Berkeley与Heiserman：具身机器智能中尚未穷尽的架构

# 伯克利与海瑟曼：具身机器智能尚未穷尽的架构体系
来源：https://arxiv.org/html/2607.16465

###### 摘要

埃德蒙·C·伯克利通常被铭记为一位帮助将符号逻辑与计算机器联系起来的作家。这种描述正确但不完整。纵观伯克利以机器为导向的著作和项目，其核心关切更为广泛：旨在证明符号逻辑可以作为一种实用的设计语言，用于构建那些能够获取信息、保存信息、对变化条件做出适当响应，并在时间维度上组织自身行为的机器。本文将《符号逻辑与智能机器》视为这一努力的主要文本，同时将其视为一个更宏大伯克利纲领的代表——该纲领将逻辑形式、电路、控制和智能行为联系起来。基于此解读，伯克利并非仅仅将智能视为抽象的符号操作。他反复以操作术语定义智能机器，将逻辑与硬件实现相结合，并通过输入、输出、记忆、计算、控制、状态和事件的协调互动来描述机器行为。因此，他对机器人和机器活动的论述超越了静态的逻辑形式，转向了与时间延展和环境耦合的行为。大卫·L·海瑟曼的机器智能工作将这个纲领扩展至围绕记忆、置信度和泛化构建的自适应生物架构。综合来看，伯克利和海瑟曼不应被视为已穷尽的历史片段，而应被视为一种尚未得到充分测试的、面向具身机器人认知的架构方法的贡献者。

## 1 引言

当代人工智能和机器人研究常常在大规模统计学习、抽象规划系统和高度专业化的控制解决方案之间摇摆。在这种环境下，那些植根于显式状态、逻辑条件、贴近硬件的控制以及模块化感知运动结构的行为组织方法，很容易被过早地视为过时而遭到摒弃。本文从一个相反的假设出发：这些设计承诺对于机器人认知而言仍然是新颖的、技术上连贯的，并且可以通过实验实现。问题不在于二十世纪的机器理论是否应该原封不动地重复，而在于某些较旧的设计承诺是否仍然描述了一种适用于具身智能的可用架构。当前的讨论常常忽视这种架构，因为它分散在逻辑学、控制论、机器人学和早期机器智能著作中，而非被整合在一个统一的当代标签之下。

埃德蒙·C·伯克利通常被置于符号逻辑、早期计算和机器思想的历史中。这种定位是合理的。《符号逻辑与智能机器》明显关注布尔代数、逻辑关系、类推理以及信息处理机器的设计[4 (https://arxiv.org/html/2607.16465#bib.bib1)]。然而，这种标准定位有缩小伯克利重要性的风险。他不仅对命题和类的形式可计算性感兴趣，还对如何将类似推理的能力构建到能够感知、存储、决策和行动的机器中感兴趣。如果仅从形式逻辑的角度阅读伯克利，这个更广泛的关切很容易被忽略。当把同一本书视为一份关于机器组织的文献——即智能机器有哪些部件，这些部件如何关联，控制如何表示，以及行为如何通过状态和事件展开——时，这一点就变得更加清晰。

本文旨在论证伯克利应被解读为具身机器智能的架构师，而不仅仅是机器的符号逻辑学家。他并非海瑟曼意义上的自适应AI的完整理论家，但也绝不能被视为纯粹形式的或脱离具身的思想家。他的著作对物理组织的机器如何能够获取信息、保存信息、操作信息，并在时间维度上指导自身活动，给出了逻辑上严谨的阐述[4 (https://arxiv.org/html/2607.16465#bib.bib1), pp. 66–70]。当与海瑟曼基于生物的机器智能并置阅读时，伯克利成为了一个仍然开放的设计纲领的一部分，而不是思想史上一个封闭的篇章。因此，本文要求读者转移注意力层面：不再仅仅将伯克利视为符号表示法的贡献者，而是将其视为一位思考机器架构、行为和时间延展控制的思想家。

## 2 研究问题与论点

指导性问题是，伯克利的《符号逻辑与智能机器》今天应如何解读：仅仅是应用于机器的符号逻辑的一部时期作品，还是一个仍然可用的、关于具身的、行为组织的智能的阐述？更分析性地讲，问题是伯克利对逻辑和机器的处理是停留在形式描述的层面，还是它已经指定了一种机器架构，其中感知、状态、控制和行动被视作智能的协调组成部分。

本文的论点（假设）是，伯克利的工作最好被解读为一种技术上可行的具身机器智能阐述，其含义尚未被穷尽。他继承了布尔、文恩和香农的形式化机器[5 (https://arxiv.org/html/2607.16465#bib.bib2),6 (https://arxiv.org/html/2607.16465#bib.bib3),17 (https://arxiv.org/html/2607.16465#bib.bib4),11 (https://arxiv.org/html/2607.16465#bib.bib7)]，但利用这份遗产将智能系统理论化为物理实现的、时间组织的、行为活跃的机器。海瑟曼沿着这一脉络，将其扩展为围绕记忆、置信度和泛化组织的自适应生物智能[10 (https://arxiv.org/html/2607.16465#bib.bib9)]。伯克利和海瑟曼共同定义了一个未被充分利用的替代方案，该方案尚未在与当前关于机器人智能的假设的对比中得到充分检验。对于本文而言，这个替代方案可以示意性地表述为一个感知、状态/记忆、控制、行动和适应的流水线。文献综述通过将伯克利置于形式逻辑、控制论、自适应机器和具身控制等相关传统之中，支持了这一论点。

## 3 文献综述

与本文相关的文献可以分为四个主要部分，外加一个方法论说明。第一部分确立了从布尔和文恩经由伯克利，再到与海瑟曼进行比较的逻辑和形式继承关系。第二部分澄清了中期符号逻辑的背景，伯克利的独特性正是在此背景下显现出来。第三部分将伯克利置于由维纳、阿什比、图灵和沃尔特所塑造的更广泛的控制论和机器智能对话中。第四部分将这一讨论与后来的具身和行为主义机器人学联系起来。最后的方法论说明解释了本文如何使用原始资料重建来连接通常被分隔的文献。按照这个顺序，综述从逻辑基础，到背景差异化，到控制论定位，到具身机器人学比较，最后到解释方法。

第一部分是直接承载论点的原始资料：伯克利、布尔、文恩、香农和海瑟曼。伯克利是主要的解释对象，但本文的要点不能仅从伯克利那里获得。布尔提供了基础的论断：逻辑运算可以用紧凑的符号演算书写，并按照规则精确操作[5 (https://arxiv.org/html/2607.16465#bib.bib2),6 (https://arxiv.org/html/2607.16465#bib.bib3)]。伯克利并非从零创造其符号资源；他继承了一个传统，在这个传统中，推理已被重新塑造为显式操作。布尔给了他信心，即类、命题和运算可以足够精确，以至于能作为设计语言的组成部分。文恩在两个不同方面很重要。在《符号逻辑》中，他精炼了伯克利所从事的类逻辑传统，并阐明了逻辑符号作为一种通用计算语言、而不仅仅是课堂助记符的地位[17 (https://arxiv.org/html/2607.16465#bib.bib4)]。一旦将这种更广泛的文恩式概念纳入视野，伯克利将符号逻辑用作机器组织的实用语言就显得更加合理。与此同时，在《机遇的逻辑》和《经验或归纳逻辑的原理》中，文恩转向了概率、归纳和在严格演绎无法穷尽的条件下的知识[15 (https://arxiv.org/html/2607.16465#bib.bib5),16 (https://arxiv.org/html/2607.16465#bib.bib6)]。这第二种文恩式的脉络有助于将伯克利基本受规则约束的机器逻辑，与海瑟曼转向可以存储经验、累积成功条件并从中归纳的机器区分开来。香农提供了从逻辑关系到继电器和开关硬件的关键桥梁：一旦逻辑形式可以通过电路实现，符号结构就直接成为架构性的，而不仅仅是符号性的[11 (https://arxiv.org/html/2607.16465#bib.bib7)]。如果说布尔和文恩解释了伯克利的形式继承，那么香农则解释了为什么伯克利能够将逻辑视为一门机器构建学科，而不仅仅是一门符号表述学科。相比之下，海瑟曼并非伯克利自身文献世界的一部分，而是作为一个比较点，阐明了如何将同样广阔的设计空间从显式控制组织推向适应性和经验性的机器智能[10 (https://arxiv.org/html/2607.16465#bib.bib9)]。他的Alpha、Beta和Gamma层次提供了一组术语，用于比较固定的行为组织、学习响应和带有置信度的泛化，同时不放弃具身性。因此，海瑟曼不仅仅在时间上延伸了伯克利；他还从概念上对伯克利进行了压力测试，询问当一个状态组织的生物还必须记忆、偏好和泛化时会发生什么。综合来看，这五位核心人物构成了本文最小的概念弧：形式逻辑、实用符号、硬件实现、机器组织和自适应扩展。

第二部分文献由符号逻辑方面的直接背景著作组成，特别是巴森和奥康纳的《符号逻辑导论》[3 (https://arxiv.org/html/2607.16465#bib.bib8)]。这个来源值得不止是简单提及，因为它提供了相当正统的中期符号逻辑教育图景——聚焦于命题演算、类代数、量词形式和形式演绎本身。与巴森和奥康纳对照阅读时，伯克利的差异变得更为鲜明。他不仅仅是在教授符号操作、有效性或证明技巧。他反复试图将符号逻辑向外推向电路设计、时间组织、状态转换、记忆和机器行为。没有像巴森和奥康纳这样的参照物，伯克利那种实用和架构性的语言就可能被误认为是符号逻辑教学的常规延伸。有了它，我们就能看到伯克利正从符号传统中进行选择，并将其重新定位向实现、控制和智能机器。因此，巴森和奥康纳有助于确立伯克利的特殊性不在于他掌握了不同的逻辑基础，而在于他要求这些基础承担一种不同的工作。这种背景对比对于本文的方法至关重要：它让读者能够区分伯克利继承的逻辑工具和伯克利对这些工具的独特运用。

第三部分文献是控制论和控制文献：维纳、阿什比、图灵和沃尔特[19 (https://arxiv.org/html/2607.16465#bib.bib10),1 (https://arxiv.org/html/2607.16465#bib.bib11),2 (https://arxiv.org/html/2607.16465#bib.bib12),13 (https://arxiv.org/html/2607.16465#bib.bib13),14 (https://arxiv.org/html/2607.16465#bib.bib14),18 (https://arxiv.org/html/2607.16465#bib.bib15)]。这部分防止了本文的论证听起来古怪或不合时宜。如果仅仅对照形式逻辑来阅读伯克利，他对于控制、行为和机器组织的关注可能显得怪异或边缘化。而对照控制论来阅读，同样的关切就变得可理解了，它们是关于调节、信号、适应和具身系统中机器活动的一场更广泛技术对话的一部分。

每位作者对澄清工作做出了不同的贡献。维纳贡献了最普遍的战后框架：通信、控制、反馈，以及对动物和机器系统的平行处理。他帮助定义了这样一个领域，其中有组织的信号传输和调节成为核心工程问题。就本文而言，维纳之于伯克利与其说是直接来源，不如说是一种定位方式：将伯克利的机器关切置于一个行为和控制已是核心的更广泛问题空间中。

阿什比的两本书对于本文的词汇表尤其重要。《大脑设计》直接相关，因为它将适应、寻求平衡和自组织行为视为机器问题，而非机制之外的谜团[1 (https://arxiv.org/html/2607.16465#bib.bib11)]。《控制论导论》则增加了更显式的关于状态、转换、调节、多样性和机器描述的语言[2 (https://arxiv.org/html/2607.16465#bib.bib12)]，使其特别适用于与伯克利自身状态与事件形式主义的比较。阿什比尤其重要，因为他和伯克利都对状态组织的系统感兴趣，但侧重点不同：阿什比倾向于抽象出普遍的调节原则，而伯克利则不断将讨论拉回到逻辑规范、电路组织和智能机器的工程设计上。这种对比有助于更精确地定位伯克利。他不仅仅是另一个关于调节的控制论理论家，而是一个偏爱的语言始终是逻辑性的、设计导向的、贴近实现的学者。

图灵进入本文献综述则出于另一个原因。在《智能机器》和《计算机器与智能》中，他使机器智能的问题保持开放——它可能需要组织、教育、学习和发展方法，而不仅仅是固定的计算[13 (https://arxiv.org/html/2607.16465#bib.bib13),14 (https://arxiv.org/html/2607.16465#bib.bib14)]。他关于离散机器、存储容量甚至无组织机器的语言，为我们提供了第二个比较类别，其中机器智能被视为可构建的，但并非主要通过伯克利那条符号控制架构的途径。因此，图灵与伯克利足够接近以具有启发性，又足够不同以具有澄清性：伯克利更具建筑感和控制显式性，而图灵则对训练、编程和发展组织更为开放。这种差异表明，早期的机器智能思想已经包含了不同的架构赌注。伯克利的路径并非唯一可用的，但对于那些对显式结构感兴趣的读者来说，它是最清晰的路径之一。

沃尔特的作用更为具体和具身。他在大脑机制和自主乌龟式设备方面的工作展示了相对简单的电路如何能够产生面向环境、具有明显目的性的行为[18 (https://arxiv.org/html/2607.16465#bib.bib15)]。沃尔特之所以重要，是因为他用物理形式展示了伯克利经常以概念和架构术语论证的内容：智能可以在有组织的感知运动行为层面出现，而不需要脱离具身的...