利用现实世界的反馈实现交流

 

过度集中的通讯负荷并非中央大脑仅有的麻烦。中央内存的维护同样让人感到头痛。共享的内存必须严格、实时、准确地更新――很多公司对此都深有感触。对机器人来说,控制中心要承担的艰巨任务是根据自己的感知来编辑或更新一个“外部世界模型”,一个理论,或者一个表述――墙在哪里,门还有多远,还有,别忘了,留神那里的楼梯。

如果由不同感应器反馈回来的信息互相冲突,大脑中枢该怎么办?眼睛说有物体过来了,而耳朵却说那物体正在离去。大脑该信谁的?合乎常理的做法是尽力找出真相。于是,控制中心调节纠纷并重新修正信号,使之一致。在非包容结构的机器人中,中央大脑的计算资源大都消耗在根据不同视角的反馈信号绘制协调一致的外部世界映像上。系统每个部分对摄像头和红外传感器传回的海量数据有各自不同的解读,因而各自形成对外部世界大不一样的观感。这种情况下,大脑永远无法协调好所有的事情,因而总是一事无成。

要协调出一幅关于世界的中央视图实在太难了,而布鲁克斯发现利用现实世界作为其自身的模型要容易得多:“这个主意很棒,因为世界确实是其自身相当好的模型。”由于没有中央强制的模型,也就没有人承担调解争议的工作,争议本身本不需要调和。相反,不同的信号产生出不同的行为。在包容控制的网络层级中,行为是通过抑制、延迟、激活等方式被遴选出来的。

实质上,对机器人来说(或者说对昆虫来说——布鲁克斯更愿这么表述),并不存在外部世界的映像。没有中央记忆,没有中央指令,没有中央存在。一切都是分布式的。“通过外部世界进行沟通可以避免根据来自触臂的数据调校视觉系统的问题。”布鲁克斯写道。外部世界自身成为“中央”控制者;没有映像的环境成为映像本身。这样就节约下海量的计算工作。“在这样的组织内,”布鲁克斯说,“只需少量的计算就可以产生智能行为。”

没有了中央机构,形形色色的个体们或是冒尖或是沉寂。我们可以这样理解布鲁克斯提出的机制——用他的话来说就是,“大脑里的个体们通过外部世界进行沟通来竞争机器人的身体资源。”只有成功做到这一点的那些个体才能得到其它个体的注意。

那些脑子转得快的人发现,布鲁克斯的方案正是市场经济的绝妙写照:参与市场活动的个体之间并没有交流,他们只是观察别人的行动对共同市场所造成的影响(不是行动本身)。从千百位我从未谋面的商贩那里,我得知了鲜蛋的价格信息。信息告诉我(含杂在很多别的信息里):“一打鸡蛋比一双皮鞋便宜,但是比打两分钟国内长途贵。”这个信息和很多其它价格信息一起,指导了千万个养鸡场主、制鞋商和投资银行家的经营行为,告诉他们该在哪里投放资金和精力。

布鲁克斯的模型,不仅仅为人工智能领域带来了变革,它也是任何类型的复杂机体得以运作的真正模型。我们在所有类型的活系统中都能看到包容结构和网络层级机制。布鲁克斯总结了设计移动式机器人的五条经验,其表述如下:

l  递增式构建――让复杂性自我生成发展,而非生硬植入

l  传感器和执行器的紧密耦合――要低级反射,不要高级思考

l  与模块无关的层级――把系统拆分为自行发展的子单元

l  分散控制――不搞中央集权计划

l  稀疏通讯――观察外部世界的结果,而非依赖导线来传递讯息

当布鲁克斯把笨重且刚愎自用的机器怪兽压缩成一只卑微的、轻如鸿毛的小爬虫时,他从那次小型化的尝试中有了新的认识。以前,要想使一个机器人“更聪明”,就要为它配置更多的电脑部件,也就会使它更笨重。它越重,驱动马达就要越大。马达越大,供电所需的电池组就要越大。电池组体积越大,移动电池组的构架也就要越大,如此陷入恶性循环。这个恶性循环使得机器人大脑与身体的比重朝着越来越小的趋势发展。

读书导航