20世纪90年代，经济上可承受的计算机运行能力已超过1 MIPS，但它在商业机器人领域中的应用还远远不够。世界上已有数亿台计算机，但只有几十万个机器人，其中许多还是十年前被研制出来的。人们感觉到机器人潜力有限，因而对它的工程投入也就较少。高级工业机器人由1~10 MIPS 的计算机控制，比昆虫的智能还低。高速机械臂所用的计算能力能在1秒内进行100次的精确计划、测量和关节调整。移动机器人的计算机不停地运行着，每秒能进行10次特定行驶特征的跟踪、方位确定、路径规划、障碍检测。类似昆虫，对移动机器人而言，成功也依赖于特殊的环境特性，包括精确定位、机械臂操作区内部件的时序排定、正确放置、导航特性的程序编制以及不太乱的障碍环境。昆虫的动作要比现有的机器人更有趣，因为竞争演化会使它们作出有风险的行为。昆虫依靠大量繁殖和个体生存而延续下来，而每代中只有幸运的一小部分能够繁衍后代。即便如此，这两个领域中仍都存在同样的限制。仅仅一个误置的指示灯就使斯坦福机器人摔到楼梯井下，飞蛾也会出现旋转飞行至死的情况，导航系统更依赖于路灯，而非月亮。为减少这种危险，十万美元造价的机器对周围环境仔细标记，像傻子一样行动缓慢。

　　目前，专家对机器人系统进行安装、调试和升级，并设定和测量工作区，制作用于特定任务和位置的控制程序。但很少有任务正好符合这种既耗时又耗钱的准备。如果具有投递、清扫和检查等功能的移动机器人在各种场合都能使用，并且只需一次简单的训练就可投入使用的话，购买者一定会剧增。近十年来实验机器人的表现充分证明了10 MIPS的机器不能很好完成这些任务。100 MIPS的昆虫级机器能对场景建立粗糙的二维映射图，或跟踪上百个三维特征点，也许，仅仅是可能在某些情况下会自由行走。1000 MIPS的蜥蜴级计算机能处理几百万个三维映射格，能完全满足并可能操纵机器人自由行走。基本的思路是将当前映射图与训练中存储的映射图比较，图中的内容越多，出错的机会越小。个个计算机即将达到1000 MIPS的速度，这也很快会用到机器人研究领域。这可能十年后出现在商业机器人中，增加机器人的数量并拓广它们的用途。

　　实用家庭机器紧接着就会出现，也许在2005年左右，当出现了消费清洁机器人的市场之后。早期产品会非常专业化，比如下面描述的自主真空清洁器。它通过每边上的小三角摄像机获取外部环境信息，由1000 MIPS计算机控制，通过三个单独驱动的轮子向任何方向移动。像第二章描述的那样，它每秒要测量周围几千个点，然后汇成三维“证据格”映射图。栅格给予机器人蜥蜴般的空间智能，且更精确。将机器人放在一个新房子里，它会对周围的场景用三维方式记忆下来。也许，它会问“什么时候开始清理房间，多长时间清理一次，门的那边是什么东西？”它的空间理解和适应能力使它不断地完成任务，不出故障地干上几年。也许，它用无线连接方式来保持一个“网页”，检查并修改它的映射图和计划表。

通用性

　　商业上成功的机器人能产生一个增长产业，并会有更有能力的后继产品出现。或许在简单的真空清洁器之后，会出现更大的带有除尘臂的机器人。机械臂可能会更强壮、更灵敏、能处理更多物体的表面。带有灵活手臂、视觉、触觉传感器以及几千MIPS处理器的移动机器人，能完成更多的工作。再配上合适的程序和小附件的话，它就能完成收发物品、清点盘存、筛选杂质、看家、开门、修草坪、比赛等任务。新的应用会对现有的机器在灵敏度、精确性、力量、范围、灵活性、处理能力等方面提出更高的要求。由此，机器人在销售数量、自身性能、制造质量、工程费用的有效性上将会得到提高，呈现出相互促进的螺旋上升趋势。

　　1921年，捷克剧作家卡雷尔.恰佩克（Karel Capek）写了剧本《罗苏姆的通用机器人》，这是一部具有国际影响的作品。在他兄弟的建议下，恰佩克从捷克语中杜撰出“机器人”一词，意指苦难、卑微的劳工。在剧情中，通用机器人是个人造的人，它能做各种苦工，尤其是工厂中的活。

　　1935年，图灵用具体的例子说明了希尔伯特的机械化数学的概念。他设计了能沿带子移动且可以根据简单规则读写离散符号的概念机器，并表明它能做任何有限的数学运算。他还证明，存在特殊的机器能将它们带子上的内容解释为对其他任何机器的描述，然后再对其他机器进行模拟。这种通用图灵机激发出第一代计算机，被用于研究计算。
计算机是通用图灵机的物理实现，但它仅对符号的纸上操作是通用的。通用机器人则将这个思路扩展到物理感觉和行动中。物质世界中有种类繁多的具体工作要做，远多于文书工作，如果通用机器人的性能和价格合理的话，数量很有可能要超过普通计算机。根据各项任务对高级实用机器人重新编程，是朝那个方向迈进的一步，它们被成为零代通用机器人。随后的几代机器人都将以一般性为起点而设计。

图4.1 清洁机器人

 　　使用者几乎不用发出指令，家用自动真空吸尘器就可以完成清洁任务。它有万向轮，每侧都有立体眼睛，1000MIPS的处理器能使它辨识三维空间。图中显示了机器人清洁家具下面的地板，用可收缩管口将积累的尘土倒出或装上带走。它能移动打扫墙角和屋角。“充电臂”能插入就近的插座，将电池充满。

第一代通用机器人
估计出现的时间：2010年
处理能力：3000 MIPS（蜥蜴级）
明显特征：多种用途的感知、操作性和移动性

　　机器人活动源于其基本的感知和行动技能。第一代机器人将存在于为人建造的世界中，模仿人的行为。其大小、形状和力量应与人相差不多，以便进入人类的生活空间。由于大部分的任务是在平地上完成的。因此它在平地上应移动性能良好。同时，为了避免机器人活动只限于一层地板上，它也应能上下楼梯和通过粗糙的地面。它应能够对日常生活中的大部分物体进行操作，并能在周围找到它们。

　　在研究领域里，能穿越各种地形的两腿、四腿及六腿的机器人正在变得越来越平常。它们中的很多是通过导线使用外部动力的，而自备动力的机器人则行走缓慢且行走距离短。这些机器人结构复杂且笨重，装有许多部件和联动装置，每条腿至少有三个马达。材料、设计、发动机、动力源和自动制造等领域的发展，也许会完全改变这种情形。但近期，在性能、费用或可靠性方面，靠腿移动的机器人无法与靠轮子移动的小车相比。一般地，电池充电一次能使带轮机器人行走一天，而带腿机器人只能走1小时，而且速度很慢。然而，带轮小车不能上下楼梯，这是困扰发明者十年之久的难题。针对这点，一些爬楼梯的带轮机器人装置被先后研制出，包括在枢轴上装转动的轨道，三轮辐的车轮以较小轮子垫后，使用多种专用机械脚。与普通带轮小车相比，这些装置在重量、效率和机动性等方面的费用要高得多。如果机器人需要作为“频繁的爬山者”，可能会配置这些机械机构，但是大部分机器人仍然只会简单的滚动。

　　升降器和斜坡装置也提供给了非攀缘机器人。若没有这些，通用机器人就得自行设置，暂时停靠在爬楼梯的装置上，甚至用绞链拉着自己没电缆上下。它比人类强的一点是有耐心，这是由其控制程序决定的。

　　尽管某些场合用到此类机器人，但是许多任务要求机器人能抓取、运输，并能对原料、组件和工具进行再排列。带有六个旋转或滑动关节的固定工作臂，覆盖范围和灵敏性都很好，但对于移动机器人来说又大又笨重。美国NASA资助研制的轻型机械臂由石墨这样的复合物质制成，有紧密的高转矩马达和控制，以抵消弯曲对单薄四肢影响。这种便宜的简单设计能赋予通用机器人很好的臂膀。很多工作需要使两个或多个物体接触，以便处理，因此机器人可能需要多个不同尺寸的胳膊。

　　人手要比人的臂膀复杂得多，这是机器人很难模仿的。大部分工作机器人的爪很像微型老虎钳，有些因特别的工作而采用固定的形状，少数机器人则因工作的不同而改变其“末端效应器”。世界各地的发明者设计了许多敏捷的手，用于操作古怪的特定物体，但它们缺乏控制复杂力的能力而在一些抓握中失败，目前没有一个被用于实际之中。研究者已展示出更精美的手，有的像人手，有的则不然，其中每个手指都被单独控制。它们都有许多分段并有连锁装置，所以它们既笨重又昂贵，控制它们实现灵敏抓取、紧握、定向、适应物体是个难题。由于手指只进行偶然性的操作，需要在短距离内施加适度的力，所以与移动系统或手臂相比，其能量利用率很低。因此，对它所选用的“肌肉”类型的紧密性要求，比使用率的要求还高。有种格外紧密的“形状记忆”合金很容易在室温下弯曲，加热恢复最初形状时，得费很大力。正因为有这许多困难，第一代通用机器人可能只使用简单而不精确的手，而将极大的灵活性留给后面几代机器人。 

　　通用机器人和家庭清洁机器人，对导航的需求是一致的。但通用机器人的发展要比家庭清洁机器人的发展快些。机器人通过传感器来感知周围环境，也可能用图象摄像机建立立体视觉和三维映像图。根据映像图，它可设计路线，探测物体的形状、颜色、位置。通用机器人映像图的分辨率可能会更高，从而赋予其对空间的敏锐感知力。可能它们会需要手附近的精细空间映像图，从而精确定位物体，****操作过程。随着摄影机越来越小，一项有趣的技术已成功地用于研究之中，越来越实用。这就是将小型摄影机放在手、手掌或手指上。

　　几千MIPS的运动机器人完全有能力建立周围场景的粗糙映像图，用它可进行行程定位、行驶规划和控制。当停下时，这样的计算能力足以建立工作区的精细映像图，定位特殊物体，并规划和控制机械臂的运动。目前的语音和文字识别技术已很高了，到2010年机器人肯定会交谈和阅读。它们将被接入因特网，可以进行思想交流。这样，它们就能向远端汇报，执行远方的命令，为适应新的工作任务而下载新程序。信息安全的重要性将会被提得更高，因为被粗心或恶意编程的机器人是非常危险的。

　　通用机器人可能会在工厂、仓库和办公室中首先使用，它们将比以往的机器人更多才多艺。由于应用面很宽，它们的数量会激增，价格会下降。当其价格被家庭所接受时，不光在一些数据任务中，而且在许多实际任务中，它们都将超过个人计算机。也许，每个机器人都有清洁房屋的基本程序，正如早期个人计算机都捆绑了文字处理器一样。

　　机器人人的一些应用将会使它的制造者吃惊。机器人中的程序能使它完成细微的机械工作（如组装其他机器人），还可以交运清单货物、准备宴会、调整汽车、编织有图案的地毯、除草、赛跑、玩游戏以及整理泥土、石块或雕刻。一些机器人的工作需要附带专用硬件，如专用工具和化学传感器等。它的程序由识别模块、抓取模块、操作模块、传输模块、组装模块等许多模块组成，也许这些模块是通过超级计算机上学习程序得到的。不断扩大的子任务模块库减轻建造新程序的工作量。

　　第一代机器人将具有爬行动物的脑力，但大部分应用程序在实现其基本功能时都显得极其繁忙，使得机器人像洗衣机一样呆板。

第二代通用机器人
估计出现的时间：2020年
处理能力：10万 MIPS（老鼠级）
明显特征：适应性学习

　　第一代机器人是缺乏灵活性的刻板的奴隶，无情感地地执行任务，或重复过失。它们程序的僵硬的学习结果是在人类监督下由大型计算机得出的。除了特殊情形，如记录新的清扫路线或操作对象位置，它们不会有学习新技能或适应未知环境的能力。即使需适当地改变一下它的行为都需要新程序的支持，而这很可能只有从软件供应商那里才能得到。

　　第二代机器人的运算速度比第一代快30倍，它们能在工作中学到技能。最为突出的优点是适应学习，会产生行为“闭环”。通过对以前行为有效性的度量，它的行动会被反复调整。程序在完成任务时，各个步骤都能得到多个选择，其中的成功方式在相似的环境下很有可能被激活，而失败的方式在同等条件下被激活的可能性就很小。“统计学习”是另一种途径，大量的参数（如神经网权值）由行为不断更正，以使实际的行为更接近理想。第二代机器人的程序将会使用许多这样的学习技术，使机器人获得新本领，同时也产生新的困难。

　　一些程序也可在人的帮助下进行学习。为了让机器人能够识别鞋，它的主人会在杂乱的屋子里放很多鞋，并给机器人指出，然后，运行物体学习程序的机器人将注意鞋和其他物体的形状和颜色，训练统计分类器来区别鞋才非鞋物体。如果机器人以后遇到了难以判断的物体，比如盛肉汁的器皿，它可以征求主人的意见，进一步调整分类器。类似地，可以在用手推动机器人运动的过程中，通过记录发动机的情况来掌握如何控制发动机的性能，并在实际中不断进行优化。学习模块编写起来非常乏味，但它易于封装和使用。例如，一个常规程序，通过移植识别鞋的模块而具备收集鞋的功能。

　　第二代机器人很少由人来训练，通常是根据自身的经历来学习。不断运行的调节程序或模块提供环境是否理想的信息，据此给任务程序发出信号，从而控制机器人，这样行为闭环就形成了。第二代机器人应用程序的每一较大或较小的步骤，都有多种可选择性。例如，抓取动作可以是低于手的，也可以是过肩的；用力的或柔和的；胳膊可以快速移动，也可以慢速移动；可以用一只胳膊完成提升物体，或用两只来完成；寻找目标可以用若干个识别模块中的一个；两个物体可以多种形式摆放，等等。相关的方案都有一定的概率被选中，当调节模块发出信号时，刚执行的各个选项的概率都要被修改。调节信号主要分两类，正的将会提高概率，负的将会降低概率。调节模块对什么样的情形有所响应，它发送的信号类型和大小又如何，完全取决于程序设计者。某些选择似乎很明智。出现很强的负信号表示可能有物体相撞或掉下摔坏的情况，要么是机器人的电池快耗尽了，要么就是没能完成任务 。任务完成得异常慢，或几乎失误，或执行过程中加速过快都将引发微弱的负信号。完成工作很迅速，给电池充电，或者没有出现负信号都将产生正信号。一些调节模块可能会与机器人语音识别相联系，对于表扬的话语产生正信号，批评的言词导致负信号。20世纪90年代，它们还能鉴别出讲话人的语气。第二代机器人几乎对行为的每步都有选择项，对于一个新任务，训练过程可能非常慢，就像马戏团的狗熊一样。非常实用的“使用者训练”程序，允许关键的学习步骤直接由特定的话音批示或手势来引导，调节过程用来微调。

图4.2 P2.通用机器人的雏形

　　图中所示并不是身穿太空衣的宇航员，而是由日本本田公司30位工程师花十年时间研制也的能自控的机器人，这也许是用来弥补未来汽车市场的萧条。“背包”内含有电源和计算机。机器人有功能齐全的胳膊和摄像头，可以看见楼梯和移动的物体。迄今为止，它的最高技能是行走───在平地和斜坡上行走、上下楼梯。它的行走姿势有些像人。如果推它一下的话，它会改变姿势或就势走动以保持平衡。它身高180厘米，体重210公斤，造价几百万美元，电池寿命是15分钟。由于后两项指标太差，以致目前它还不能实用，但研制工作仍然在进行，它肯定会成为未来通用机器人的前身。后来又研制出体形小一点的P3，电池寿命是25分钟，这可能是当前最高级的能自控的机器人了。

　　如果在你厨房里工作的第一代机器人遇到了麻烦，比方说，工作区的空间非常狭小而使机器人在完成关键步骤时笨手笨脚，你会有多种选择：可以放弃这项任务，也可以改变机器人的工作环境，还可以设法得到弥补这个不足的软件。而第二代机器人也许开头是错误的，但却可能自己找到解决办法。它会以上千种细微方式调节以适应家庭环境，逐渐提高性能。第一代机器人的个性完全是由它所运行的应用程序的操作顺序决定，第二代机器人的品质更多的是由它拥有的调节模块所决定。如果调节系统给出的一直是负结果，它可能会删改整个应用程序。

　　学习是有风险的，因为它需要从少量的经历中得到普适的行为准则。如果经历的碰巧是异常的，或者调节系统对相关条件错误识别，将来行为可能会被持久地歪曲。第二章所述的ALVINN自动驾驶系统，通过学习可以沿着特定路面模仿人类驾驶，这个系统的一个要素是，人为细致地放大了实际摄像场景。波梅莱奥的程序通过将卡车向两个方向最多近似移动半个车道的几何修改方式，把每个实时训练图象和相关的驾驶命令转变为30种不同类别。不采取这个策略，汽车会很危险地偏离车道中央。程序还增加了让系统忽略道路外边情形和远处交通情况的人为策略。其他灵活的学习程序，包括我自己研究的也有类似情形：如果构造学习条件不恰当的话，很可能会学习危险的不相关东西，而丢弃了重特性。例如，在ALVINN到RALPH的转化中，在合理约束硬件之前，必须掌握充足信息。然而，在程序设计时，往往得不到必要的信息。
　　即使是动物或人，在经历了数千万年的进化磨练之后，还很容易受到某些干扰。人类和动物在成长中，都感受过创伤或受到恶意的对待，所以可能会成为自增强恐惧症的受害者。第一代机器人在仔细监督下进行离散“训练”，从工作情况看，不会永远尝试不良效果。第二代机器人可能因突发事件或恶作剧而不正常，直到它的内存被清理，恢复到初始状态。第二代程序员面临的最大挑战之一是设计调节程序组，使它具有训练迅速，防止误差的能力。这方面，可能不会有完美的解决方案，但有许多近似的方法。

　　2020年的第二代机器人将随身携带计算机，其计算能力与十年前第一代机器人学习所用的超级计算机相当。到2020年，超级计算机的能力将得到很大增强，并能扮演背景角色。调节程序组中的诸多单个程序对某些特定刺激有响应，它们之间相互影响，并与计算机控制程序及环境互相作用，混乱得难以准确地实现预期目标。特定的程序组需用在机器人上来评价，但从许多粗糙的方案中寻找的关键性实验将是非常慢和危险的。一些程序的行为可能会出人意料，而这却可能损害机器人人，甚至伤害测试者。

　　快速而安全的初始筛选也许在运转的超级计算机仿真中就实现了。有价值的仿真过程需要好的模型，这样才可以对一些情况做出正确的预测，如准确预测一个抓取动作抓起一个特定物体的概率，或者视觉模块在特定环境中找到所需物体的概率。2020年，计算机的性能仍然达不到模仿日常生活中每个细节的程度，但可以从机器人获得的信息中得出近似结果，从机器人的经验中了解日常事物是如何行动的。为防止数据不全或曲解，需在人的监督下对数据进行大规模的系统采集。合适的模拟器将包含数千种已进行学习培养的模块（称为交互模块），以实现各种基本的交互作用，获得具有常识的机器人。它将成为纯粹言辞结构的知觉/动力部分，由Cyc将常识赋予推理程序，如第二章所提到的。

　　模拟器能用于自动寻找有效调节程序组，实际上是在学习如何学习。可以通过将******器人置于模拟家庭中，运行一些可能成功的应用程序。在这种情况下，或许可以评价一个程序组。重复产生特定效果而可靠的工作的程序组将被保留，稍做修改后重新再试，而那些表现较差的程序组将被淘汰。这种过程称为遗传算法，它是达尔文进化论在计算上的应用。在调节量（这里是选择项和调节模型所处的环境）和需优化的量（机器人的行为）之间的关系并不简单时，遗传算法有时是很有效的优化方法。

第三代通用机器人
估计出现的时间：2030年
处理能力：300万MIPS（猴子级）
明显特征：全局建模

　　自适应的第二代机器人使用面极广，很可能会成为世界上最大的产业。但是，不论通过编写程序还是训练传授给它们新技能，都会是很乏味的过程。第三代通用机器人所携带的计算机的性能，与对第二代机器人进行优化的超级计算机的性能一样强大。在快速仿真中，它进行了更多的实验，尝试了更多的失败，而不是缓慢而危险的实际尝试，所以它学习的更快。同样，在人类监督下的超级计算机的处理过程将得到改善，并将直接安装在下一批机器人上；同样，这会再次产生新的机会和新的问题。

　　由于带有足够快的模拟器，机器人将在运行中对周围场景不断记录，也就是实时模拟外部环境。这就需要机器人能够正确地识别它所检测到的几乎所有事物，只有这样才能激活适当的交互模型。靠视力识别任意的物体与了解它们如何交互同样困难。这需要对各类物体进行特殊训练的模块（称为感知模型）。为第二代机器人的模拟器可能已经开发了一些感知模型，以将机器人工作空间的乏味仿真自动化。将机器人技能全面化和系统化，对于全自动应用的第三代机器人来说肯定是必要的。感知模型将使机器人把室内三维图像转变成工作模型，而其中每个物体又都被辨识出来，并与适当的交互模型相连接。

　　对自身和周围环境模拟的不断更新，使机器人具备很有趣的能力。使运行模拟程序比实时行为稍快些，机器人就能预测到即将要做什么，若预测到将出现的比较糟的结果，机器人就能及时改变意图───这就是一种意识。从更大的规模上来讲，在承担一项新任务前，调节系统可进行多次模拟，这样，机器人可以从模拟经验中学习，就像从实际经验中学习一样。在很好的训练之后，这一代机器人在第一次实际从事某项任务时，就很有可能成功，而不像第二代机器人那样，在实际中犯许多的错。

图4.3 通用机器人的概念原型

　　万向底轮可以使机器人在平坦地板上灵活运动。升降架、小坡道、提升架、特殊运送车使机器人能爬楼梯或穿过粗糙地面。旋转底架上的中央柱子为操作手、传感器、旋转附件和升降附件提供了机械支撑，并能对它们控制，还能提供动力。例如，一个附件是由一组微型摄像机组成，给予机器人360度的立体视觉。操作臂上的摄像机提供了工作对象的精确视图。为了探及更高点，机器人本身能附接新段来延长它的支持柱。底盘的电池和计算机给机器人提供动力并且保障了机器人的稳定。臂膀等主要结构是由强硬的轻型混合材料制成。轻型、大转距的电动机负责驱动主要运动，类似底轮和臂膀的运动。如形状记忆金属这样的更轻型、低功率的传动器驱动许多指头的运动。这些新技术使机器人在大小、体重、力量和耐力等方面大体与人相似。它的纺锤形结构与迪斯尼的“魔术师的徒弟”中的卡通扫帚柄类似。

　　一旦机器人有空余的时间，它就可重新感受先前的经验，试着进行改善以后的行动。足够先进的第三代机器人的模拟功能将延及其他的行为者───包括人和机器人，它能观察其他人完成任务，并形成一个程序以供其自身完成任务。这就是模仿。

　　作为对特殊调节模块的响应，第三代机器人也可以被引导编写出自己的简单应用程序，且机器人的行为越接近预期结果，所受到的鼓励越多。在这样的“老师”指引下，普通的程序将逐渐转变成能得出特定结果的程序。这个老师与其他引导出的行动相比是简单的，并能通过话音命令建立。“把杯子放在桌子上”这句话可能会产生一个调节模块，它所受到的鼓励与杯底和桌面间的距离成比例关系。这个模块加上对杯子掉下会产生负信号这样的标准模块，重复模拟可能设计出一系列的胳膊运动完成任务。

　　还有复杂的情形。如果不能对物体和事件正确建模的话，模拟器将会被危险地误导。最新的投递机器人不可能对刚遇到的带有主人标记的小玩具进行很好地识别，需要一些学习方法，也许可从遗传类别中分配给新物体感知和交互模型。当实际情况与模拟过程有所差别时，这些特定物体的交互模块就会得到调整。而当机器人还不具备完成各项任务的合适模型时，让它执行很复杂的任务是危险的。第三代机器人将需要“演练”时间，让机器人演练拿放物体、探测空间、完成较小行动，以完善模拟过程。

　　尽管第三代机器人人有适应和模仿能力，并能制造简单的程序，但它们仍需要依靠外部提供的程序来完成复杂工作。它们的动力装置和感知功能将会很高级，并具备强大的记忆力和潜能，它们很可能为自己编出奇妙的控制程序以完成大型任务，在细微之中体现独到之处。对人类程序员来说，跟踪许多细节将越来越困难。幸运的是，机器人在很大程度上能自动执行这些任务。第二章中提到，第一个计算机控制的移动机器人谢基，带有一个称为STRIPS的推理程序，用符号逻辑判断表述机器人的状态和能力。STRIPS解决行动的次序问题以得到所需的结果，作为数学定理的证明。但在只有0.3 MIPS的谢基上，定理证明器和检测处理过程不能处理复杂的现实状态，谢基的行动被限制在几个块区中。

图 4.4

　　尽管在1969年对谢基的限制很多，但通过定理证明方式来规划机器人行动的思路是行得通的。将对外界环境的初始描述、希望的状态、机器人的的能力等信息提供给定理证明器，并保证有充足的时间和空间，那么对于一个问题，它都能找到一个绝对正确答案，不论普适度、灵敏度和曲折度如何，只要存在这么一个答案。第三代通用机器人出现之时，超级计算机将提供1亿 MIPS，（受益于自顶向下的人工智能领域的不断发展）计算机程序可以对真实世界的环境执行类似STRIPS的推理。于是在2030年，用于生产机器人的超级机器人将接受更复杂的挑战（找到一系列安装步骤得到所需的机器人），通过 定理证明器将编译出奇妙错综的控制程序，使第三代通用机器人适应实际环境。

第四代通用机器人
估计出现的时间：2040年
处理能力：1亿 MIPS（人类级）
明显特征：推理

　　机器人人在几十年“自底向上”的进化间，逐步地将人类的感知力和原动力传递到机器中，传统的人工智能也将完善推理的机械化。既然目前的程序在某些方面已达到人类水平，那么四十年后在计算机性能提高百万倍的情况下，机器人应该具有超人的水准。目前的推理程序的基础是人类提供的少量清晰信息，而来自机器人传感器的数据，如来自摄像机的数据，对它们来说庞大而杂乱。但一个好的机器人模拟器能对机器人及其周围环境进行井然有序的描述和标记，供推理程序使用。它能确定某些状态，如小刀是否在柜台上，机器人是否抓住了杯子，甚至一个人生气与否。

　　第四代通用机器人的计算能力可以一边模拟环境，一边对模拟的情况进行推理。像生产第三代机器人的超级机器人，第四代机器人能为自己和其他机器人设计出超级机器人程序。得益于人工智能的新进展，它们将能理解自然语言。脱离躯体的语言理解者或许使用常识语言数据库，这与Cyc的方案类似，根据其他词来确定所需词的意思。第四代机器人通过它们的模拟器能对概念和陈述理解更深。当有人告诉机器人“浴缸的水快流出来了”。机器人会立即更新模拟器状态，即便看不到浴缸，也会得到不希望溢流的指示，激发机器人关掉水管。纯粹语言命令也能完成同样任务，如上例中可以对机器人讲“如果水笼头不关的话，装满水的浴缸就会溢出”。然而，模拟器中的一些普遍原则交互作用，能取代一些命题。

　　同样，模拟器可能会增强作用于实际事物的推理程序。在对典型事例的平行仿真中，如果候选推理失败，就会被丢弃，相反，仿真中持续的一致性会证明假定推理的正确性。机器人在听、说和推理时会进行生动的描述。此方法的一个有效版本是一个最早的人工智能程序，即用在赫伯特.杰勒特（Herbert Gelernter）于1959年研制的几何定理证明器中。由欧几里得“元素”的假设和推论规则开始，杰勒特的程序使用代数“图表”消除了证明中的错误方向，证明了一些定理。例如，证明在某种构造下的两个三角形全等之前，程序将产生一个结构样例，对未特别指出量使用随机数字，然后试题结果三角形。如果图表化的特定三角形数学精度达不到要求，一般而言程序将放弃全等证明。

　　模拟器中增加的语言理解和推理能力在机器人中相当有效，它们将被计算机程序采纳，通过机器人的经验使它们建立在真实的物理环境中，进而调整模拟器。到时候，机器人控制器和脱离躯体的推理器之间的区别将逐渐消失，推理程序将进入机器人躯体，与环境交互作用。这样，机器人的思维将置于大型计算机之中，进行一些离线的深度思考。
第四代机器人能理解人类言语中的意图，把它们“编辑”成能完成任务的精细程序。在环境数据库很详尽的情况下，指令就能很概括，如“谋生”、“制造更多的机器人”、“造个伶俐点的机器人”。实际上，第四代机器人具有了人类一般的能力，某些方面很像人，某些方面又是所未有的。在它们设计它们的后代时，这个世界将变得越发不可思议。这也是下章谈论的主题。

机器人的内在生命力

　　通用机器人控制器的发展类似于四亿年间脊椎动物大脑的进化，粗略地以脑干、小脑、中脑和大脑的增大为标记，但其发展的步伐要快一千万倍。由于第四代机器人在行为和演化方面与我们人类相似，我们也许会问，它们是否有与我们相似的内在精神生活呢？它们意识到它们的存在吗？它们有情感吗？

　　对这些问题的传统回答是毫不犹豫的“没有！”。机器毕竟是冰冷无情的。而且，机器具有内在意识情感的说法会使一些人感到恐怖，激怒某些人，这是可以理解的本能反应，因为它是对事物本性的深层次的原始观念的撞击。20世纪初，关于太空旅行的预测也受到同样的对待。太空旅行违背了不言而喻的关于现世和天堂的划分，而多数宗教认为这种区分是神圣的，太空旅行会破坏自然规律，带来可怕的后果。充满思维的机械化同样也违背了生与死之间明显而神圣的划分，这个观念已根深蒂固于我们之间。与活的东西的交往技巧充满了情感、记忆和意图，这与无感觉迟钝的死的东西的接触完全不同。

　　尽管能活动的机器已存在几个世纪了，但它们的行动更象是无生命的东西，不知道过去和将来，仅仅对操作者的技术指令响应，而全然不知操作者的意图。过去的机器比生物界的细菌还简单，对未来机器人的智能发展有误导作用，正如细菌与人类心理的关系。古代思想家将区分生命体的非生命体的本原理论化为一种特殊的物质，即精神。上世纪的生物学、数学及相关的科学积累了大量有力证据，得出生命本原并不是精神这种物质，而是非常特殊的、复杂的组织结构。这种结构曾一度只在生物体中出现，但现在正逐渐在复杂机械中表现出来。按过去的说法，我们目前正激活周围无生命的物质。很快，我们就能很荣幸地欢迎新的生命物质的出现，虽然这会搅乱传统的生命类目。

机器人的外部表现

　　机器人的内在生命力将随着机器人的进化而不断增强。第一代机器人中性能良好的程序更多地依赖于偶然的事件。其机器人的主机在完成任务的同时，还要对故障、供应短缺和小事故等进行处理。在严格界定的范围内，机器人似乎真正知道它们的活动环境。出了这个范围，这种感觉就会消失，程序将无计可施，机器人会在错误信息前停下来。

　　第二代机器人的行为来源于应用程序、调节模块以及机器人的实际经验之间的相互作用，并随着经验的积累而得到改善。第二代机器人能学会处理没被清晰编程的事件，它们可被训练好，也可能受伤。在应用程序所刻划的特定技能之外，它们似乎还不如一只小哺乳动物精明，但它们具有外部的、普遍的和非特定的智能。它们将有自己的好恶，工作时追求第一而放弃第二，具有自己的行为特征。我确信许多人对第二代机器人会像对宠物一样，在交往中产生移情现象，机器人对此也会产生响应。

　　第三代机器人在过去的基础上增加了外界全局模型和心理全局模型。它们的行为很可能表现也意识和思维。通过观察，它们建立周围环境的仿真，并记录下每刻的仿真状态，这样可稍后重放这些略微有变化的仿真结果，提高学习能力。模拟器计算未来，预测事件，并权衡各种选择方案。和第二代机器人一样，可选择方案的合理性由调节模块来确定。还能以另一种方式使用仿真结果，使机器人与人类的交往更轻松。仿真由被标注的物体和事件所组成，所以通过检查仿真的过程，机器人能够回答有关自身过去和将来的行为和观察问题。比如，“你把那个满是尘土的锅放到哪儿？”“下一次你清理哪个房间？”“还有牛奶吗？”1970年，基于特里.威诺格拉德（Terry Winograd）研制的SHRDLU程序的全局模型就是此类交互的最先例证。在这个仿真世界里有十多个不同尺寸和颜色的可移动木块或锥体，在此情形下，这个程序能回答问题和执行命令。

　　仿真不但需要外界要素，还要有心理要素。例如，“当玛丽离开房间时，她忧虑吗？”“你是否想使她高兴起来？”心理模型是理解人类行为的程序，尤其是言语，并进行行为预测。与模拟器中的其他要素一样，它们被机器人的经验所调整。机器人的行为方式太复杂了，以致不能像对实际物体建模那样处理。它们与人类的行为方式类似，也许适当调整过的心理模型可应用到它们上。例如，对于问题“为什么不清理楼梯尽头的那些污物呢？”，观察力敏锐的第三代机器人或许回答“太靠近的话容易再次摔下去，我上星期就吃了次亏”。第三代机器人对自身机制的洞察并不比其他机器人多，也没有更多的模仿自身细节的信息及处理能力。但它能对自身的行为进行心理学的观察，就像对其他机器人进行观察那样。遇到问题“为什么今天下午你把花放在桌子上？”时，它或许会回答“因为我想这会使玛丽高兴”。再问“为什么你想让她高兴呢？”，回答是“当她高兴时，我就快乐”。后面的响应引用了正调节，并认为这种调节导致的后果会使玛丽高兴。这些信号来自于心理模型中关键的调节模块，但是第三代机器人不能模拟大的调节程序组，也不能模拟它对金字塔式路径的复杂效果以及控制程序中的识别器权重。反而，为回答问题，它用人类的遗传模型来模拟自身，并调节使之与对自身行为的观测相匹配。

　　第三代机器人基于模拟器的思维是非常具体的，在交谈中显得幼稚而头脑简单。它会诚实地回答关于它的动机、情感、计划和懊悔方面的问题。如果人们认定它具有信念的话，那么它就像人一样相信它是有意识的！

　　能力超过人类的第四代机器人，将能抽象出概要，从第三代机器人的场景中得到微妙的结果。反过来，它们能把抽象结论重新应用到具体的仿真中，并可能以不同方式重新进行抽象。这种机器似乎不那么头脑简单，除非其抽象及表现与人类的思维模式非常合拍，否则难以理解。它们的适应力、建模能力和解决问题能力的一部分，将被用于探测人类理解力的边界，于是它们就能以人类可以理解的方式去讲话，甚至思考。它们的调节程序组将包括负模块，以处理它们所说的话的含意不能让人类理解的情况。

意识的负担

　　第三代机器人的实时仿真代表了对过去的记忆和未来的预测。这使机器人在行动及其后果发生时或之前，就能加以检查，并在洞察力的基础上做出改变。如果模拟器能显示机器人重要的内部特性，如充电量、温度、平衡，甚至程序状态，那么模拟器就带来一定程度的自我意识。机器人的行动会部分因其后果对机器人内部状态的影响而有所改变。即使除了内部模型，这些机器人中仍暗含着一个自我，作为大部分仿真区域的中心和所有坐标系的起点。它们很自然地视自己为所处环境的中心。大多数的哺乳动物可能都具有类似的非语言意识感知力。

　　某些有关人类意识的理论集中在语言的角色上，认为最明显的意识感受来源于人类群体中的叙述与对白。我们的语言产生才能描述正在发生的事件、它们的逻辑后果和情感效应，而我们的语言理解机制接收和响应语言信息，产生可能交织到叙述对白中的二级反应。人类的推理似乎主要是一种有严格方式的语言训练，所以自讲自听是进行广泛思维的唯一方式。

　　下一代的机器人将具有语言能力，但似乎不会出现通过自讲自听方式来推理的情形。与人类不同，第四代机器人会有更直接有效的有力机制，他们用推理程序完成叙述的功效。推理器能把模拟器事件和长期的目标联系起来，这样就赋予了行动一定的含义，不是短期仿真的片刻效应。这种逻辑推理用于语言产生系统，就像发狂的体育评论员，对机器人周围发生的每个细小事件的意义，都要现场评述一番。更有用的是，推理中暗示的价值判断能被转换成调节信号。这将会通过加强其长期目标来灵巧地改变机器人的行为。

　　与人类一样，机器人中的意识也生产后果。在驾驶中，我们侧过脸来看肩膀时，我们自己此时就变成干拢我们的副驾驶了！对第四代机器人，编排控制系统的行为、调节、仿真和推理这四层的方式很多。某些配置将使机器人具有更彻底的意识，超过了人类的平均水平，也正因为这一点而更容易中断它们的行为。它们会更有洞察力，却常常犹豫不决。有些配置使它们具有很少的意识，更像是“行动的机器”，能完成任务，但更可能搞得一团糟。毫无疑问，不同任务会受益于不同的侧重点和配置。一些重复性极强的任务最好由无意识能力的机器完成。另外一些易于出现无法预测情形的任务或不熟悉的任务，最好是在多级监督下进行，每级能被上一级随时中断。

　　最终，充满思想的“机器人科学家”可能建立强有力的模型，以阐明我们人类意识的交互现象，使它们能可靠地具有一定特性的、人类级别的思维机构。到那时，它们自身的思维也在种种尝试和错误之后被极大地扩展和提高了，比人类的更精细，它们对其思维的工作原理的困惑程度，就如我们对人类大脑的思维过程一样困惑。

恐惧、羞愧和欢乐

　　为了赢得生命中的竞争性比赛，像动物一样，机器人将在极少的信息量情况下采取行动。对于一个冒险的机体来说，外界环境中充满了误导的线索和不可预料的危险。第一代机器人导航和辩认物体是根据即时映像图中的颜色、形状与训练中存储数据的匹配程度来决定的。偶尔，机器人会走错一步，也可能会误识物体，使自己陷入困境，但都会出现对错误的暗示。如果机器人陷入楼梯井，映象软件可能会指示已没有地板，或者行走系统可能指示出现了意外的场景。为阴止灾难的发生，即便是第一代机器人都能在危险时中断应用程序。

　　看门狗程序，比如第二代机器人中调节模块的初级版本，可与应用程序同时运行。它们寻找意外情况的信号，时刻准备激活适当的响应程序。与被中断的应用程序相比，大多数紧急处理程序会使机器人的行动更简单、专一而有力。如果看门狗程序得到危险的暗示信号，它会将机器人从寻找目标的状态突然切换到暂停状态，加强检测以核对、定位问题，缓慢而谨慎地从冒险退出，或尽快从危险中撤离。

　　与我们从动物中看到的类似，机器人对某些情况产生恐惧反应。确实，像昆虫这样的简单动物，机理似乎一点不复杂。但是，识别潜在危险的神经电路能发出信号激活运动神经节，中断其他行动，产生特殊的防卫行为。

　　高等动物和高级机器人中的恐惧反应更为复杂。得到危险信号的暗示会导致脊椎动物产生肾上腺激素，加快新陈代谢，重新定位血液流向，包括从如消化这样的长期功能，到产生斗争还是逃跑的必需功能，如领悟、思考和移动等。计算机控制的机器人，也许会把数字信号传给相关的子过程。它会关闭紧急事件不必需的背景过程，给检测和行动例程留下更多的容量。

图 4.5

 　　脊椎动物通过基于恐惧经验的调节，以避开导致危险状态的任何情况。同样，在第二代机器人中，看门狗程序也将是负调节例程，产生的信号使机器人不去做导致问题的事情。

　　当勉强躲过意外事件后，高级动物，尤其是人类，会设想如果当时采取不同行动的话，会导致何种结果。也许他们将重新尝试糟糕的情况。第三代机器人将模拟引了看门狗程序的各种事件方案，以寻找避开此问题的情况。在紧急事件之后，它们可立即重放，并可在以后有空的时候再做多次。有时，为寻找代替危险行动的安全方案而采取的再试行为的优先权非常高，会使机器人在其他活动中分心。

　　经历严重惊吓和恐慌之后，人类会回顾所采取的行动，羞愧于行动方式，并合理地加以改变，避开导致问题出现的行为。同样地，第四代机器人可用推理程序来评价短期的选择对长期目标的效用，也许会选取不同的方法，以防止出现危险情形。另一方面，如果从长远角度来看，人类的选择可能产生很好的效果，如繁荣景象、快乐的家庭和人类能体验的喜悦，这些行为就会得到加强。类似地，一个幸运的第四代机器人，或许能推理出长期方案中的成功进展，在整个系统范围内产生信号，增强目前的行为。

　　通常，第四代机器人会展现出动物和人类中存在的一些情感，因为这些情感是处理生命世界中意外事件的有效途径。
爱慕之情

　　并不是每种人类的情感对机器人来说都有意义。早期机器人在工厂里被制造出来，在设计计算机中能发现它们的等价基因组。但与工蚁相比，它们不能通过性行为或其他方式进行繁殖，因而也就没有理由为性行为或情感安装程序。

　　然而，使机器人对其主人有一种柏拉图式的感情将具有很好的商业价值，这种感情类似于狗对主人的忠诚之情。在第三或第四代机器人中，通过“心理”模型，模拟器或许有能力建立人或其他机器人的精神状态模型。这就像物体识别和交互模型的学习那样，不断地训练并根据后果进行调整。此模型能使机器人衡量其行为对人类情感的效果。此效果依赖于机器人所带的调节模块，但它非常有可能安装会使其主人快乐的程序组。于是，机器人用它们的创造力来设计出使它们主人快乐的行为（第三代机器人的这种能力是适度的，第四代是不可估量的）。也许它会精心选择自己工作的时间而不打扰主人，也许它会找到给家庭带来额外收入的途径。通过机器人的调节系统，这些行为得到增强。除了将主人真正高兴的信号传给心理模块之外，相互体谅、甚至感谢等方式都是没有必要的。机器人将展示出无私奉献精神，这种情感只有真正的朋友才能付出，这就是古希腊人和基督徒无私之爱。

　　当然，关于这点还有更多例子。在群居的昆虫中，工蚁似乎是纯粹的利他主义者，为了群体的幸福，它们工作直至累死。对于独居动物，如果它们不那么自私以确保其生存和繁衍的话，它们就会很快灭绝。工蚁不同，它们是通过蚁后而繁殖出工蚁的。如果群体存在的话，工蚁的遗传因子就会存在，这种明显的利他主义实际上是更大意义上的自私。所以，在工厂里制造的无私的机器人也是这样的。赢得顾客的机器人模型会被大力推广，这种机器人的制造商会赢得市场，于是“友善的”机器人会成为市场主流。另一方面，粗暴的机器人或反叛机器人的销售量可能会少得极其可怜，逐渐消失，与它们的制造商一起灭亡。

　　用户选择的原则能保证大部分与人类交往的机器人将异常地友好，比人类更友善，而人在一生中大部分时间自私是有很好的遗传理由的。但是，这些友善机器人的制造商将相互竞争，而在这个况技场上强有力的决定因素就是下一章的主题。

愤怒

　　动物发怒至少有两方面的作用。攻击性的行为能很好地解决某些情况。而在另一些情况中，恐吓的一方能在冲突中获胜，因为这使对手认为不值得暴发一场争斗。发怒的生理学症状与恐惧的症状很类似，但在斗争/逃跑的选择中，发怒更可能导致斗争。

　　赋予早期通用机器人愤怒的能力是件很危险的事情，因为它们可能会因对环境的有限理解而由误解导致愤怒。后来的机器人会发现，在与不负责的人或机器人的交往中，偶尔表现出愤怒是有用的。例如，假设一个第四代机器人被用于保安。当有干扰者时，它首先要求合作。如果得不到合作，它会发出威胁。如果威胁也不行，那将升级为攻击性行为。在此过程中，机器人试图对作恶者的心理状态建立模型，尽力加以控制，引向合作。交往的第一个阶段是吓唬，同时机器人对将来的可能性进行仿真，考虑它本身或者是作恶者受到损伤的情形。

　　正常情况下，损伤的可能性将引发负调节，限制机器人的行动。但是，保安机器人有一个特殊的调节模块，在安全受威胁时的反应方式是对行动产生正增强效应。这将使机器人好斗，一旦受到激发，它就会不顾危险，逮捕罪犯。这样做会自然地提高它的威力，使将来的入侵者感到害怕。在提供有关人类行为的足够数据情况下，第四代机器人能实现上述方案，执行保护一个地方安全的任务。因此，它们会给自己安装这样的行为诱导调节模块，从而具有愤怒的能力。

　　第四代机器人人并不是被一成不变的遗传所支配，其行为的审慎度和适应性要超过人类。然而，改变自身特性的能力是非常危险的。机器人能以有害而不可逆转的方式来改变自身，如意外地破坏了它的思考能力，或非常顽固地抵制改变。除非在友好的环境下，这种变化可能永远不会出现。也许一个不会改变的机器人复制品将作为旁观者在一旁密切注视，一旦发现出了差错，将马上取消变化。

痛苦和欢乐

　　中世纪的学者认为，物质世界是精神世界的投影，神和人类的灵魂驻留在精神世界里。研究物质事件被认为是浪费宝贵的时间───最好弄清每件事的精神起源。三个世纪前，笛卡儿从根本上推翻了这个观点。在观察了水动木偶、发条推动的鸭子、牛眼之后，他认为身体是一个复杂的机器，可能由血流的液体压力驱动。因为当时缺乏思维的机械模型，他保留了部分中世纪的思想。思维是个精神实体，松果体腺把意识思维和机械本体联系到一起，而松果体腺是置于大脑中央的“第三只眼”。松果体对物质环境的观测被阻塞，于是它的扫视范围就是缥缈的精神王国。如果笛卡儿工作在今天，他定能见到计算机中思维的物质模型，并成为彻底的唯物主义者。唉，只是17世纪没有计算机。

　　到20世纪初期，笛卡儿的身体-思维二元论在西方哲学和科学中一直占主导地位，科学思考为达尔文关于复杂生命进化的解释、对大脑结构和功能的详细研究所占领。有很多理由让人认为，最神秘的精神现象都有其物质起因。20世纪30、40年代，吉尔伯特.赖尔（Gilbert Ryle）提出论据之后，二元论（即“灵魂在机器中”）在哲学圈内变得过时了。但是，这各思想并没有消失。

　　看起来很明显，无生命的机械过程本身不会引起精神上的感受。关于特殊灵魂的想法，实际来源于有关身份、唯一性和优越性的宗族本能。这是笛卡儿分析的起始点，“我思故我在”。这也出现在批评家对唯物科学和思维机器批评的神秘论据。加州大学伯克利分校的哲学家休伯特.德赖弗斯（Hubert Dreyfus）认为，计算机也许能模仿思维的意识表面，但绝不能捕获不可言语的潜意识本能。他的同事约翰.瑟尔(John Searle)认为，计算机能模仿思维，但决不会进行有实际意义的思考，正如计算机可能会模拟一个肝脏，但不可能分泌出胆汁一样。这意味着意义和思想是看不见的物质。彭罗斯在几年前论证，大脑可获得意识，并能接近无限数学真理的柏拉图式领域，这是通过个体神经元中的量子波函数的引力坍缩实现的。 

　　一个无生命的机械过程如何产生出生动的精神活动呢？虽然实验证据还不充足，但神经科学家已开始从积累的实验证据中寻找答案。丹尼尔. 丹尼特(Daniel Dennett)的《意识解释》一书，视我们的内在精神活动为感官和神经信号的运动，就像语言一样。例如，对红颜色的感觉类似于一个交响乐符，涉及到对血、浆果、交通灯和单词“红色”等指示物的反射。它与激活“绿色”截然不同。感觉组件各自独立发生，且只能在事后进行协调，正如我们对他人或自己重述刚刚发生的事件。在重述中，我们并不是好的目击者。为了得到一个好的故事，记录可能会有所改变。一个小例子牵涉到我们对同时来的视觉和触觉刺激的感受。复杂的视觉处理比触觉感应的时间长许多毫秒，所以同时的闪光和轻触在大脑皮层的记录时间不同。然而，我们感觉两者同时的。从对大脑的实验中发现，如果大脑皮层相关区域同时受到刺激，引出的视觉感应要先于触觉感应。两者到达时间的记忆单元似乎被处理，以补尝不同的传输延迟。失明或幻觉这样的极端状态鲜明地表明，我们最深处的经验并不完全如它们所表现的那样。我们的主观经验是对客观事件有所改变后的认识。如果我们的记忆是靠不住的，我们又如何能确定我们真正经历了我们认为我们所做的事情呢？

　　传统观念认为主观经验是最终的结果，支持这个观点的人们把生动感受当作证据，如事后的极大痛苦。我们为一些事奋斗，以致给我们留下巨大的创伤───如果它们不完全是真实的，我们怎么能这样做呢？

图4.6

　　对于第四代机器人，什么会被认为是痛苦的感受呢？这应该和需要紧急行动的可怕意外事故联系起来。假设机器人中的传感器表明金属结构正在弯曲！严重事故迫在眉睫！机器人中的看门狗程序会即刻处理这个情况，激活某一例程，将机器人从过载下解脱出来。如果必要的话，机器人会采用专门处理危险意外事件的高能量级行为。机器人甚至可能求救。机器人发出最大的负调节信号，极大地抑制正在进行的行动。如果问题仍然没排除，负调节将使机器人重复切换，制止眼下行为，使用可替换的方案。经过一番抖动后，机器人可能会解脱出来。当被问及发生了什么时，机器人会对事件重新仿真，记下采用的负调节。它的推理系统会观测重新进行的仿真过程，进而得出解释，“我在搬箱子时，一个重箱子压在我身上。我的骨架正被压弯，这是个非常糟糕的经历。回想起此事让我感到厌恶。我竭尽全力才从箱子下出来，我的驱动电机都过热了，以后决不会再那样搬箱子了”。“非常糟糕”是机器人对极端负调节状态的一般性参照。真实事件发生后，都要进行重新仿真和过程描述。如果构造的模拟器限制了重新仿真负调节的强度，减小导致恐惧的机会，那么记忆下的情形就没有最初事件那么生动了。推理器或许已存下了不带感情的有关最初强度的描述，因而能够抽象地评论记忆和经历之间的差异。

　　当然，快乐是与高强度正调节相联系的类似经历。如果快乐能非常有效地促使机器人完成家务活，或使机器人的主人感到高兴，也许构造机器人时，会让机器人有此功能。

超合理性

　　以上对机器人思维进化的推测，强调了与自然思维的对比。但是，计算机和大脑有不同的能力。第四代机器人将是比人类还优秀的推理者。与人类相比，它们的推理速度至少要快一百万倍，并且有百万倍的短期记忆。推理是在计算中普遍存在的概念。它能模拟其他计算，大体上它可以模拟完成调节系统和全局建模器的功能，或者完成应用程序本身的任务。
　　在推理器中对控制系统的模拟，比在计算机上直接运行控制器程序要慢许多。但是，推理器能够抽象地检查模拟过程，设计出完成复杂操作的快捷步骤。通过不断地优化自身，基于推理器的控制器行动将变快，或许最终比直接控制器速度要快。它能加深对未来的预见，考虑意外事件的范围也更为广泛。

　　有可能研制出完全基于推理的机器人。在这些机器人中，即使对于很小的行为也不是通过不灵活的调节反射进行的，而是朝着长期目标仔细规划实现的。机器人的每个动作都像下棋中所走的一个棋子。超理性机器人的行为和传统机器人的行为在大部分时间内没太大区别。在另一方面，冗长的意外事故链增大了有干扰事件出现异常的可能性。即使是超理性计算机也只能推动事件一点一点向前，当不可预测的干扰来临时再去更正。

智能后代

　　第四代机器人和它的后代，将有人类的感知力和原动力，并且有超级推理能力。它们能在每个必要的任务上取代人类，在没有人类参与的情况下，一般而言它们使这个社会运转的能力越来越强。不但能完成生产性任务，它们还可以作研究和开公司。机器能被用于外层空间工作中。这样，生产将移向具有更多资源的太阳系。温顺的人类将驻留在地球上，快速演化的机器会扩展到宇宙中。

　　这是一个非常自然的过程。人类的遗传是在两个通道上发生的，一个是在DNA中编码的生物多样性，另一个是代代相传的文化信息，如语言、书籍和机器等。目前，这两者已联系在一起，无法分开。文化部分的演化相当迅速，已经承担了一些曾经属于生物部分的功能。就人类的大部分历史而言，文化遗产的数据比基因组的要少许多。但在最近几个世纪中，生物部分已处于劣势，现在图书馆的信息量比我们的基因信息多出上千倍。很少有人注意到这种变化，其实，我们人类已经变成一个文化群体了。越少的生物性激发了越多的文化性。

　　对于完全智能的机器人，文化性和生物性已完全独立了。从人类中成长起来的智能机器，学习我们的技能，在开始时分享我们的目标和价值，它们将会成为我们智能的后代。下一章将描述我们的智能后代超过我们的想象力时，它们的父辈，即我们人类如何有风度地隐退。