身体的智能：5.1动机

以发育方法研究认知的动力主要来自以下几个方面。

第一点，主要是Turing的观点，从简单的事实可以得知，很显然我们至今还没有真正可以与人类在智力或者体力上并驾齐驱的智能机器人。我们还缺少建立相应硬件所需的技能，也不知道如何对机器人编程来达到人类的智能水平。也许这只是因为我们没有充分理解智能行为的基础原理。用“当今”时间尺度来手动设计机器人的行为比想象中的要困难得多。举例来说，我们还没有和人、猴子或者老鼠略微相似的智能感知系统；也没有设计出可以背着包又一手抱着孩子，并能以不同速度行走在不平路面上的机器人。但或许这样的系统可以通过发育方法设计出来，从一个最初的系统（希望是一个比较简单的系统）开始，这样机器人可以学会感知或自我运行，而不是被程序显性地规定如何去做。在我们展开之前，在这里我们想先阐明学习和发育的区别，虽然这两个概念是部分重合的。在发育中机体不断地生长和成熟；而在学习中，则没有考虑形态，换句话说，通过发育，智能体的身体和大脑都在发生变化；而学习中变化的只有大脑而已。

第二点，正如第3章中概述的那样，在考虑智能行为的时候有三个时间尺度。

上一章我们探讨了“当今”这个尺度。本章和下一章我们将分别研究个体发育（个体的生命期）和系统发育（进化）时间尺度。认知研究的发育方法注重于个体发育的时间尺度。我们希望智能个体的某些特性或在上一章中概述的一些设计原理能从发育过程中涌现出来。例如，一个机器人可能在它发育过程中，产生几个有用的、并行松散耦合的感觉一运动过程，从而加强设计原理。更激动人心的是，允许智能体自

身发育，而不是严格编程控制它们的行为，可能会涌现出我们意想不到的特性和设计原理。

第三点，来自于以下事实，即学习能力向来被认为是智能的一个重要因素，而且学习本身是发育的一个重要方面，因此，在具身化系统中应该加以研究。学习在人工智能和机器学习领域（人工智能研究的一个计算分支，其本身已经发育成一个很大的学科）中已经有了很久的历史。这个领域的问题之一是它的高度算法化，而且几乎是完全非具身性的。这种方式在某些领域非常有用，比如说因特网浏览器能够捕捉到用户的习惯，或者数据挖掘系统中学习算法可以从很大的数据群中发现有趣的联系。但是这些系统是完全非具身性的，就如之前已经讨论过的那样，它们只能在正规的虚拟环境下运行，如因特网就有严格定义的状态。因此要把这些想法映射到真实世界机器人身上―是非常困难的。即使Osaka 大学适应性机器系统实验室极富创造力的机器人学家MinoruAsada，已经运用了机器学习技术来对他们的足球机器人编程，使得这些机器人学会了怎样射门，但把这些方法运用到真正的机器人身上还存在着问题。生物的神经网络可以很成功地让生物智能体，如动物与人和真实世界发生交互，但是，人工神经网络在机器学习领域中，基本上都是在非具身情况下研究的。甚至计算神经学方面的学者也经常孤立地来考虑大脑，比如有一本备受称赞，由一群连接主义（connectionist）学者所著的书――《重新思考先天性》（Rethinking Innateness），也只展示了非具身性的发育模型（Elman等，

1996）。

第四点，发育成为解决符号接地问题的一种可能方案，智能体大脑中所发生的过程是如何被连接到现实世界的；简言之，智能体怎样获得价值（meaning）？这是我们接下来要详细讨论的一个难题。

第五个动机因素来自于综合性方法论，其中机器人被看做是发育的模型，因此可能对自然的发育及其基础机制的理解有所启迪。已经得到广泛认同的是，认知或高水平智能包括了在个体发育过程（也就是人从婴儿成长为成人的过程）中通过各种方式获得的能力。这样我们就可以通过以下途径对发育学领域做出有价值的贡献。我们可以展示机器人如何通过启动一个发育过程获得智能而不是通过编程；在这个过程中机器人不仅和其所在的物理环境，也和人，还有其他的机器人交互，从而成为一个我们有意承认其认知能力的个体。虽然在真实的硬件上建立成长过程的模型还处于起步阶段，但是正在涌现的新技术已经至少可以在一个初步的水平上模仿物理上的成长。

最后一点也是很重要的一点是，我们怀疑在发育方法的背后有一种浪漫的动机因素，期望可以培养出一个机器人，就像一个人类的婴儿一样，其自身只需很少外界帮助就成长为一个功能系统。这点也反映在研究者给他们的机器人所起的名字

上，如Giorgio Metta的“Babybot”或者Hideki Kozima的“Infanoid”。虽然建立一个自己可以发育的机器人远远超过了现有的研究能力，但它绝对是一个诱人的构想。仅仅试想一下我们可以观察到一个机器人随着时间的增长，自发地通过与环境和我们的交互，获得越来越多的技能，最后开始走路还有说话！这就是发育机器人技术的最终极的宏伟目标。

总结，制造具有学习能力的机器人的理由如下：我们还不能直接编程让机器人执行复杂的任务；第4章概述的设计原理，还有其他一些我们没有想到的原理可能会从发育机器人中涌现出来；发育机器人学可能会对有关学习的本质、智能体如何获得意义以及广义的发育研究有所启迪；最后，机器人如果可以成长和学习，将会使研究者获得极大的造物主般的满足。现在的问题不是为什么要研究发育机器人，而是如何研究。