身体的智能：3.3参照系

就如已经提及的一样，即使智能体并没有意识到，但它们仍可以利用物理法则。

在这个意义上，智能不是个体，或者大脑，或者进化的特性，而更多的是存在于所谓旁观者，即这种利用的观察者的眼中。这又把我们引向了下一个由智能研究提出的普遍问题：就是所谓的参考系问题。

参考系问题，关系到观察或设计智能体时能采用的观点，它的含义是，我们必须对我们所观察的事物，及如何解释我们所观察的事物有非常清楚的认识。这个思考方法的最初的灵感来自Herb Simon的富有创造性的著作《人工科学》（The Sciences of
the Artificial），在该书中他介绍了一只蚂蚁沿着河滩行走的逸事（Simon，

1976）：自一个观察者的观点来看，蚂蚁的路径非常复杂，因为它在移动中要绕开水坑、岩石、断木的末梢和鹅卵石。然而，从蚂蚁的观点来看，产生这种行为的机制可能事实上很简单，诸如“如果障碍物在右边，就往左拐”或者，“如果障碍物在左边，就往右拐”和“向前直走”。蚂蚁的最终路径是它和环境（在此即河滩）相互作用的结果。蚂蚁对水坑、小鹅卵石和断木的末梢等一无所知，但是仍然能设法找到最佳路径（Pfeifer和Scheier，1999）。

实例：“瑞士机器人”

让我们详细地考察一个经典的例子：“瑞士机器人”。瑞士机器人是一些简单的机器人，它们是由瑞士苏黎世大学的人工智能研究室的生态学家Rene
te Boekhorst和工程师Marinus Maris在1990年开发的。每个机器人都安装了2个电动机，左右各一个，还有两个红外线传感器，它们安装在左前方和右前方（见图3.1）。红外线传感器（IR）通过测量反射波的强度来测算离目标的距离：越接近目标，反射波的强度越大（见图3.1（c），（d））。现在，我们把三四个瑞士机器人分散地放入随机地散布着若干个泡沫塑料方块的一个方形区域内，它们最终会把那些方块堆成两到三个堆，而有一些被推向墙。对于观察者来讲，看上去机器人们像是在造堆、清理或者腾出自由空间。但是，让我们通过瑞士机器人的“眼睛”来看看这个世界。那些机器人已安装了程序，当一侧的传感器受到信号刺激，如果有一个物体，一堵墙或者其他的机器人在旁边，它们会向另一侧的方向移动。

如果两侧的传感器都没有受到信号刺激，它们就会只是向前直走。机器人不懂得清除障碍，不懂得躲开泡沫块儿，或者都不知道什么是泡沫塑料方块；它们只会对传感器的刺激强度作出简单的响应。它们甚至不躲避障碍物：是我们观察者在说它们正在躲避障碍物。瑞士机器人所看到的世界仅仅是由安装在左右两边的传感器

所感受到的信号刺激。

（a）

：司

a°9唱。|o89

k-四任通一g（

成堆

P加？

图3.1参考系：“瑞士机器人”

（a）随机地放置了泡沫塑料方块的区域；（b）收集过程的一系列图像；（c）概要地说明引起收集动作的原因。图中说明两个方块是如何被收集到一起的；（d）改变形态：左前方的传感器被移到机器人的前方，当迎面遇到一个正面的方块时，机器人将拐弯，收集行为不会发生。尽管机器人的控制程序没有被改写（如传感器接收到刺激，则拐弯），且周围的环境也相同，但是它所表现出来的行为却不同但是如果这个机器人只具有这两个反应，那么那些方块堆是怎样形成的呢？它们的形成，是因为那些传感器之间的距离足够远以至于如果一个机器人迎面遇到一个方块，那么两个传感器都不会接受到刺激，因此这个机器人就会一直向前走，从而推动方块。当其他的方块出现在一侧的时候，它就会绕开，并会将推着的方块挨

着其他方块放下。重复这个过程，就会形成方块堆（见图3.1）。

瑞士机器人看不到泡沫塑料方块，他们的世界是由“左信号刺激”和“右信号刺激”组成的。我们不能把我们对世界的感知投射到我们正在观察的或我们正试着制作的智能体之上。对此要非常慎重，回顾一下McFarland的警告：“人格化，不治之症”。当我们构建智能体时，要比我们研究生物有机体时更容易避开这个陷阱，因为作为工程师，我们知道传感器可能产生何种信号，而在生物系统中我们却做不到。

1995年在瑞士南部一片田园风光的Monte verita召开的主题为“自主智能体的实践和未来”的研讨会上，坦率的美国心理哲学家Dan Dennett对瑞士机器人做了这样的评论：“这些机器人正在清扫，但是那并不是它们觉得它们正在做的事情！”

（瑞士机器人之所以叫“Swiss”是因为像瑞士人，它们“喜欢”清扫）。在某种意义上，机器人学家和瑞士机器人一样也是在同一条船上。Dennett在他发表于研讨会的文章中对机器人学家做了评述：“这些人们正在搞哲学，但是那并不是他们觉得他们正在做的事情！”。Dennet和其他学者相信通过建立这些机器人也许会触及诸如像非常有名的“心灵–身体问题”等哲学中的深奥问题。

从瑞士机器人的例子中，我们能够得到什么样的结论呢？首先，我们必须在设计者或观察者的时间尺度和机器人的时间尺度之间作出明确的区别。从我们的观点来看，机器人正在清扫；从它们的观点来看，它们是在对来自传感器的信号做反应。

这就是所谓的参考系问题中的观点问题。

其次，动物和机器人的行为不能被仅仅还原到内在的机制中。行为是智能体和真实世界相互作用的结果，其中不仅包括智能体的神经系统，还包括整个身体，如传感器是如何分布的，肌肉–肌腱系统和关节的材料属性等。由这些相互依存的机制所组成的集合被称为智能体的具身性。因此，行为不能被仅仅还原到控制程序之中。如果那样做将构成哲学家们常说的“分类错误”。因为这两个不同概念，即内部机制（控制程序）和观察到的行为（需要物理系统和其周围环境之间的相互作用才能产生的行为）被错误地认为是可以直接比较的。换句话说，单凭我们对其控制程序的了解不能预测机器人的行为。我们还必须考虑其身体性和其周围环境。当我们不仅仅是分析机器人，同时也考虑构造机器人时，参考系也具有很强的含义。为了实现某些行为，只给机器人编制程序已经不再充分，对它的物理组成和被控制程序必须进行工程化设计和管理，同时必须时刻注意环境因素。如瑞士机器人的传感器之间的距离应该比泡沫塑料方块的长度更宽，这样那些泡沫塑料方块堆才能最终出现。这也被称为“行为对机制”问题。

第三，我们从这个例子里还可以认识到，看似复杂的行为可能是由非常简单的神经机制或者简单的控制程序产生的。我们称之为复杂性问题。我们不想夸大瑞士机器人行为的先进程度，毕竟移动方块不需要大学级别的教育。尽管如此，这种行为从观察者的角度来看并非是无足轻重的，还带来了非常有趣的结果。Simon 河滩上蚂蚁的例子是另一个相关事例。

四足小狗“Puppy”

尽管瑞士机器人的例子非常吸引人且具有启发性，但它们只不过是自由度很少的轮式机器人，它们只能以很有限的方式移动。让我们来看看最近开发的，具有更多自由度的机器人，由来自苏黎世实验室年轻的充满才华的工程师Fumiya Iida开发的四足小狗“Puppy”（见图3.2）。在机器人领域，开发一个能奔跑的机器人被努

O：电动机-www-：弹簧|

AY

（听觉八体湿

（视觉

平衡感

味觉

图3.2四足机器小狗“Puppy”

（a）机器狗和赋予创作灵感的动物；（b）狗依靠肌肉–肌腱系统的弹性实现快速移动，而机器小狗

“Puppy”则利用腿上的弹簧；（c）真实狗和机器狗的传感器模块。尽管与真实狗相比“Puppy”只产生有限的传感刺激，但这是展示机器人如何产生接地符号（grounded
symbols）的第一步。在这里也有参考系的问题，对于观察者而言，外面的世界有丰富的信息；对于机器小狗而言，世界只是由脚下的压力传感器收集的模式信息组成

认为是非常困难的。类似于瑞士机器人“Puppy”的设计非常简单（lida和Pfeifer，

2004），这在以后章节中会详细介绍。然而，尽管设计非常简单（或者说正由于这种简单设计），它的行为非常惊人的逼真和安定。“Puppy”总共有12个关节，4个在它的肩部和臀部，4个在各个膝关节，还有4个在各个踝关节。另外，还有若干个连接腿的上部和下部的弹簧（更详细的说明，请参见第4章和第5章）。在脚底还安装有压力传感器，它可以感知脚是否触到地面。控制非常简单：“肩部”和“臀部”前后周期性移动。当把四足小狗放在地面上并打开开关后，刚开始它会只是在地面上无规律地爬来爬去，但经过几次摆动之后，它逐渐在相当平稳的奔跑步态稳定下来。这是它的振荡运动，形态（即它的形状和装配的弹簧），作用在脚上摩擦和重力之间相互作用的结果。跑动的行为是观察者看到的，“Puppy”感知到的只是来自它脚下的压力模式，这是它唯一能和外界关联的方法。

和瑞士机器人的动作一样，四足小狗的奔跑行为也不能还原，或者不能仅仅用它的控制机制去解释。只有在它的具身化正确的情况下，即只有在控制器被嵌入到具有完全适当形态的物理系统中时，机器小狗上的简单振荡运动程序才能使它奔跑。同样，从观察者的观点来看，和产生这种行为的内在机制相比，小狗的行为是相对成熟、复杂的。

做出上述陈述之后，应该注意的是在某些情况下相反的事情也可能发生，在观察者看来十分简单的行为实际上可能需要复杂的内部处理。例如，直线移动你的手比围着身体摆动手臂需要更多的神经控制。另外，人类的视觉感知，如认识一个物体等，看起来似乎是很自然容易的事情，但是实际上是一个需要许多感觉和运动机制间协调的高度复杂的系统。无疑，参考系问题提出了许多有关智能的问题。在这本书中我们会遇到许多例子。