身体的智能：3.6涌现

正如我们所看到的，时间观点直接与涌现的概念相关联。如果我们可以说在一个时间尺度上的现象是从另外一个更长的时间尺度上涌现出来，那么我们已经在理解这种现象方面取得了进步。换句话说，我们不仅可以对过程是如何工作的进行描述，还可以对它的形成及其原因进行描述。感谢Hafner和Moller的实验，它们证明了快照模型（“当今”）是可以通过学习获得的，现在我们对快照模型出现的条件有了更好的理解。以类似的方式展示某种特定的学习机制从进化过程中产生意味着在理解学习机制方面的科学进步。

涌现的类型

一般来说，涌现中的行为是那些没有明确地用程序写进系统或智能体的行为。

我们可以区分出三种类型的涌现：（1）集合行为中出现的全局现象；（2）来自智能体与其周围环境相互作用的个体行为；（3）从一个时间尺度到另一个时间尺度度行为的涌现。蚂蚁移动轨迹的构成就属于第一个类型的例子。

蚂蚁们并不知道它们正在勾勒一条可以到达食物源的最短轨迹（见第2章）。这是来自集合行为的涌现，在第7章，我们会进一步讨论和说明。在Braitenberg的车辆中，光源追踪行为的涌现是因为有两根金属丝将机器人的传感器以特殊的方式连接到电动机上，同时有光源在它所在的环境之中。这是源自和环境相互作用行为的涌现。最后，还有我们之前所探讨的，关于时间尺度的涌现。

根据说话对象不同，涌现这个词可以有很正面也可以有很负面的内涵。对于工作在人工智能领域或人工生命领域的研究者来说，涌现不仅是好的事物，而且是努力的目标。包括认知主义者（cognitivists）在内评论家们一―即那些仍然拥护古典符号处理范式的人们以及其他领域中更为保守的科学家，还有部分新闻记者会取笑涌现的思想：只要令人惊奇的现象出现，同时你又不了解它，那么就叫它涌现！很显然，仅仅把某种现象贴上涌现的标记是没有任何解释价值的。然而，如果一个现象能以从简单过程中的涌现来加以说明，那么这将构成一个解释和一个更深层级的理解。比如，一旦我们知道了Grey Walter的机器人海龟是如何对光源起反应的，我们可以更好地理解它们交尾舞的例子；同时如果能证明在不同环境下，用于巡航的

快照模式可以从学习过程中涌现的话，这将极大地巩固其普遍性。通过观察从作用于更长时间尺度的过程中涌现的智能体的特征或过程，我们不仅可以学习理解过程自身，还可以理解它是如何出现的和在什么样的情况下出现。比如，当用进化算法去自动设计一个移动智能体时，我们可以研究哪些生态和神经系统是依赖于环境（陆地或水中）而发展形成的。或者，如果可以证明以光源探索行为为目标进行进化的机器人将获得类似Braitenberg的结构，我们就可以认为类似Braitenberg的结构是从进化过程中涌现的，因为系统中并没有光源探索的程序（见第6章）。最后，如果我们可以显示进化智能体遵从下一章中讨论的设计原理，这就增加了设计原理本身的正确性。

涌现性设计

在我们结束该章节之前，让我们简要地回顾一下涌现和设计是如何走到一起的。一旦我们拥有一个系统的行为规则，如蚂蚁是怎样留下化学信号并倾向于向信息素浓度高的方向移动的，安装在瑞士机器人上的红外线传感器是如何用于定位以及机器人是怎样对来自传感器的刺激做出反应等，那么只需直接让机器人运行，就可以容易地找到系统的涌现行为。涌现并不神秘，我们可以完美地，合理地解释瑞士机器人是如何形成那些泡沫塑料块堆的。但是我们经常被问到最初我们是怎样提出瑞士机器人的设计方案的。如果你想拥有能形成堆的机器人，并非就必须设计使它们能回避障碍物。因此，比解释某种行为更难的是，给出某一个预期行为，设计在运行时，即智能体和环境相互作用时能导致这种预期行为的规则。

这被称为涌现性设计（Steels，1991），而如何系统地进行涌现性设计还是一个有待解决的问题。目前，涌现性设计不是一种中坚工程技术，还只是一种艺术。因为行为不能事先被程序化且行为是智能体和环境相互作用的结果，因此我们进行的是创发性设计，而不是直接地设计特定的行为。在某些情况下，这比其他方法更简单，但仍然是比较艰苦的过程。贯穿本书我们将尝试提供证据来证明那些用于智能系统的设计方法能提供帮助。

最后，我们提出另一个关注点。在人工进化领域中，涌现性设计变得异常简单。

在一些实验中，难以置信的复杂行为和结构从相对简单的进化系统中涌现。利用涌现的概念，特别是利用人工进化，我们也许可以自动地设计比我们手工设计的系统更为复杂的系统。

事实上，我们的例子显示这确实如此。或许Sussex大学的进化机器人专家Inman Harvey所宣称的“设计已经过时，进化的时代已经到来”是对的。因为人工设计已经势衰，如果我们想建立一个真正复杂的系统，我们将不得不使用诸如人工进化论之类的工具。然而，我们必须牢记，利用进化方法设计得到的结果，经常会使我们难以理解。一个极端的例子：人类的大脑是进化产生的非常复杂的结构，而

试图理解脑的过程是一个非常艰难的历程。即进化机器人仍不足以形成对智能的全面理解，我们将以一个我们不能理解的复杂的人造物作为结束。