Massachusetts Institute of TechnologyLABORATORIUM KECERDASAN BUATANA.I. Memo No 1293 April, 1991

Kecerdasan Tanpa AlasanRodney A. BrooksDisiapkan untuk Komputer dan Pemikiran, IJCAI-91

AbstrakKomputer dan Pemikiran adalah dua kategori yang bersama-sama de ne Arti Intelijen finansial sebagai suatu disiplin. Iniumumnya diterima bahwa bekerja di Intelijen Arti finansial selama tiga puluh tahun terakhir telah memiliki yang kuat diuencepada aspek arsitektur komputer. Dalam tulisan ini kami juga membuat klaim sebaliknya, bahwa keadaanarsitektur komputer telah menjadi kuat dalamuence pada model kita berpikir. The Von Neumann Modelperhitungan telah Intelijen memimpin Arti finansial dalam arah tertentu. Intelijen dalam sistem biologibenar-benar di erent. Kerja terbaru di Intelijen Arti perilaku berbasis finansial telah menghasilkan model barukecerdasan yang jauh lebih dekat dalam semangat untuk sistem biologis. Non-Von Neumann komputasimodel mereka menggunakan banyak karakteristik berbagi dengan perhitungan biologis.

Hak ciptac Massachusetts Institute of Technology, 1991Laporan ini menjelaskan penelitian dilakukan di Laboratorium Arti Intelijen finansial dari Institut Teknologi Massachusetts.Dukungan untuk penelitian ini diberikan sebagian oleh University Research Initiative bawah ce O kontrak Naval ResearchN00014 {86 {K {0685, sebagian oleh Advanced Research Projects Agency bawah ce O kontrak Naval Research N00014 {85 {K {0124, sebagian oleh Hughes Arti finansial Pusat Intelijen, sebagian oleh Siemens Corporation, dan sebagian oleh MazdaCorporation.

1 PendahuluanArti Intelijen finansial sebagai suatu disiplin formal telahsekitar selama kurang lebih tiga puluh tahun. Tujuan individupraktisi bervariasi dan berubah dari waktu ke waktu. Akarakterisasi yang wajar dari waktu tua umum adalah bahwaitu dimaksudkan untuk membuat komputer melakukan hal-hal, bahwa ketikadilakukan oleh orang-orang, yang digambarkan memiliki kecerdasan yang ditunjukkan.Winston [Winston 84] mencirikan tujuanIntelijen Arti finansial baik sebagai konstruksi yang bergunasistem cerdas dan pemahaman manusiaintelijen.Ada godaan (sering menyerah) untuk kemudianpergi ke depan dan kecerdasan de ne, tapi itu tidak segeramemberikan arti jelas ground waktu tua tersebut.Bahkan ada bahaya regresi filosofis yang mendalam dengantidak ada pemulihan. Oleh karena itu saya lebih memilih untuk tinggal dengan lebih informalgagasan intelijen menjadi semacam murid? bahwamanusia lakukan, cukup banyak sepanjang waktu.1.1 PendekatanArti Tradisional Intelijen finansial telah berusaha untuk mengatasimasalah arti bangunan cially sistem cerdas dariatas ke bawah. Hal ini ditangani intelijen melalui gagasanpemikiran dan alasan. Ini adalah hal yang kita hanya tahutentang melalui introspeksi. waktu tua telah mengadopsiModus operandi tertentu selama bertahun-tahun, yang mencakupkhusus set konvensi tentang bagaimana input dan outputuntuk berpikir dan penalaran harus ditangani (misalnya,sub eld representasi pengetahuan), dan jenishal-hal yang pemikiran dan penalaran lakukan (misalnya, perencanaan,pemecahan masalah, dll). Aku akan menyatakan bahwa konvensi initidak dapat menjelaskan aspek besar dari apa yang masuk keintelijen. Selanjutnya, tanpa aspek-aspek validitasdari finansial pendekatan tradisional Arti Intelijendatang ke pertanyaan. Saya juga akan berpendapat bahwa banyakbekerja tengara pada pemikiran telahuenced olehkendala dari teknologi komputer yang tersedia, dansetelahnya konsekuensi ini sering keliru menjadidiabadikan sebagai prinsip-prinsip, lama setelah dorongan aslitelah menghilang.Dari sikap evolusi, tingkat kecerdasan manusiatidak tiba-tiba melompat ke tempat kejadian. Ada prekursor

dan yayasan sepanjang garis keturunan manusia.Banyak dari substrat ini hadir pada hewan lainhari ini. Studi tentang substrat yang baik dapat memberikankendala tentang cara berpikir tingkat yang lebih tinggi pada manusia dapatdiorganisir.Baru-baru ini ada gerakan untuk mempelajari kecerdasandari bawah ke atas, berkonsentrasi pada fisiksistem (misalnya, robot mobile), terletak di dunia, mandirimelaksanakan tugas berbagai macam. Beberapapekerjaan ini didasarkan pada rekayasa dari prinsip-prinsip rst,bagian lain dari pekerjaan yang rmly berdasarkan inspirasi biologis.Theavor pekerjaan ini cukup di erent dari?bahwa Intelijen Arti tradisional finansial. Bahkan menunjukkanbahwa meskipun introspections terbaik kami, Arti tradisionalfinansial Intelijen o? ers solusi untuk intelijen yangmenanggung hampir tidak ada kemiripan sama sekali dengan sistem bagaimana biologibekerja.Ada bahaya tentu saja dalam mempelajari sistem biologisterlalu dekat. Desain mereka tidak sangat optimaldari sudut pandang sistem global. Sebaliknya merekaditambal bersama-sama dan diadaptasi dari sebelumnya bekerjasistem, dengan cara yang paling cepat memenuhi terbarutekanan lingkungan. Mungkin solusi yang ditemukan untukbanyak intelijen sangat optimal. Pastiada banyak struktur vestigial bertahan dalam manusia 'dan lain binatang 'pencernaan, tulang, dan berototsistem. Orang harus anggaplah maka yang adabanyak neurologis struktur vestigial, interaksi, dansisi e? ects. persaingan mereka mungkin gangguan.1.2 Garis BesarTubuh makalah ini dibentuk oleh bagian utama ve:2 Robots, 3 Komputer, 4 Biologi, 5 Ide dan 6 Pemikiran.Tema dari paper ini adalah bagaimana komputer dan berpikirtelah menjadi saling terkait erat dalam pengembangan ArtiKecerdasan finansial, bagaimana koneksi mungkin telah menyebabkanyang waktu tua sesat, bagaimana biologi contoh kecerdasancukup di? erent dari model yang digunakan oleh Arti finansialIntelijen, dan bagaimana pendekatan baru-baru ini baru menunjukkanlain jalan untuk kedua komputer dan berpikir.Pendekatan baru yang telah dikembangkan baru-baru iniuntuk Arti Intelijen finansial muncul dari bekerja dengan

mobile robot. Bagian 2 (Robot) briey menguraikankonteks di mana pekerjaan ini timbul, dan membahas beberaparealisasi kunci yang dibuat oleh para peneliti yang terlibat.Pasal 3 (Komputer) jejak pengembangandasar ide untuk Arti Intelijen finansial, dan bagaimanamereka erat terkait dengan teknologi yang tersediauntuk perhitungan. Baik situatedness maupun perwujudanyang mudah untuk memasukkan dalam agenda asli, meskipunkepentingan mereka diakui oleh banyak awalpeneliti. Kerangka awal dengan penekanan padacari tetap dominan, dan telah menyebabkan solusiyang tampaknya penting dalam dunia tertutup Arti finansialIntelijen, tetapi yang mungkin tidak terlalu relevan denganaplikasi praktis. Yang waktu tua dari Cybernetics denganwarisan yang sangat di? alat erent dari komputer digital awal,memberikan perumpamaan yang menarik, con rminghipotesis bahwa model pemikiran yang terikat eratdengan model yang tersedia dari perhitungan.Pasal 4 (Biologi) adalah gambaran singkat mengenai perkembangan terakhirdalam memahami intelijen biologis.Ini mencakup materi dari etologi, psikologi, dan neuroscience.Dari kebutuhan itu tidak komprehensif, tapiadalah su efisien untuk menunjukkan? bahwa kecerdasan biologiSistem ini disusun dengan cara cukup di? erent daripandangan tradisional Intelijen Arti finansial.Pasal 5 (Ide) memperkenalkan dua pilar untukpendekatan baru untuk Arti Kecerdasan finansial, situatednessdan perwujudan, dan mendiskusikan baik kecerdasan danmunculnya dalam konteks ini.Bagian besar terakhir, 6 (Thought), menjabarkan beberaparincian pendekatan kelompok saya di MIT untuk membangunlengkap terletak, terwujud, arti cially cerdasrobot. Pendekatan ini saham warisan lebih banyak denganbiologi sistem dibandingkan dengan apa yang biasanya disebut ArtiIntelijen finansial.

2 RobotAda yang berserakan bekerja dengan robot mobiledalam komunitas Arti finansial Intelijen atas

tahun. Shakey dari akhir tahun enam puluhan di SRI (lihat [Nilsson84] untuk koleksi laporan asli) mungkincant e paling terkenal, tetapi lain signi? orts termasukCART ([Moravec 82]) di Stanford dan Hilare (Giralt [,Chatila dan Vaisset 84]) di Toulouse.Semua sistem yang digunakan o board komputer (dan dengan demikian?mereka bisa menjadi komputer terbesar yang paling kuat yang tersediapada waktu dan tempat), dan semua beroperasi di mostly1statis lingkungan. Semua robot beroperasi di lingkunganbahwa setidaknya sampai tingkat tertentu telah secara khususdirekayasa bagi mereka. Mereka semua merasa duniadan mencoba untuk membangun dua atau tiga dimensi model duniaitu. Kemudian, dalam setiap kasus, perencana bisa mengabaikandunia nyata, dan beroperasi dalam model untuk menghasilkan rencanatindakan untuk robot untuk mencapai apa pun tujuan itutelah diberikan. Dalam ketiga robot, yang dihasilkanrencana menyertakan minimal jalan nominal melalui duniaModel sepanjang yang dimaksudkan bahwa robot harusbergerak.Meskipun kation Simpli (statis, lingkungan direkayasa,dan komputer yang tersedia yang paling kuat)semua robot dioperasikan luar biasa perlahan-lahan. Banyakwaktu pengolahan dikonsumsi dalam persepsiakhir sistem dan dalam membangun model dunia.Relatif sedikit perhitungan digunakan dalam perencanaan danbertindak.Sebuah e penting? Dll dari pekerjaan ini adalah untuk memberikankerangka di mana peneliti lainnya bisa beroperasitanpa menguji ide-ide mereka pada robot nyata, dan bahkan tanpamemiliki akses ke data apapun robot nyata. Kami akan memanggilkerangka kerja, kerangka rasa-model-rencana-tindakan, atauSMPA untuk pendek. Lihat bagian 3.6 untuk rincian lebih lanjut tentang bagaimanakerangka kerja yang SMPAuenced cara di manarobot dibangun selama tahun-tahun berikutnya, dan bagaimanarobot pada gilirannya pembatasan dikenakan pada cara-caraprogram kendali cerdas bisa dibangun untuk mereka.Ada setidaknya asumsi implisit dalam hal ini awalbekerja dengan mobile robot, bahwa setelah kasus sederhanaberoperasi di lingkungan yang statis telah selesai, makayang di lebih kultus kasus? suatu lingkungan yang dinamis aktifbisa ditangani. Tidak ada sistem ini SMPA awal

pernah diperpanjang dengan cara ini.Sekitar tahun 1984, sejumlah orang mulai khawatirtentang masalah yang lebih umum pengorganisasian intelijen.Ada persyaratan bahwa intelijen harusreaktif terhadap aspek dinamis lingkungan, yangmobile robot beroperasi pada skala waktu yang sama dengan1In kasus Shakey, percobaan termasuk keberadaandari gremlin yang diam-diam akan datang dan mengubah lingkungan-pemerintah dengan memindahkan blok ke lokasi di erent?. Namun,ini biasanya akan terjadi hanya sekali, mengatakan, dalam banyak jamdijalankan, dan robot tidak akan merasakan bertindak dinamis, namunagak lambat mungkin melihat dunia berubah jika perubahan itulangsung relevan dengan subtask tertentu itu mengeksekusi.Dalam kasus CART, hanya aspek dinamis daridunia adalah perubahan di sudut matahari selama jangka waktu lama,dan ini sebenarnya menyebabkan robot gagal sebagai posisi Esti-skema mation bingung oleh bayang-bayang bergerak.hewan dan manusia, dan kecerdasan yang mampuuntuk menghasilkan perilaku kuat menghadapi sensor tidak pasti,lingkungan yang tidak diperkirakan, dan dunia berubah.Beberapa realisasi kunci tentang organisasiintelijen adalah sebagai berikut:? Sebagian besar dari apa yang orang lakukan dalam satu hari mereka untuk kehidupan seharibukan pemecahan masalah atau perencanaan, tetapi lebihadalah kegiatan rutin dalam yang relatif jinak, tapi tentudinamis, dunia. Selanjutnya representasiagen menggunakan objek pada kebutuhan duniatidak bergantung pada semantik korespondensi dengan simbolbahwa agen memiliki, melainkan bisade ned melalui interaksi agen dengandunia. Agen didasarkan pada ide-ide ini telah dicapaimenarik kinerja tingkat dan dibangun darikombinatorial sirkuit sirkuit ditambah sedikit waktu([Setuju dan Chapman 87], [Setuju dan Chapman90]).? Seorang pengamat sah dapat berbicara tentang agenkepercayaan dan tujuan, meskipun agen kebutuhantidak memanipulasi struktur simbolis data pada saat runwaktu. Sebuah landasan formal dalam semantik digunakan untukdesain agen dapat dikompilasi pergi. Agen berdasarkanpada ide-ide ini telah mencapai kinerja yang menariktingkat dan dibangun dari rangkaian kombinatorial

ditambah sedikit sirkuit waktu ([Rosenscheindan Kaelbling 86], [Kaelbling dan Rosenschein90]).? Dalam rangka untuk benar-benar menguji gagasan intelijen pentinguntuk membangun agen lengkap yang beroperasi dilingkungan yang dinamis menggunakan sensor nyata. Internaldunia model yang adalah representasi lengkaplingkungan eksternal, selain menjadi mustahiluntuk mendapatkan, sama sekali tidak diperlukan untuk agen untukbertindak secara kompeten. Banyak tindakanagen cukup dipisahkan | intelijen yang koherendapat muncul dari subkomponen berinteraksi dalamdunia. Agen didasarkan pada ide-ide ini telah dicapaimenarik kinerja tingkat dan dibangun darikombinatorial sirkuit sirkuit ditambah sedikit waktu([Brooks 86], [Brooks 90b], [Brooks 91a]).Sejumlah besar orang lain juga memberikan kontribusi untuk inipendekatan pengorganisasian intelijen. [Maes 90a] adalahkoleksi paling representatif.Tidak ada istilah yang berlaku umum untuk menggambarkangaya kerja. Hal ini terkadang ditandai denganyang oxymoron perencanaan reaktif. Saya telah menggunakan berbagaiRobot Makhluk [Brooks dan Flynn 89] dan Arti finansialMakhluk [Brooks 90b]. Terkait pekerjaan non-mobile,namun demikian aktif, sistem telah disebut aktifvisi, atau visi menghidupkan [Ballard 89]. Beberapa pekerjamerujuk kepada makhluk mereka, atau makhluk, sebagai agen; sayangnyaistilah yang juga digunakan oleh orang lain untuk merujuk kepada agakindependen komponen kecerdasan dalamtunggal fisik makhluk (misalnya, badan-badan [Minsky86]). Kadang-kadang pendekatan ini disebut perilaku berbasiskomponen komputasi cenderung perilaku langsungmemproduksi modules2. Untuk sisa kertas ini,2Unfortunately ini sedikit bentrokan dengan arti

kami hanya akan memanggil entitas dari 'robot' diskusi atau'Robot perilaku berbasis'.Ada sejumlah aspek kunci karakteristik inigaya kerja.? [Situatedness] The robot yang terletak di

dunia | mereka tidak berhubungan dengan deskripsi abstrak,tetapi dengan di sini dan sekarang dunia langsung di-

uencing perilaku sistem.? [Perwujudan] The robot memiliki tubuh dan pengalamandunia langsung | tindakan mereka adalah bagianyang dinamis dengan dunia dan telah segeraumpan balik tentang sensasi sendiri.? [Intelijen] Mereka diamatimenjadi cerdas | tetapi sumber intelijen tidakterbatas hanya pada mesin komputasi. Hal ini jugaberasal dari situasi di dunia, sinyaltransformasi dalam sensor, dan fisikkopling dari robot dengan dunia.? [Munculnya] Kecerdasan sistemmuncul dari interaksi sistem dengandunia dan dari interaksi kadang-kadang tidak langsung antarakomponennya | kadang-kadang sulit untukmenunjuk ke satu peristiwa atau tempat dalam sistem danmengatakan bahwa sebabnya beberapa tindakan eksternal terwujud.Baru-baru ini telah ada kecenderungan untuk mencoba untuk mengintegrasikantradisional simbolik penalaran, di atas murni reaktifsistem, baik dengan robot nyata (misalnya, [Arkin 90],[Mitchell 90],) dan dalam simulasi (misalnya, [Firby 89]).Idenya adalah bahwa sistem reaktif yang menangani realtimeisu-isu yang tertanam di dunia, sedangkanSistem deliberatif apakah 'keras' stu? tradisionalmembayangkan akan ditangani oleh sistem finansial Arti Intelijen.Saya berpikir bahwa pendekatan ini su? Erintah dariyang terkenal 'cakrawala e ect?' | mereka telah membeli sedikitkinerja yang lebih baik dalam sistem secara keseluruhan mereka dengankomponen reaktif, tetapi mereka hanya mendorongketerbatasan dari sistem penalaran sedikit lebih jauh ke dalammasa depan. Aku tidak akan peduli dengan sistem tersebut untukSisanya dari makalah ini.Sebelum memeriksa karya ini secara lebih rinci, kami akanberalih ke alasan mengapa tradisional Arti Kecerdasan finansialmengadopsi pendekatan erent seperti di?.3 KomputerDalam evolusi ada teori [Gould dan Eldredge77] kesetimbangan yang terputus, di mana sebagian besar waktuada sedikit perubahan dalam suatu spesies, tetapi pada suatu interval

subpopulasi cabang o? dengan semburan pendek sangatdipercepat perubahan. Demikian juga, saya percaya bahwa dalam Arti finansialIntelijen penelitian selama empat puluh tahun terakhir ini, adatelah lama kerja tambahan dalam mendirikanpedoman, dan kadang-kadang pergeseran orientasidan asumsi menyebabkan sub baru waktu tua untuk cabang o?.Pekerjaan yang lebih tua biasanya terus, kadang-kadang sisaperilaku seperti yang digunakan oleh etolog sebagai interaksi yang diamatidengan dunia, bukan sebagai sesuatu yang dihasilkan secara eksplisit.kuat, dan kadang-kadang mati o? secara bertahap. Deskripsi inidari waktu tua juga ts model yang lebih umum ilmu pengetahuan,seperti [Kuhn 70].Inti dari bagian ini adalah bahwa semua orang SteadyStatepekerjaan mengandalkan tubuh, kadang-kadang secara implisit, pada tertentufilosofis dan asumsi teknologi. Thependiri badan kerja cukup sadar iniasumsi, tapi seiring waktu sebagai orang baru datang keelds, asumsi ini hilang, dilupakan, atau dikubur,dan pekerjaan mengambil kehidupan sendiri untuk kepentingan sendiri.Pada bagian ini saya sangat peduli dengan bagaimanaarsitektur komputer kami diuences pilihan kitamasalah yang bekerja, model kita berpikir,dan kami algoritma, dan bagaimana masalah yang kitakerja, kami model pemikiran, dan pilihan algoritma kamimemberikan tekanan terhadap perkembangan arsitektur kitakomputer.Biologi sistem berjalan di paralel secara besar-besaran, rendahkecepatan komputasi, dalam suatu topologi dasarnya xedjaringan dengan kedalaman terbatas. Hampir semua finansial Arti Intelijenpenelitian, dan memang hampir semua perhitungan modern,berjalan pada dasarnya arsitektur Von Neumann,dengan memori, besar tidak aktif yang dapat merespon sangatkecepatan tinggi melalui saluran yang sangat sempit, untuk yang sangatkecepatan tinggi pusat processing unit yang berisi sangatsedikit negara. Ketika koneksi ke sensor dan aktuatorjuga dipertimbangkan, kesenjangan antara sistem biologisdan sistem finansial arti kami melebar.Selain menempatkan kendala arsitektur di program kami,bahkan alat-alat matematika kami sangat dalamuenceddengan arsitektur komputasi kami. Kebanyakan algoritma

analisis didasarkan pada model RAM dari perhitungan(Dasarnya model Von Neumann, terbuktiakan polynomially setara dengan mesin Turing, misalnya,[Hartmanis 71]). Hanya dalam beberapa tahun terakhir telah lebih umummodel menjadi terkenal, tetapi mereka telah diarah nubuat, dan perangkat tidak mungkin lainnyauntuk makhluk robot kami.Apakah kita ditakdirkan untuk bekerja selamanya dalam arusarsitektur kendala?Selama teknologi perhitungan beberapa abad yang lalutelah berkembang dari tanda membuat pada berbagai permukaan(Memahat, menulis, dll), melalui evolusi yang panjangrantai sistem murni mekanik, kemudian Elektromekanikrelay berdasarkan sistem, melalui perangkat berbasis tabung vakum,diikuti dengan rantai evolusioner berbasis silikonperangkat ke kondisi seni.Ini akan menjadi tinggi kesombongan dan kebodohanmenganggap bahwa kita sekarang menggunakan teknologi utama untukkomputasi, yaitu sirkuit terpadu berbasis silikon,seperti itu akan menjadi bodoh (setidaknya dalam retrospeksi)untuk mengasumsikan pada abad ke-16 yang Napier's Bones adalahteknologi utama komputasi [Williams 83]. Memangakhir peningkatan eksponensial dalam perhitungankecepatan untuk uni-prosesor sudah di depan mata, memaksa yang agakbesar jumlah penelitian dalam pendekatan paralel tomoreperhitungan untuk dolar, dan per detik. Tapi adakemungkinan lain yang lebih radikal untuk perubahan dalam perhitunganinfrastructure3. Ini termasuk perhitungan berdasarkan3Equally perubahan radikal telah terjadi di masa lalu, tetapidiakui mereka terjadi jauh sebelum tingkat tinggi saat ini

pada switching optik ([Gibbs 85], [Brady 90]), proteinlipat, ekspresi gen, switching atom non-organik.3.1 PrasejarahSelama tahun 1940-an bahkan saat perang dunia keduasedang dilancarkan, dan komputer elektronik rst adalahsedang dibangun untuk perhitungan pembacaan sandi dan lintasan,ide untuk menggunakan komputer untuk melakukan kegiatan cerdassudah pada pikiran orang.Alan Turing, sudah terkenal untuk karyanya pada komputabilitas

[Turing 37] melakukan diskusi dengan DonaldMichie, pada awal 1943, dan lain-lain kurang diketahui denganArti modern Intelijen finansial dunia pada awal 1941,tentang menggunakan komputer untuk bermain catur. Dia dan orang lainmengembangkan gagasan minimaxing pohon bergerak, danevaluasi statis, dan dilakukan simulasi rumit tanganmelawan musuh manusia. Kemudian (selamaperiode 1945-1950 setidaknya) ia dan Claude Shannondikomunikasikan tentang ideas4. Meskipun adasudah menjadi waktu tua mapan matematika tentangteori permainan, dipelopori oleh Von Neumann [VonNeumann dan Morgenstern 44], catur sudah sepertiruang besar posisi hukum, bahwa meskipun segala sesuatutentang hal ini adalah deterministik, teori tidakterutama yang berlaku. Hanya heuristik dan operasionalprogram tampak berarti masuk akal serangan.Dalam sebuah makalah berjudul Intelligent Mesin, ditulis dalam19485, tapi tidak dipublikasikan hingga lama setelah kematiannya [Turing70], Turing diuraikan pandangan yang lebih umum pembuatankomputer cerdas. Dalam hal ini agak pendek wawasankertas ia meramalkan perkembangan modern banyak danteknik. Ia berpendapat (agak whimsically, kejengkel majikannya [Hodges 83]) untuk setidaknyabeberapa elds intelijen, dan contoh utamanya adalahpembelajaran bahasa, bahwa mesin akanuntuk diwujudkan, dan diklaim sukses \ Namun tampaknya untukagak terlalu banyak bergantung pada organ akal dan daya penggerakmenjadi "layak.Turing berpendapat bahwa itu harus mungkin untuk membangunmesin berpikir karena itu mungkin untuk membangun imitasidari \ setiap bagian kecil dari manusia "Dia dibuat. perbedaannyaantara memproduksi model listrik akurat saraf,dan menggantinya dengan komputasi yang tersediasirkuit teknologi tabung hampa (ini berikut langsungdari sebelumnya kertas [Turing 37]), dan asumsibahwa sistem syaraf dapat dimodelkan sebagai komputasisistem. Untuk bagian lain dari tubuh, ia menyarankanbahwa \ kamera televisi, mikrofon, pengeras suara ",dll, dapat digunakan untuk model seluruh sistem.\ Ini akan menjadi usaha yang luar biasa tentu saja. "Meskipun demikian, Turing mencatat bahwa mesin jadi dibangundari dasar terinstal komputer berbasis silikon.

Wiener 4Norbert juga menguraikan ide minimax dalamnal catatan edisi asli [48 Wiener]. Namunia membatasi gagasan untuk kedalaman dua atau tiga memainkan | satumengasumsikan untuk alasan praktis, seperti yang dilakukannya mengungkapkan umumgagasan untuk n play. Lihat Bagian 3.3 untuk rincian lebih lanjut tentangcara-cara di mana model cybernetic pemikiran dibatasioleh model komputasi di tangan.5Di? Sumber erent mengutip tahun 1947 dan tahun 1948 sebagai waktumenulis.\ Masih akan ada kontak dengan makanan, seks, olahraga danbanyak hal-hal lain yang menarik bagi para "manusia. Turingmenyimpulkan bahwa domain terbaik untuk mengeksplorasimekanisasi pemikiran adalah berbagai permainan, dankriptanalisis, \ dalam bahwa mereka membutuhkan sedikit kontak dengandunia luar "6.Turing sehingga seksama pertanyaan perwujudan,dan untuk alasan teknis memilih untuk mengejar aspekintelijen yang dapat dilihat, setidaknya dipendapatnya, sebagai murni simbolik. Minimax pencarian, ditambahdengan ide mengejar rantai tangkapketenangan, dan pandai fungsi evaluasi statis (yangTurochamp sistem Daud Champernowne dan AlanTuring7, [Shannon 50]) segera menjadi pendekatan yang dominanuntuk masalah ini. [Newell, Shaw dan Simon58] dibandingkan semua bermain catur dikenal empat dilaksanakanprogram tahun 1958 (dengan pengalaman gabungan sebesarenam game dimainkan), termasuk Turochamp, dan mereka semuamengikuti pendekatan ini.Pendekatan dasar minimax dengan baik statisfungsi evaluasi tidak berubah sampai hari ini. Programsejenisnya ini bersaing baik dengan Grand InternasionalMasters. Yang terbaik dari mereka, Deep Thought [Hsu, Anantharaman,Campbell dan Nowatzyk 90], menggunakan khusustujuan chip untuk kemampuan pencarian besar, bersamadengan skema evaluasi yang terampil dan selektif memperdalamuntuk mengarahkan pencarian yang lebih baik dari program sebelumnya.Meskipun Turing telah mengandung catur menggunakan sebagaikendaraan untuk mempelajari proses pemikiran manusia, gagasan inisebagian besar telah tersesat sepanjang jalan (ada dariTentu saja pengecualian, misalnya, [Wilkins 79] menggambarkan suatu sistemyang pengganti pengetahuan catur untuk pencarian di tengahpermainan | biasanya ada evaluasi statis sangat sedikit,

dan mencari pohon terutama untuk con rm atau menolak keberadaandari pasangan). Sebaliknya kekuatan pendorong selalukinerja, dan program yang paling sukseshari telah biasanya didasarkan pada kemajuan teknologi. Kasargaya pencarian pohon telah menjadi metode yang dominan, itu sendirididominasi oleh jumlah bruteness tersedia. Hal ini padagilirannya telah menjadi produk cerdik memanfaatkan terbarutersedia teknologi. Selama bertahun-tahun, 'juara' saat iniProgram telah memanfaatkan perangkat keras yang tersedia.MacHack-6 [Greenblatt, Eastlake dan Crocker 67]memanfaatkan memori cepat terbesar yang tersedia (256K 36bit kata-kata | tentang megabyte atau lebih, atau $ 45 dengan hari inistandar) dan arsitektur komprehensif baru (PDP-6) sebagian besar diuenced oleh persyaratan Minsky dan McCarthyuntuk Lisp dan pemrograman simbolik. Catur4.0 dan yang keturunan [Slate dan Atkin 84] diandalkanpada berjalan di komputer dunia lebih cepat tersedia.Belle [Condon dan Thompson 84] digunakan lebih kecil pusatkomputer, tetapi memiliki generator bergerak kustom, dibangundari sirkuit LSI. Deep Thought, disebutkan di atas sebagaijuara paling baru, bergantung pada VLSI CIR custom-6Interestingly, Turing tidak sepenuhnya abstrak bahkanbermain catur mesin jauh dari perwujudan, berkomentarbahwa \ organ satu-satunya perlu `mata 'yang mampu membedakanberbagai posisi di papan yang dibuat khusus, dan saranauntuk mengumumkan bergerak sendiri ".7See Personal Computing bulan Januari 1980, halaman 80 {81, untukdeskripsi simulasi ini tangan mesin catur.

cuits untuk menangani generasi bergerak dan mencari pohon. Inijelas bahwa keberhasilan dan kemajuan dalam bermain caturprogram telah didorong oleh teknologi memungkinkan besarpohon pencarian. Beberapa berpendapat bahwa program catur saat ini /sistem perangkat keras yang sangat model yang baik untuk umumproses berpikir manusia.Ada beberapa keraguan sepanjang jalan, namun.Dalam sebuah makalah awal [Selfridge 56] berpendapat bahwa lebih baikevaluasi statis adalah kunci untuk bermain catur, sehingga lookaheaddapat dibatasi dengan kepindahan tunggal kecuali dalam kondisi

dekat untuk kawin (dan satu menganggap dia akan termasuk situasimana ada penangkapan, dan mungkin pertukaran,terlibat). Tapi, ia mengklaim bahwa manusia datang ke caturdengan keunggulan signi cant atas komputer (dorongkertas adalah pada pembelajaran, dan dalam hal ini pada pembelajaranuntuk bermain catur) karena mereka memiliki konsep 'nilai' seperti,'Ancaman ganda', dll sebagai 'pusat', yang telah dibentuk. Caturuntuk Selfridge bukan latihan tanpa tubuh, tetapi di manabermain sukses dibangun di atas kekayaan pengalaman dalamlain, mungkin sederhana, situasi.Ada perumpamaan menarik untuk sejarahkomputer catur, permainan Go. Pohon pencarian untuk Gojauh lebih besar daripada catur, dan yang baik statisfungsi evaluasi adalah jauh lebih sulit untuk ne de. Go memilikipernah bekerja dengan baik sebagai kendaraan untuk penelitian di komputerbermain game | setiap retak cukup layak pada jauhlebih mungkin membutuhkan teknik lebih dekat kepada merekamanusia berpikir | kemajuan teknologi komputer belakatidak akan membawa dekat minimax pendekatankesuksesan dalam domain ini (lihat [Campbell 83] untuk singkatikhtisar).Sebelum meninggalkan Turing seluruhnya ada satu lain agakkontribusi signi cant dia dibuat untuk waktu tua yang dirasa ia mendahului. Dalam [Turing 50] menimbulkan pertanyaan\ Mesin bisa memikirkan ".? Untuk menggoda keluar yang dapat diterimaberarti untuk pertanyaan ini ia menyajikan apa yang telah datangdikenal sebagai tes Turing, dimana seseorang mengkomunikasikandalam bahasa Inggris selama teletype dengan baik lainorang atau komputer. Tujuannya adalah untuk menebak apakahadalah orang atau komputer di ujung lain. Seiring waktutes ini telah datang untuk menjadi tujuan informal Arti finansialIntelligence8. Perhatikan bahwa itu adalah pandangan yang sama sekali tanpa tubuhintelijen, meskipun agak yang berada dimesin harus merespons secara tepat waktu untuk interogator tersebut.Turing menunjukkan bahwa mesin harus mencobauntuk mensimulasikan seseorang dengan mengambil waktu ekstra dan membuatkesalahan dengan masalah aritmatika. Ini adalah versi yanguji Turing yang dianggap remeh sekitar dengan hari saat inifinansial Intelijen researchers9 Arti.Turing uang muka sejumlah argumen strawmanterhadap kasus bahwa komputer digital mungkin suatu haribisa lulus ujian ini, tapi dia tidak mempertimbangkan

kebutuhan yang mesin sepenuhnya diwujudkan. Pada prinsipnya,tentu saja, dia benar. Tapi bagaimana sebuah mesin mungkin makadiprogram adalah pertanyaan. Turing menyediakan sebuah argu-8Turing menyatakan kepercayaannya sendiri yang akan memungkinkan untukmesin dengan 109 bit toko untuk melewati versi menit veuji dengan probabilitas 70% oleh sekitar tahun 2000.Bahkan 9In ada kompetisi tahunan dengan $ 100; 000hadiah untuk mesin yang dapat melewati ini versi Turinguji.pemerintah bahwa program mesin dengan tangan akantidak praktis, jadi dia menyarankan memilikinya belajar. Pada titik iniia membawa kebutuhan untuk mewujudkan mesin di beberapacara. Dia menolak memberikan anggota badan, tapi tersangka bahwa mataakan baik, meskipun tidak sepenuhnya diperlukan. Padaakhir tulisan ini ia mengusulkan dua jalan mungkin menujunya tujuan sebuah mesin \ berpikir ". Path unembodiedadalah untuk berkonsentrasi pada program kegiatan intelektualseperti catur, sedangkan pendekatan yang terkandung adalah untuk melengkapi sebuahdigital komputer \ dengan indra terbaik yang uangbisa membeli, dan kemudian mengajarkannya kepada mengerti dan berbicara "bahasa Inggris.Arti Intelijen finansial mengikuti jalan mantan,dan memiliki semua tetapi mengabaikan approach10 terakhir.3.2 PendirianPembentukan Intelijen Arti finansial sebagai suatu disiplinyang jelas merupakan dasar dari disiplin hari inidengan nama yang terjadi selama periode yang terkenal'Dartmouth Konferensi' tahun 1956 melalui publikasibuku \ Komputer dan Pemikiran "pada tahun 1963([Feigenbaum dan Feldman 63]).Bernama dan sebagian besar diselenggarakan oleh John McCarthy sebagai\ The Dartmouth Summer Research Project on Arti -Kecerdasan finansial "enam-minggu workshop dibawabersama-sama mereka yang akan membentuk dan memimpin utamaArti pusat penelitian finansial Intelijen di Amerika Utaraselama dua puluh tahun ke depan. McCarthy bersama-sama mendirikanMIT Arti finansial Laboratorium Kecerdasan dengan MarvinMinsky, dan kemudian melanjutkan untuk menemukan Arti Stanford -Laboratorium Intelijen finansial. Allen Newell dan HerbertSimon berbentuk dan memimpin kelompok yang berubah menjadiDepartemen Ilmu Komputer di Carnegie-Mellon University.Bahkan saat ini sebagian besar para peneliti diArti Intelijen finansial di Amerika Utara memiliki salah satu ini

empat orang dalam komite doktor mereka, atau yang disarankanoleh seseorang yang melakukan. Ide-ide disajikan di Dartmouthpertemuan telah demikian berdampak sinyal padaRst waktu tua bernama sana.Seperti dapat dilihat dari wawancara pesertaditerbitkan dalam [79 McCorduck] masih adaketidaksepakatan atas kekayaan intelektual yangdibawa ke konferensi dan cance signi relatif.Hasil utama adalah penerimaan dan bangkit pencariansebagai alat unggulan Intelijen Arti finansial. Adaadalah penerimaan umum dari penggunaan pencarian untuk memecahkanmasalah, dan dengan ini ada pengabaian pentingdari setiap gagasan situatedness.karya sebelumnya Minsky sudah terlibat dengan sarafpemodelan. Gelar Ph.D. Tesis di Princeton prihatindengan model untuk otak [Minsky 54]. Kemudian, sementaradi Harvard ia sangat dalamuenced oleh McCulloch danPitts (lihat [McCulloch dan Pitts 43]), tetapi pada saatpertemuan Dartmouth ia telah menjadi lebih terlibatdengan sistem berbasis pencarian simbolis. Dalam koleksinya[Minsky 68] dari versi murid-muridnya Ph.D. tesis,semua prihatin untuk beberapa derajat dengan de ning dan mengendalikanruang yang sesuai pencarian.kutipan 10An dari kertas Turing dicetak ulang di [Hofs-tadter dan Dennett 81]. Mereka meninggalkan seluruh bagianbelajar dan perwujudan.

Simon dan Newell mempresentasikan karya terbaru mereka padaLogika teori [Newell, Shaw dan Simon 57], programteorema logika yang dibuktikan dengan mencari pohonsubgoals. Program ini menggunakan banyak heuristikuntuk memangkas ruang pencarian. Dengan keberhasilan ini, gagasanpencarian heuristik segera menjadi dominan dalam masihArti kecil Intelijen finansial masyarakat.McCarthy tidak jadi? Ected oleh konferensi yangdia telah mengatur, dan terus berkonsentrasi hari inipada isu-isu epistemologis daripada kinerjaprogram. Namun ia segera menciptakan pemrograman Lispbahasa [McCarthy 1960] yang menjadi

model standar perhitungan untuk Intelijen Arti finansial.Hal itu besar dalamuence pada model pemikiranNamun yang populer, seperti itu membuat hal-hal tertentuseperti pencarian, dan representasi berdasarkan individu,lebih mudah untuk program.Pada saat itu, sebagian besar program ditulis dalam perakitanbahasa. Ini adalah pekerjaan membosankan untuk menulis pencarianprosedur, prosedur terutama rekursif dalam mesinbahasa hari, meskipun beberapa orang-orang sepertisebagai [Samuel 59] (Dartmouth peserta lain) adalahsukses spektakuler. Newell dan Simon berhutang banyakkeberhasilan mereka dalam mengembangkan teori Logika danmereka kemudian Umum Problem Solver [Newell, Shaw danSimon 59], untuk penggunaan bahasa ditafsirkan (IPLV |lihat [Newell, Shaw dan Simon 61]) yang didukungdaftar kompleks struktur dan rekursi. Banyakproyek siswa mereka dilaporkan dalam [Feigenbaum danFeldman 63] juga digunakan bahasa ini.McCarthy Lisp jauh lebih bersih dan sederhana. Inipengolahan membuat daftar informasi dan pohon rekursifprogram {sepele sering baris selusin kode pencarianbisa menggantikan ratusan baris kode assembler.prosedur Cari sekarang menjadi lebih mudah dan lebihnyaman untuk disertakan dalam program Arti Intelijen finansial.Lisp juga memiliki diuence di kelas representasionalsistem yang digunakan, seperti yang dijelaskan dalam bagian 3.5.Dalam [Minsky 61], Arti Intelijen finansial rusakmenjadi topik kunci ve: pencarian, pengenalan pola, belajar,perencanaan dan induksi. Kedua melalui keempatdari mereka ditandai sebagai cara pencarian mengendalikan(Masing-masing dengan pilihan yang lebih baik dari operator ekspansi pohon,dengan mengarahkan pencarian melalui pengalaman sebelumnya,dan dengan mengganti pencarian tertentu dengan yang lebih kecil dan lebihsesuai eksplorasi). Sekali lagi, sebagian besar seriusbekerja di Intelijen Arti finansial sesuai dengan gangguan iniprihatin dengan pencarian.Akhirnya, setelah banyak eksperimentasi [Michie danRoss 70], metode pencarian menjadi dipahami dengan baik, diformalkan,dan dianalisis [Knuth dan Moore 75], danmenjadi dirayakan sebagai metode utama Arti finansial

Intelijen [Nilsson 71].Pada akhir era pendirian, pada tahun 1963,Minsky yang dihasilkan sebuah bibliografi beranotasi lengkap([Minsky 63]) literatur \ langsung terkait denganpembangunan arti sistem pemecahan masalah finansial "11. Iniberisi 925 kutipan, 890 di antaranya untuk kertas c scientidan buku-buku, dan 35 di antaranya adalah untuk koleksi11It juga bertindak sebagai bibliografi gabungan untuk kertasdi [Feigenbaum dan Feldman 63].seperti kertas. Ada dua hal utama yang menarik di sini.Pertama, meskipun judul bibliografi, \ A TerpilihDeskripsi-Indexed Bibliografi untuk Sastra padaArti Kecerdasan finansial ", mengacu pada Arti Kecerdasan finansial,dalam pengantar ia adalah wilayah yang menjadi perhatian sebagai\ Arti sistem pemecahan masalah finansial "Kedua,. Dan agakparadoks, ruang lingkup bibliografi ismuchlebih luas dari satu harapkan dari Intelijen Arti finansialbibliografi hari ini. Ini mencakup banyak item padacybernetics, neuroscience, bionik, informasi dan komunikasiteori, dan connectionism generasi rst.Kedua aspek kontras bibliografimenyorot tren di Intelijen Arti finansial yang terusselama 25 tahun ke depan. Dari sup ide tentangbagaimana membangun mesin cerdas yang bertubuh danPendekatan non-terletak sistem pencarian pemecahan masalahmuncul sebagai dominan, setidaknya dalam masyarakatyang disebut bekerja sendiri sebagai Intelijen Arti finansial.Dengan melihat ke belakang kita bisa melangkah mundur dan melihat apa yangterjadi. Awalnya pencarian diperkenalkan sebagai sebuah mekanismeuntuk memecahkan masalah yang diperdebatkan manusia digunakanbeberapa pencarian dalam memecahkan. Catur dan membuktikan teorema logikaadalah dua contoh telah kita bahas. Dalam domain iniseseorang tidak mengharapkan tanggapan seketika darimanusia melakukan tugas yang sama. Mereka tidak tugas-tugas yangterletak di dunia.Satu dapat perdebatan apakah bahkan dalam tugas-tugas ini adalah bijaksanamengandalkan begitu berat pada pencarian, sebagai masalah besar akanmemiliki e eksponensial buruk ects pada waktu pencarian |? pada kenyataannya[Newell, Shaw dan Simon 58] berpendapat hanya ini, tetapimenghasilkan program catur nyata lebih lambat karenakompleksitas evaluasi statis dan mengontrol pencarian.Beberapa, seperti [Samuel 59] dengan bermain checker-nya

program, tidak khawatir tentang menjaga hal-hal pada manusiaskala waktu. [Slagle 63] dalam integrasi simbolik nyaprogram, khawatir tentang menjadi ekonomi yang kompetitifdengan manusia, tetapi karena ia mengemukakan dalam terakhirdua paragraf kertas itu, kenaikan bahan peledak dalamharga / kinerja rasio untuk komputasi mampu menjaganya program ke depan. Secara umum, kinerja peningkatankomputer mampu feed peneliti dengan mantapruang pencarian yang lebih besar, sehingga mereka merasa bahwa merekamembuat kemajuan seperti tahun-tahun berlalu. Untuk setiap diberikanTingkat teknologi, pembekuan jangka panjang akan segera menunjukkanbahwa program mengandalkan pencarian memiliki masalah yang sangat serius,terutama jika ada keinginan untuk menempatkan merekadi dunia yang dinamis.Dalam paragraf terakhir dari [61 Minsky] dia tidak membawaup kemungkinan agen terletak, bertindak sebagai \ berpikirbantuan "untuk seseorang Namun sekali lagi ia bergantung pada kinerja.peningkatan metode komputasi standar (iniwaktu melalui pengenalan berbagi waktu) untuk memasokwaktu yang diperlukan perhitungan yang relevan.Pada hari-hari awal dari disiplin formal Arti finansialIntelijen, cari diadopsi sebagai teknologi dasar.Mudah untuk program pada komputer digital. Hal ini mengakibatkanpenalaran sistem yang tidak mudah untuk sepatu-tanduk keterletak agen.

3.3 CyberneticsAda, terutama di empat puluhan dan fties, lainnyadisiplin yang bisa dilihat sebagai memiliki samatujuan seperti yang kita telah mengidentifikasi ed untuk Arti Intelijen finansial | yangpembangunan sistem cerdas yang berguna dan memahamikecerdasan manusia. Karya ini, yang dikenal sebagaiCybernetics, memiliki fundamental di? Erentavor darihari ini tradisional Arti Intelijen finansial.Cybernetics co-berevolusi dengan teori kontrol dan statistikteori informasi | misalnya, lihat [Wiener 48, 61].Ini adalah studi matematika dari mesin, tidakterkait dengan komponen fungsional mesin danbagaimana mereka berhubungan, dan bukan dalam hal apa yang

mesin individu dapat lakukan di sini dan sekarang, dan melainkandalam hal semua perilaku yang mungkin bahwa seorang individumesin dapat menghasilkan. Ada penekanan yang kuatpada mesin menggambarkan dalam hal input danoutput, dan memperlakukannya sebagai kotak hitam sejauh internkerja yang tidak teramati. Alat analisissering di erential atau? persamaan integral, dan inialat inheren terbatas cybernetics untuk situasi dimanakondisi batas tidak berubah dengan cepat. DalamSebaliknya, mereka sering melakukannya dalam suatu sistem terletak di dinamismengubah dunia | bahwa kompleksitas perlu pergisuatu tempat, baik ke dalam model diskontinyu atau diubahkondisi batas.Cybernetics muncul dalam konteks regulasi mesindan sirkuit elektronik | sering dicirikanoleh subjudul buku Wiener sebagai studi tentang \ kontroldan komunikasi pada hewan dan mesin ".Model perhitungan pada saat pengembangan aslinyaadalah analog. Input dan output darimesin yang akan dianalisis biasanya dianggap sebagaihampir di mana-mana fungsi kontinyu dengan wajarderivatif, dan mekanisme untuk analisis otomatisdan pemodelan biasanya hal-hal yang hari ini akandicirikan sebagai komponen analog. Dengan demikian adatidak ada gagasan dari pencarian simbolik | pencarian apapun telah ditulisdalam hal minimisasi fungsi. Ada jugajauh lebih sedikit dari gagasan representasi sebagai abstrakentitas dimanipulasi daripada yang ditemukan di Intelijen Arti finansialpendekatan.Banyak karya dalam Cybernetics benar-benar bertujuanpemahaman hewan dan intelijen. Hewandimodelkan sebagai mesin, dan dari orang-orang model, ituberharap untuk memungut bagaimana hewan mengubah perilaku merekamelalui pembelajaran, dan bagaimana memimpin bahwa untuk adaptasi yang lebih baikdengan lingkungan untuk seluruh organisme. Inidiakui misalnya agak dini (, [Ashby 52] untuk eksplisitpernyataan) bahwa organisme dan lingkungannyaharus dimodelkan bersama dalam rangka memahamiperilaku yang dihasilkan oleh organisme | ini jelas merupakanekspresi situatedness. Alat analisis umpan balikdigunakan ([Ashby 56]) untuk berkonsentrasi pada masalah-masalah sepertisebagai stabilitas sistem serta lingkungan yang terganggu,

dan khususnya sistem homeostasis atau kemampuanuntuk menyimpan parameter tertentu dalam rentang yang ditentukan,tidak peduli apa yang tidak terkontrol variasi dalamlingkungan.Sehubungan dengan perwujudan ada beberapa percobaansepanjang garis-garis ini. Banyak cybernetic modelorganisme demonstrasi agak abstrak homeostasis,tetapi beberapa prihatin dengan robot fisik.[Walter 50, 51, 53] 12 menggambarkan robot dibangun di cyberneticprinsip-prinsip yang menunjukkan perilaku mencari tujuan,homeostasis, dan kemampuan belajar.Kompleksitas dan kemampuan fisik Waltermesin diwujudkan dengan peringkat yang murni khayalandalam bab-bab rst setengah lusin [84 Braitenberg]tiga dekade kemudian.Faktor pembatas dalam percobaan ini adalahdua kali lipat; (1) teknologi membangun rasa kecil berisirobot ketika unsur-unsur komputasi yangminiatur (istilah relatif) tabung vakum, dan (2)kurangnya mekanisme untuk secara abstrak menggambarkan perilaku padatingkat bawah perilaku yang lengkap, sehingga suatu implementasibisa kembalidll komponen-komponen sederhana. Demikiandalam contoh rst model pemikiran yang terbatasoleh hambatan teknologi untuk mengimplementasikan model,dan dalam contoh kedua, kurangnya tertentu kritiskomponen model (organisasi ke dalam submodul)membatasi kemampuan membangun implementasi teknologi yang lebih baik.Mari kita kembali ke Wiener dan menganalisis cara-caramekanisme cybernetics, dan mekanismecomputationwere erat berhubungan dalam dalam dan dirimembatasi cara.Wiener jelas menyadari machines13 digital bahkandi edisi sebelumnya dari [48 Wiener]. Dia membandingkan merekauntuk mesin analog seperti di Bush? analyzer erential,dan menyatakan bahwa digital (atau numerik, seperti yang iamenyebutnya) mesin lebih unggul untuk numerik yang akuratperhitungan. Tapi dalam arti mendalam Wiener tidakmelihatexibility mesin ini. Dalam sebuah bab tambahandalam [61 Wiener] ia membahas masalah bangunanmesin mereproduksi diri, dan dalam tradisi cybernetic,

mengurangi masalah untuk pemodelan input / outputkarakteristik kotak hitam, khususnya non-lineartransduser. Dia terkait metode untuk mendekati observasifungsi ini dengan kombinasi linear daritransduser secara non-linear, dan kemudian menunjukkan bahwaseluruh masalah dapat dilakukan dengan menjumlahkan dan mengalikanpotensi dan rata-rata dari waktu ke waktu. Daripadaberubah menjadi komputer digital untuk melakukan hal ini ia menyatakan bahwa adabeberapa kemungkinan yang menarik untuk perangkat perkalianmenggunakan e piezo-listrik? Ects. Kita melihat maka intimmengikat bersama antara model komputasi,12Much buku [Walter 53] berkaitan dengan awalbekerja pada electroencephalography dan harapan karena perannya dalam re-vealing kerja otak | empat puluh tahun kemudian iniberharap tidak tampaknya telah lahir keluar.13In pendahuluan [48 Wiener] ia berbicara tentang em-bodying mesin seperti dengan sel fotolistrik, thermome-ters, pengukur regangan dan motor dalam pelayanan mekanistenaga kerja. Namun, dalam teks buku ini ia tidak membuat sepertiSehubungan dengan model organisme. Sebaliknya ia mencatat bahwamereka dimaksudkan untuk menjalankan banyak berturut-turut, dengan memoriyang dibersihkan antara berjalan dan menyatakan bahwa \ otak,dalam keadaan normal, bukan analog lengkapmesin komputasi melainkan analog dari satuberjalan pada seperti mesin ". Nya model komputasi digitaldan model pemikiran terlalu dis-mirip dengan membuat con-nection bahwa kita akan hari ini.

yaitu, perhitungan analog, dan model intidiri-reproduksi. Tidak mungkin untuk menggoda terpisah menyebabkandan e? ect dari sudut pandang ini. Titik kritiscara di mana proposal matematika terkait denganimplementasi teknologi sebagai sertifikasi darivaliditas approach14.Pada pertengahan tahun enam puluhan itu adalah jelas bahwa studi intelijen,bahkan sebuah penelitian yang timbul dari prinsip-prinsip cybernetics,jika ingin berhasil perlu lebih broadbaseddalam tingkat yang abstraksi dan alat analisis. AContoh yang baik adalah [Arbib 64] 15. Meski begitu, dia masih pelabuhanberharap bahwa metode cybernetic mungkin ternyata memberikan

pemahaman tentang \ keseluruhan koordinasi dan mengintegrasikanprinsip-prinsip "yang saling berhubungan subsistem komponensistem saraf manusia.3.4 AbstraksiTahun-tahun segera setelah konferensi Dartmouthmembentuk waktu tua Intelijen Arti finansial dengan carayang tidak signi cantly berubah. Beberapa tahun ke depan,di ampli, utama ed abstraksi jauh dari situatedness,atau keterhubungan ke world16. Adajumlah demonstrasi di sepanjang jalan yang tampakuntuk melegitimasi abstraksi ini. Pada bagian ini saya meninjaubeberapa peristiwa, dan berpendapat bahwa ada fundamental

AWS pada kesimpulan yang biasanya ditarik.Di MIT [Roberts 63] menunjukkan program visiyang bisa cocok dengan model pra-disimpan ke gambar visualblok dan potongan. Program ini merupakan pendahulusemua program visi modern, dan itu bertahun-tahun sebelumkinerjanya bisa disesuaikan oleh orang lain. Butuhgambar gray level dunia, dan diekstraksi sebuah kartungambar garis. Inilah gambar garis yang kemudiantted, melalui perspektif terbalik ditransformasi ke prestoredmodel. Bagi mereka yang melihat hasilnya ini tampakseperti cara langsung dan alami untuk memproses gambardan untuk membangun model (berdasarkan perpustakaan prestored) darirealitas objektif di depan kamera.Kebenaran Namun disayangkan, adalah bahwa hal itu luar biasadi? kultus untuk mengekstrak gambar garis handal diapapun kasus realistis gambar. Dalam kasus Roberts 'inipencahayaan dikontrol dengan hati-hati, blok dengan baikdicat, dan latar belakang yang telah dipilih dengan hati-hati. Thegambar blok nya menghasilkan garis lebih lengkap menggambar-14With belakang, sebuah spekulasi bahkan liar disajikandi akhir edisi nanti. Wiener menunjukkan bahwamodal substansi gen dan virus dapat mereproduksi dirimelalui seperti analisis spektral emisi infra-merah darimolekul model yang kemudian mendorong diri ke organisasiyang Undi? magma erentiated dari faedah asam amino dan nukleat-mampu membentuk bahan biologis baru.15Arbib mencakup peringatan elegan terhadap terlalu com-berkomitmen untuk model, bahkan model matematika, yang dapat berubahkeluar menjadi salah. Pernyataannya bahwa penggunaan \ semata-mata untuk-

mulas tidak memberikan kekuatan magis untuk teori "adalah sama tepat waktuhari ini seperti yang kemudian.16One pengecualian adalah tangan yang dikendalikan oleh komputer dibangun diMIT, [Ernst 61], dan terhubung ke komputer-0 TX. Thetangan sangat banyak berada dan diwujudkan, dan bergantung Heav-keluargamu di dunia luar sebagai model, daripada menggunakan antar-nal representasi. Ini bagian pekerjaan tampaknya mendapatkanhilang, untuk alasan yang tidak jelas bagi saya.petunjuk untuk keselamatan dengan kekacauan sangat sedikit di mana harus ada, oleh manusiastandar pengamat, tidak ada elemen garis. Hari ini,setelah hampir tiga puluh tahun penelitian bottom-up, topdown,dan menengah-out nders line, masih ada garisnder yang mendapat hasil bersih seperti pada satu alamgambar. gambar dunia Real tidak di semua hal yang bersihbahwa introspeksi pribadi kita mengatakan kita mereka. Hal inisulit untuk menghargai ini tanpa bekerja pada gambaryourself17.Kejatuhan program Roberts 'bekerja pada sangatdikendalikan serangkaian gambar adalah bahwa orang mengira bahwamasalah deteksi garis itu bisa dilakukan dan diselesaikan. Mis,[Evans 68] mengutip Roberts dalam pembahasannya tentang masukan bagaimanabisa diperoleh untuk program analogi nya yang dibandingkanset gambar garis gures geometris 2-D.Pada akhir tahun enam puluhan dan awal tujuh puluhan Shakeyproyek [Nilsson 84] di rea SRI? rmed tempat dariArti abstrak finansial Intelijen. Shakey, disebutkan dalambagian 2, adalah sebuah robot yang dihuni satu setkhusus disiapkan kamar. Ini navigasikan dari satu ruangan keruangan, mencoba untuk memenuhi tujuan diberikan pada sebuah teletype.Ini akan, tergantung pada tujuan dan keadaan, menavigasisekitar hambatan yang terdiri dari blok dicat besardan potongan, mendorong mereka keluar dari jalan, atau mendorong mereka untukbeberapa lokasi yang diinginkan.Shakey memiliki televisi onboard hitam dan putihkamera sebagai sensor utama. Sebuah o? Komputer papan dianalisisgambar, dan deskripsi merger dari apa yangmelihat ke dalam pesanan rst ada model kalkulus predikatdunia. Sebuah program perencanaan, strip, dioperasikanpada orang-orang deskripsi simbolik dunia untuk menghasilkanurutan tindakan untuk Shakey. Rencana ini diterjemahkanmelalui serangkaian nements kembali ke panggilan ke atomtindakan dalam loop umpan balik yang cukup ketat dengan penginderaan atom

operasi menggunakan sensor lain seperti Shakey's benjolanbar dan odometry.Shakey dianggap sebagai sukses besar pada waktu itu,menunjukkan suatu sistem terpadu yang melibatkan mobilitas,persepsi, representasi, perencanaan, pelaksanaan, dan kesalahanpemulihan.Shakey's sehingga keberhasilan rea? rmed gagasan mengandalkansepenuhnya pada model internal tujuan eksternalrealitas. Justru metodologi itu diikuti,dan tampaknya berhasil. Namun, hanya bekerjakarena teknik sangat hati-hati lingkungan.Dua puluh tahun kemudian, tidak ada mobile robot telah ditunjukkanpencocokan semua aspek kinerja Shakey dilingkungan yang lebih umum, seperti o itu? lingkungan ce.Kamar-kamar yang dioperasikan Shakey adalah telanjang kecualiuntuk blok warna besar dan potongan. Hal ini membuatkelas obyek yang harus diwakili sangat sederhana.Dindingnya dari warna seragam, dan hati-hati dinyalakan,dengan pinggir karet gelap, membuat batas yang jelasdengan pemantik berwarnaoor. Ini berarti bahwa sangat sederhanadan kuat visi sudut bersegi tiga antara duadinding danoor, dapat digunakan untuk relocalizing yangrobot dengan tujuan untuk mengoreksi hanyut dalam robot odometricpengukuran. Blok dan potongan dicatdi? warna erent on di permukaan planar? erent. Ini memastikan17Try itu! Anda akan takjub melihat betapa buruk itu.

bahwa itu relatif mudah, khususnya di pencahayaan yang baikdisediakan, untuk nd tepi dalam memisahkan gambar permukaan,dan dengan demikian sehingga mudah untuk mengidentifikasi bentukpolyhedron tersebut. Blok dan potongan relatif jarangdi lingkungan, menghilangkan masalah karena sebagianhalangan-halangan. Realitas objektif lingkungandemikian cukup sederhana, dan pemetaan ke internalmodel realitas yang juga cukup masuk akal.Sekitar waktu yang sama di MIT demonstrasi besardipasang dari robot yang bisa melihat pemandangan yang terdiriblok ditumpuk, kemudian membangun salinan TKP

menggunakan lengan robot (lihat [Winston 72] | program inidikenal sebagai demo-copy). Program untuk melakukan ini adalahsangat Speci c ke dunia blok, dan tidak akanbekerja di hadapan objek melengkung sederhana, kasartekstur di blok, atau tanpa hati-hati dikendalikanpencahayaan. Namun demikian memperkuat gagasan bahwa lengkapdeskripsi tiga dimensi dunia bisadiekstraksi dari citra visual. Hal ini dilegitimasi karyalain, seperti [Winograd 72], yang program bekerjadalam membuat-percaya dunia blok | jika satu program bisadibangun yang dipahami dunia seperti yang benar-benar danbisa juga memanipulasi dunia itu, maka diasumsikanbahwa program yang dianggap abstraksi yang dapat diBahkan dihubungkan ke dunia nyata tanpa di besar? -culty. Masalah yang tersisa dari lambatnya programkarena ruang pencarian yang besar, tetapi seperti sebelumnya, komputer yang lebih cepatselalu hanya sekitar sudut.Masalah kunci yang saya lihat dengan semua pekerjaan ini (selaindari penggunaan pencarian) adalah bahwa hal itu didasarkan pada asumsibahwa dunia model yang lengkap dapat dibangun secara internaldan kemudian dimanipulasi. Contoh-contoh dari Roberts,melalui Shakey dan copy-demo semua sangat bergantung padasederhana dunia, dan situasi terkendali. Programmampu sebagian besar mengabaikan masalah-masalah yang tidak menyenangkan seperti sensorketidakpastian, dan tidak pernah benar-benar stres karenadikontrol dengan hati-hati kondisi persepsi. Tidak ada komputersistem visi dapat menghasilkan model dunia inidelity untuk apa pun mendekati kompleksitas realistisadegan dunia | bahkan objek pengakuan adalah aktif dandi? kultus daerah penelitian. Ada dua tanggapan untuk ini:(1) akhirnya visi komputer akan mengejar dan memberikanmodel dunia seperti | saya tidak percaya ini berdasarkanbukti-bukti biologis yang disajikan di bawah, atau (2) lengkapTujuan model realitas tidak realistis | dan karenanyametode Intelijen Arti finansial yang mengandalkan sepertimodel yang realistis.Dengan kenaikan abstraksi menarik untuk dicatatbahwa masih cukup teknologi di? kultus dapat terhubungke dunia nyata bagi kebanyakan Intelijen Arti finansialresearchers18. Sebagai contoh, [Barrow dan Salter 70]menggambarkan e orts di Edinburgh, seorang Arti utama Intelijen finansial?pusat, dapat terhubung penginderaan untuk bertindak, dan hasilnya

yang luar biasa primitif menurut standar sekarang | keduanyaMIT dan SRI memiliki e rekayasa besar? Orts dalam mendukung18It masih cukup di? Kultus bahkan hari ini. Ada sangat sedikitturnkey tersedia untuk pembelian sistem yang terhubung sen-sors ke komputer yang wajar, dan komputer yang wajar untukaktuator. Situasi tampaknya akan berkembang cepatNamun | kita juga mungkin hanya akan melangkah atas signi cantambang batas.kegiatan sukses mereka. [Moravec 81] berhubungan sedihkisah frustrasi dari awal tahun tujuh puluhan e? orts diStanford Arti Laboratorium Kecerdasan finansial untuk membangunmobile robot sederhana dengan input visual.Sekitar akhir tahun enam puluhan dan awal tujuh puluhan adapeningkatan dramatis dalam ketersediaan pengolahan komputerdaya yang tersedia untuk peneliti di cukup baikdilengkapi laboratorium. Tidak hanya itu ada peningkatan besarpada kecepatan pemrosesan dan memori fisik, tetapisistem pembagian waktu menjadi mapan. Seorang individupeneliti sekarang mampu bekerja terus menerusdan nyaman pada program tanpa tubuh yang dirancang untukpameran intelijen. Namun, koneksi ke riildunia tidak hanya di kultus dan? terlalu mahal, namunhambatan fisik menggunakan mereka dibuat pembangunandari 'cerdas' bagian dari sistem lambat oleh sekurangsedikitnya satu urutan besarnya, dan mungkin dua perintah, sebagaidibandingkan dengan kekuatan yang ditemukan baru timesharing. Thekomputer jelas mempunyai potensi untuk diuence modelpemikiran yang digunakan | dan pasti bahwa hipotesis tidakbertentangan dengan jenis pekerjaan mikro-dunia yang sebenarnyamelanjutkan.3.5 PengetahuanDengan ini dalam sejarah Intelijen Arti finansial,kecenderungan, asumsi, dan pendekatan telah menjadimapan. Tahun-tahun fteen terakhir telah melihatdisiplin gemuruh bersama di inersia lebih dari apa punlain. Terlepas dari baruirtation dengan sarafmodel (lihat bagian 3.8 di bawah) telah ada sangat sedikitperubahan dalam asumsi yang mendasari tentang modelpemikiran. Hal ini bertepatan dengan era yang sangat sedikitteknis inovasi dalam model yang mendasari kita perhitungan.

Untuk sisa bagian 3, aku lebih briey tinjauankemajuan yang dibuat selama bertahun-tahun fteen terakhir, dan menunjukkanbagaimana berhubungan dengan isu-isu mendasar situatednessdan perwujudan dibesarkan sebelumnya.Satu masalah dengan mikro-dunia adalah bahwa mereka agaktidak menarik. Dunia blok yang paling populermikro dunia dan ada sangat sedikit yang bisa dilakukandi dalamnya selain membuat tumpukan blok. SetelahUrry dariawal bekerja di mana khususnya 'masalah' di kultus? atau 'teka-teki'ditemukan dan kemudian dipecahkan (misalnya, [Sussman75]) menjadi lebih dan lebih di kultus untuk melakukan sesuatu?baru dalam domain tersebut.Ada tiga kelas tanggapan ini miskinmasalah ruang:? Pindah ke domain lain dengan semantik yang sama sederhana,tapi dengan lebih menarik daripada nama-nama cetakblok-a dll itu biasanya bukan maksud dari para penelitiuntuk melakukan hal ini, tetapi banyak sebenarnya tidak jatuh keperangkap ini. [Winograd dan Flores 86] mengekspos danmengkritik sejumlah saus seperti di babpada \ Memahami Bahasa ".? Membangun lebih kompleks semantik ke dalam blokdunia dan bekerja pada masalah-masalah baru yang muncul.Sebuah contoh yang agak heroik dari hal ini adalah [Fahlman 74]yang termasuk keseimbangan, blok multi-berbentuk, gesekan,dan sejenisnya. Masalah dengan pendekatan ini

adalah bahwa solusi ke 'teka-teki' menjadi begitu domainSpeci c bahwa sulit untuk melihat bagaimana mereka mungkingeneralisasi ke domain lain.? Pindah ke dunia yang lebih luas. Secara khusus, mewakilipengetahuan tentang dunia sehari-hari, dan kemudianmembangun pemecah masalah, sistem pembelajaran, dan sebagainya yangberoperasi di dunia ini lebih kaya semantis.Yang terakhir dari pendekatan ini telah melahirkan mungkinyang dikenali sub terbesar waktu tua dari Arti Intelijen finansial,dikenal sebagai Representasi Pengetahuan. Ia memiliki konferensi sendiri.Ini memiliki kamp teoretis dan praktis. Namun, itu

benar-benar lulus. Ini konsentrat banyak energinyapada pola anomali dalam sistem formal yang tidak pernahdigunakan untuk tugas-tugas praktis.[Brachman dan Levesque 85] adalah kumpulan kertasdi daerah tersebut. representasi pengetahuan sistem inimenggambarkan menerima input mereka baik dalam bentuk simbolis atausebagai output dari sistem bahasa alami. Tujuankertas tampaknya untuk mewakili 'pengetahuan' tentangdunia. Namun benar-benar lulus. Adaupaya sangat sedikit untuk menggunakan pengetahuan (simpan difisika naif [Hayes 85], atau kualitatif fisika [deKleer dan Brown 84] area | tetapi perhatikan bahwa daerah-daerahjuga adalah ungrounded). Ada sebuah asumsi implisitbahwa suatu hari nanti input dan output akan dihubungkanuntuk sesuatu yang akan menggunakan mereka (lihat [Brooks91a] untuk kritik awal dari pendekatan ini).Sementara itu, hasil bekerja dengan sangat sedikitmengarahkannya, dan banyak dari itu menyangkut masalah yang diproduksi olehagak sederhana-berpikiran upaya mewakili komplekskonsep. Untuk mengambil satu contoh, adabanyak halaman yang ditulis pada masalah penguin yangburung, meskipun mereka tidak bisay. Alasan bahwa inimasalah adalah bahwa sistem representasi pengetahuan yangdibangun di atas teknologi komputasi yangmembuat nyaman penggunaan individu yang sangat sederhana (Lispatom) dan hubungan menempatkan di antara mereka. Seperti yang ditunjukkandi [Brooks 90b], dan jauh sebelumnya dalam [Brooks 91a],seperti pendekatan sederhana tidak bekerja ketika sistemadalah secara fisik membumi melalui perwujudan. Initampaknya ada gunanya untuk mencoba menambal sistem yang dalamjangka panjang tidak mungkin bekerja. [Dreyfus 81] 19 menyediakansebuah kritik yang berguna gaya kerja.Mungkin puncak dari semuanya-pengetahuan-Pendekatan dapat ditemukan di [Lenat dan Feigenbaum 91]di mana mereka membahas dasar-dasar dari proyek 10 tahununtuk mengkodekan pengetahuan yang ruang lingkup ensiklopedia sederhana.Ini adalah benar-benar unsituated, dan benar-benar berwujudpendekatan. Semuanya sistem ini adalah untuk mengetahuiadalah melalui tangan-masuk unit 'pengetahuan', meskipunada harapan beberapa menyatakan bahwa nantinya akan dapatbelajar sendiri dengan membaca. [Smith 91] memberikan komentar

pada pendekatan ini, dan menunjukkan bagaimana awal tahunproyek telah dibuka untuk nding yang lebih primitiftingkat pengetahuan daripada yang sebelumnya dibayangkanuntuk grounding tingkat yang lebih tinggi pengetahuan. Ini adalah sayapendapat, dan juga Smith, bahwa ada fundamental19Endorsement beberapa pandangan Dreyfus 'tidak bolehsecara keseluruhan hati merangkul semua argumennya.masalah dan satu masih bisa mengharapkan regresi berlanjut sampaisistem ini memiliki beberapa bentuk perwujudan.3.6 RobotikaBagian 2 menjabarkan sejarah awal robot mobile.Ada beberapa perkembangan menarik atassepuluh tahun terakhir sebagai upaya telah dilakukan untuk mewujudkanbeberapa teori dari Intelijen Arti finansial secara mobilerobot. Dalam bagian ini saya briey meninjau beberapa hasil.Pada awal tahun delapan puluhan Pertahanan Advanced ResearchProjects Agency (DARPA) di Amerika Serikat, mensponsori utamadorong dalam membangun Otonomi Tanah Kendaraan. Thetugas awal untuk kendaraan itu untuk menjalankan sepanjang jalan beraspaldi siang hari dengan menggunakan visi sebagai rasa persepsi utama.The Rst upaya masalah ini (misalnya, [Waxman,Le Moigne dan Srinivasan 85]) mengikuti SMPAmetodologi. Idenya adalah untuk membangun tiga dimensidunia model jalan di depan, maka rencana jalan di sepanjangitu, termasuk kemudi dan penjelasan kecepatan kontrol.Pendekatan ini gagal karena tidak mungkin untuk memulihkanakurat jalan model tiga-dimensi dari visualgambar. Bahkan di bawah asumsi cukup kuat tentangkelas jalan yang mengikuti program akan menghasilkanludicrously salah hasil.Dengan tekanan untuk mendapatkan demonstrasi aktualkendaraan berjalan di jalan, dan memiliki semuaonboard pengolahan, perubahan radikal harus dibuat dipendekatan yang diambil. Dua tim terpisah datang denganpendekatan serupa, [Turki, Morgenthaler, Gremban,dan Marra 88] di Martin Marietta, pengintegrasiankontraktor, dan [Thorpe, Hebert, Kanade,dan Shafer 88] di CMU, peserta akademis utamadalam proyek, baik navigasi visi berbasis memproduksisistem. Kedua sistem koordinat dioperasikan dalam gambardaripada koordinat dunia, dan keduanya berhasil

mengendarai kendaraan sepanjang jalan. Tidak ada sistemmodel dunia dihasilkan tiga dimensi. Sebaliknya, baikjalan mengidentifikasi daerah ed di foto dan servo-ed kendaraanuntuk tinggal di jalan. Sistem dapat dicirikansebagai reaktif, terletak dan terwujud. [Horswill danBrooks 88] menggambarkan sistem vintage sejenis yangmengoperasikan mobile robot dalam ruangan bawah navigasi visual.Pergeseran pendekatan yang diambil pada kendaraan outdoordiharuskan oleh realitas teknologi yang tersedia,dan kebutuhan untuk mendapatkan hal-hal operasional.Meskipun pelajaran ini masih ada bias yang kuat untuk mengikutiArti finansial yang tradisional Intelijen SMPA pendekatanseperti dapat dilihat dalam pekerjaan di CMU di Amblerproyek. Tim yang sama yang mengadopsi reaktifpendekatan masalah jalan berikut ini telah dikembalikan kepemodelan rumit, kompleks, dan lambat dunia lengkappendekatan [Simmons dan Krotkov 91].3.7 VisiTerinspirasi oleh karya [Roberts 63] dan bahwa padaShakey [Nilsson 84], visi masyarakat telahkonten untuk bekerja pada masalah deskripsi adegan bagi banyaktahun. Maksud implisit adalah bahwa ketika penalaranArti Intelijen sistem finansial sudah siap,sistem visi akan siap untuk memberikan model dunia

diperlukan, dan dua bisa menjadi ketagihan bersama-sama untuk mendapatkanyang terletak, atau terwujud sistem.Ada banyak masalah dengan pendekatan ini, danterlalu sedikit ruang untuk memperlakukan mereka secara memadai dalam ruangkendala kertas ini. Isu mendasar adalah bahwaArti Kecerdasan finansial dan Computer Vision telah membuatasumsi bahwa tujuan dari visi adalah untuk merekonstruksidunia eksternal statis (dinamis dunia ituhanya harus melakukannya sering dan cepat) sebagai tiga dimensidunia model. Saya tidak percaya bahwa hal ini mungkindengan umum yang biasanya diasumsikan. SelanjutnyaSaya tidak berpikir itu perlu, dan tidak saya pikirbahwa itu adalah apa visi manusia tidak. Bagian 4 membahasbeberapa masalah ini sedikit lebih.3.8 Paralelisme

Paralel komputer sangat berpotensi di erent dari?Von Neumann mesin. Satu mungkin mengharapkan makaparalel model perhitungan akan menyebabkan fundamentaldi? model erent pemikiran. Cerita tentang paralelisme,dan diuence mesin paralel pada modelpemikiran, dan dalamuence model pemikiranpada mesin paralel memiliki dua potong setengah. TheRst sepotong muncul sekitar waktu dari awal cyberneticskerja, bagian kedua meledak di pertengahan tahun delapan puluhan dankita masih harus melihat semua korban. Potongan terakhir setengahtelah ditekan oleh model saat ini diperkirakanmengubah model paralelisme.Ada yang besarUrry kerja di akhir ftiesdan enam puluhan melibatkan perangkat ambang linier, umumnyadikenal sebagai perceptrons. Yang luar biasa dalam pekerjaan ini adalahdiwakili oleh [Rosenblatt 62] dan [Minsky dan Papert69]. Perangkat ini digunakan dalam analogi kasarneuron dan itu harus kabel ke jaringan yang dipelajariuntuk melakukan tugas tertentu, daripada harus diprogram.Mengatur bobot pada input perangkat inikira-kira setara dalam model untuk menyesuaikanbobot synaptic dimana akson terhubung ke dendrit dineuron nyata | ini saat ini dianggap sebagai kemungkinansitus yang paling belajar di dalam otak.Idenya adalah bahwa jaringan itu khusus dibedakaninput dan output. Anggota kelas polaakan disampaikan kepada input dan outputakan diberi kation diklasifikasikan benar. Yang di? Erenceantara respon yang benar dan respon aktualjaringan maka akan digunakan untuk memperbarui beban padamasukan dari masing-masing perangkat. Kekuatan utama yang mendorongbalik mekar dari waktu tua ini adalah perceptron inikonvergensi dalil yang menunjukkan bahwa sebuah parameter sederhanateknik penyesuaian akan selalu membiarkan perceptron tunggalbelajar diskriminasi jika ada ada satu setmampu membuat diskriminasi yang berat.Untuk membuat hal lebih mudah ditangani jaringan adalahsering terstruktur sebagai lapisan dari perangkat dengan koneksihanya antara lapisan yang berdekatan. Petunjuk dari koneksi

dikontrol dengan sangat ketat, sehingga tidak adaKomentar loop di jaringan dan bahwa ada alamiperkembangan dari satu lapisan tunggal yang kemudian akanlapisan input, dan satu lapisan akan menjadi output layer.Masalah dengan jaringan multi-layer adalah bahwa adaada cara yang jelas untuk memberikan kredit atau menyalahkanlapisan untuk pola kation diklasifikasikan benar atau salah.Dalam analisis formal yang dilakukan (misalnya,[Nilsson 65] dan [Minsky dan Papert 69]) hanyasingle layer perangkat yang bisa belajar, atau disesuaikan,pernah dianggap. [Nilsson 65] dalam bab-bab selanjutnyamemang mempertimbangkan mesin multi-layer, tetapi dalam setiap kasus, semuatapi satu lapisan yang terdiri dari perangkat statis dapat unmodi.Ada pekerjaan yang sangat sedikit pada analisis mesin denganumpan balik.Tak satu pun dari mesin ini adalah terutama terletak, atauterwujud. Mereka biasanya diuji pada masalah mengaturoleh peneliti. Ada banyak pelanggaran scientic Metode dalam tes | hasilnya tidak selalusebagai peneliti ditafsirkan mereka.Setelah publikasi [Minsky dan Papert 69],yang berisi banyak hasil negatif pada kemampuanmesin single layer, waktu tua itu tampak matiselama bertahun-tahun tentang fteen.Baru-baru ini telah terjadi kebangkitan di waktu tua yang mulaidengan publikasi [Rumelhart dan McClelland86].Pendekatan baru ini terinspirasi oleh sebuah pembelajaran barualgoritma dikenal sebagai cadangan propagasi ([Rumelhart,Hinton dan Williams 86]). Algoritma ini memberikanmetode untuk menentukan kredit dan menyalahkan di sepenuhnyamulti-layer komputer tanpa umpan balik. Individuperangkat lain di dalam lapisan telah linear tertimbanginput dan output fungsi di? erentiable, sigmoid sebuah,yang erat cocok dengan fungsi step, atau fungsi ambang.Jadi mereka hanya sedikit generalisasi sebelumnyaperceptrons, tetapi terus menerus dan di mereka? erentiablememungkinkan output bukit pendakian yang akan dilakukan yang memungkinkanyang akhirnya bertemu jaringan untuk dapat mengklasifikasikanmasukan tepat sebagai terlatih.Kembali propagasi memiliki sejumlah masalah, melainkan lambatuntuk belajar secara umum, dan ada tingkat belajar yang

perlu disetel dengan tangan dalam banyak kasus. E? Ect daritingkat belajar rendah adalah jaringan sering mungkin akanterjebak dalam minimum lokal. E? Dll dari sebuah perguruan tinggiTingkat adalah jaringan mungkin tidak pernah benar-benar menyatu sebagaiakan dapat melompat keluar dari minimum yang benar sebagaibaik karena dapat melompat keluar dari minimal salah. Inimasalah bergabung untuk membuat kembali propagasi, yanglandasan penelitian jaringan neural modern, nyamanuntuk digunakan dalam sistem yang terkandung atau berada.Pada kenyataannya, sebagian besar contoh-contoh dalam gelombang baru sarafjaringan belum berada atau terwujud. Adabeberapa tandingan (misalnya, [Sejnowksi dan Rosenberg87], [Atkeson 89] dan [Viola 90]) tetapi dalamutama mereka tidak didasarkan pada propagasi kembali. Yang palingsukses teknik pembelajaran terbaru untuk terletak, terwujud,mobile robot, belum didasarkan pada paralelalgoritma di semua | melainkan menggunakan penguat belajarAlgoritma seperti Q-learning ([Watkins 89]) seperti untukMisalnya, [Kaelbling 90] dan [Mahadevan dan Connell90].Salah satu masalah bagi jaringan saraf menjadi terletakatau terwujud adalah bahwa mereka tidak memiliki terjemahan sederhanake waktu bervariasi persepsi atau sistem tindakan pola.Mereka membutuhkan luas depan dan belakang untuk membekali mereka berakhiruntuk berinteraksi dengan dunia | semua contoh yang dikutip di atas

fitur tersebut telah menambahkan kepada mereka.Kedua gelombang penelitian neural network telah digembar-gemborkanoleh prediksi kematian dari semua bentuk lain dariperhitungan. Hal ini tidak terjadi dalam kedua kasus. Baikkali terjadi kereta musik e? ect dimana banyakorang telah mencoba menggunakan mekanisme yang telah menjadikelas yang tersedia untuk memecahkan banyak masalah, seringtanpa memperhatikan apakah masalah bahkan bisadiselesaikan pada prinsipnya oleh metode yang digunakan. Dalam kedua kasusantusiasme untuk pendekatan sebagian besar telah dirangsangoleh satu potongan teknologi, rst perceptron inipelatihan aturan, kemudian algoritma propagasi kembali.Dan sekarang untuk potongan setengah terakhir komputasi paralelcerita. Harapan utama untuk komputasi paralel

Arti membantu Intelijen finansial telah ConnectionMesin yang dikembangkan oleh [Hillis 85]. Ini adalah mesin SIMD,dan karena itu mungkin diperkirakan telah diterapkan secara terbatasuntuk kegiatan cerdas umum. Hillis, bagaimanapun,membuat kasus meyakinkan bahwa hal itu bisa digunakan untukbanyak algoritma yang berkaitan dengan representasi pengetahuan,dan bahwa hal itu akan mempercepat mereka, sering menjadikonstanta waktu algoritma. Buku menggambarkan pendekatanini menarik, dan sebenarnya pada halaman 4 dan 5 dari [Hillis85] penulis janji-janji untuk memecahkan hambatan Von Neumanndengan membuat semua silikon di mesin aktifmenghitung sepanjang waktu. Argumen disajikan bahwasebagian besar silikon dalam mesin Von Neumann dikhususkanke memori, dan sebagian besar yang tidak aktif sebagian besarwaktu. Ini adalah pendekatan baru yang berani, tapi belumselamat dari pasar. New model sambunganmesin memiliki kenangan lokal besar (dalam urutan64K bit) yang berasosiasi dengan setiap bit processor satu (adabisa sampai 64K prosesor dalam Machine Connection tunggal).Sekali lagi, sebagian besar silikon tidak aktif palingwaktu. Koneksi mesin yang digunakan dalam Arti -Intelijen finansial laboratorium sebagian besar untuk visi komputermana ada pemetaan yang jelas dari prosesor danBERITA mereka jaringan untuk piksel gambar digital standar.Arti Tradisional finansial Intelijen pendekatan sangat terikatuntuk mesin arsitektur tradisional mereka bahwa mereka telahsulit untuk memetakan semacam ini baru arsitektur.4 BiologiKami memiliki introspeksi kita sendiri untuk memberitahu kita bagaimana kita pikirankerja, dan pengamatan kita sendiri untuk memberitahu kita bagaimana perilakuorang lain dan karya hewan. Kami telahkita sendiri parsial teori dan metode explanation20.Terkadang, ketika sebuah observasi, internal atau eksternal,tidak t pra-konsepsi, kami lebih siapmenganggapnya sebagai sesuatu yang kita tidak mengerti, dan melakukantidak perlu memahami.Pada bagian ini saya akan skim selama hamburan terbarubekerja dari etologi, psikologi, dan neuroscience, dalame? ortir untuk menunjukkan bagaimana de efisien pemahaman kita sehari-hariperilaku sebenarnya. Hal ini penting untuk menyadarikarena tradisional Arti Intelijen finansial telah mengandalkan padaPaling tidak secara implisit, dan kadang-kadang secara eksplisit,

atas pemahaman kaum perilaku manusia dan hewan.Contoh yang paling umum adalah cerita tentang20See [Churchland 86] untuk diskusi psikologi rakyat.mendapatkan dari Boston ke California (atau sebaliknya), yangmendirikan analogi antara apa seseorang mentaldalam rangka Rencana perjalanan, dan sarana-ujung metodeperencanaan. Lihat [Setuju 91] untuk analisis yang lebih rincifenomena tersebut.4.1 EtologiEtologi, studi tentang perilaku hewan, mencoba untuk menjelaskansebagai penyebab, pengembangan, nilai hidup, dan evolusipola perilaku dalam binatang. Lihat [McFarland85] untuk pengenalan mudah untuk etologi modern.Mungkin etologis paling terkenal adalah Niko Tinbergen(Diikuti oleh rekan-rekan pemenang Nobel KonradLorenz dan Karl von Frisch). Nya heirarchical pandangan intelijen,dijelaskan dalam [Tinbergen 51], sering dikutipoleh para peneliti Arti Intelijen finansial untuk mendukung merekateori hirarki sendiri. Namun, pendekatan inidimaksudkan untuk menjadi sebuah teori neurobiologically masuk akal, tetapidigambarkan dalam ketiadaan bukti apapun. Tinbergenmodel sebagian besar telah digantikan dalam etologi modern olehteori motivasi, rasa malu kompetisi, dandominan dan sub-dominan perilaku.Tidak ada teori yang benar-benar bekerja di luar persisbagaimana keputusan dibuat untuk pola yang perilaku(Misalnya, minum atau makan) harus aktif dalam binatang.Sejumlah besar eksperimen memberikan bukti kompleksinternal dan eksternal feedback loop dalam penentuansesuai perilaku. [McFarland 88] menyajikan nomorpercobaan tersebut dan menunjukkan tantanganuntuk teori. Data percobaan telah dikesampingkansebelumnya hirarkis model seleksi perilaku, danteori saat berbagi banyak sifat-sifat umum denganperilaku berbasis pendekatan yang dianjurkan dalam tulisan ini.4.2 PsikologiCara di mana otak pekerjaan kami cukup tersembunyi darikita. Kami memiliki beberapa introspeksi, kita percaya, untuk beberapa aspekproses pikiran kita, tapi ada pastipersepsi dan motor daerah yang kami cukup penyok conkami tidak memiliki akses to21. Untuk menggoda tahu mekanismedi tempat kerja bisa kita lakukan setidaknya dua macam percobaan: kita

dapat menguji otak pada batas-batas amplop operasionaluntuk melihat bagaimana itu rusak, dan kita bisa mempelajari rusakotak dan mendapatkan sekilas di operasi yang sebelumnyakomponen yang terintegrasi. Bahkan, beberapa pengamatanmempertanyakan reliabilitas dari setiap dari kita sendiriintrospections.Ada banyak percobaan psikofisikmenguji batas persepsi visual manusia. Kita semuamenyadari ilusi optik yang disebut di mana kita visual aparattampaknya rusak. Persepsi jurnalteratur membawa makalah yang menunjukkan bahwa apa yang kita rasakanbukan apa yang kita lihat (misalnya, [Ramachandran danAnstis 85]). Sebagai contoh dalam gambar visual dari suatu melompatmacan tutul yang tempat yang dibuat untuk arti cially bergeraktentang, kami menganggap mereka semua sebagai individu berikut21This kontras dengan iseng populer di Arti Intelijen finansialdimana semua penalaran suatu sistem seharusnya tersediake sistem meta-penalaran, atau bahkan introspectively kesistem itu sendiri.

macan tutul. Model langsung dari persepsi manusiadiusulkan oleh [Marr 82], dan hampir secara universal diterimaoleh para peneliti visi Arti Kecerdasan finansial, tidaktidak memperhitungkan hasil seperti itu. Demikian juga sekarang jelasbahwa jalur warna yang terpisah dari intensitasjalur dalam sistem visual manusia, dan visi warna kamiadalah sesuatu dari illusion22. Kami tidak mengetahuiini ciencies de | kebanyakan orang tidak menyadari bahwa merekamemiliki titik buta di setiap mata ukuran gambarbulan | mereka benar-benar tidak dapat diakses kesadaran kita.Bahkan lebih mengejutkan, gagasan sangat kita kesadaranpenuh inkonsistensi | eksperimen psikofisik menunjukkanbahwa pengalaman kita tentangow waktu seperti yang kita amatihal di dunia ini adalah ilusi, seperti yang kita dapat sering secara sadarmelihat hal-hal dalam urutan temporal tidak konsistendengan dunia seperti yang dibentuk oleh suatu eksperimen (lihat[Dennett dan Kinsbourne 90] untuk peninjauan).Sekarang kita kembali pada otak yang rusak untuk mendapatkan sekilas dibagaimana mungkin hal terorganisir. Karya ini dapat lebih

akan neuropsikologi disebut. Ada tubuh besarliteratur mengenai hal ini dari mana kita hanya memilihhanya beberapa contoh di sini. Tujuannya adalah untuk menyorotfakta bahwa pendekatan yang diambil dalam Arti tradisional finansialIntelijen yang jauh di? Erent dari cara manusiaotak diatur.Pandangan umum di Intelijen Arti sosial, dan khususnyadi komunitas representasi pengetahuan, adalahbahwa ada sistem penyimpanan pusat yang menghubungkan bersamainformasi tentang konsep, individu, kategori,tujuan, niat, keinginan, dan apa pun yang mungkindibutuhkan oleh sistem. Secara khusus ada kecenderunganuntuk percaya bahwa pengetahuan tersebut disimpan dengan carayang independen dari cara atau keadaanyang diakuisisi.[McCarthy dan Warrington 88] (dan serangkaianmakalah sebelumnya oleh mereka dan rekan-rekan mereka) memberikan menyebabkankeraguan organisasi ini tampaknya logis. Mereka melaporkanpada individu tertentu (diidentifikasi sebagai TOB red), yang padausia lanjut mengembangkan cit de semantik dalam pengetahuanmakhluk hidup, tetapi masih mempertahankan pengetahuan yang cukuphal mati. Dengan sendirinya, ini terdengar sempurnamasuk akal | pengetahuan semantik hanya mungkin disimpandengan cara kategori Speci c, dan bagian animasi daripenyimpanan telah rusak. Tapi, itu terjadi TOB bahwamampu mengakses pengetahuan ketika, misalnya diaditunjukkan gambar lumba-lumba | ia mampu membentukkalimat menggunakan 'dolphin' kata dan berbicara tentang perusahaanhabitat, kemampuan untuk dilatih, dan perannya di ASmiliter. Ketika lisan bertanya apa lumba-lumba Namun,ia pikir itu baik sh atau burung. Dia tidak memilikiseperti conict dalam pengetahuan ketika subjek gerobak,mengatakan. Para penulis berpendapat bahwa sejak de cittidak lengkap, tetapi menunjukkan penurunan, hipotesisbahwa ada cit de dalam suatu jenis sensormodalitas akses ke subclass kategori tertentu dalamdatabase tunggal tidak valid. Melalui serangkaian lanjutpengamatan mereka berpendapat bahwa mereka telah menunjukkan buktiorganisasi modalitas-speci c makna, selain22See teknik yang digunakan dalam tren saat ini `coloriza-tion 'dari film klasik hitam dan putih untuk topi komersial

italization pada ciencies visual kita de.Speci kategori organisasi c. Jadi mungkin pengetahuandiduplikasi di banyak tempat, dan mungkin tidak berarti harusseragam diakses. Ada contoh di manapengetahuan terbukti tidak konsisten. Kami normal introspeksitidak mengungkapkan organisasi ini, dan akantampaknya bertentangan dengan penjelasan ini. Di bawah ini, kamimempertanyakan introspeksi normal kita.[Newcombe dan Ratcli? 89] menyajikan sebuah diskusi panjanggangguan visuospatial pada pasien otak rusak.Banyak dari model ini sangat pajak seseorang sebagaiagen rasional terpadu. Salah satu contoh sederhana merekalaporan adalah nger agnosia, di mana pasien mungkin cukupgangguan dalam cara ia dapat melaksanakan sadar sederhanatugas menggunakan ngers mereka, tetapi masih bisa melakukan hal-hal sepertibenang jarum, atau bermain piano dengan baik. Ini menunjukkanadanya saluran paralel kontrol, agakdari beberapa kotak nger kontrol terpusat, misalnya.[Teitelbaum, Pellis dan Pellis 90] merangkumpekerjaan yang menunjukkan bahwa tikus melibatkan tenaga nomorreongkos. Obat dapat digunakan untuk menutup o? banyak reongkossehingga tikus akan muncul tidak mampu bergerak. Hampirsemua rangsangan memiliki e tidak ect |? tikus itu hanya tetap dengan nyaanggota badan dalam apa pun guration con eksperimen telah diaturmereka. Namun rangsangan tertentu sangat speci c dapatmemicu rantai seluruh interaksi kompleks motor |misalnya, memiringkan permukaan yang kaki tikus sedang beristirahatke titik di mana tikus mulai geser akan menyebabkantikus untuk melompat. Ada juga merupakan popularisasi terbarukarya [74 Kantong] yang menunjukkan gejala yang sama,dalam agak kurang mengerti detail, bagi manusia.Sekali lagi, sulit untuk menjelaskan hasil-hasil dalam hal yang terpusatakan | agak interpretasi dari beberapa hampirlembaga independen seperti dihipotesiskan oleh [Minsky86] tampaknya penjelasan yang lebih baik.Mungkin set paling luar biasa hasil darisplit otak pasien. Hal ini telah menjadi pengetahuan umumbahwa kita semua memiliki otak kiri dan otak kanan, tapipada pasien yang corpus callosum telah rusak merekabenar-benar menjadi otak operasional terpisah di masing-masing

hak [Gazzaniga dan LeDoux 77].Melalui eksperimen cermat dimungkinkan untuk mandiriberkomunikasi dengan dua otak, visualdengan baik, dan secara lisan dengan kiri. Dengan membuat percobaandimana satu sisi tidak memiliki akses keinformasi yang dimiliki oleh pihak lain, sangat mungkinuntuk mendorong keras pada mekanisme introspeksi. Ternyatabahwa setengah bodoh lebih memilih untuk mengarang penjelasanuntuk apa yang sedang terjadi, daripada mengakui kebodohan.Ini adalah orang normal (kecuali otak mereka dipotong disetengah), dan tampaknya bahwa mereka dengan tulus percaya terletakmereka mengatakan, sebagai hasil dari confabulations dihasilkanselama introspeksi. Satu harus mempertanyakan maka biasaintrospeksi yang berlangsung pada saat otak kitautuh.Apa gunanya semua ini? Tradisional Arti-Kecerdasan finansial model representasi dan organisasisepanjang garis terpusat tidak bagaimana orang-orang dibangun.Arti Tradisional finansial Intelijen metode pastitidak perlu untuk intelijen itu, dan sejauh ini mereka memilikitidak benar-benar dibuktikan su? efisien di terletak,terwujud sistem. Organisasi manusia adalah

oleh su? nition de efisien |? itu tidak diketahui sama sekali apakahakan berubah menjadi diperlukan. Intinya adalah bahwa kitatidak bisa membuat asumsi kebutuhan dalam pendekatan baik.Yang terbaik yang kita dapat berharap untuk melakukan untuk sementara diSetidaknya, adalah untuk menunjukkan bahwa pendekatan beberapa adalah su? efisien untuk menghasilkanmenarik intelijen.4.3 NeurosciencePemahaman kerja otak antara Arti finansialIntelijen peneliti tampaknya bahwa itu adalah listrikmesin listrik dengan input dan output kesensor dan aktuator tubuh. Satu dapat melihat asumsi inidibuat eksplisit, misalnya, dalam ksi danspekulatif penulisan Arti profesional Intelijen finansialpeneliti seperti [81 Dennett] dan [Moravec 88].Pandangan ini, dan pengurangan lebih lanjut, mengarah ke sangat sederhanamodel otak yang digunakan dalam connectionism ([Rumelhart

dan McClelland 86]).Pada kenyataannya, otak itu diwujudkan dengan banyaklebih serius kopling. Otak terletak di suphormon, bahwa dalamuences dalam kuat mungkincara. Ini menerima pesan dikodekan hormon, danmengirimkan pesan sehingga disandikan seluruh tubuh. Kamielectrocentrism, berdasarkan pada model elektronik kami komputasi,telah membawa kita untuk mengabaikan aspek-aspek dalam kitamodel informal neuroscience, tetapi hormon memainkankuat, hampir mendominasi, peran dalam menentukan perilakudi kedua hewan sederhana ([Kravitz 88]) dan lebih tinggi([Bloom 76]) 23.sistem biologis Real tidak agen rasional yangmengambil masukan, hitung secara logis, dan menghasilkan output.Mereka mengacaukan mekanisme yang bekerja di berbagaicara, dari yang muncul perilaku yang kitamengamati dan merasionalisasi. Kita bisa melihat ini dengan lebih detaildengan melihat baik di tingkat komputasi individu,dan pada tingkat organisasi otak.Kami tidak benar-benar tahu bagaimana perhitungan dilakukan padatingkat terendah di otak. Ada perdebatan mengenai apakahneuron adalah unit fungsional dari sistem saraf,atau apakah neuron tunggal dapat bertindak sebagai banyak independenkecil unit ([Cohen dan Wu 90]). Namun,kita tahu bahwa sinyal disebarkan sepanjang aksondan dendrit pada kecepatan sangat rendah dibandingkan dengan elektronikkomputer, dan bahwa ada penundaan penyeberangan signi cantsinapsis. Biasa perkiraan untuk komputasikecepatan sistem saraf tidak lebih dari sekitar 1 Kilo-Hertz. Ini berarti bahwa perhitungan yang terjadi padamanusia untuk e? tindakan ect dalam kisaran subsecond harus pergimelalui hanya jumlah yang sangat terbatas langkah pengolahan |jaringan tidak bisa sangat mendalam untuk mendapatkan bermaknahasil yang keluar pada rentang waktu yang rutin terjadiuntuk banyak pemikiran manusia. Di sisi lain, jaringantampaknya sangat kaya tersambung, dibandingkan dengankoneksi lebar baik sistem elektronik kita, atau kitakoneksionis model. Untuk makhluk sederhana beberapa motor23See [Bergland 85] untuk sejarah teori dari otak,dan bagaimana mereka berada diuenced oleh teknologi saat ini

tersedia untuk memberikan kekuatan penjelas. Sayangnya inibuku dirusak oleh kurangnya sendiri penulis pemahaman tentangperhitungan yang mendorongnya untuk memberhentikan aktivitas listrikotak sebagai sangat tidak relevan dengan proses pemikiran.neuron yang terhubung ke puluhan persen dari yang lainneuron pada hewan. Untuk mamalia neuron motorbiasanya dihubungkan ke 5.000 dan beberapa neuron pada manusiatersambung ke sebanyak 90.000 neuron lain([Churchland 86]).Untuk satu elegans binatang yang sangat sederhana Caenorhabditis, sebuahnematoda, kami memiliki diagram pengkabelan lengkap sarafsistem, termasuk tahap perkembangannya ([Wood88]). Dalam hermaprodit terdapat 302 neuron dan56 dukungan sel dari total hewan dari 959 sel.Pada pria terdapat 381 neuron dan sel 92 dukungankeluar dari total 1031 sel. Meskipun anatomidan perilaku makhluk ini baik dipelajari, danaktivitas neuronal baik diselidiki, cara di manasirkuit kontrol sifat binatang tidak dipahamisangat baik sekali.Mengingat bahwa bahkan hewan sederhana belum dipahamiseseorang tidak bisa berharap untuk memperoleh wawasan lengkap ke dalambangunan Intelijen Arti finansial dengan melihat gugupsistem binatang yang kompleks. Kami bisa, bagaimanapun, mendapatkan wawasanke dalam aspek perilaku cerdas, dan beberapa petunjuktentang sistem sensorik dan sistem motor.[Wehner 87] misalnya, memberikan wawasan besar kecara di mana evolusi telah dipilih untuk sensorneurologicalkopling dengan lingkungan yang dapatsangat khusus. Dengan memilih sensor yang tepat, hewansering dapat bertahan dengan pengolahan neurologis sangat sedikit,untuk mengekstrak informasi yang tepat hanyatentang di sini dan sekarang di sekitar mereka, untuk tugas ditangan. Kompleks bangunan dunia model tidak mungkinmengingat keterbatasan sensor ', dan tidak diperlukan ketikamakhluk adalah tepat berada.[Cruse 90] dan [G? Otz dan Wenking 73] memberikan wawasanbagaimana cara kerja hewan, berdasarkan pemahamanpada tingkat primitif dari sirkuit neurologis mereka.Ini macam petunjuk dapat membantu kami saat kami mencoba untuk membangun berjalan{robot untuk contoh-contoh neuroethology komputasi sepertilihat [Brooks 89] dan [Beer 90].

Petunjuk ini dapat membantu kita membangun sistem finansial yang lebih baik arti,tetapi dengan sendirinya mereka tidak memberikan kita dengan penuhteori.5 IdeSebelumnya kita situatedness ed diidentifikasi, perwujudan, kecerdasan,dan munculnya, dengan seperangkat ide kunci yang memilikimenyebabkan gaya baru penelitian Intelijen Arti finansialyang kami panggil perilaku berbasis robot. Dalam bagian iniAku menjelaskan pada empat topik ini lebih terinci.5.1 SituatednessIntelijen Tradisional Arti finansial telah mengadopsi gayapenelitian dimana agen yang dibangun untuk menguji teoridalam kecerdasan pada dasarnya masalah penyelesai yang bekerjadalam domain diabstraksikan simbolis. Simbol mungkinmemiliki referen dalam benak para pembangun sistem,tetapi tidak ada ke tanah mereka referen dalam setiap nyatadunia. Selanjutnya, para agen tidak terletak didunia sama sekali. Sebaliknya mereka diberikan masalah, dan merekamengatasinya. Kemudian, mereka diberikan masalah lain dan merekamengatasinya. Mereka tidak berpartisipasi dalam dunia seperti yang akanagen dalam arti biasa.

]

Dalam sistem ini tidak ada dunia luar per se,dengan kontinuitas, kejutan, atau sejarah yang sedang berlangsung. Programhanya berurusan dengan dunia model, dengan builtin sendirifisika. Ada mengaburkan antara pengetahuandari agen dan dunia itu seharusnya beroperasidalam | memang di banyak sistem finansial Arti Intelijentidak ada perbedaan antara kedua | agen memilikiakses terhadap persepsi langsung dan sempurna, dan langsung dansempurna tindakan. Ketika pertimbangan diberikan kepada portagen atau sistem untuk beroperasi di dunia, pertanyaantimbul seperti apa representasi yang mereka butuhkan darinyata dunia. Selama bertahun-tahun dalam Arti tradisional finansialIntelijen, telah menjadi menerima bahwa mereka akan memerlukanmodel tujuan dunia dengan entitas terindividuasi,dilacak dan mengidentifikasi ed dari waktu ke waktu | modelrepresentasi pengetahuan yang telah dikembangkan harapkandan memerlukan seperti korespondensi satu-ke-satu antaradunia dan representasi agen itu.

Awal robot seperti Shakey dan tentu Keranjangmengikuti pendekatan ini. Mereka membangun modeldunia, jalur direncanakan sekitar hambatan, dan diperbaharuimereka perkiraan dimana objek tersebut relatif terhadap diri mereka sendirisaat mereka bergerak. Kami mengembangkan di? Pendekatan erent[Brooks 86] mana robot selular yang digunakan dunia sebagai nyamodel sendiri | terus mengacu sensor yang agakdaripada model dunia internal. Masalah objekkelas dan identitas menghilang. Pengolahan persepsimenjadi lebih sederhana. Dan kinerjarobot lebih baik dalam tugas-tugas yang sebanding daripadaCart24, dan dengan perhitungan jauh lebih sedikit, bahkan memungkinkanuntuk di? modalitas penginderaan erent.[Setuju 88] dan [Chapman 90] diformalkan ide-ide inidalam argumen mereka untuk deictic (atau indexical-fungsionalinkarnasi sebelumnya) representasi. Alih-alih memilikirepresentasi entitas individu di dunia,sistem memiliki representasi dalam hal hubungandari entitas untuk robot. Hubungan inibaik spasial dan fungsional. Misalnya dalam Pengi [Setujudan Chapman 87], daripada lihat Bee-27 sistemmengacu pada-lebah-yang-adalah-mengejar-saya-sekarang. Yang terakhirmungkin atau tidak mungkin lebah yang sama yang mengejarrobot dua menit sebelumnya | tidak masalah untuktugas tertentu di mana robot bergerak.Saat ini gaya representasi yang digunakan adalah mungkinuntuk membangun sistem komputasi yang perdagangan o? komputasikedalaman untuk lebar komputasi. Idenya adalahbahwa perhitungan dapat diwakili oleh jaringangerbang, timer, dan elemen negara. Jaringan tidaktidak perlu jalan panjang dari input (sensor) untuk output(Aktuator). Setiap perhitungan yang mampu menjadidilakukan adalah dilakukan dalam rentang waktu yang sangat singkat. Adalain pendekatan yang serupa alamat dibatasi waktuperhitungan masalah, yaitu pendekatan rasionalitas dibatasi[Russell 89]. Pendekatan-pendekatan mencoba memerasArti tradisional finansial Intelijen sistem ke yang dibatasijumlah perhitungan. Dengan pendekatan baru kita cenderungdatang dari arah lain, kita mulai dengan sangat sedikitperhitungan dan membangun jumlah, sambil tetap24The tugas yang dilakukan oleh robot ini rst, Allen, adalah sebuahdi? kelas erent dari yang dicoba oleh Shakey. Shakey bisa

pasti tidak telah melaksanakan tugas-tugas yang Allen lakukan.jauh dari batas perhitungan yang memakan waktu terlalupanjang. Sebagai perhitungan lebih perlu ditambahkan adakecenderungan untuk menambahkannya di luasnya (memikirkan perhitungansebagai diwakili oleh sirkuit yang kedalamanpanjang jalan terpanjang di gerbang dari input ke output)daripada kedalaman.Agen terletak harus merespon secara tepat waktu untuknya masukan. Modeling dunia sepenuhnya di bawah inikondisi dapat komputasi menantang. Tapidunia yang terletak juga memberikan kontinuitaskepada agen. kontinuitas Itu dapat diandalkan,sehingga agen dapat menggunakan persepsi dunia sebagai gantinyadari model dunia objektif. The representasionalprimitif yang berguna kemudian berubah cukup drastisdari mereka yang Intelijen Arti tradisional finansial.Ide kunci dari situatedness adalah:Dunia model sendiri yang terbaik.Perwujudan 5.2Ada dua alasan bahwa perwujudan cerdassistem sangat penting. Pertama, hanya terwujud cerdasagen sepenuhnya divalidasi sebagai salah satu yang dapat menanganinyata dunia. Kedua, hanya melalui landasan fisikdapat setiap sistem simbolik atau internal nd tempatbawah keluar, dan memberi 'arti' untuk pengolahan akandi dalam sistem.Landasan fisik robot dalam pasukan duniadesainer untuk menangani semua masalah. Jika cerdasagen memiliki tubuh, memiliki sensor, dan aktuator, makasemua rincian dan isu-isu berada di dunia harusdihadapi. Hal ini tidak mungkin lagi untuk berdebat dalam makalah konferensi,bahwa sistem perseptual disimulasikan adalah realistis, ataubahwa masalah-masalah ketidakpastian dalam tindakan tidak akan signifikan.Sebaliknya, percobaan fisik dapat dilakukan dengan sederhanadan berulang kali. Tidak ada ruang untuk cheating25. Ketikaini dilakukan adalah biasa untuk nd bahwa banyak masalahsigni cant yang tampak tidak begitu dalam fisiksistem (situasi seperti 'puzzle' biasanya mana simbolikpenalaran tampaknya cenderung tidak perlu timbul di terwujudsistem), dan banyak yang sepertinya tidak menjadi masalahrintangan utama (biasanya aspek kepedulian dari inipersepsi dan tindakan) 26.

Masalah yang lebih dalam adalah \ ada bisa tanpa tubuhpikiran ".? Banyak yang percaya bahwa apa yang manusia tentang kitasangat langsung berhubungan dengan pengalaman fisik kita. Misalnya[Johnson 87] berpendapat bahwa sejumlah besar kamibahasa sebenarnya metafora yang berkaitan dengan fisik kitakoneksi ke dunia. mental kita 'konsep' adalahberdasarkan eksemplar fisik berpengalaman. [Smith 91]menunjukkan bahwa tanpa landasan fisik bisa adatidak menghentikan untuk meregresikan dalam sistem berbasis pengetahuanseperti mencoba untuk alasan tentang pengetahuan dunia nyata seperti25I berarti ini dalam arti menyebabkan diri-angan, tidak dalamrasa salah melakukan dengan niat.26In Bahkan, ada beberapa ruang untuk kecurangan sebagai fisiklingkungan dapat Simpli ed khusus untuk robot | dansebenarnya itu mungkin sangat keras dalam beberapa kasus untuk mengidentifikasi sepertidelusi diri. Dalam beberapa proyek penelitian, mungkin perluuntuk menguji kelas tertentu aktivitas robot, dan karena itumungkin diperlukan untuk membangun lingkungan pengujian untuk robot.Ada ne dan di? Kultus ke garis de ne bisa ditarik di sini.15

seperti yang terkandung dalam sebuah ensiklopedia (misalnya, [Lenat danFeigenbaum 91]).Tanpa partisipasi berkelanjutan dan persepsidunia tidak ada artinya untuk agen. Semuanyaadalah simbol acak. Argumen bisa dibuat bahwa padabeberapa tingkat abstraksi bahkan pikiran manusia beroperasidalam posisi solipsist. Namun, bukti biologis(Lihat bagian 4) menunjukkan bahwa pikiran manusia sambunganuntuk dunia ini begitu kuat, dan banyak segi, yangini abstraksi filosofis mungkin tidak benar.Ide kunci dari perwujudan adalah:Dunia alasan kemunduran.5.3 Intelijen[Brooks 91a] berpendapat bahwa jenis kegiatan kita biasanyaanggap sebagai menunjukkan kecerdasan pada manusiatelah mengambil tempat untuk hanya sebagian sangat kecildari garis keturunan evolusi kita. Selanjutnya, saya berpendapat bahwa'Sederhana' untuk melakukan sesuatu dengan persepsi dan mobilitas dalamlingkungan yang dinamis mengambil evolutionmuch lebih lama untuk sempurna,dan bahwa semua kemampuan merupakan kebutuhan dasaruntuk 'tingkat yang lebih tinggi' intelek.

Oleh karena itu, saya mengusulkan melihat hewan sederhana sebagaibottom-up model intelijen bangunan. Ini akan segera jelas,'Penalaran' kapan dilucuti sebagai perdanakomponen kecerdasan robot, bahwa dinamikainteraksi antara robot dan lingkungan perusahaan utamafaktor-faktor penentu struktur intelijennya.Sebelumnya, [Simon 69] telah membicarakan titik serupa disegi semut berjalan di sepanjang pantai. Ia mencontohkanbahwa kompleksitas perilaku semut lebih merupakankembaliection kerumitan lingkungannya daripada yangkompleksitas internal sendiri. Ia berspekulasi bahwa hal yang samamungkin benar manusia, tetapi dalam waktu dua halaman tekstelah mengurangi mempelajari perilaku manusia pada wilayahkripto-aritmatika masalah.Sulit untuk menarik garis pada apa yang intelijen, danapa yang interaksi lingkungan. Dalam arti tidakterlalu penting yang mana, karena semua sistem cerdasharus terletak di dunia beberapa atau lainnya jika mereka inginmenjadi entitas berguna.Ide kunci dari intelijen adalah:Kecerdasan ditentukan oleh dinamikainteraksi dengan dunia.5.4 MunculnyaDalam membahas di mana intelijen berada dalam Arti finansialIntelijen Program [Minsky 61] menunjukkan bahwa \ adapernah ada 'hati' dalam sebuah program "dan \ kita nd tidak masuk akalloop dan urutan operasi sepele ". Sulittitik pada komponen tunggal sebagai pusat kecerdasan.Tidak ada homunculus. Sebaliknya, kecerdasan munculdari interaksi komponen sistem.Cara yang muncul, bagaimanapun, adalah sangat di? ErentIntelijen Arti tradisional dan perilaku berbasis finansialsistem.Dalam Intelijen Arti tradisional finansial modul yangadalah de ned adalah pengolahan informasi, atau fungsional.Biasanya modul ini mungkin modul persepsi,seorang perencana, pembuat model dunia, pelajar, dll Komponenlangsung berpartisipasi dalam fungsi seperti mengamati,perencanaan, pemodelan, belajar, dll perilaku Intelligentdari sistem, seperti menghindari rintangan, berdiri,mengendalikan pandangan, dll, muncul dari interaksi antarakomponen.Dalam Intelijen Arti perilaku berbasis finansial modulyang de ned adalah perilaku memproduksi. Biasanya inimodul mungkin sebuah perilaku menghindari rintangan, sebuah

berdiri perilaku, sebuah pandangan perilaku kontrol, dllkomponen langsung berpartisipasi dalam memproduksi perilakuseperti menghindari rintangan, berdiri, mengontrol tatapan,dll Intelligent fungsionalitas dari sistem, seperti persepsi,perencanaan, pemodelan, belajar, dll, muncul dariinteraksi komponen.Meskipun hal ini dualisme antara tradisional danperilaku berbasis sistem terlihat cantik itu tidak sepenuhnyaakurat. sistem tradisional hampir tidak pernah benar-benarterhubung ke dunia, sehingga munculnyaperilaku cerdas adalah sesuatu yang lebih dari harapandalam banyak kasus, bukan fenomena yang ditetapkan.Sebaliknya, karena banyak perilaku hadir dalamperilaku berbasis sistem, dan dinamika masing-masing dariinteraksi dengan dunia, seringkali sulit untuk mengatakan bahwaserangkaian tindakan tertentu dihasilkan oleh tertentuperilaku. Kadang-kadang banyak perilaku beroperasisecara bersamaan, atau berpindah cepat [Horswill danBrooks 88].Selama bertahun-tahun telah terjadi banyak bekerja padamunculnya berdasarkan tema self-organisasi (misalnya,[Nicolis dan Prigogine 77]). Dalam perilaku berbasisrobot ada mulai akan bekerja di lebih baik karakteristikmuncul fungsi, tetapi masih di awaltahap, misalnya, [Baja 90a]. Dia de nes sebagai berarti bahwafungsi dicapai \ tidak langsung oleh interaksilebih primitif komponen di antara mereka sendiri dan dengandunia ".Sulit untuk mengidentifikasi kursi intelijen dalam setiapsistem, sebagai kecerdasan dihasilkan oleh interaksibanyak komponen. Intelijen hanya bisa ditentukanoleh perilaku total sistem dan bagaimana perilaku yangmuncul dalam kaitannya dengan lingkungan.Ide kunci dari munculnya adalah:Intelijen adalah dalam mata pengamat.6 PemikiranSejak tahun 1984 akhir saya telah membangun autonomous mobilerobot di 'Lab Mobot' di MIT Arti finansial IntelijenLaboratorium; [Brooks 86] memberikan ide-ide yang asli,dan [Brooks 90b] berisi ringkasan terbaru dari kemampuandari robot yang dikembangkan di laboratorium saya selamabertahun-tahun.Pekerjaan saya ts dalam kerangka yang dijelaskan di atasdalam hal situatedness, perwujudan, kecerdasan danmunculnya. Secara khusus saya telah menganjurkan situatedness,perwujudan, dan arsitektur sangat reaktif tanpa

penalaran sistem, tidak mewakili dimanipulasi, tidak adasimbol, dan benar-benar perhitungan desentralisasi. Inimodel di erent? perhitungan telah menyebabkan sangat berbedamodel pemikiran.Saya telah dituduh melebih-lebihkan kasus yangpendekatan baru adalah semua yang diperlukan untuk membangun benar-benar di-16

telligent sistem. Ia bahkan telah menyarankan bahwa sebagaipenginjil Saya dengan sengaja dibesar-besarkan kasus saya untuk menarikorang terhadap tingkat keyakinan yang benar, dan yang benar-benarselama ini, saya tahu bahwa pendekatan hibridadiperlukan.Itu bukan apa yang saya percaya. Saya berpikir bahwa pendekatan barudapat diperpanjang untuk menutupi seluruh cerita, baikberkaitan dengan bangunan sistem cerdas dan pemahamankecerdasan manusia | dua tujuan utamaed untuk Intelijen Arti finansial pada awal identifikasikertas.Apakah saya benar atau tidak adalah pertanyaan empiris.Multiple Intelligence Arti pendekatan finansial akan terusuntuk dikejar. Pada titik tertentu kita akan dapatmengevaluasi pendekatan mana yang telah lebih berhasil.Pada bagian ini saya ingin menguraikan dasar-dasar filosofispekerjaan saya, dan mendiskusikan mengapa saya percayaPendekatan adalah salah satu yang akan pada akhirnya akan membuktikan dominan.6.1 PrinsipSemua penelitian berlangsung dalam batasan tertentuprinsip-prinsip. Kadang-kadang eksplisit, dan kadang-kadangmereka adalah implisit. Dalam paragraf berikut saya garis besaryang secara eksplisit sebagai prinsip-prinsip saya bisa diikuti.Para Rst serangkaian prinsip de nes domain untukbekerja.? Tujuannya adalah untuk studi paripurna terpadu cerdasagen otonom.? Para agen harus diwujudkan sebagai mobile robot,terletak di dunia ed unmodi ditemukan di sekitar kitalaboratory27. Ini menghadapi masalah perwujudan.Lingkungan yang dipilih adalah untuk kemudahan,meskipun kami sangat menahan godaan

untuk mengubah lingkungan dengan cara apapun untukrobot.? Robot harus beroperasi sama baiknya ketika pengunjung,atau pembersih, berjalan melalui kerja mereka,ketika mebel ulang, ketika pencahayaan ataulain kondisi lingkungan berubah, dan ketikamereka sensor dan aktuator melayang di kalibrasi.Ini menghadapi isu situatedness.? Robot harus beroperasi pada skala waktu sepadandengan skala waktu yang digunakan oleh manusia. Initerlalu menghadapi isu situatedness.Speci c model perhitungan yang digunakan pada awalnya tidakberdasarkan model biologis. Ini adalah salah satu tiba didengan terus kembali ning upaya untuk program robot untukreaktif menghindari tabrakan di lingkungan orang-padat,[Brooks 86]. Sekarang, bagaimanapun, dalam menyatakan prinsip-prinsipdigunakan dalam model perhitungan, jelas bahwaitu saham properti tertentu dengan model neurologis bagaimanasistem diatur. Adalah penting untuk menekankanbahwa hanya saham properti tertentu. Kami modelkendala 27This telah tergelincir sedikit baru-baru ini seperti kitabekerja pada bangunan prototipe penemu planet kecil berkaki([Angle dan Brooks 90]). Kami telah membangun pur khususberpose lingkungan untuk robot | sebuah lu fisik simulasi-nar permukaan.perhitungan tidak dimaksudkan sebagai model yang realistisbagaimana sistem kerja saraf. Kami menyebutnya perhitungan kamimodel arsitektur subsumption dan tujuannyaadalah program cerdas, terletak, agen terwujud.prinsip kami perhitungan adalah:? Perhitungan ini disusun sebagai jaringan asynchronouselemen komputasi yang aktif (merekamesin negara ditambah nite | lihat [Brooks 89]untuk details28), dengan topologi jaringan xed searahkoneksi.? Pesan yang dikirim melalui koneksi tidak implisitsemantik | mereka adalah sejumlah kecil (biasanya 8 atau16 bit, namun pada beberapa robot hanya 1 bit) dan merekamakna tergantung pada dinamika yang dirancangke pengirim dan penerima.? Sensor dan aktuator yang terhubung ke jaringan ini,biasanya melalui asynchronous dua sisi

bu? ers.Prinsip-prinsip ini mengakibatkan konsekuensi tertentu. Secara khusus:? Sistem ini tentu dapat memiliki negara | itu sama sekali tidaksemua terkendala menjadi murni reaktif.? Pointer dan struktur data dimanipulasi sangatsulit untuk menerapkan (karena model ini Turingsetara tentunya mungkin, namun tidak dalamsemangat).? Setiap ruang pencarian harus cukup dibatasi dalam ukuran, sebagainode pencarian tidak dapat dibuat secara dinamis danhancur selama proses pencarian.? Tidak ada pemisahan implisit data dan komputasi,mereka berdua didistribusikan ke yang samajaringan elemen.Dalam mempertimbangkan pengamatan biologis yang diuraikan dalambagian 4, sifat tertentu tampak senilai menggabungkandalam cara di mana robot yang diprogram dalamdiberikan model perhitungan. Dalam semua robot dibangun padalaboratorium mobot, prinsip-prinsip berikut organisasiintelijen telah diamati:? Tidak ada model pusat dipertahankan dunia.Semua data didistribusikan lebih banyak komputasielemen.? Tidak ada lokus pusat kontrol.? Tidak ada pemisahan ke dalam sistem persepsi, pusatsistem, dan sistem aktuasi. Potonganjaringan dapat melakukan lebih dari satu fungsi ini.Lebih penting lagi, ada intim terjalinaspek dari ketiga mereka.? Kompetensi perilaku sistem diperbaikioleh jaringan c addingmore perilaku-Speci untukjaringan yang ada. Kami menyebutnya proses layering.Ini adalah analogi sederhana dan mentah untuk evolusipembangunan. Seperti dengan evolusi, pada setiap tahap28For kenyamanan pemrograman kita menggunakan tingkat yang lebih tinggi-abKeterbatasan yang dikenal sebagai Bahasa Perilaku, didokumentasikan dalam[Brooks 90c]. Ia menyusun ke jaringan mesinseperti dijelaskan di atas.17

pembangunan sistem diuji | sepertievolusi ada proses debugging lembut tersedia.Setiap lapisan adalah perilaku yang memproduksisepotong jaringan dalam dirinya sendiri, meskipun mungkinimplisit mengandalkan kehadiran sebelumnya potongan jaringan.? Tidak ada pengaturan hirarkis | yaitu, adatidak ada gagasan satu proses meminta sebagai sebuah sub rutin lain.Sebaliknya jaringan dirancang sehinggaPerhitungan diperlukan hanya akan tersedia padabaris input yang sesuai bila diperlukan. Adatidak ada sinkronisasi eksplisit antara produsen dankonsumen pesan. Penerimaan pesan bu? Ersbisa ditimpa oleh pesan baru sebelum konsumentelah melihat yang lama. Hal ini tidak lazimuntuk produsen pesan untuk mengirim 10 pesan untuk setiapsatu yang diperiksa oleh penerima.? Lapisan, atau perilaku, semua berjalan secara paralel. Adamungkin perlu menjadi conict mekanisme resolusiketika di perilaku erent? mencoba memberikan di? actuator erentperintah.? Dunia sering kali merupakan media komunikasi yang baikuntuk proses, atau perilaku, dalam robot tunggal.Harus jelas bahwa prinsip-prinsip ini sangat berbedadengan yang kita sudah terbiasa menggunakanseperti yang kita program Von Neumann mesin. Hal ini tentumemaksa programmer untuk menggunakan gaya di erent? organisasiuntuk program-program mereka untuk intelijen.Ada juga selaluuences mengenai pendekatan untukbangunan berpikir mesin yang berada di luar kerajaanc murni logika atau scienti pikir. Berikut ini,mungkin sewenang-wenang, prinsip juga memiliki diuencepada organisasi intelijen yang telah digunakan diMobot Lab robot:? Sebuah keputusan dibuat sejak awal bahwa semua perhitunganharus dilakukan onboard robot. Ini sangatbahwa robot dapat berjalan tether bebas dan tanpasetiap link komunikasi. Idenya adalah untuk men-downloadprogram melalui kabel (meskipun dalam beberapa kasusrobot sebelumnya kami teknik ini untuk plug-inROM dihapus baru tertulis) ke dalam non-volatilepenyimpanan pada robot, kemudian beralih mereka untuk berinteraksidengan dan terletak di lingkungan.? Dalam rangka mempertahankan tujuan jangka panjang bisa

untuk akhirnya menghasilkan robot yang sangat kecil ([Flynn87]) model komputasi telah dibatasisehingga setiap kation Speci dalam model yang dapatlebih mudah dikompilasi ke sirkuit silikon. Initelah menempatkan kendala tambahan pada perancangperangkat lunak agen, karena mereka tidak dapat menggunakan non-linearjumlah sambungan antara koleksi komputasiunsur-unsur, seperti yang akan mengakibatkan parahsilikon kompilasi masalah. Perhatikan bahwa umummodel perhitungan seperti dijelaskan di atas adalahbahwa tujuan penyusunan silikon secara umum cukuprealistis.Titik dari bagian 3 adalah untuk menunjukkan bagaimana teknologiperhitungan yang tersedia memiliki dampak besar padabentuk waktu tua mengembangkan Intelijen Arti finansial.Demikian juga ada beberapa diuences pada sayabekerja sendiri yang teknologi di alam. Ini termasuk:? Mengingat kecilnya ukuran keseluruhan robotada batasan yang sangat nyata pada jumlahonboard perhitungan yang dapat dilakukan, dan olehprinsip perhitungan sebelumnya semua harus dilakukanonboard. Faktor pembatas pada jumlahkomputasi portabel tidak berat komputerlangsung, tetapi daya listrik yang tersediauntuk menjalankannya. Empiris kita telah mengamatibahwa jumlah tenaga listrik yang tersedia adalah sebandingdengan berat robot29.? Karena ada banyak mikroprosesor chip tunggaltersedia termasuk EEPROM dan RAM, hal ini menjadilebih mungkin untuk memasukkan sejumlah besarsensor yang membutuhkan mengganggu servis, kalibrasi lokal,dan data memijat. Mikroprosesorbisa signi cantly mengurangi kompleksitas keseluruhan kabeldengan melayani kelompok lokal sensor (misalnya, semuamereka pada kaki tunggal robot) di situ, dan kemasancadangan data untuk menjalankan lebih dari komunikasijaringan ke jaringan yang memproduksi perilaku.Prinsip-prinsip ini telah digunakan dalam pemrogramandari sejumlah perilaku berbasis robot. Di bawah ini kami menunjukkankeluar pentingnya beberapa demonstrasi robotdalam menunjukkan bagaimana arsitektur subsumption (atauyang seperti itu dalam roh) bisa diharapkan untuk skala sampai dengan sangatcerdas aplikasi. Dalam apa berikut referensi individudiberikan ke bagian yang paling relevan dari literatur.Untuk keterangan kental dari apa yang masing-masing

robot dan bagaimana mereka diprogram, pembacaharus melihat [Brooks 90b], tetapi juga mencakup sejumlahrobot tidak disebutkan di sini.6.2 ReaktivitasDemonstrasi awal arsitektur subsumptionberada di robot Allen ([Brooks 86]). Sudah hampirseluruhnya reaktif, menggunakan pembacaan sonar untuk mengusirdari orang-orang dan kendala bergerak lainnya, walaupun tidak bertabrakandengan hambatan statis. Hal ini juga memiliki non-reaktiftinggi tingkat lapisan yang akan memilih tujuan untuk kepala ke arah,dan kemudian melanjutkan ke lokasi sementara yang lebih rendahlapisan tingkat reaktif merawat menghindari rintangan.Robot subsumption sangat rst sehingga gabungan nonreactivekemampuan dengan yang reaktif. Namun pentingtitik adalah bahwa hal itu digunakan persis sama jenis komputasimekanisme untuk melakukan keduanya. Dalam melihatjaringan lapisan gabungan tidak ada yang jelaspartisi ke komponen tingkat yang lebih rendah dan lebih tinggi berdasarkanpada jenis informasikarena pada sambungan,atau mesin negara yang menjadi elemen komputasi.Yang pasti, ada di? Erence dalam fungsidi antara dua lapisan, tapi tidak perlu untuk memperkenalkansetiap pernyataan sentralisasi atau eksplisit untuk29Jon Connell, mantan anggota Lab Mobot, diplotdata dari sejumlah besar robot mobile dan mencatat em the-pirical fakta bahwa ada sekitar satu watt daya listriktersedia untuk perhitungan onboard untuk setiap pon keseluruhanberat robot. Kami menyebutnya Undang-undang ini Connell's.18

mencapai tingkat yang lebih tinggi, atau lambat, proses yang berguna dane? berlaku efektif dalamuence atas tingkat yang lebih rendah.Robot kedua, Herbert ([Connell 89]), mendorongpada pendekatan reaktif. Ini digunakan pemindai laser untuk ndsoda bisa-seperti objek visual, sensor jarak inframerahuntuk menavigasi dengan mengikuti dinding dan pergi melalui pintu,magnetik kompas untuk mempertahankan rasa globalorientasi, dan sejumlah sensor pada lengan yangsu? efisien untuk andal mengambil kaleng soda. Tugas untuk Herbertadalah untuk berkeliling mencari kaleng soda, pilih

salah satunya, dan membawanya kembali ke tempat Herbert mulaidari. Ini telah didemonstrasikan andal nding kaleng soda dikamar menggunakan laser jangkauan nder (beberapa puluhan percobaan),mengambil kaleng soda berkali-kali (lebih dari 100 kasus), andalnavigasi (berjam-jam berjalan), dan dalam satu Nalemelakukan semua tugas bersama-sama untuk menavigasi, mencari, pickupdan kembali dengan soda can30.Dalam pemrograman Herbert diputuskan bahwa seharusnyamempertahankan negara tidak lebih dari tiga detik, dan bahwatidak akan ada komunikasi internal antara perilakumenghasilkan modul. Masing-masing dihubungkan kesensor pada sisi masukan, dan arbitrase prioritas xedjaringan pada sisi output. Jaringan arbitrasemendorong aktuator.Dalam rangka melaksanakan tugasnya, Herbert, dalam banyak kasus,harus menggunakan dunia sebagai model yang terbaik dan sendirisebagai media komunikasi. Mis, soda berbasis laserdapat objek nder melaju robot sehingga lengan nya adalahberbaris di depan soda bisa. Tapi itu tidak memberitahucontroller lengan yang ada sekarang soda bisa siapuntuk dijemput. Sebaliknya, lengan perilaku dipantauyang encoders poros pada roda, dan ketika mereka melihatbahwa tidak ada gerakan tubuh, memulai gerakan darilengan, yang pada gilirannya memicu perilaku lain, sehinggaakhirnya robot akan mengambil soda bisa.Keuntungan dari pendekatan ini adalah adalah bahwa adatidak perlu mengatur harapan internal untuk apa yang sedang terjaditerjadi selanjutnya, yang berarti bahwa sistem pengendalianbisa baik (1) secara alami oportunistik jika kebetulankeadaan yang disajikan sendiri, dan (2) itu bisa dengan mudahmenanggapi situasi yang berubah, seperti beberapa lainnyamendekati objek di program studi tabrakan.Sebagai salah satu contoh bagaimana perilaku lengan cascadedpada satu sama lain, pertimbangkan benar-benar menggenggam soda bisa.Tangan memiliki kembali pegangmantan yang beroperasi setiap kalisesuatu memecahkan sebuah balok inframerah antara ngers.Ketika lengan terletak soda dapat dengan sensor lokal,itu hanya mendorong tangan sehingga dua ngers berbarisdi kedua sisi kaleng. tangan kemudian secara independenmeraih kaleng. Dengan pengaturan ini, hal itu mungkinbagi manusia untuk menyerahkan soda bisa untuk robot. Begitu

seperti yang digenggam, lengan ditarik | itu tidak pentingapakah itu soda bisa yang sengaja digenggam,atau yang secara ajaib muncul. Oportunisme samaantara perilaku membiarkan lengan beradaptasi secara otomatis keberbagai macam desktop berantakan, dan masih berhasilnd soda bisa.Dalam rangka untuk kembali ke tempat asalnya setelah memetik30The faktor pembatas pada Herbert adalah kursi mekanis-ing dari chip | artinya waktu antara tempat duduk kegagalan chiptidak lebih dari 15 menit.Facebook soda bisa, Herbert digunakan tipuan. navigasi rutinitasbisa membawa menerapkan aturan seperti: ketika melewatimelalui pintu selatan, berbelok ke kiri. Pengaturan tersebutconditionalized pada pemisahan ngers ditangan. Ketika robot itu keluar tanpa bisa ditangan, ia e? ectively dilaksanakan satu set aturan. Setelahbisa mengambil, itu akan mengeksekusi di set erent?. Denganhati-hati merancang aturan, Herbert dijamin,dengan keandalan yang wajar, untuk menelusuri kembali jalan.Titik Herbert adalah dua kali lipat.? Ini menunjukkan kompleks, tampaknya tujuan diarahkandan yang disengaja, perilaku dalam suatu sistem yang tidak memilikijangka panjang negara internal dan tidak ada komunikasi internal.? Hal ini sangat mudah bagi pengamat sistem untuk atributlebih kompleks dari struktur internal yang benar-benarada. Herbert tampak melakukan hal-halseperti perencanaan jalan dan bangunan peta, meskipunitu bukan.6.3 Representasisebelumnya kertas saya [Brooks 91a] sering dikritik untuk advokasisama sekali tidak ada representasi dunia dalamrobot perilaku berbasis. Kritik ini tidak valid. Saya membuatjelas di koran bahwa saya menolak Arti tradisional finansialIntelijen representasi skema (lihat bagian 5). Akujuga menjelaskan bahwa saya menolak representasi eksplisittujuan dalam mesin.Ada bisa, bagaimanapun, menjadi representasi yang parsialmodel dunia | sebenarnya saya menyebutkan bahwa \ individulapisan ekstrak hanya aspek-aspek duniayang mereka nd relevan | proyeksi representasimenjadi subspace sederhana "[Brooks 91a] Formulir ini.representasi mengambil, dalam konteks komputasi

model yang kita gunakan, akan tergantung pada tertentutugas mereka representasi yang akan digunakan untuk. Untuk informasi lebih lanjutumum navigasi dari yang ditunjukkan oleh Connellmungkin sometimes31 perlu untuk membangun dan mempertahankan peta.[Mataric 90, 91] memperkenalkan rep aktif-konstruktif-resentations untuk subsumption dalam robot sonar berbasisToto, yang berkeliling o? Ce lingkungan bangunanpeta berdasarkan tengara, dan kemudian digunakan peta yanguntuk mendapatkan dari satu lokasi ke lokasi lain. Her representasibenar-benar desentralisasi dan non-dimanipulasi,dan tidak tentu ada kontrol sentral yang membangun,mempertahankan, atau menggunakan peta. Sebaliknya, peta itu sendiri adalahstruktur aktif yang melakukan komputasi yang diperlukanuntuk setiap jalur perencanaan robot yang harus dilakukan.lapisan primitif kontrol membiarkan Toto berkeliaran berikutbatas (seperti dinding dan kekacauan mebel)di lingkungan dalam ruangan. Lapisan yang mendeteksi landmark,sepertidi dinding yang jelas, koridor, dan lain-lain, berjalan diparalel. Menginformasikan lapisan peta sebagai kepastian deteksimelebihi ambang batas xed. Peta diwakilisebagai grafik internal. Simpul dari graf adalah komputasielemen (mereka subnetworks sedikit identik31Note yang kita katakan hanya kadang-kadang, tidak boleh | adaadalah tugas-tugas banyak navigasi bisa dilakukan oleh robot mobile yangtampak cerdas, tapi yang tidak memerlukan informasi petasama sekali.19

dari mesin yang berbeda nite negara ditambah). Free nodearbitrase dan mengalokasikan sendiri, dengan cara yang murni lokal,untuk mewakili tengara baru, dan mengatur topologilink ke fisik node tetangga (menggunakan kapasitas yang terbatasswitching jaringan untuk menjaga kawat virtual 'totalpanjang 'antara mesin negara nite menjadi linier dipeta kapasitas). Simpul tersebut melacak dimanarobot secara fisik, dengan mengamati perubahan outputdari detektor tengara, dan membandingkan bahwa untuk prediksimereka telah membuat dengan mengirimkan pesan lokal, dandengan mengacu pada lain yang lebih primitif (magnet kompas

based) skema posisi estimasi kasar.Ketika lapisan yang lebih tinggi ingin robot pergi ke beberapatengara diketahui, itu hanya 'menggairahkan', di beberapa tertentucara tempat tertentu dalam peta yang inginpergi. The eksitasi (ini merupakan abstraksi diprogramke dalam mesin nite negara tertentu yang digunakan di sini | itubukan primitif | erent seperti itu bisa ada di banyak?jenis eksitasi co-ada di peta, jika jenis lainnyaperencanaan diperlukan) tersebar melalui peta berikuttopologi link, link memperkirakan total jalan, dantiba di-tengara yang-aku-di-sekarang node (a deicticrepresentasi) dengan rekomendasi dari arahuntuk melakukan perjalanan sekarang juga untuk mengikuti jalan terpendek. Sebagairobot bergerak sehingga untuk melakukan representasi nya manaadalah, dan pada node baru eksitasi tiba mengatakan ituke mana harus pergi berikutnya. Peta demikian beruang kesamaan kediinternalisasikan rencana [Payton 90], tetapi diwakili olehpada komputasi elemen yang sama yang menggunakannya | adaada perbedaan antara data dan proses. Selanjutnyaskema Mataric bisa memiliki lebih dari satu secara bersamaan aktiftujuan | robot hanya akan kepala ke arah yang terdekatsatu.Karya ini menunjukkan aspek-aspek berikutperilaku berbasis atau subsumption sistem:? Sistem seperti itu dapat membuat prediksi tentang apa yang akanterjadi di dunia, dan memiliki harapan.? Sistem tersebut dapat membuat rencana | tetapi mereka tidaksama seperti tradisional finansial Arti rencana Intelijen |lihat [Setuju dan Chapman 90] untuk analisismasalah ini.? Sistem tersebut dapat memiliki tujuan | lihat [Maes 90b] untukcara lain untuk menerapkan tujuan dalam pendekatan.? Semua hal ini dapat dilakukan tanpa menggunakanrepresentasi pusat.? Semua hal ini dapat dilakukan tanpa menggunakandimanipulasi representasi.? Semua hal ini dapat dilakukan tanpa menggunakanrepresentasi simbolik.6.4 KompleksitasBisa subsumption-seperti pendekatan skala untuk sewenang-wenangsistem yang kompleks? Ini adalah pertanyaan yang tidak dapat dijawabsebuah rmatively sekarang |? sama seperti itu benar-benar tak berdasar

untuk menjawab pertanyaan yang sama rmatively di? yangkasus finansial Arti simbolik tradisional metode Intelijen.Yang terbaik yang dapat dilakukan adalah menunjuk preseden dantren.Ada sejumlah dimensi sepanjang yangscaling pertanyaan bisa ditanyakan. Mis,? Dapat mendekati pekerjaan serta lingkunganmenjadi lebih kompleks?? Bisa mendekati gagang sejumlah besar sensordan aktuator?? Dapatkah pendekatan kerja lancar karena semakin banyaklapisan atau perilaku yang ditambahkan?Kami menjawab masing-masing pada gilirannya dalam paragraf berikut.Pendekatan yang diambil di Lab Mobot adalah bahwadari satu hari selalu menguji robot di paling komplekslingkungan yang pada akhirnya ditakdirkan. Inikekuatan bahkan tingkat paling sederhana untuk menangani paling komplekslingkungan yang diharapkan. Jadi untuk sebuah robot yang diberikan danlingkungan dimaksudkan pertanyaan scaling ditangani olehmetodologi yang dipilih untuk implementasi. Tapi adajuga pertanyaan tentang bagaimana kompleks lingkunganyang ditargetkan untuk dengan generasi sekarangrobot. Hampir semua robot kami telah diuji dandioperasikan pada lingkungan dalam ruangan dengan orang-orang yang tidak terkaituntuk penelitian mengembara melalui wilayah kerja mereka diakan. Dengan demikian kita memiliki gelar tertentu insidens con yangpendekatan dasar yang sama akan bekerja di lingkungan luar(Pengolahan sensorik akan harus berubah untukbeberapa sensor) dengan bentuk-bentuk tindakan yang dinamis mengambiltempat.Jumlah sensor dan aktuator yang dimiliki olehrobot hari ini adalah menyedihkan jika dibandingkan dengan angkabahkan organisme sederhana seperti serangga. Kami rstrobot hanya memiliki beberapa sensor sonar identik dandua motor. Kemudian sebuah robot berkaki enam berjalan dibangun[Sudut 89]. Hal ini memiliki 12 aktuator dan 20 sensor, danberhasil diprogram dalam subsumption ([Brooks 89])berjalan adaptif di medan kasar. Kuncinya adalah untukdn anjak tepat ke subsistem sensor dan aktuatorsehingga interaksi antara subsistem bisadiminimalkan. Sebuah berkaki enam robot baru, baru saja menyelesaikan([Brooks dan Sudut 90], jauh lebih menantang,

tapi masih jauh dari kompleksitas serangga.Hal ini memiliki 23 aktuator dan lebih dari 150 sensor. Dengantingkat sensing adalah mungkin untuk mulai mengembangkan beberapadari 'indera' bahwa binatang dan manusia, sepertirasa kinestetik | ini berasal dari kontribusidari pembacaan sensor banyak. Sebaliknya, dari pakan menjadi geometrikmodel pakan sensor ke dalam perkiraan tubuhgerak. Ada juga pertanyaan dari jenis sensordigunakan. [Horswill dan Brooks 88] menggeneralisasikansubsumption arsitektur sehingga beberapa koneksiantara elemen pengolahan bisa menjadi bus retina,kabel yang dikirim gambar sebagian diolah darisatu situs ke situs lainnya dalam sistem. Robot jadi diprogrammampu mengikuti koridor dan ikuti bergerakobjek secara real time.Seperti kita menambahkan lapisan semakin kita dn bahwa interaksidapat menjadi lebih kompleks. [Maes 89] memperkenalkanpengertian switching seluruh potongan jaringan pada dano?, dengan menggunakan skema aktivasi untuk perilaku. Idesekarang dimasukkan ke dalam metodologi subsumption[Brooks 90c], dan menyediakan cara menerapkan kedua20

persaingan dan kerjasama antara perilaku. Padamenurunkan tingkat sistem hormon seperti telah diperkenalkan([Brooks 91b]) yang model sistem hormonlobster [Kravitz 88] ([Arkin 88] telah melaksanakansistem dengan inspirasi yang serupa). Dengan tambahanmekanisme kontrol kami telah pasti membeli diri kita sendiribernapas ruang untuk meningkatkan kinerja sistem kaminyata. Titik kunci tentang sistem kontroladalah bahwa mereka t tepat masuk ke dalam struktur yang ada,dan benar-benar didistribusikan dan lokal dalam operasi mereka.6.5 BelajarEvolusi telah memutuskan bahwa ada sebuah tradeo? antaraapa yang kita ketahui melalui gen kita dan apa yang harus kita nduntuk diri kita sendiri seperti yang kita kembangkan. Kita dapat mengharapkan untuk melihatserupa tradeo? untuk robot kami perilaku berbasis.Setidaknya ada empat kelas hal yang dapatdipelajari:

1. representasi dunia yang membantu dalam tugas beberapa2. aspek kasus sensor dan aktuator (inikadang-kadang disebut kalibrasi)3. cara di mana perilaku individu harus berinteraksi4. baru perilaku modulRobot di Lab Mobot telah diprogramuntuk menunjukkan rst tiga jenis pembelajaran.Yang terakhir belum berhasil tackled32.Belajar representasi dunia sudah dibahasdi atas tentang karya [, Mataric 90 91].Langkah berikutnya akan untuk menggeneralisasi aktif-konstruktifrepresentasi ke kelas lebih digunakan.[Viola 90] menunjukkan kalibrasi komplekskepala-mata pemodelan sistem primata vestibulo-matasistem. Dalam sistem ini ada satu cepat saluran antarasebuah giroskop dan kinerja kepala pan-tilt tinggi memegangkamera, dan saluran yang lebih lambat menggunakan visimenghasilkan sinyal koreksi untuk saluran giroskop.Sistem yang sama digunakan untuk belajar bagaimana untuk secara akuratsaccade untuk rangsangan bergerak.Terakhir, [Maes dan Brooks 90] diprogram sebuah awalenam robot berkaki untuk belajar berjalan menggunakan subsumption yangarsitektur bersama dengan skema aktivasi perilakudari [Maes 89]. perilaku Independen pada setiap kaki dipantauaktivitas dan perilaku lainnya yang berkorelasi,aktivitas negara mereka sendiri, dan hasil dari perutswitch yang menyediakan umpan balik negatif, sebagai masukan kekaidah belajar lokal yang belajar dalam kondisiitu untuk mengoperasikan perilaku. Setelah sekitar 20 percobaan perkaki, tersebar di total satu atau dua menit, robot andalbelajar gaya berjalan bolak tripod | tampaknya perlahan-lahanmuncul keluar dari awalnya kacausakit kaki.Belajar dalam subsumption dalam tahap awal tetapitelah ditunjukkan dalam sejumlah di? erent kritismode pembangunan.32We memang memiliki usaha yang gagal di ini melalui simulasievolusi | ini adalah pendekatan yang dilakukan oleh banyak dalam Arti -Hidup finansial gerakan.6.6 pemandanganPendekatan perilaku berbasis telah didemonstrasikan padaterletak sistem diwujudkan melakukan hal-hal yang tradisional

Arti Intelijen finansial akan ditangani di cukup di? Erentcara. Apa saja bidang penelitian utama yang perluyang harus diatasi dalam rangka mendorong perilaku berbasis robotterhadap kemampuan yang lebih canggih dan lebih?Pada bagian ini kita garis besar tantangan penelitian di tigakategori atau tingkat 33:? Memahami dinamika tentang bagaimana seorang individuperilaku pasangan dengan lingkungan melaluirobot sensor dan aktuator. Keprihatinan utamasini adalah apa bentuk persepsi yang diperlukan,dan apa ada hubungan antara persepsi,internal negara, dan tindakan (yaitu, bagaimana perilakuadalah Speci ed atau dijelaskan).? Memahami berapa banyak perilaku dapat diintegrasikanmenjadi sebuah robot tunggal. Keprihatinan utamadi sini adalah berbagai persepsi bagaimana independen danperilaku dapat, berapa banyak mereka harus bergantung pada, danmengganggu satu sama lain, bagaimana kompeten lengkaprobot dapat dibangun sedemikian rupa untuk mengakomodasisemua individu perilaku yang diperlukan, dansejauh mana perilaku tampaknya kompleks dapatmuncul dari ulang sederhanaongkos.? Memahami robot howmultiple (baik homogen,atau kelompok heterogen) dapat berinteraksi sebagaimereka pergi tentang bisnis mereka. Keprihatinan utamadi sini adalah hubungan antara perilaku individu,jumlah dan jenis komunikasiantara robot, cara bereaksi terhadap lingkunganbeberapa individu, dan pola yang dihasilkanperilaku dan dampaknya terhadap lingkungan(Yang malam tidak terjadi dalam kasus individu yang terisolasi).Sama seperti penelitian di Arti Intelijen finansial ini dibagi menjadisub elds, kategori-kategori ini memberikan elds sub behaviorbasedrobot di mana dimungkinkan untuk berkonsentrasi sebuahproyek penelitian tertentu. Beberapa topik yang teoritisdi alam, berkontribusi pada ilmu behaviorbasedsistem. Lain rekayasa di alam, memberikanalat dan mekanisme untuk berhasil membangun danperilaku berbasis pemrograman robot. Beberapa topiktelah disentuh oleh para peneliti dipendekatan perilaku berbasis, namun tidak satupun dari mereka yang belum

dipecahkan atau sepenuhnya dipahami.Pada tingkat perilaku individu beberapa pentingmasalah adalah sebagai berikut:Konvergensi: Menunjukkan atau membuktikan bahwa Speci edperilaku adalah sedemikian rupa sehingga robot memang akan membawakeluar tugas yang diinginkan berhasil. Sebagai contoh, kitamungkin ingin memberikan beberapa set kondisi awal untukrobot, dan beberapa batasan kemungkinan duniadi mana ia ditempatkan, dan menunjukkan bahwa di bawah merekakondisi, robot dijamin untuk mengikuti tertentudinding, daripada menyimpang dan tersesat.33The pembaca disebut [90a Brooks] untuk lebih com-plete diskusi mengenai masalah ini.21

Sintesis: Mengingat tugas tertentu, secara otomatis mendapatkansebuah Speci perilaku kation untuk makhluk sehinggayang melakukan tugas dengan cara yangkonvergensi jelas dibuktikan. Saya tidak berharapkemajuan dalam topik ini dalam waktu dekat.Kompleksitas: Deal dengan kompleksitas dunia nyatalingkungan, dan menyaring aspek relevan darimenerima sensasi bukannya kewalahandengan banyak data.Belajar: Mengembangkan metode untuk akuisisi otomatisperilaku baru, dan kation modi dantuning perilaku yang ada.Seperti beberapa perilaku dibangun menjadi sebuah robot tunggalisu-isu berikut perlu ditangani:Coherence: Meskipun banyak perilaku mungkin aktifsekaligus, atau sedang aktif diaktifkan atauo?, robot harus tetap muncul ke pengamat untukmemiliki koherensi tindakan dan tujuan. Seharusnya tidakdengan cepat beralih antara perilaku tidak konsisten,atau harus dua perilaku aktif secara bersamaan,jika mereka mengganggu satu sama lain untuk titikyang tidak beroperasi berhasil.Relevansi: Perilaku yang aktif harus relevandengan situasi robot nds dirinya dalam | misalnya,harus mengisi ulang sendirinya apabila baterai rendah,

bukan ketika mereka penuh.Kecukupan: Mekanisme Seleksi perilaku harusberoperasi sedemikian rupa sehingga tujuan jangka panjang yangperancang robot untuk robot terpenuhi | misalnya,sebuahrobot pembersih oor berhasil harus membersihkan

oor dalam keadaan normal, selain melakukan semuatugas tambahan yang diperlukan untuk itu untuk menjadi suksespada saat itu.Representasi: Beberapa perilaku mungkin inginberbagi sebagian representasi dunia | sebenarnyarepresentasi aspek dunia mungkin akan menghasilkanbeberapa perilaku ketika diaktifkan tepat.Belajar: Kinerja robot bisa diperbaikidengan mengadaptasi cara-cara di mana perilakuberinteraksi, atau diaktifkan, sebagai hasil dari pengalaman.Ketika perilaku berbasis robot banyak mulai berinteraksiada host baru seluruh masalah yang timbul. Banyakisu-isu yang sama akan muncul jika robot dibangun menggunakanArti tradisional finansial Intelijen metode, tetapi adasangat sedikit telah diterbitkan di daerah-daerah.Munculnya: Mengingat satu set perilaku yang sudah diprogram dalamsatu set robot, kami ingin untuk dapat memprediksiapa perilaku global sistem akan, dansebagai konsekuensinya menentukan di e erential?? Ectsperubahan kecil terhadap robot individu padaglobal perilaku.Sintesis: Seperti pada tingkat perilaku tertentu, diberikan khusustugas, secara otomatis menurunkan sebuah program untukset robot sehingga mereka melaksanakan tugas.Komunikasi: Kinerja dapat ditingkatkan denganmeningkatkan jumlah komunikasi eksplisitantara robot, tetapi hubungan antarabesarnya peningkatan komunikasi dan kinerjameningkatkan perlu dipahami.Kerjasama: Dalam beberapa keadaan robot harusmampu mencapai lebih dengan bekerja sama | bentuk dankasi Speci dari kemungkinan kerjasama tersebut perludipahami.Interferensi: Robot dapat mengganggu satu sama lain.Protokol untuk menghindari ini ketika tidak diinginkan

harus disertakan dalam desain 'makhluk-makhlukinstruksi.Kepadatan ketergantungan: Perilaku global dari sistemmungkin akan tergantung pada kerapatan makhluk-makhlukdan sumber daya yang mereka konsumsi dalamdunia. Sebuah karakterisasi ketergantungan ini diinginkan.Pada kedua ujung spektrum mungkinterjadi bahwa (a) robot tunggal yang diberikan unit nwaktu yang sama untuk melakukan robot n masing-masing diberikan1 unit waktu, dan (2) tugas global tidak mungkindicapai sama sekali jika ada lebih sedikit daripada, katakanlah, mrobot.Individualitas: Robustness dapat dicapai jika semua robotyang dipertukarkan. Sejumlah xed dari kelasrobot, dimana semua robot dalam kelas identik,juga kuat, tapi agak kurang begitu. Masalahkemudian adalah, diberi tugas, menentukan kelas berapa banyakmakhluk yang diperlukanBelajar: Kinerja robot dapat meningkatkandalam dua cara melalui pembelajaran. Pada satu tingkat, ketikasatu robot belajar keterampilan beberapa jika mungkin dapat mentransferke yang lain. Di tingkat lain, mungkin robotbelajar strategi koperasi.Ini adalah potongan rst pada topik yang menarik dalamperilaku berbasis pendekatan. Seperti yang kita mengeksplorasi lebih kami akannd topik yang lebih, dan beberapa yang tampaknya menarik sekarangakan berubah menjadi tidak relevan.6.7 BerpikirDapatkah pendekatan ini menyebabkan pikiran? Bagaimana bisa? Initampaknya antitesis dari pikiran. Tapi kita harus bertanya rst,apa yang dianggap? Seperti kecerdasan ini adalah sangat licinkonsep.Kita hanya tahu bahwa pemikiran ada dalam sistem biologimelalui introspeksi diri kita sendiri. Pada satu tingkat kitamengidentifikasi pikiran dengan produk dari kesadaran kita,tapi itu juga adalah subjek kontroversial, dan salah satu yang memilikimemiliki sedikit perhatian dari Intelijen Arti finansial.Perasaan saya adalah bahwa pemikiran dan kesadaran adalah epiphenomenadari proses yang di dunia. Sepertikompleksitas dunia meningkat, dan kompleksitaspengolahan untuk menghadapi dunia yang naik, kami akanmelihat bukti yang sama pikiran dan kesadaran dalam

sistem kami seperti yang kita lihat pada orang lain dari diri kita sendirisekarang. Pemikiran dan kesadaran tidak akan perludiprogram masuk Mereka akan muncul.7 KesimpulanJudul dari makalah ini adalah sengaja ambigu.Penafsiran mengikuti semua merangkum pentingpoin.22

? Sebuah kertas sebelumnya [Brooks 91a] 34 berjudul Intel-ligence tanpa Representasi. Tesis yangkertas bahwa perilaku cerdas dapat dihasilkantanpa harus eksplisit dimanipulasi internalrepresentasi. Intelijen tanpa Alasannya adalahsehingga saling melengkapi, yang menyatakan bahwa perilaku cerdasdapat dihasilkan tanpa alasan eksplisitsistem ini.? Intelijen tanpa Alasan dapat dibaca sebagai sebuah pernyataankecerdasan yang muncul dari propertitertentu yang kompleks sistem | kadang-kadang muncul tanpaalasan yang dapat diidentifikasi dengan mudah untuk timbul.? Intelijen tanpa Alasan dapat dilihat sebagaikomentar pada e kereta musik? ect dalam penelitianpada umumnya, dan khususnya dalam kasus Arti -finansial Intelijen penelitian. Garis Banyak penelitianmemiliki tujuan menjadi pengejaran di kanan mereka sendiri,dengan mengingat sedikit alasan untuk mengejar merekabaris. Sebuah landasan kecil kadang-kadang bisa pergi lamajalan menuju membantu menjaga hal-hal di trek.? Intelijen tanpa Alasan juga komentarpada evolusi cara membangun kecerdasan | bukandari alasan tentang bagaimana membangun sistem cerdas,itu menggunakan menghasilkan dan menguji strategi. Hal ini dalam mencolokBerbeda dengan cara semua usaha manusia untuk membangunsistem cerdas mau tidak mau harus dilanjutkan. Selanjutnyakita harus berhati-hati dalam meniru hasilevolusi | mungkin ada banyak strukturdan sifat yang dapat diamati yang optimal atausisa.Kami adalah jauh dari menciptakan Intelligences Arti finansialyang mengukur sampai ke standar awalambisi untuk waktu tua tersebut. Ini adalah usaha yang kompleks dankita terkadang perlu mundur dan pertanyaan mengapa kitayang berjalan di arah kita pergi, dan mencari

sekitar untuk arah yang menjanjikan lainnya.Ucapan Terima KasihMaja Mataric draft ditinjau berbagai makalah inidan memberikan kritik membantu di setiap tahap proses.Lynne Parker, Anita Flynn, Ian dan Pattie HorswillMaes memberi saya banyak masukan konstruktif di kemudiandraft.

References[Agre 88] \The Dynamic Structure of Everyday Life",Philip E. Agre, MIT AI TR-1085, Oct., 1988.[Agre 91] \The Dynamic Structure of Everyday Life",Philip E. Agre, Cambridge University Press, Cambridge,UK, 1991.[Agre and Chapman 87] \Pengi: An Implementationof a Theory of Activity", Philip E. Agre and DavidChapman, AAAI-87, Seattle, WA, 1987, 268{272.[Agre and Chapman 90] \What Are Plans for?",Philip E. Agre and David Chapman, in [Maes 90a],1990, 17{34.34Despite the publication date it was written in 1986 and1987, and was complete in its published form in 1987.[Angle 89] \Genghis, a Six Legged Autonomous WalkingRobot", Colin M. Angle, MIT SB Thesis, March,1989.[Angle and Brooks 90] \Small Planetary Rovers",Colin M. Angle and Rodney A. Brooks, IEEE/RSJ In-ternationalWorkshop on Intelligent Robots and Systems,Ikabara, Japan, 1990, 383{388.[Arbib 64] \Brains, Machines and Mathematics",Michael A. Arbib, McGraw-Hill, New York, NY, 1964.[Arkin 89] \Homeostatic Control for a Mobile Robot:Dynamic Replanning in Hazardous Environments",Ronald C. Arkin, SPIE Proceedings 1007, Mobile RobotsIII, William J. Wolfe (ed), 1989, 407{413.[Arkin 90] \Integrating Behavioral, Perceptual andWorld Knowledge in Reactive Navigation", Ronald C.Arkin, in [Maes 90a], 1990, 105{122.[Ashby 52] \Design for a Brain", W. Ross Ashby, Chap-man and Hall, London, 1952.[Ashby 56] \An Introduction to Cybernetics", W. RossAshby, Chapman and Hall, London, 1956.[Atkeson 89] \Using Local Models to Control Movement",Christopher G. Atkeson, in Neural InformationProcessing 2, David S. Touretzky (ed), Morgan Kauf-mann, Los Altos, CA, 1989, 316{324.

[Ballard 89] \Reference Frames for Active Vision",Dana H. Ballard, Proceedings IJCAI{89, Detroit, MI,1989, 1635{1641.[Barrow and Salter 70] \Design of Low-Cost Equipmentfor Cognitive Robot Research", H. G. Barrow andS. H. Salter, Machine Intelligence 5, Bernard Meltzerand Donald Michie (eds), American Elsevier Publishing,New York, NY, 1970, 555{566.[Beer 90] \Intelligence as Adaptive Behavior", RandallD. Beer, Academic Press, San Diego, CA, 1990.[Bergland 85] \The Fabric of Mind", Richard Bergland,Viking, New York, NY, 1985.[Bloom 76] \Endorphins: Profound Behavioral Effects",F. E. Bloom, Science 194, 1976, 630{634.[Braitenberg 84] \Vehicles: Experiments in SyntheticPsychology", Valentino Braitenberg, MIT Press, Cambridge,MA, 1984.[Brachman and Levesque 85] \Readings in KnowledgeRepresentation", Ronald J. Brachman and HectorJ. Levesque, Morgan Kaufmann, Los Altos, CA, 1985.[Brady 90] \Switching Arrays Make Light Work in aSimple Processor", David Brady, Nature 344, 1990, 486{487.[Brooks 86] \A Robust Layered Control System fora Mobile Robot", Rodney A. Brooks, IEEE Journal ofRobotics and Automation, RA-2, April, 1986, 14{23.[Brooks 89] \A Robot that Walks: Emergent Behaviorfrom a Carefully Evolved Network", Rodney A. Brooks,Neural Computation 1:2, 1989, 253{262.[Brooks 90a] \Challenges for Complete Creature Architectures",Rodney A. Brooks, Proc. First Int. Conf.23on Simulation of Adaptive Behavior, MIT Press, Cambridge,MA, 1990, 434{443.[Brooks 90b] \Elephants Don't Play Chess", RodneyA. Brooks, in [Maes 90a], 1990, 3{15.[Brooks 90c] \The Behavior Language; User's Guide",Rodney A. Brooks, MIT A.I. Lab Memo 1227, 1990.[Brooks 91a] \Intelligence Without Representation",Rodney A. Brooks, Arti_cial Intelligence, 47, 1991, 139{160.[Brooks 91b] \Integrated Systems Based on Behaviors",Rodney A. Brooks, special issue of SIGART onIntegrated Intelligent Systems, July, 1991.[Brooks and Flynn 89] \Robot Beings", Rodney A.Brooks and Anita M. Flynn, IEEE/RSJ InternationalWorkshop on Intelligent Robots and Systems, Tsukuba,Japan, 1989, 2{10.[Campbell 83] \Go", J. A. Campbell, in ComputerGame-Playing: Theory and Practice, M. A. Bramer

(ed), Ellis Horwood, Chichester, UK, 1983.[Chapman 90] \Vision, Instruction and Action", DavidChapman, MIT AI TR-1085, June, 1990.[Churchland 86] \Neurophilosophy", Patricia SmithChurchland, MIT Press, Cambridge, MA, 1986.[Cohen and Wu 90] \One Neuron, Many Units?",Larry Cohen and Jain-youngWu, Nature 346, 1990, 108{109.[Condon and Thompson 84] \Belle", J. H. Condonand Ken Thompson, in Chess Skill in Man and Machine,P. W. Frey (ed), Springer-Verlag, 1984.[Connell 89] \A Colony Architecture for an Arti_-cial Creature", Jonathan H. Connell, MIT AI TR-1151,June, 1989.[Cruse 90] \What Mechanisms Coordinate Leg Movementin Walking Arthropods?", Holk Cruse, Trends inNeurosciences 13:1, 1990, 15{21.[de Kleer and Brown 84] \A Qualitative PhysicsBased on Conuences", Johann de Kleer and John SeelyBrown, Arti_cial Intelligence 24, 1984, 7{83.[Dennett 78] \Where Am I?", Daniel C. Dennett, in[Hofstadter and Dennett 81], 1981.[Dennett and Kinsbourne 90] \Time and the Observer:the Where and When of Consciousness in theBrain", Daniel Dennett and Marcel Kinsbourne, Tech-nical Report, Center for Cognitive Studies, Tufts Uni-versity, 1990.[Dreyfus 81] \From Micro-Worlds to Knowledge Representation:AI at an Impasse", Hubert L. Dreyfus, inMind Design, John Haugeland (ed), MIT Press, Cambridge,MA, 1981, 161{204.[Ernst 61] \MH-1. A Computer-Operated MechanicalHand", Heinrich A. Ernst, MIT Ph.D. Thesis, Dec, 1961.[Evans 68] \A Program for the Solution of Geometric-Analogy Intelligence Test Questions", Thomas G. Evans,in [Minsky 68], 1968, 271{353.[Fahlman 74] \A Planning System for Robot ConstructionTasks", Scott E. Fahlman, Arti_cial Intelligence 5,1974, 1{50.[Feigenbaum and Feldman 63] \Computers andThought", Edward A. Feigenbaum and Julian Feldman,McGraw-Hill, New York, NY, 1963.[Firby 89] \Adaptive Execution in Dynamic Domains",R. James Firby, Ph.D. Thesis, Yale, 1989.[Flynn 87] \Gnat Robots (And How They Will ChangeRobotics)", Anita M. Flynn, IEEE Micro Robots andTeleoperators Workshop, Hyannis, MA, Nov., 1989.[Gazzaniga and LeDoux 77] \The Integrated Mind",Michael S. Gazzaniga and Joseph E. LeDoux, Plenum,New York, NY, 1977.

[Gibbs 85] \Optical Bistability: Controlling Light withLight", H. M. Gibbs, Academic Press, New York, NY,1985.[Giralt, Chatila and Vaisset 84] \An Integrated Navigationand Motion Control System for MultisensoryRobots", Georges Giralt, Raja Chatila, and Marc Vaisset,Robotics Research 1, Brady and Paul (eds), MITPress, Cambridge, MA, 191{214.[Gotz and Wenking 73] � \Visual Control of Locomotionin the Walking Fruity Drosophilia", Karl GeorgGotz and Hans Wenking, � Journal of ComputationalPhysiology 85, 1973, 235{266.[Gould and Eldredge 77] \Punctuated Equilibria:The Tempo and Mode of Evolution Reconsidered", S. J.Gould and N. Eldredge, Paleobiology 3, 1977, 115{151.[Greenblatt, Eastlake and Crocker 67] \The GreenblattChess Program", R. D. Greenblatt, D. E. Eastlakeand S. D. Crocker, Am. Fed. Inf. Proc. Soc. ConferenceProceedings, 31, 1967, 801{810.[Hartmanis 71] \Computational Complexity of RandomAccess Stored Program Machines", Juris Hartmanis,Mathematical Systems Theory 5:3, 1971, 232{245.[Hayes 85] \The Second Naive Physics Manifesto",Patrick J. Hayes, in Formal Theories of the Common-sense World, Jerry R. Hobbs and Robert C. Moore (eds),Ablex, Norwood, NJ, 1985, 1{36.[Hillis 85] \The Connection Machine",W. Daniel Hillis,MIT Press, Cambridge, MA, 1985.[Hodges 83] \Alan Turing: The Enigma", AndrewHodges, Simon and Schuster, New York, NY, 1983.[Hofstadter and Dennett 81] \The Mind's I", DouglasR. Hofstadter and Daniel C. Dennett, BantamBooks, New York, NY, 1981.[Horswill and Brooks 88] \Situated Vision in a DynamicWorld: Chasing Objects", Ian D. Horswill andRodney A. Brooks, AAAI-88, St Paul, MN, 1988, 796{800.[Hsu, Anantharaman, Campbell and Nowatzyk90] \A Grandmaster Chess Machine", Feng-hsiung Hsu,Thomas Anantharaman, Murray Campbell and AndreasNowatzyk, Scienti_c American, 263(4), Oct. 1990, 44{50.24[Johnson 87] \The Body in the Mind", Mark Johnson,University of Chicago Press, Chicago, IL, 1987.[Kaelbling 90] \Learning in Embedded Systems",Leslie Pack Kaelbling, Ph.D. Thesis, Stanford, 1990.[Kaelbling and Rosenschein 90] \Action and Planningin Embedded Agents", Leslie Pack Kaelbling andStanley J. Rosenschein, in [Maes 90a], 1990, 35{48.

[Knuth and Moore 75] \An Analysis of Alpha-BetaPruning", Donald E. Knuth and Ronald E. Moore, Ar-ti_cial Intelligence 6, 1975, 293{326.[Kravitz 88] \Hormonal Control of Behavior: Aminesand the Biasing of Behavioral Output in Lobsters", EdwardA. Kravitz, Science 241, Sep. 30, 1988, 1775{1781.[Kuhn 70] \The Structure of Scienti_c Revolutions",Thomas S. Kuhn, Second Edition, Enlarged, Universityof Chicago Press, Chicago, IL, 1970.[Lenat and Feigenbaum 91] \On the Thresholds ofKnowledge", Douglas B. Lenat and Edward A. Feigenbaum,Arti_cial Intelligence, 47, 1991, 185{250.[Maes 89] \The Dynamics of Action Selection", PattieMaes, IJCAI-89, Detroit, MI, 1989, 991{997.[Maes 90a] \Designing Autonomous Agents: Theoryand Practice from Biology to Engineering and Back",Pattie Maes (ed), MIT Press, Cambridge, MA, 1990.[Maes 90b] \Situated Agents Can Have Goals", PattieMaes, in [Maes 90a], 1990, 49{70.[Maes and Brooks 90] \Learning to Coordinate Behaviors",Pattie Maes and Rodney A. Brooks, AAAI-90,Boston, MA, 1990, 796{802.[Mahadevan and Connell 90] \Automatic Programmingof Behavior-based Robots using ReinforcementLearning", Sridhar Mahadevan and Jonathan Connell,IBM T.J. Watson Research Report, Dec., 1990.[Marr 82] \Vision", David Marr, Freeman, San Francisco,CA, 1982.[Mataric 90] \Navigation with a Rat Brain: ANeurobiologically-InspiredModel for Robot Spatial Representation",Maja J Mataric, Proc. First Int. Conf.on Simulation of Adaptive Behavior, MIT Press, Cambridge,MA, 1990, 169{175.[Mataric 91] \Behavioral Synergy Without Explicit Integration",Maja J Mataric, special issue of SIGART onIntegrated Intelligent Systems, July, 1991.[McCarthy 60] \Recursive Functions of Symbolic Expressions",John McCarthy, CACM 3, 1960, 184{195.[McCarthy and Warrington 88] \Evidence forModality-Speci_c Systems in the Brain", Rosaleen A.McCarthy and Elizabeth. K. Warrington, Nature 334,1988, 428{430.[McCorduck 79] \Machines Who Think", Pamela Mc-Corduck, Freeman, New York, NY, 1979.[McCulloch and Pitts 43] \A Logical Calculus of theIdeas Immanent in Nervous Activity", W. S. McCullochand W. Pitts, Bull. of Math. Biophysics 5, 1943, 115{137.[McFarland 85] \Animal Behavior", David McFarland,Benjamin/Cummings, Menlo Park, CA, 1985.

[McFarland 88] \Problems of Animal Behavior",David McFarland, Lognman, Harlow, UK, 1988.[Michie and Ross 70] \Experiments with the AdaptiveGraph Traverser", Donald Michie and Robert Ross, Ma-chine Intelligence 5, Bernard Meltzer and Donald Michie(eds), American Elsevier Publishing, New York, NY,1970, 301{318.[Minsky 54] \Neural Nets and the Brain Model Problem",Marvin Minsky, unpublished Ph.D. dissertation,Princeton University, 1954, available from UniversityMicro_lms, Ann Arbor, MI.[Minsky 61] \Steps Toward Arti_cial Intelligence",Marvin Minsky, Proc. IRE 49, Jan. 1961, 8{30, alsoin [Feigenbaum and Feldman 63].[Minsky 63] \A Selected Descriptor-Indexed Bibliographyto the Literature on Arti_cial Intelligence", MarvinMinsky, in [Feigenbaum and Feldman 63], 1963,453{523.[Minsky 68] \Semantic Information Processing", MarvinMinsky (ed), MIT Press, Cambridge, MA, 1968.[Minsky 86] \The Society of Mind", Marvin Minsky,Simon and Schuster, New York, NY, 1986.[Minsky and Papert 69] \Perceptrons", Marvin Minskyand Seymour Papert, MIT Press, Cambridge, MA,1969.[Mitchell 90] \Becoming Increasingly Reactive", TomM. Mitchell, AAAI-90, Boston, MA, 1990, 1051{1058.[Moravec 81] \Robot Rover Visual Navigation", HansP. Moravec, UMI Research Press, Ann Arbor, MI, 1981.[Moravec 82] \The Stanford Cart and the CMURover", Hans P. Moravec, Proceedings of the IEEE,71(7), 1982, 872{884.[Moravec 88] \Mind Children", Hans P. Moravec, Har-vard University Press, Cambridge, MA, 1988.[Newcombe and Ratcli_ 89] \Freda Newcombe andGraham Ratcli_", Disorders of Visupspatial Analysis,in Handbook of Neuropsychology, Vol 2, Elsevier, NewYork, NY, 1989.[Newell, Shaw and Simon 57] \Empirical Explorationswith the Logic Theory Machine", Allen Newell,J. C. Shaw, Herbert Simon, Proc. Western Joint Com-puter Conference 15, 1957, 218{329, also in [Feigenbaumand Feldman 63].[Newell, Shaw and Simon 58] \Chess Playing Programsand the Problem of Complexity", Allen Newell, J.C. Shaw, Herbert Simon, IBM Journal of Research andDevelopment 2, Oct. 1958, 320{335, also in [Feigenbaumand Feldman 63].[Newell, Shaw and Simon 59] \A General Problem-Solving Program for a Computer", Allen Newell, J. C.

Shaw, Herbert Simon, Computers and Automation 8(7),1959, 10{16.[Newell, Shaw and Simon 61] \Information ProcessingLanguage V Manual", Allen Newell, J. C. Shaw, Her-25bert Simon, Prentice-Hall, Edgewood Cli_s, NJ, 1961.[Nicolis and Prigogine 77] \Self-Organization inNonequilibrium Systems", G. Nicolis and I. Prigogine,Wiley, New York, NY, 1977.[Nilsson 65] \Learning Machines", Nils J. Nilsson,McGraw-Hill, New York, NY, 1965.[Nilsson 71] \Problem-SolvingMethods in Arti_cial Intelligence",Nils J. Nilsson, McGraw-Hill, New York, NY,1971.[Nilsson 84] \Shakey the Robot", Nils J. Nilsson (ed),SRI A.I. Center Technical Note 323, April, 1984.[Payton 90] \Internalized Plans: A Representation forAction Resources", David W. Payton, in [Maes 90a],1990, 89{103.[Ramachandran and Anstis 85] \Perceptual Organizationin Multistable Apparent Motion", Vilayanur S.Ramachandran and Stuart M. Anstis, Perception 14,1985, 135{143.[Roberts 63] \Machine Perception of Three-DimensionalSolids", Larry G. Roberts, MIT Lincoln Labo-ratory, Technical Report No. 315, May, 1963.[Rosenblatt 62] \Principles of Neurodynamics", FrankRosenblatt, Spartan, New York, NY, 1962.[Rosenschein and Kaelbling 86] \The Synthesis ofMachines with Provable Epistemic Properties", StanleyJ. Rosenschein and Leslie Pack Kaelbling, Proc. Conf.on Theoretical Aspects of Reasoning about Knowledge,Joseph Halpern (ed), Morgan Kaufmann, Los Altos, CA,1986, 83{98.[Rumelhart, Hinton and Williams 86] \LearningInternal Representations by Error Propagation", D.E. Rumelhart, G. E. Hinton, and R. J. Williams, in[Rumelhart and McClelland 86], 1986, 318{364.[Rumelhart and McClelland 86] \Parallel DistributedProcessing", David E. Rumelhart and JamesL. McClelland, MIT Press, Cambridge, MA, 1986.[Russell 89] \Execution Architectures and Compilation",Stuart J. Russell, Proceedings IJCAI{89, Detroit,MI, 1989, 15{20.[Sacks 74] \Awakenings", Oliver W. Sacks, Doubleday,New York, NY, 1974.[Samuel 59] \Some Studies in Machine Learning Usingthe Game of Checkers", Arthur L. Samuel, IBM Journalof Research and Development 3, July 1959, 211{229, alsoin [Feigenbaum and Feldman 63].

[Sejnowski and Rosenberg 87] \Parallel Networksthat Learn to Pronounce English Text", T. J. Sejnowskiand C. R. Rosenberg, Complex Systems 1, 145{168.[Selfridge 56] \Pattern Recognition and Learning",Oliver G. Selfridge, Proc. Third London Symp. on In-formation Theory, Colin Cherry (ed), Academic Press,New York, NY, 1956, 345{353.[Shannon 50] \A Chess-Playing Machine", Claude E.Shannon, Scienti_c American 182(2), February, 1950.[Simon 69] \The Sciences of the Arti_cial", Herbert A.Simon, MIT Press, Cambridge, MA, 1969.[Simmons and Krotkov 91] \An Integrated WalkingSystem for the Ambler Planetary Rover", Reid Simmonsand Eric Krotkov, Proc. IEEE Robotics and Automa-tion, Sacramento, CA, 1991, 2086{2091.[Slagle 63] \A Heuristic Program that Solves SymbolicIntegration Problems in Freshman Calculus", James R.Slagle, in [Feigenbaum and Feldman 63], 1963, 191{206 (from a 1961 MIT mathematics Ph.D. thesis).[Slate and Atkin 84] \Chess 4.5{The NorthwesternUniversity Chess Program", David J. Slate andLawrence R. Atkin, in Chess Skill in Man and Machine,P. W. Frey (ed), Springer-Verlag, 1984.[Smith 91] \The Owl and the Electric Encyclopedia",Brian Cantwell Smith, Arti_cial Intelligence, 47, 1991,251{288.[Steels 90a] \Towards a Theory of Emergent Functionality",Luc Steels, Proc. First Int. Conf. on Simula-tion of Adaptive Behavior, MIT Press, Cambridge, MA,1990, 451{461.[Steels 90b] \Exploiting Analogical Representations",Luc Steels, in [Maes 90a], 1990, 71{88.[Sussman 75] \A Computer Model of Skill Acquisition",Gerald J. Sussman, Elsevier, New York, NY, 1975.[Teitelbaum, Pellis and Pellis 90] \Can Allied Re-exes Promote the Integration of a Robot's Behavior",Philip Teitelbaum, Vivien C. Pellis and Sergio M. Pellis,Proc. First Int. Conf. on Simulation of AdaptiveBehavior, MIT Press, Cambridge, MA, 1990, 97{104.[Thorpe, Hebert, Kanade, and Shafer 88] \Visionand Navigation for the Carnegie-Mellon Navlab",Charles Thorpe, Martial Hebert, Takeo Kanade, andSteven A. Shafer, IEEE Trans. PAMI, 10(3), May 1988,362{373.[Tinbergen 51] \The Study of Instinct", Niko Tinbergen,Oxford University Press, Oxford, UK, 1951.[Turing 37] \On Computable Numbers with an Applicationto the Entscheidungsproblem", Alan M. Turing,Proc. London Math. Soc. 42, 1937, 230{65.[Turing 50] \Computing Machinery and Intelligence",

Alan M. Turing, Mind 59, Oct. 1950, 433{460, also in[Feigenbaum and Feldman 63].[Turing 70] \Intelligent Machinery", Alan M. Turing,Machine Intelligence 5, Bernard Meltzer and DonaldMichie (eds), American Elsevier Publishing, New York,NY, 1970, 3{23.[Turk, Morgenthaler, Gremban, and Marra 88]\VITS{A Vision System for Autonomous Land VehicleNavigation", Matthew A. Turk, David G. Morgenthaler,Keith D. Gremban, and Martin Marra, IEEE Trans.PAMI, 10(3), May 1988, 342{361.[Viola 90] \Adaptive Gaze Control", Paul A. Viola,MIT SM Thesis, 1990.[Von Neumann and Morgenstern 44] \Theory ofGames and Economic Behavior", J. von Neumann and26O. Morgenstern, John Wiley and Sons, New York, NY,1944.[Walter 50] \An Imitation of Life", W. Grey Walter,Scienti_c American, 182(5), May 1950, 42{45.[Walter 51] \A Machine That Learns", W. Grey Walter,Scienti_c American, 185(2), August 1951, 60{63.[Walter 53] \The Living Brain", W. Grey Walter,Duckworth, London, 1953, republished by Penguin, Harmondsworth,UK, 1961.[Watkins 89] \Learning from Delayed Rewards",Christopher Watkins, Ph.D. Thesis, King's College,Cambridge, 1989.[Waxman, Le Moigne and Srinivasan 85] \VisualNavigation of Roadways", Allen M.Waxman, JacquelineLe Moigne and Babu Srinivasan, Proc. IEEE Roboticsand Automation, St Louis, MO, 1985, 862{867.[Wehner 87] \'Matched Filters' { Neural Models of theExternal World", Rudiger Wehner, � J. comp. Physiol. A161, 1987, 511{531.[Wiener 48] \Cybernetics", Norbert Wiener, John Wi-ley and Sons, New York, NY, 1948.[Wiener 61] \Cybernetics", Norbert Wiener, SecondEdition, MIT Press, Cambridge, MA, 1961.[Wilkins 79] \Using Patterns and Plans to Solve Problemsand Control Search", David E. Wilkins, StanfordAI Memo 329, July, 1979.[Williams 83] \From Napier to Lucas", Michael R.Williams, Annals of the History of Computing, (5)3,1983, 279{96.[Winograd 72] \Understanding Natural Language",Terry Winograd, Academic Press, New York, NY, 1972.[Winograd and Flores 86] \Understanding Computersand Cognition", Terry Winograd and Fernando Flores,Addison-Wesley, Reading, MA, 1986.

[Winston 72] \The MIT Robot", Patrick H. Winston,Machine Intelligence 7, Bernard Meltzer and DonaldMichie (eds), John Wiley and Sons, New York, NY,1972, 431{463.[Winston 84] \Arti_cial Intelligence", Patrick HenryWinston, Second Edition, Addison-Wesley, Reading,MA, 1984.[Wood 88] \The Nematode Caenorhabditis Elegans",William B. Wood, Cold Spring Harbor Laboratory, ColdSpring Harbor, NY, 1988.27