身体的智能：6.10小结：进化系统设计原理

让我们简要总结一下在设计进化系统和分析进化过程的相关自然现象时很重要的原理。

种群原理。我们应该始终考虑种群，而非个体，因为种群是进化最有价值的资源，与整个种群的进化相比，某个个体的进化成功与否就无关紧要了。我们还应时刻牢记，保持种群的多样性是保持种群适应性和能进化出有趣智能体的先决条件。如果种群中所有个体都是同样的，环境改变时，所有个体的表现都可能同样糟糕，这样进化过程就可能无法进行。如果它们各自不同，在新的环境下，有些个体可能就比其他个体表现得更好，进化就能继续进行。这就是所谓种群原理。

累积选择–自组织原理。进化背后的基本驱动力量是累积选择、变异和自组织。

为了能让累积选择起作用，在种群中保持多样性是必须的。因为同时发生几种有用变异的机会比较小，从刚开始就产生一种全新型结构的可能性几乎为零，除非也将自组织过程考虑进来。

大脑–身体协同进化原理。如果从具身性的角度考虑，显然，大脑和身体应该协同进化。很明显的是，当进化智能体时，经常不考虑具身性，因为与只进化神经网络控制器相比，这将极大地增加搜索空间。这就是所谓大脑–身体共同进化原理。

这个原理表明大脑和身体应该共同进化，不过它并没有明确说明这种进化该如何进行。这是下一个原理所要阐述的内容。

可扩展复杂度原理。个体发育必须与人工进化过程相吻合。换句话说，在基因组内应该对产生最终智能体的发育过程，而不是智能体本身的结构进行编码。如果我们要得到复杂结构，这是可取的也是必需的。考虑到基因调控网络的一般性，这些发育过程最好是作为基因调控网络进行建模。因为自然界显示，在进化过程中，由此种方式可以得到差异巨大的结构。另外，正如我们所了解的，使用基因调控网络，可在不增加基因数量的前提下，让我们能培育出具有更高复杂度的智能体。因为这个原因，第四个进化设计原理叫做可扩展复杂度原理。

进化的流体过程原理。应该将进化建模为一个流体过程。流体意味着个体应该由大量如细胞般的单元组成，进化应该只做一些小幅修正，而不是大幅修正。如果

多单元组成，改变少数几个单元将不会对适应度产生太大影响，而且一些改变也许是有一定益处的。Sims的智能体是由大约十个模块组成的，Bongard的创造物是由数百个模块组成，而Eggenberger的智能体是由数千个模块组成。因此，单元数量越多，进化过程的流动性就越强。因为仿真技术在未来能得到进一步完善，并且计算能力能得到进一步增强，我们应该能得到由数百、数千甚至数以百万计的单元构成的智能体。我们将此称为进化流体过程原理。

设计偏好性最小化原理。进化设计原理表明我们应尽可能少地对系统作出设计，让进化为我们做尽可能多的工作。显然，我们参与得越少，设计偏好性就越少就越能得到让人惊讶、新奇的潜在解决方案。并且，一如往常，如果我们能表明一个智能体的特性或特点是从另一个时间尺度中涌现的，这就构成了科学进步。例如，学习型智能体，即使用Hebbian型学习来建立关联的智能体，可能由非学习型个体经过数代进化后得到。最后，如果我们能表明，廉价设计或者生态平衡可由进化获得，我们就能认可这些设计原理。这就是所谓设计偏好性最小化原理。

在本章中，我们详细讨论了种群进化的重要性。在下一章中，我们继续这个种群观点，讨论集体智能，探究智能体团队中个体间的相互作用所产生的智能行为。