身体的智能：6.5进化机器人学

既然进化计算作为设计工具如此有用，何不将其用于进化整个智能体及机器人，而不仅用于进化管道、电路和计算机程序呢？毕竟，自然界中产生了完整的、智能化的生物体，所以或许我们能在人工进化系统中重现这一壮举。但是目前所用的标准方法，还无法进化得到完整的智能体，而只能得到部分。大多数人所遵循的有效模式仍是将机器人作为一个固定的形态（尽管进化机器人学在20世纪90年代早期就已出现），如Khepera或者索尼的AIBO，要进化的是它的控制结构，往往将神经网络作为其典型结构（Nolfi和Floreano，2004）。在这种设计过程中，进化的作用在大多数情况下是有限的，因为神经网络的结构是固定的，而且仅有连接强度能被进化。简言之，其步骤通常如下：每个基因组给机器人神经网络的突触分配权重；允许机器人运行一段时间，如步行；使用一个适应度函数自动对该行为的质量进行评价，如它走了多远；选择表现最好一些机器人进行繁殖，并对其基因组进行变异和交叉，淘汰其他的机器人，对基因组进行评价，这种循环重复进行。

尽管这种情况下进化的作用有限，但这种方法被证明是非常成功的，通常，神经网络可以进化到直接控制机器人。进化机器人学的起源可追溯到包括来自Sussex大学的Phil Husbands和Inman Harvey的英国研究组；包括来自位于罗马的国家研究委员会的Stefano
Nolfi的意大利研究组以及来自瑞士洛桑理工大学（EPFL）的Dario
Floreano 和Francesco Mondada。自从那个时候起，Susex大学和EPFL就成为进化机器人学的研究中心，许多其他研究实验室也加入进来。回忆那句口号“设计已经过时，进化的时代来临了”强调了人工进化本身就是一个强大的设计工具―

种工程工具，而不只是生物进化的计算机模拟。

因为最初专注于控制结构，即神经网络，进化机器人学有一点像经典人工智能，主要专注于脑的研究。经典人工智能的基本问题之一是研究人员不考虑具身性，这源于他们对此一无所知。他们辩解称，智能是一种计算，所以只能依赖于控制结构。

当然，这和自然进化的作用截然不同。进化并非从一个固定的身体开始然后进化大脑；而是两者随着时间共同进化。对于人工系统，如果我们想充分利用进化的力量，

形态和神经共同进化的能力是极为重要的。仅仅进化控制结构，增加了许多过强且不必要的限制，由于智能体的形态由设计者决定，因而进化过程将带有偏好性。一般而言，如果我们想研究形态、材料、控制以及系统–环境之间的相互作用对智能体行为的影响，进化整个身体就是必要的。

我们认为至今研究人员不对身体和大脑同时进化的原因之一是需要极大的设计空间。为了了解这个问题，让我们简要回顾了基因组内智能体大脑和身体信息是如何编码的。正如我们所见到的，在一个管道形状优化程序中，基因组由拉杆的位置信息构成，这样进化得到了一个特定形状的管道。如果对一个四足步行者的控制器进行进化，基因组内编码的信息可能是神经网络的连接权重。现在，让我们来看一些数字。如果你有一个完全连接的仅有100个结点的神经网络―一个非常小的大脑，那你将会得到10000个连接，或者说在你的优化问题中有10000个需要同时调整的参数。所以，尽管只是进化一些权重，在这样巨大的搜索空间中找到一个好的解也是一个很麻烦的问题。一个好的解，我们指的是一个可以让宿主机器人完成某种特定任务的神经网络，如找到一个目标位置（如所需要到达的位置），在一个不平整的地面运动，在水中游泳，或者通过与其他机器人竞争赢得一块“食物”（如一个球或者立方体）。如果你现在想同时进化机器人的身体和神经网络，那么搜索空间将会更加巨大。尽管如此，如果我们进化得当，还是有可能得到有趣的智能体。

最初的例证出自一个未曾预料到的领域―计算机动画。