试论布鲁克斯的无表征人工智能模型

袁 蓥

(山西师范大学 政法学院，山西 临汾 041004)

20世纪80年代以后，随着传统认知范式所暴露的局限性，一些学者开始提出了新的研究路径。在这些新路径中，对于符号表征这一传统认知理论基本概念的争论最为激烈。动力主义学者认为，智能行为是身体感知与行为共时协调的适应性结果。在认识过程中，身体内部的神经机制与环境在运动中彼此构建。认知作为一个动力系统，是在不断地重新组合过程中形成的一种自组织，并不依赖于任何抽象形式的、脱离环境和身体感知的表征和计算。因此一个认知的动力模型应当是无表征的。例如，主张具身认知理论的瓦雷拉提出，表征观念不仅遮蔽了人类经验中许多认知的基本维度，而且妨碍了人们对这些维度的科学解释。[1]143冯·盖尔德认为“表征概念对于理解认知是一种不充分的东西”；[2]6西伦和史密斯也宣称，我们根本无需建立表征。[3]338

正是在这样的背景下，人工智能研究领域的专家布鲁克斯建造了一个无表征的人工智能模型，他认为，目前以现有的计算机理论体系为基础的人工智能并没有反映出生物系统的智能，人和其他动物是通过学习来改变他们的行为以更好地适应环境从而去进行认知活动的，因此，他主张人们应当沿着进化的阶梯自下而上地寻找智能的源头。而当人们对简单、低等智能进行研究时，就会发现关于世界的清晰的符号表征和模型事实上对了解认知起到了阻碍的作用，研究认知最好的方式是以世界本身作为模型。[4]80—81

一、布鲁克斯增量式人工智能模型的基本构造

早期人工智能的目标是通过机器实现、复制人类所具有的智力水平。但是随着对人类智力水平的深入了解，人工智能不再将实现整体层面的人类智力水平作为其目标，转而对专家系统进行研究，即模拟人类在某个特定方面所具有的智力水平，例如表征知识的方法、对自然语言的理解、视觉或其他专有领域。一些人工智能学者认为，当人们理解了人类智力所有的专有领域，我们就可以拥有真正的智能系统。

但是布鲁克斯却认为，人类的智力水平太过复杂，现阶段就将其智力分解为适当的子部分而言，我们仍然毫无头绪，即使人们将其正确区分，也无法知道它们之间确切的界面。因此，人们只有在更简单的智力水平上进行无数次的实验，才可能分解人类的智力。基于这样的思路，布鲁克斯提出以一种增量的方式(an incremental manner)来建造智能体的思路。所谓增量是指以逐步递增的方式来建造智能系统的能力，其每一个层级本身就有一个完整的系统，可以确保该部分以及它们的界面是有效的；同时，每个层级都通过真实的感知可以和真实的行为与真实的世界发生作用。

布鲁克斯希望建造与人类共存于世界的人工创造物，它是完全自主的能动的行动者，这些行动者通过控制整个系统的不同层级直接与环境作用。具体而言，其建造的智能体应当满足如下四个要求：其一，该创造物必须能适当地并及时地处理其动力环境条件中的变化；其二，该创造物就其外部环境而言应当是结实坚固的，世界属性的微小变化不会导致该创造物行为的整体性坍塌，且随着环境的改变，该创造物能够逐渐改变其能力；其三，该创造物应当能够维持多个目标，依赖它所发现的自己所处的环境，更改它所积极追求的特定目标，也就是说，它既可以充分适应周围既有的环境，又可以利用偶然出现的环境；其四，该创造物在世界中应当能够做一些事，它的存在应当具有某种意义。[5]139

正是遵循与传统人工智能模型不同的建造方式和目标，布鲁克斯团队建造了一种增量式人工智能模型，他们称之为包含构架。

(1)在该包含构架中的每一层都是由简单的有限状态机的固定拓扑网络所构成。每一个有限状态机都有一个状态，一到两个内存储器、一到两个内计时器，并能够与简单计算机联结——该简单计算机运行诸如矢量和之类的计算。在这些有限状态机之上没有中枢式的控制机制，因为，这些有限状态机是由他们所接收的信息而驱动的。信息的获得或者指定时间期限的到期会使有限状态机改变其状态。有限状态机可以获取信息的内容，通过可预测的有条件的不同状态的下分支指令测试该信息，或者将它们传送到简单的计算成分中。在它们的运行机制中，不可能获取全局信息，或者建立动态的交流联结，所有的有效状态机都是平等的，同时也无法脱离它们固定的拓扑连接。

(2)各个层之间通过抑制和压抑机制相结合。每新增加一层，新的线路就会侧接在已有的线路旁边。每个侧接都有一个预定的时间常数，抑制机制适用于侧接发生在有限状态机的输入端。如果到达线路网络的信息是指向有限状态机的输入，即使它已经到达已有的线路，所有已有线路的新信息仍会在特定的时间期限内受到抑制。反之，压抑机制则是对侧接发生在有限状态机的输出端而言的。新线路中的信息会在特定时间期限内压抑已经发送到已有线路中的信息。

因此，按照上述方法和机制，布鲁克斯他们制造的机器人拥有以下三层(该机器人下面有一圈12个超声波声纳作为其最初的传感器，这些声纳每秒钟会进行12个径向深度测量)：

最低层使得机器人可以避免碰到其他物体，包括静止和运动的物体，甚至是积极地袭击它的物体。该层被称为声纳有限状态机，它仅仅运行声纳装置，并在每秒内发送一个被转换为极坐标的地图。该地图被传送到一个被称为撞击和感受力的有限状态机中，此时，它仅仅是观察是否前方有物体，如果有，它就向负责机器人向前运行的有限状态机发出停止信息；如果此时该有限状态机不处于正确状态中，该信息就可能被忽略了。同时，其他有限状态机会根据平方反比定律计算对机器人的排斥力，即每个声纳返回都被视为存在一个相排斥的物体。每个声纳加起来会对机器人产生一种整体性的力量。该输出结果会传送到使该输出结果达到阈值的逃跑有限状态机——该有限状态机使机器人直接避开总和的排斥力。最后，向前有限状态机使机器人向前运行。当机器人在运行过程中，无论何时收到停止信息它都会停止。

第二层是在没有忙于应对躲避物体时，使机器人可以四处闲逛的有限状态机。该闲逛有限状态机可以大约每十秒使机器人进行随意的运行。躲避有限状态机将该运行作为一个引力，并将它与声纳所计算的排斥力相加。该结果会抑制更低层的行为，使得机器人移动的方向靠近闲逛有限状态机决定的方向，同时避开所有障碍物。当然，如果转向和前进有限状态机正在使机器人运行时，那么新的关于闲逛的脉冲就会被忽略。

第三层旨在使机器人能够探索，它会寻找遥远的地方，并试图到达该地方。这个层会压抑闲逛层，并观察最底层如何使机器人转移，以更正产生的背离从而使机器人到达目标。当机器人没有忙于移动时，有限状态机会发出通知，并启动自由空间搜索者有限状态机。同时它会压抑闲逛行为，以确保第三层的观察仍然是有效的。当路线观察完毕，它就会发送到路线计划有限状态机，进而向躲避有限状态机发出一个指令性方向。在该路线方向上，最底层的躲避物体仍然起作用，这可能会导致机器人运行的方向会不同于原先预想的路线。鉴于此，机器人真实的路线是由整合有限状态机所控制的，它会将更新的估算发送到路线计划有限状态机。整合有限状态机事实上通过协调机器人在躲避障碍物时所通过的真实路线促使机器人朝着预想的方向运行。

二、布鲁克斯增量式人工智能模型的反表征立场

布鲁克斯认为传统人工智能在对智能的分解问题上，是以功能为标准的，而功能的实现离不开符号表征。具体而言，传统人工智能认为智能系统由中枢系统和外围系统构成，外围系统又可以区分为输入系统的知觉模块和作为输出系统的运动模块。知觉模块传递关于世界的符号描述，运动模块则获取意象行为的符号描述并确保它们在世界中发生，中枢系统则是一个符号信息处理器，因此每个系统都涉及对符号表征的操作问题。但是该模型的问题是，知觉研究和中枢系统的符号表征操作是由不同的系统进行的，它们之间符号界面的形式并不清楚；同时，中枢系统的研究也被分解为更小的子部分，例如知识表征、学习、计划、推理等，这些模块之间的界面同样难以界定。此外，当以功能为智力划分标准时，我们必须选择该特定功能模块的输入和输出，需要一长串的模块去联结知觉和行动，这无疑增加了工程上的困难。

可见，布鲁克斯的增量方式放弃了符号表征的操作，是以行为为标准对智力进行分解的。他认为智力系统根本的切片是以垂直的方向将智能分为行为产生子系统。每个行为产生系统都单独连接着感知和行为。他将一个行为产生系统视为一个层级。行为则是与世界交互作用的模式，每一层都必须自己决定何时做出行为，而不是其他层所引发的子程序。上述布鲁克斯团队所建造的机器人，在移动时能够避免撞击到其他东西，它能感知其紧接相邻区域的物体，并绕开该物体而运行，当它感觉到有东西在它的路上时，它会停下来。尽管建造该机器人仍然需要将它分解为各个部分，但是却不需要明显地区分知觉系统、中枢系统和行动系统。事实上，只需要两个独立的途径将感知与行动相联结：一个是产生移动；一个是紧急停止。因此该机器人并没有传统意义上的知觉——用以传递关于世界的表征的单独空间。布鲁克斯还按照增量的方式，在第一个系统上添加了一个平行的系统层进行实验。该新的系统层可以直接接入感受器，并就所传递的数据进行不同的运算。原有的第一个自治的系统层仍然平行运行，且不知第二个系统层的存在。人们在上述避免撞击物体的机器人之上增加了一个系统层使该机器人可以拥有试图去参观远处的可见地方的行为。第二层向第一层的运动控制部分发出指令指挥机器人朝着目标前进，但是独立的第一层可能会使机器人转变方向，避开之前第二层没有看见的障碍。第二层则控制着机器人的进程，发出最新的运动指令，在没有明显知晓障碍物的情况下达成它的目标——对于障碍物的觉知是由第一层处理的。

布鲁克斯在总结他们所建造的机器人时，得出了一个未曾预料的结论以及一个相对激进的假设。该结论是：当人们在检验非常简单的智力层时，人们最好以世界本身作为模型，而不是去建立关于世界的清晰的表征和模型。该假设是：“在构建智力系统最庞大的那一部分时，表征是错误的抽象单元。”[5]140这是因为：首先，低层的简单行为能使建造的智能体逐渐获得对于其所处环境中危险的或重要的变化反应能力。无需复杂的表征、不必维持该表征并对其进行推理，这些行为能够足够快地做出以满足其目标，而对环境始终保持开放的、即时的感觉状态是其关键。其次，由于多个层次，传递表征的知觉概念变得模糊，尤其是操作知觉的系统部分被分散为许多部分，这些部分之间没有通过数据路线或者功能相连接，同时也没有一个明显的地方进行知觉的输出，感受器数据的所有不同种类的处理都是独立、平行地进行的，它们都通过不同的控制渠道影响系统的整体行为。因此，外部世界属性的任何变化并不会导致系统行为的整体崩溃。再次，每个控制层本身的目标是隐式的。因此它们都是积极的，平行运行并能够与传感器相连接，所以它们能控制外部环境，并决定其目标的恰当性。最后，智能体在较高层的目标上也是隐式的。并不存在明确的目标表征，因为没有中枢或分布式处理层为智能体决定下一步要做什么。

三、智能无需表征？

布鲁克斯在提及人类智能时虽然提及人类的许多行为仅仅是通过无表征的机制对世界做出反应，但是这种简单的智能水平是否就囊括了人类的所有智力水平呢？表征是否从人类的智力发展水平中被排除？对于布鲁克斯所构建的无表征智能来看，我们必须注意布鲁克斯在提及这种无表征智能时所适用的语境，即简单的智能层面。事实上，布鲁克斯在《无表征的智能》一文就提到过，这种机器人的智力水平只是接近于昆虫的智力水平。 但是，人的智力远不仅仅限于此。

动物学家詹姆斯·古尔德和卡罗尔·古德尔在研究动物心智时曾提出过人与动物在认知上如何区分的问题：“虽然先天的信息加工，本能的行为、内在的和谐协调的动机和动力，以及固有导向性的学习，都不失为动物认知的基本要素，但它们却不像是与思维、判断、决策等相关的更深奥的精神活动王国的一部分。那么思维究竟是何物？我们又怎样认识其在其他生灵最为隐秘的器官——脑——里是如何工作的呢？一方面，我们习惯于详细真实思维贯穿于审美、道德即决策行为之中，另一方面，至少在某些动物，精致的编程能够建立似乎是思维的错觉。有什么行为准则能使我们将两者加以区别呢？”[6]10笛卡尔认为人和动物之间有一个质的不同，那就是语言，动物都只是一些自动机，没有人类所独有的自我意识。动物之间通过相当有限的符号词汇来交流信息，但无言语可言。人类以理智为导向，动物则凭借本能。因此，笛卡尔认为人类语言是人类灵魂的活动。

但是，语言显然是一套符号表征系统。从目前语言学以及脑神经科学的研究来看，人类和动物在语言能力上的差异看来是质上的，“这种差异不只是量上的‘多少’，而是不同类型的智能构造。”[7]438尽管目前对于语言功能的进化细节还有争议，但是语言使我们能对汇合不同感觉通路信息形成的多感官和超感官的概念进行存取，由此它的重要意义就开始凸显出来：语言是人的心灵表征不在眼前的事物的一种手段，因此它在很大程度上将我们从感觉的束缚中解放出来。[8]98人类的语言能力打破了人类身体活动有限范围的束缚，人类开始用有别于动物的形式来表达其意图。同时，人类因语言而开始拥有独立的内部世界，这个独立的内部世界是人与外部环境间存在的一个离线状态，它无需时时刻刻始终关注当前的即时环境，它可以回忆、反省过去发生的事件，计划、构想未来的情况。本文认为，这样一个独立的内部世界也使得人类的意识世界成为可能，自我观念由此而生。人开始意识到自己作为一个个体而存在，意识到自己的所想所思。而这一切，皆是因语言这一符号表征体系而产生的。

因此本文认为，表征虽然不是绝对的，但也是人类智力水平中不可缺少的部分。布鲁克斯增量式人工智能模型虽然将环境、身体这两个参量纳入到认知模型之中，拓宽了认知的时间维度，实现了耦合的动力模型，突现了认知过程的实时性、在线性，但是并不能就此否定非即时的、离线的表征的序列加工过程。实时的非表征过程和非实时的表征过程分别是智能的基本形式和高级形式，二者不可偏颇，未来的人工模型研究只有注重二者之间的结合，才能使人工智能更接近于“人”。

[1] FJ Varela, E Thompson， E Rosch. The Embidied Mind: Cognitive Science and Human Experience. Cambridge, Mass:MIT Press,1991.

[2] Gelder T, Port R eds. Mind as Motion: Explorations in the Dynamics of Cognition. Cambridge, MA: MIT Press,1998.

[3] Thelen, Esther, Smith, Linda B. A Dynamics System Approach to the Devleopment of Cognition and Action. Cambridge, MA: MIT Press,1996.

[4] Brooks R. Cambrian Interlligence: The Early History of the New AI, MIT Press. Cambidge.MA.1999.

[5] Rodney A Brooks. Intelligence Without Representation. Artifical Intelligence,1991(47).

[6] (美)威廉·卡尔文.大脑如何思维——智力演化的今昔[M].杨雄里,梁培基译.上海:上海世纪出版集团,2007.

[7] Chomsky N. Human Language and Other Semiotic Systems, in T.A.Sebeok &D.J.Umiker-Sebeok(eds),Speking of Apes.New York: Plenum Press,1980.

[8] (澳)约翰·C·埃克尔斯.脑的进化——自我意识的创世[M].潘泓译.上海:上海世纪出版集团,2007.