「导读」此在：将大脑、身体和世界重新融合｜Andy Clark

538次阅读

「导读」

我们的大脑让世界变得聪明，这让我们可以安安静静地做个傻瓜！

——Andy Clark

人工智能学一直在制造精巧的「逻辑机器」和「文件柜」，它将智能视为代理/主体（agent）对抽象的、计算的和规则的符号表征系统操作的产物，似乎智能代理/主体（intelligent agent）与世界的每一次互动，都源于作壁上观的「大脑」通过符号系统有条不紊的对所有行为发布指令，身体和环境在其中则被排除为某种「外部设备」。

认知哲学家安迪·克拉克（Andy Clark）称其为「纯粹思维」（Pure thought）的解决方案——人为地将思维与身体行动和环境影响分离。这忽视了重要的一点：大脑并非产生于纯粹抽象的逻辑世界，而是长在血肉之躯中，通过与身体经验和环境因素的深度耦合来解决真实世界中的真实问题。

在《此在：将大脑、身体和世界重新连接》（后文为该书的引言）一书中，克拉克希望适当模糊「感知、认知和行动之间整齐的分界线」，抛弃掉淡化或忽略身体和环境的想法，重新考虑两者的可能性，拓宽认知科学的边界。毕竟「野蛮生长的认知」（wild cognition），不会按照感知-行动的时序，把所有问题都逻辑清晰的分类进精巧的「文件柜」，再不慌不忙地调取使用。

如今，神经生理学、情境机器人学（situated robotics）、复杂系统和动态系统理论等研究的发展，逐渐揭示了主体如何在复杂情境中利用分布式子系统（物理的）诱发全局一致性，从而产生「目标导向的行为」（意图或智能？）。这让我们逐渐了解到认知与行动是如何深度纠缠在一起，并与真实世界耦合的，而三者间的界限曾是如此分明。这也逐渐消除了我们对生物基础智能表现的偏见，从而更正确的理解并评估生物反射行为在智能塑造中的作用。

身体不是受大脑支配的被动工具，环境也不是沉默的背景板，两者都是参与到真实问题解决之中的主动资源，这便是「具身智能」（embodied intelligence）的视角。具身智能「从根本上说是一种与真实世界打交道的手段：主动将大部分信息留在外部世界，并巧妙地利用身体与世界互动的迭代、实时序列，以稳健而灵活的方式解决问题。」

这创造了广泛围绕在我们身边的「环境延展系统」（environmentally extended system），心智能力便存在于其中，而人脑只是系统中的（重要）一部分。大脑的新形象在此浮现：并非单纯靠符号表征操纵身体各部分的中央控制者，而是去中心化、递归的和环境敏感的多维集合。智能和各种动作也并非预先在大脑中编程好的蓝图，只待在真实世界中执行，而是在大脑、身体和环境的「持续对话」（a continual dialogue）中逐渐发展出来。

克拉克由此提出「支架式心智」（Scaffolded Minds），这近似于前苏联心理学家利维·维果茨基的「最近发展区」理论（Zone of proximal development）。在克拉克看来，支架式心智塑造了诸多的人造物（物理的、语言的、社会的等等），它们与使用者互相补充、共同演化，用以增强我们的物理、认知和社会层面的某些目标，而这又反过来塑造了我们的行为，形成一个相互调节的良性循环。

更进一步，克拉克认为语言是一种「终极人造物」，无迹可寻又无处不在。这里的语言不是指向某种本质的符号系统，而是「一种自我引导的工具」。公共语言构成了我们的思维，成为功能性的认知「支架」，将一部分记忆和认知模型卸载到真实世界之中，进而构成了新的「环境」。这与维特根斯坦的「语言游戏」存在某些共同之处，也即是说语言并非包裹在所谓真实之物外部的符号表征系统，而是一张由「可经验」之物铺就的路网，在大脑、身体和环境循环往复的对话之中不断延展。

为了在这条路上行得更远，克拉克在方法论层面框出了四类工具：动态系统理论、面向真实世界的机器人技术、大规模模拟技术（遗传算法和集体效应）和神经生理学，并认为它们的「巧妙结合可以用来研究跨越多种时间尺度、涉及多个个体并包含复杂环境相互作用的效果」。以上工具从作者写作的20世纪90年代至今已经几经迭代，演化得更为精密有效。

实际上，这些论题在20世纪40、50年代认知科学形成之时就已经被提出，开创者们将它们的混合体形成的新科学命名为控制论（cybernetics），这个概念如今已经鲜为使用。词语的意义在经年的使用中被消耗，名与实之间轮转迁移，如今甚至认知科学家们都不愿承认与其的亲缘关系。智利认知科学家弗朗西斯科·瓦雷拉（Francisco Varela）认为，这是认知科学「从探索阶段过渡到成熟的研究纲领时所必须付出的代价。」

最后，让我们回到该书的标题《此在：将大脑、身体和世界重新融合》。在海德格尔提出的「此在」（Dasein）中——我们不是以超脱的、被动的观察者存在于世，而是作为积极的参与者。不论如何，我们都应该抛弃笛卡尔式的焦虑，将大脑、身体和世界重新组合起来，因为在此之前，我们永远无法正确看待自身。「正是这种与世界的熟练实际接触，才是所有思想和意向性的核心。」

大目妖

2023年7月26日

安迪·克拉克 Andy Clark

安迪-克拉克（Andy Clark），英国哲学家，出生于1957年。苏塞克斯大学认知哲学教授。他曾任苏格兰爱丁堡大学逻辑学和形而上学教授。在此之前曾担任布卢明顿印第安纳大学认知科学项目主任和圣路易斯华盛顿大学哲学-神经科学-心理学项目主任。

克拉克最著名的工作可能是他对延展心智假说的研究。他认为，心灵与世界相互作用的动态循环不仅仅是工具性的。从大脑到身体再到世界的活动循环实际上有助于构成认知。由此看来，心灵并不局限于生物机体，它还可以延伸到生物机体所处的环境中。

下文为《此在：将大脑、身体和世界重新融合》引言，共约5,000字

一辆拥有蟑螂大脑的汽车 A Car with a Cockroach Brain

安迪·克拉克

1997, The MIT Press

大目妖译

(封面为西班牙艺术家Remedios Varo画作《摘星者》（Starcatcher，1956）)

*插图由译者添加

1950年代的科幻小说和1960年代的科学新闻所承诺的人工心智（artificial minds）在哪里？为什么即使是我们最好的「智能」造物仍是如此一言难尽、无可救药的愚笨？一种可能性是，我们只是误解了智能的本质。我们把心智（mind）想象成一种外加了显式数据储存的逻辑推理装置——一种逻辑机和文件柜的组合。这样一来，我们便忽略了一个事实，即心智的演化是为了促成事情发生。我们也忽视了另一个事实，即生物的心智首先是一个控制生物身体的器官。心智产生活动，且必须尽可能的迅速——在被捕食者抓住之前，或在猎物离开你之前。心智不是无实体的逻辑推理装置。

这种简单的视角转变催生了当代心智研究中一些最激动人心和最具突破性的工作。对「神经网络」式的计算模型的研究，已经开始让心智的计算结构发展出一个完全不同的视野。认知神经科学的研究已经开始发掘真实大脑利用其神经元和突触资源来解决问题的方式，它们往往令人惊讶。越来越多的关于简单的、真实世界的机器人工作（例如，让机器蟑螂行走、觅食和避险）告诉我们，生物如何实现生存所需的各种迅速、流畅的真实行动。在这些研究汇集的地方，我们瞥见了一个关于生物认知本质的新视野：它将显式数据存储和逻辑操作放归其本位，最多是作为连接真实大脑、身体和环境的那种动态而复杂的反应回路的次要辅助手段。野蛮生长的认知（wild cognition），似乎无暇顾及文件柜。

当然，并非所有人都赞同。相反观点的一个极端例子是，最近有一个耗资5,000万美元的项目，试图通过给计算机提供庞大的显式知识库，将常识性理解灌输其中。该项目被称为CYC（百科全书encyclopedia的简称），旨在手工制造一个庞大的知识库，其中包括一个成年人类所掌握的大部分基础知识。从1984年开始，CYC的目标是在1994年之前对接近100万个知识项目进行编码。该项目将耗费大约两个世纪的数据输入时间。在结束时，CYC应该可以实现「跨越」：达到可以直接阅读和理解书面文本的程度，从而「自我编程」其知识库的剩余部分。

(cyc项目本体论和知识库，©️大目妖)

在我看来，CYC项目最值得注意的特点是它对显式符号表征的力量的极端信任：它对内化结构的信任建立在公共语言文字串的图像之中。CYC的表征语言以如下单元（框架）对信息进行编码：

密苏里州

首府：（杰斐逊市）
居民：（安迪、佩帕、贝丝）
国家:（美利坚合众国）

该例子经过了简化，但基本结构始终相同。单元中有「槽」（上面的三个小标题），每个槽的值是一个实体列表。槽可以引用其他单元（例如，「居民」槽可以作为指向另一个包含更多信息的单元的指针，诸如此类）。这种单元和槽的装置被一种更强大的语言（CycL约束语言）所增强，可以表达更复杂的逻辑关系，如「对于所有类目，如果该类目是X，那么它就有属性Y。」CYC的推理也可以利用几种简单推理类型中的任何一种。然而，基本的想法是让编码的知识承担几乎所有的工作，并在当前技术的范围内保持推理和控制结构的简单。CYC的创造者道格拉斯·莱内特（Douglas Lenat，美国计算机科学家）和爱德华·费根鲍姆（Edward Feigenbaum，美国计算机科学家，被誉为专家系统之父，1994年获图灵奖）认为，适应性智能的瓶颈是知识，而非推理或控制。

CYC知识库试图明确表示我们对世界了解但通常懒于说出口的所有小事。因此，CYC的目的是对我们都拥有却很少预演的知识类目进行编码，比如以下类目：

如今的大多数汽车都有四个轮子。
如果你在开车时瞌睡了，你的车很快就会开始偏离车道。
如果某物横亘在你和你想要的东西之间，你或许将不得不绕过它。

通过对这种「达成共识的现实知识」（consensus reality knowledge）中的大部分进行明确的编码，CYC理应达到一种理解水平，使其能够以真正的智能做出响应。他们甚至希望CYC能够使用类比推理，通过在其庞大的知识库中找到部分相似之处来合理地处理新情况。

CYC是一个关键且雄心勃勃的项目。它现在编码的常识性数据库无疑会有很大的实际用途，成为开发更优专家系统的资源。但是我们应该区分CYC的两个可能的目标。一是在一个基本不思考的计算机系统中提供可能的最佳常识理解模拟。另一个是通过CYC的知识库，创造出第一个真正的人工智能案例。

迄今为止，CYC的表现并未显示后者有可能发生。CYC看起来将成为一个更大更复杂、但从根本上说仍然是脆弱的、无法理解的「专家系统」。向CYC加入越来越多的知识并不能弥补这一缺陷。原因是CYC缺乏对环境最基本的各种适应性反应。这一缺陷与该系统显式编码知识的相对匮乏无关。更确切的说，它可归因于系统和真实世界的环境之间缺乏任何流畅的耦合，从而造成了真实世界的行动与感知问题。正如我们将看到的，即使是低等的蟑螂，也显露出这种流畅的耦合——它展示了一种稳固的、灵活的、实用的智能，而这正是多数计算机系统极度欠缺的。然而，这种简单的生物很难被指控为掌握大量显式表示的知识储存！所以，CYC项目作为在机器中创造真正智能和理解的尝试，存在绝对的、根本的、致命的缺陷。智能和理解的根源不在于显式的、类语言的数据结构的存在和操作，而在于更朴实的东西：使一个具身生物（embodied organism）能够感知、行动和生存的、对现实世界的基本反应的调协。

这种判断并不新鲜。人工智能的主要哲学批评长期以来一直质疑通过非具身的符号操作引发智能的尝试，同时坚持情境推理的重要性（即由在真实物理环境中行动的具身生物进行推理）。但很容易将这种质疑归结为某种残存的神秘主义——对某种灵魂般的精神本质的非科学信仰，或者顽固地拒绝让科学侵入哲学家们最喜欢的领域。但目前越来越清晰的是，对人工智能「非具身的显式数据操作」看法的替代方案并非是从硬科学中退缩；而是追求某些更硬的科学。它将智能置于其应在之处：在生物体和世界的耦合中，这是日常、流畅行动的根源。从CYC到自行车赛：这就是具身心智的新科学所特有的根本性转变。

以不起眼的蟑螂为例。蟑螂承袭了相当多蟑螂式的常识知识。至少在任何认为显式知识是合理的真实世界行为的关键的理论家看来，它必须如此！因为蟑螂是一个难对付的逃跑艺术家，能够采取由诸多内部和外部因素形成的闪避动作。下面是一个从里茨曼（Ritzmann）的详细研究中摘录的简短清单，有关于美洲大蠊（美国蟑螂，Periplaneta americana）的逃跑技能：

蟑螂能感觉到攻击性捕食者运动引起的气流扰动。
它将捕食者引起的气流与正常的微风和气流区分开。
它不避免与其他蟑螂接触。

当它开始逃脱运动时，并非简单地随机跑动。相反，它考虑到自己的初始方向、障碍物的存在（如墙壁和角落）、照明度和气流的方向。

难怪它们总能逃之夭夭！正如里茨曼所指出的那样，最后这项与环境因素的联系导致的反应比蟑螂专家（确有这样的专家）曾经想象的「感知捕食者并开始随机跑动」的简单条件反射更为智能。里茨曼对一辆同样「智能」的汽车的描述很好地体现了这种额外的复杂性。这种汽车可以感知靠近的车辆，但会忽略那些正常行驶的车辆。如果探测到阻碍性的碰撞，它将会考虑到自己的当前状态（各种发动机和加速参数）、道路的方向和表面的同时自动启动转弯，并避免转向其他危险。显然，一辆具有蟑螂智能的汽车将远远领先于目前的汽车技术水平。（在本书出版的1997年，自动驾驶还未进行广泛的商业应用）然而，「购买拥有蟑螂大脑的汽车」并非是一个那种能立刻打动你的成功广告语。我们对生物智能的基本形式的偏见，以及对更大、更精巧的「文件柜/逻辑机」的青睐，都过于深入人心了。

(高级辅助驾驶汽车的传感器阵列 from SAE International)

蟑螂是如何掌控其逃脱的？现在人们开始了解其神经机制。气流方向由两个尾须（位于腹部后部的天线状结构）探测。每条尾须都覆盖了对气流速度和方向敏感的绒毛。只有当气流加速度达到或超过0.6米/秒时，逃跑动作才会被激活：这就是这种生物如何区分普通的微风和攻击者的猛扑。感知和反应之间的时间间隔非常短：静止的蟑螂为58毫秒，行走的蟑螂为14毫秒。最初的反应是一个转身，需要20到30毫秒。转身的基本神经回路涉及神经元群，其位置和连接现已被清楚了解。该回路涉及100多个中间神经元，它们根据有关蟑螂当前位置和局域环境状态的环境信息来调整各种转向指令。基本的气流信息由腹侧巨中间神经元群识别，但最终的活动建立在许多其他神经元群的调节结果之上，这些神经元群对其他环境特征敏感。

面对蟑螂展示的令人印象深刻的实用有效的逃跑程序，理论家可能会错误地提出某种已存储的准语言数据库（stored quasilinguistic database）。按照CYC的原则，我们可以想象蟑螂正在访问包括以下类目的知识框架：

如果你受到攻击，不要直接冲向墙壁。
如果你和食物之间有某些大家伙，尽量绕开它。
温和的微风并不危险。

正如哲学家休伯特·德雷福斯（Hubert Dreyfus，美国哲学家，以批评人工智能而闻名）和其他人所指出的那样，问题在于真实的大脑似乎并不使用这种语言形式的、类文本的资源来编码对世界的熟练反应。同样因为这些策略需要大量的显式数据存储与搜索，所以不能产生真实行动所需的快速反应。实际上，稍加思考就会发现，那些我们不得不写下以捕捉一个成年人类所知道的一切「常识性」知识是没有明显尽头的。即使是一只蟑螂的具身知识，也可能需要好几卷才能详细记录下来！

但是，人工智能还可以如何发展呢？一种有潜力的方法涉及到被称为自治代理理论（autonomous-agent theory）的事物。一个自治代理是一种能够在复杂和部分现实的环境中实时生存、行动和运动的生物。许多现有的人工自治代理都是真实的机器人，可以实现昆虫式的行走与避障。其他的则是此类机器人的计算机模拟，因此只能在模拟的、计算机的环境中移动和行动。在只赞同真实世界环境和真实机器人的研究人员与乐于利用「纯粹」模拟的研究人员之间存在争论，但这两个阵营一致强调需要对现实和基本行为进行建模，并且怀疑「非具身的显式推理」的过度智识化的解决方案。

(波士顿动力公司研发的机器人 from Synced)

考虑到自治代理理论的整体形象，让我们暂时回到我们的英雄——蟑螂。兰德尔·比尔（Randall Beer）和希勒·谢尔（Hillel Chiel）对蟑螂的运动和逃跑创造了似乎合理的计算机和机器人模拟。在对逃脱反应进行建模时，比尔和谢尔着手开发了一个受伦理学和神经科学数据高度制约的自治代理模型。他们的目标是在目前可能的情况下尽可能地接近真实的生物数据。为此他们将自治代理方法与神经网络式建模相结合。他们还以与已知的蟑螂实际神经组织相一致的方式（在此种情况下）来约束该计算模型。他们用一个神经网络来控制模拟昆虫的身体。该网络回路的限制来自于真实蟑螂逃脱反应所依据的神经群和连接性的已知事实。经过训练，神经网络控制器能够在模拟昆虫的体内再现上文讨论的逃脱反应的所有主要特征。在接下来的章节中，我们将尝试了解这种成功是如何取得的。我们将详细了解上述研究类型是如何与发展性、神经科学和心理学思想相结合的，从而能够解释一系列简单和复杂的行为。我们将探究具身的、嵌入环境的代理（移动并和对其世界采取行动的存在）采用的令人惊讶的各种适应性策略。

这些介绍性的评论旨在强调一组基本的对比：唤出非具身的、非时间的知识分子的心智观，并将作为具身行动控制者的心智形象置于其旁。作为控制器的心智形象迫使我们认真对待时间、世界和身体的议题。控制器必须在身体与其不断变化的环境之间持续互动的基础上，迅速产生适当的行动。经典的人工智能规划系统可以坐在一旁、不慌不忙的最终产生一个对貌似合理的行动策略的象征性描述。而具身计划代理则必须迅速的采取行动——在另一个代理/主体的行动夺去它的生命之前。符号化的、类文本的编码在这些残酷的决定中是否起到任何作用仍不确定，但目前似乎很清楚是它们并不处于核心位置。

借用莱纳特和费根鲍姆的一句话：通向对心智的全面计算式理解的道路被一个床垫所阻挡。多年来，研究人员一直在绕着床垫打转，试图把它弄走，他们几乎什么都做了——除了踏实着手工作将其移走。莱纳特和费根鲍姆认为床垫就是知识——一旦一个丰富的大知识库配备了常识性智慧的明确表述，心智的谜题就会消失。野蛮生长的认知的教训告诉我们事实并非如此。床垫并非知识，而是基本的、实时的、真实世界的反应能力。蟑螂具备一种目前最好的人工系统所缺乏的常识——想必这并不归功于显式编码和逻辑推导，两者可能在一些更抽象的领域为我们所用。从根本上说，我们的心智也是在真实世界的情境中迅速启动下一步行动的器官。它们是为了精巧配合行动产生而出现的器官，布置在局域空间和真实时间之中。一旦心智被投射为身体行动的控制者，曾经被接受的智慧就会层层剥落。感知和认知的区别，大脑中执行控制中心的概念，以及对理性本身的普遍看法，都会受到质疑。同样被拍卖的还有研究心智和大脑的方法论手段，它们罔顾局域环境特性或身体运动和行动所提供的机会。心智科学的基本形态正处于流变之中。在下面的章节中，我们将在光线变化中漫游心智的风景。