，每个节点都是以AFSM形式存在的计算元素的集合）
当机器人在周围环境中移动时，节点会试图定位它的位置。如果节点认为自己与机器人当前所在的位置对应，它们就会变得活跃。因此，机器人有地图，也知道自己在地图上的未知，但它是一个完全分布式的计算模型。
当一个行为（比如“去某个地方”）被激活（通过机器人上的一个小面板按钮）时，激活机制的传播就会开始，它从目标点位沿着邻接关系传播。这个过程是连续的，并且始终在机器人到达地图上的点位时予以告知。
Mataric的实验结果[25]表明了如何通过添加新的局部网络来逐渐提高机器人性能。当它最后实现时，地图构建和路径规划的行为模式都比最初的演示更加丰富。同时还基于暂时性生成的情境（context），加入了“期望”的概念，这使机器人可以处理迷路问题，并且把自己重新定位到地图中。在此基础上，通过将指南针集成到时间上，引入了一种粗略的位置估计方法。这大大降低了地图构建以及在复杂环境中调用地图的不确定性，从而提高了机器人的整体能力。在所有案例中，我们都只是简单地向网络中添加新行为，以改进地图构建和使用的性能。
这项工作还表明，全球地图完全也可以用分布式架构建立和显示。在我们的实验中，地图是由一组异步独立代理构建的，没有使用任何任意指示器（arbitrary pointers）或者其他传统数据结构的技术。在路径规划中，也没有任何“全局路径”，只有局部信息的结合，引导者机器人通过与世界的动态交互，去到想去的地方。总体而言，演示的这些方面体现了技术具有良好的适应性。
它很容易就能将地图和动态导航、避障和路径规划结合起来。它表现出一种天然的能力，能够与动态系统的短暂方面（temporal aspects of the dynamics）整合起来，因为它们可以把时间用作自身的表征！
在为托托开发的位置地图的概念，和在大鼠的海马体中观测到的结果[17]之间有惊人的相似之处。
4.7西摩（Seymour）
西摩是一款我们正在开发的全新机器人，它可以以大约每秒10帧的速度支持9台低分辨率摄像机的视觉信号处理[10]。摄像机将信号传输到不同的包容层，这些包容层作用于其感知到的世界的不同方面。西摩也是用这种新的行为语言编程的。
许多为西摩开发的基于视觉的行为，都建立在早期的机器人原型上。
[22]描述了一个包容程序，它控制两个简单但可靠性不高的视觉处理例程，用以产生一个可靠的行为：凭借视觉跟随移动的物体。其中一个视觉进程追踪一个单独的移动对象（blob），它由另一个进程引导（bootstrapped），另一个进程用关于运动发生地点的指示来覆盖对象图像。然后机器人会尝试伺服选定一个对象，让其保持在图像坐标的固定位置。虽然对象跟踪器会经常丢失目标，而运动探测器在机器人运动时会产生很多噪音，但是这两者的协同工作使得机器人可以稳定地跟随一个移动目标（任何移动的东西：我们看到过它追逐一个用线拽着的黑色垃圾桶、蓝色地板上的一个玩具遥控车、一个粉红色的塑料火烈鸟、灰色地毯上的灰色笔记本、拿在人手里的马克杯等等），如果其中一个视觉例程失败了，就切换回另外一个。包容程序内部没有可识别对象的概念，但对于外部观察者来说，它显然很好地跟踪了一个移动对象。
[29]借助机器人提托（Tito），演示了两种视觉引导的行为，也将会被纳入西摩的开发。两种行为会各自调用一对立体线性摄影机。这对摄影机垂直安装，利用基座的旋转产生图像，可以在没有校准的情况下获知房间的大小。然后，利用[11]中得到的早期结果，机器人向前运动，来校准另一对水平安装的摄影机，用于寻找可通行的门和路径。
[31]展示了一款自主的眼球，可以在平台不断移动的情况下保持平稳的注视。它简单重现了灵长类动物的前庭-眼系统：相机安放在陀螺仪控制的可移动平台上，同时以视觉作为一个缓慢的校准系统。
4.8小飞虫机器人（Gnat Robots）
在我们对包容式架构的所有使用和开发中，我们一直小心地保持它的简单性，以便编写的程序可以容易地、机械地编译到硅材料上。例如托托，它地图网络的设置方式，让连接有限状态机的总线长度可以和有限状态机的数量保持线性关系。一般来说，我们制作的机器人，芯片占用的空间是相当小的，这是我们维持这种限制的一个原因。
[18][19]提出了一种想法，能在VLSI生产线上用硅制造出完整的小型机器人。[7]则演示了如何使用包容式架构来控制这样的机器人。这类机器人有很大的潜力，可以用之前认为不具有成本效益的方式来应用机器人。想象一下，比如在你的电视屏幕上，有一群微型机器人，它们从电子束里吸取能量，存在的唯一目的就是保持屏幕清洁。微型机械系统有可能产生一场革命，就像微处理器的出现为日常生活带来的革命那样。
[20]概述了制造此类机器人所需的一系列技术步骤，包括材料、一种基于薄膜压电材料的新型微型电机、3D制造工艺和一些新型集成传感器。这个项目的关键在于找到一种控制机器人的简单方法，让它们在非结构化和不确定的环境中具有智能行为。
5. 成功的方法
当我谈到我们用来为机器人构建控制系统的技术时，我被问到最多的问题或者收到最多的判断是：
“如果我对你的机器人的环境做这样那样的改变，它肯定没法正确运行。”
“这些系统不是完全无法调试吗？”
“这肯定不能扩大到做别的某事。”因为做别的某事并不是讨论的一部分。
在接下来的三小节中，我将说明，这些问题要么很容易回答，要么从深层次来说是不恰当的。
5.1解谜病（Puzzlitis）
由于传统的人工智能研究都集中在孤立的“智能”模组上，而这些模组几乎没有任何现实基础，因此为成功的研究制定一些标准就至关重要。最流行的概念之一是所谓的“通用性”（generality），对“通用性”的追求导致了一种顽疾，我将其称之为“解谜病”。彰显“通用性”的方法，是选择领域内最晦涩的情况，并且证明你的系统能解决这种情况。
但是在基于物理的系统中，我相信这种方法只会适得其反。这些谜一样的例子通常不会在实践中出现，但为了解决这些谜题，系统变得越来越复杂，结果降低了整体的鲁棒性！我们可以被谜题驱动，但这些谜题最好是自然地出现在现实物理环境中——这正是我们基于物理的系统的力量所在。
关于这个话题的另一种看法是：对于大多数AI程序而言，开发者都可以用某种表示性语言告诉程序一些事实。很可能有一天，走廊里那些幻想出来的白帽家伙（the vision guys in the white hats down the corridor，这句我始终弄不明白）也会用这种表示将世界模型化。基于物理的系统同样会因为风险提高、感知失误而犯上“解谜病”而失败。普通的AI程序并没有被迫面对这些问题。
5.2调试（Debugging）
根据我们的经验，调试用于控制基于物理的系统的包容程序，并没有造成多少困难。不是因为我们有什么特别有用的调试工具，也不是因为包容式架构本身的优势。
倒不如说，我们还是相信，世界本身就是自己最好的模型。当你在真实世界运行一个基于物理的系统，你一眼就能看出它是如何交互的，整个过程清晰呈现在你眼前。它没有一个抽象的控制层来混淆系统和外部世界的动态交互。这是基于物理的系统的一个优雅之处。
5.3但它不能做某事
“但它不能做某事”这类的陈述，往往伴随着一个暗示或明示：“这个方法有很多不擅长做的事，所以我们应该回归符号系统假说。”
就算只是一种暗示，这也是一个有谬误的论点。对于一个医疗的专家系统或者一个类比系统，我们通常不会要求它去爬山。很明显，它们适用的专业领域在某种程度上是有限的，而其设计师也非常谨慎地为其选择了有条件的工作领域。同样，因为大象不玩国际象棋，就说大象没有值得研究的“智能”是很不公平的。
然而，基于物理的系统的研究者们似乎声称最终能解决整个问题。比如，我这篇论文就认为，正因如此，这个方法才值得追求。我们如何才能二者兼得？
就像符号系统假说的提倡者一样，我们相信，我们已经在原则上揭示了智能的基础。但是，就像在符号系统里，人们可以积以跬步地研究一样，人们应该也被允许在基于物理的系统慢慢研究。目前还没有什么能解决一切问题的办法，我们必须花时间，从物理基础假说的角度仔细分析特定领域的需求，以辨别为了取得进展，哪些结构和抽象是必须建立和进行的。
6. 未来的限制
正如[30]所指出的关于自己的符号系统假说的问题：这个假说显然是经验性的，正确与否还要靠证据判断。当然，物理基础假说也是如此。
我们目前的战略是，通过开发更加独立、能做更多事情的机器人，来验证物理基础假说的局限性。我们对人类能力的各个方面的选择优先级，和人们在符号系统假说下的不同，所以有时很难对各自领域内的成功进行比较。我们战略的另外一部分是，构建出可以应用在现实世界中的系统。哪怕我们的战略无法让扶手椅里的哲学家们信服，至少我们的工程学方法可以很大程度地改变我们生活的世界。
6.1前景的对比
通向“智能”的两条道路的拥护者们，都抱着不同程度的希望，希望自己的方法最终会成功。他们也的确都体现出了一定程度的成功，但是当涉及到普遍性时，就都只能诉诸模糊的愿景。结果表明，对于这两种方法，实际演示（demonstration）和普遍化（generalization）属于不同的维度。
传统人工智能试图在比较贫瘠的领域中演示复杂的推理，希望过程中采用的观念能够普遍推广到更复杂领域中的鲁棒行为。
新人工智能试图演示的则是，不那么复杂的任务可以在嘈杂的领域中稳定运行，希望过程中采用的观念能够推广到更复杂的任务中。
因此，这两种方法之间似乎存在着互补。这两种方法结合是否有更大的前景？这个问题很有价值，但我们不会在这里进一步讨论。
这两种方法取得的成功都依赖一些我们尚未分析的方面。
传统的人工智能依赖于启发式控制搜索。虽然已经有很多关于此主题的数学分析，但启发式算法的使用者仍然依赖于搜索树中的预期分布，以获得“合理的”剪枝量，让问题易于管理。
新人工智能依赖于让更小的行为单元相互作用，以产生更全局的行为。这和启发式搜索一样，缺乏一种先验保证：这种方法会永远有效吗？虽然如此，但经过仔细设计的简单行为及其交互，往往能为系统带来实用和有趣的涌现属性。使用者就继续依赖着这种没有确凿证据的期望。
是否会出现一种理论分析，表明某一种“智能”的组织方式要优于其他的？也许吧，但我认为我们距离正确理解“与环境互动的动态方式”还很远，所以短期内不会出现这样的理论。
6.2具体问题
对于基于物理基础假说的AI而言，有一些亟待解决的具体问题，包括：
如何结合许多（比如说超过12个）行为生成模块，让它们以某种方式具有生产力和合作性？
在确实需要综合处理的情况下，如何处理多来源的感知信息？
如何自动构建行为生成模块之间的交互接口，以便构建更大（因此能力更丰富）的系统？
如何自动构建单个的行为生成模块，甚至自动修改它们？
前两个问题关系着此方法是否能在原则上扩展到更大、更复杂的任务。后两个问题则关系着如何扩展到那个更大的系统。
我们还有大量的实验空间。最终，当我们足够成熟以后，关于基于物理基础假说的人工智能的方法，也会有更多的理论发展空间。
致谢
Pattie Maes鼓励我写下这篇论文，尽管我之前拒绝这么做。她和Maja Mataric对这篇论文的草稿提出了一些有益的批评。
这项工作的资金由多个政府机构和公司提供，包括：海军研究办公室合同N00014-86K-0685下的大学研究计划；海军研究办公室合同N00014-85-K-0124下的国防高级研究计划局；马里布的休斯研究实验室人工智能中心；普林斯顿的西门子研究中心；横滨的马自达研究中心。
参考文献：
内容因剧透、敏感不适等原因被隐藏
点击查看
[1] Philip Agre and David Chapman, Pengi: An implementation of a theory of activity, AAAI-86, Seattle, WA (1987) 268-272.
内容因剧透、敏感不适等原因被隐藏
点击查看
[2] Colin M. Angle, Genghis, a six legged autonomous walking robot, MIT S.B. Thesis in Electrical Engineering and Computer Science (March 1989).
内容因剧透、敏感不适等原因被隐藏
点击查看
[3] Colin M. Angle, Attila's crippled brother marvin, MIT Term Paper in Electrical Engineering and Computer Science (May 1989).
内容因剧透、敏感不适等原因被隐藏
点击查看
[4] Dana H. Ballard, Reference frame for active vision, IJCAI-89, Detroit, MI (1989) 1635-1641.
内容因剧透、敏感不适等原因被隐藏
点击查看
[5] Rodney A. Brooks, Symbolic reasoning among 3-D model and 2-D images, Artificial Intelligence 17 (1989) 285-348.
内容因剧透、敏感不适等原因被隐藏
点击查看
[6] Rodney A. Brooks, A robust layered control system for a mobile robot, IEEE J. Robotics and Automation, RA-2, April(1986) 14-23.
内容因剧透、敏感不适等原因被隐藏
点击查看
[7] Rodney A. Brooks, Micro-brains for micro-brawn; Autonomous microbots, IEEE Micro Robots and Teleoperators Workshop, Hyannis, MA (November 1987).
内容因剧透、敏感不适等原因被隐藏
点击查看
[8] Rodney A. Brooks, A robot that walks: Emergent behavior form a carefully evolved network, Neural Computation, 1(2)(Summer 1989) 253-262.
内容因剧透、敏感不适等原因被隐藏
点击查看
[9] Rodney A. Brooks and Jonathan H. Connell, Asynchronous distributed control system for a mobile robot, SPIE Vol. 727 Mobile Robots, Cambridge, MA (November 1986) 77-84.
内容因剧透、敏感不适等原因被隐藏
点击查看
[10] Rodney A. Brooks and Anita M. Flynn, Robot beings,IEEE/RSI International Workshop on Intelligent Robots and Systems '89, Tsukuba, Japan (1989) 2-10.
内容因剧透、敏感不适等原因被隐藏
点击查看
[11] Rodney A. Brooks, Anita M. Flynn, and Thomas Marill, Self calibration of motion and stereo for mobile robot navigation, MIT AI Memo 984 (August 1987).
内容因剧透、敏感不适等原因被隐藏
点击查看
[12] Rodney A. Brooks, Jonathan H. Connell, and Peter Ning, Herbert: A second generation mobile robot, MIT AI Memo 1016 (January 1988).
内容因剧透、敏感不适等原因被隐藏
点击查看
[13] David Chapman, Planning for conjunctive goals, Artificial Intelligence 32 (1987) 333-377.
内容因剧透、敏感不适等原因被隐藏
点击查看
[14] Jonathan H. Connell, Creature building with the subsumption architecture, IJCAI-87, Milan (August 1987) 1124-1126.
内容因剧透、敏感不适等原因被隐藏
点击查看
[15] Jonathan H. Connell, A behavior-based arm controller, MIT AI Memo 1025 (June 1988).
内容因剧透、敏感不适等原因被隐藏
点击查看
[16] Jonathan H. Connell, A colony architecture for an artificial creature, MIT Ph.D. Thesis in Electrical Engineering and Computer Science, MIT AI Lab Tech Report 1151 (June 1989).
内容因剧透、敏感不适等原因被隐藏
点击查看
[17] H. Eichenbaum, S.I. Wiener, M.L. Shapiro, and N.J. Cohen, The organization of spatial coding in the hippocampus: A study of neural ensemble activity. J. Neuroscience 9(8)(1989) 2764-2775.
内容因剧透、敏感不适等原因被隐藏
点击查看
[18] Anita M. Flynn, Gnat robots (and how they will change robotics), IEEE Micro Robots and Teleoperators Workshop, Hyannis, MA (November 1987).
内容因剧透、敏感不适等原因被隐藏
点击查看
[19] Anita M. Flynn, Gnat robots: A low-intelligence, low-cost approach, IEEE Solid-State Sensor and Actuator Workshop, Hilton Head, SC (June 1988).
内容因剧透、敏感不适等原因被隐藏
点击查看
[20] Anita M. Flynn, Rodney A. Brooks and Lee S. Tavrow, Twilight zones and cornerstones: A gnat robot double feature, MIT AI Memo 1126 (July 1989).
内容因剧透、敏感不适等原因被隐藏
点击查看
[21] Anita M. Flynn, Rodney A. Brooks, William M. Wells and David S. Barrett, The world's largest one cubic inch robot, Proceedings IEEE Micro Electro Mechanical Systems, Salt Lake City, Utah (February 1989) 98-101.
内容因剧透、敏感不适等原因被隐藏
点击查看
[22] Ian D. Horswill and Rodney A. Brooks, Situated vision in a dynamic world: Chasing objects, AAAI-88, St Paul, MN(August 1988) 796-800.
内容因剧透、敏感不适等原因被隐藏
点击查看
[23] Pattie Maes, The dynamics of action selection, ICAI-89, Detroit, MI (1989) 991-997.
内容因剧透、敏感不适等原因被隐藏
点击查看
[24] Maja J. Mataric, Qualitative sonar based environment learning for mobile robots, SPIE Mobile Robots, Philadelphia, PA (November 1989).
内容因剧透、敏感不适等原因被隐藏
点击查看
[25] Maja J. Mataric, A model for distributed mobile robot environment learning and navigation, MIT M.S. Thesis in Electrical Engineering and Computer Science (January 1990).
内容因剧透、敏感不适等原因被隐藏
点击查看
[26] Hans P. Moravec, Locomotion, vision and intelligence, Robotics Research 1, Brady and Paul (eds) (MIT Press 1984)215-224.
内容因剧透、敏感不适等原因被隐藏
点击查看
[27] Zenon W. Pylyshyn (ed), The Robot's Dilemma, (Ablex Publishing, Norwood, NJ, 1987).
内容因剧透、敏感不适等原因被隐藏
点击查看
[28] Arthur L. Samuel, Some studies in machine learning using the game of checkers, IBM. J. Res. Development 3(3)(1959).
内容因剧透、敏感不适等原因被隐藏
点击查看
[29] Karen B. Sarachik, Characterising an indoor environment with a mobile robot and uncalibrated stereo, Proceedings IEEE Robotics and Automation, Scottsdale, AZ (May 1989)984-989.
内容因剧透、敏感不适等原因被隐藏
点击查看
[30] Herbert A. Simon, The Sciences of the Artificial (MIT Press, Cambridge, MA, 1969).
内容因剧透、敏感不适等原因被隐藏
点击查看
[31] Paul Viola, Neurally inspired plasticity in oculomotor processes, 1989 IEEE Conference on Neural Information Processing Systems-Natural and Synthetic, Denver, CO(November 1989).
内容因剧透、敏感不适等原因被隐藏
点击查看
[32] A.L. Yarbus, Eye Movements and Vision (Plenum Press 1967）
对于论文中大量的工程和电路系统表述，我尽力做了查证让翻译基本准确，但难免有疏漏和能力不逮之处。欢迎指正！