10、上坡分析，下坡综合？——探索简单系统的复杂行为

上坡分析，下坡综合？——探索简单系统的复杂行为

1. 分析与综合视角

在研究机器行为时，反馈是关键因素，特别是世界与机器之间的反馈。从分析视角来看，当向学生介绍合成心理学时，以 Grey Walter 的乌龟机器人为例，先展示机器人的运动图像作为行为数据，让学生推断其内部机制，学生往往会提出比实际更复杂的理论，倾向于将复杂行为的根源归结于生物体内部，而非其所处环境。

Pfeifer 和 Scheier 提出了参考系问题，即观察者视角对行为的描述不能等同于行为背后的内部机制。因为系统行为是系统与环境相互作用的结果，观察到的行为复杂性并不总是准确反映底层机制的复杂性。

合成方法的吸引力在于，通过构建简单系统并利用非线性相互作用（如组件之间以及系统与环境之间的反馈），相对简单的系统可以产生比预期更复杂的行为。而且，如果构建了简单系统，我们更有可能为复杂行为提出更简单的解释。然而，这种观点也具有欺骗性和危险性。

2. Braitenberg 的车辆思想实验

2.1 Braitenberg 的研究背景与目标

Valentino Braitenberg 是控制论和神经科学领域的领先研究者，他在《Vehicles》一书中提出了 14 个不同的思想实验，试图通过合成方法理解大脑的一些特征。他通常选取感兴趣的解剖学特征，将其简化为简单形式，然后研究包含该特征的简单机器的行为。

2.2 部分示例车辆

2.2.1 车辆 1：四处移动

这是一个类似圆柱体或鱼雷的游泳装置，前端有传感器，后端有电机。其设计原则是传感器响应与电机速度成比例关系，传感器检测到的特定质量越多，电