导语
在本期访谈中，机器人学领域的传奇人物罗德尼·布鲁克斯，这位MIT CSAIL前主任、iRobot与Rethink Robotics的联合创始人，深入探讨了智能的本质。他并非简单地评判技术的优劣，而是从计算理论的根源、感知与行动的演化，以及机器人在现实世界中的真实挑战出发，构建了一套理解人工智能的完整框架。布鲁克斯的核心观点是，当前AI研究过度聚焦于作为人类发明的“计算”隐喻，而严重低估了生物智能中感知与物理交互的根本复杂性，这一观点对自动驾驶、通用人工智能等领域都提出了深刻的审视。
罗德尼·布鲁克斯：感知是智能的基石，计算不是全部
机器人学泰斗罗德尼·布鲁克斯在访谈中挑战了以计算为核心的AI范式，指出当前智能研究过度依赖隐喻而忽视了感知的复杂性。他通过个人经历和机器人案例，强调真实世界的交互理解远比符号计算困难，并对自动驾驶等领域的过度乐观提出系统性质疑。
大纲与深读 8 章
展开「深读」看每一段讨论的问题与论据。
01
开场与最美机器人
- 主持人介绍Rodney Brooks的传奇背景和Robust.ai使命
- Brooks分享心中最美的机器人Domo，强调其机械设计的精妙与艺术性
- 讨论机器人外观设计原则：不应过度承诺其交互能力
深读这一段
讨论的问题：什么样的机器人是美丽或令人惊叹的？其设计哲学是什么？
论据 / 案例：Domo机器人由学生Aaron Edsinger打造，采用串联弹性驱动器和线缆驱动，现收藏于MIT CSAIL办公室。
02
童年启蒙与计算本质
01:39- Brooks展示1961年的科普书籍，回忆童年对机器人和电路的着迷
- 他讲述用冰格和化学反应制作早期“学习机器”的经历
- 深入探讨计算的定义、图灵机的历史及其局限性
深读这一段
讨论的问题：机器能否思考？计算的本质是什么，它与人类思维有何关系？
论据 / 案例：Brooks提到Alan Turing 1936年的论文，并指出当前对计算的定义源于一种直觉和人类隐喻，他正在撰写一本名为《Not Even Wrong》的书来探讨此问题。
03
智能、生命与计算隐喻
05:40- 提出科学/工程与智能/生命的2x2矩阵，追溯四个学科在1945-1965年间的形成
- 指出神经科学、人工智能等领域都采用了计算作为主要隐喻
- 讨论人类思维的隐喻局限性，以及我们如何依赖物理类比来理解复杂概念
深读这一段
讨论的问题：当前对智能和生命的研究框架是否过于依赖计算隐喻？
论据 / 案例：提及McCulloch和Pitts 1943年关于神经逻辑的论文，以及von Neumann在EDVAC设计中对其的引用。
04
感知难题与Moravec悖论
09:50- Brooks强调所有已知智能都需要通过感知与世界交互，并以颜色恒常性为例说明感知的复杂性
- 区分“图像标注问题”与更深层的“符号奠基问题
- 重温Moravec悖论：对机器人而言，高级推理相对容易，但底层感知和运动极其困难
深读这一段
讨论的问题：为什么人类直觉会错误地判断感知与推理的难度？
论据 / 案例：提到Hans Moravec，并以自动驾驶中简单的标志涂鸦就能欺骗深度学习系统为例。
05
机器人学的核心挑战
11:50- Brooks认为机器人学中没有容易的部分，所有环节都极具挑战
- 通过16个月大孙子操作窗户的案例，展示人类操作的惊人能力
- 批评纯粹的强化学习方法，强调人类通过先验知识大幅修剪搜索空间
深读这一段
讨论的问题：构建能与真实世界交互的机器人，最困难的部分是什么？
论据 / 案例：Brooks讲述孙子首次见到窗户，就能用一只手推窗、另一只手转动手柄将其打开。
06
对AI进展的看法
13:50- Brooks对深度学习在ImageNet等任务上的表现感到震惊
- 但他认为AlphaGo等成就类似于早期自对弈程序，并未解决广义智能
- 区分“惊喜”与“有用性”，认为AlphaFold在科学上更令人意外
深读这一段
讨论的问题：当前AI的突破（如AlphaGo、GPT-3）在多大程度上代表了智能的真正进步？
论据 / 案例：提及Arthur Samuel 1950年代利用自对弈学习的西洋跳棋程序，以及AlphaFold在蛋白质结构预测上的成果。
07
自动驾驶的争论
16:50- Brooks赞扬现有高级辅助驾驶系统（如奔驰）的出色表现
- 但他指出自动驾驶技术从1987年起就已展示，进展常被过度宣传
- 认为实现完全自动驾驶需要根本性改变基础设施，而非仅靠当前技术
深读这一段
讨论的问题：以视觉为主的机器学习方法能否最终实现安全、通用的自动驾驶？
论据 / 案例：Brooks对比了1987年德国的自动驾驶演示和当前特斯拉Autopilot的发展，强调系统接受度与人类驾驶员死亡率（美国年约3.5万）的不同标准。
08
技术与人性的平衡
19:15- Brooks认为自动驾驶的普及将如同汽车普及一样，深刻重塑社会与基础设施
- 他以机场的全自动列车为例，说明安全系统需要物理隔离等工程设计
- 对纯视觉自动驾驶方案在动态范围等物理限制上的前景表示怀疑
深读这一段
讨论的问题：社会应如何适应和接纳自动驾驶这类颠覆性技术？
论据 / 案例：提到日本东京湾的无人驾驶列车轨道被完全隔离以确保安全，以及美国高速公路系统缺乏为自动驾驶设计的专用基础设施。
金句
"Can machines think? Certainly machines can think because I believe you're a machine and I'm a machine and I believe we both think." ——机器能思考吗？当然可以，因为我相信你是一台机器，我也是一台机器，而我相信我们都在思考。
"Our tendency in order that we get an archive paper really quickly is you just show a lot of data and give the labels and hope it figures it out. But it's not figuring it out in the same way we do." ——为了快速发表论文，我们倾向于展示大量数据并贴上标签，然后希望它自己弄明白。但它理解世界的方式与我们根本不同。
"The labeling problem was solved with some percentage accuracy which is different from the grounding problem." ——标注问题以一定准确率得到了解决，但这与符号落地问题截然不同。
"The end case is too many... the acceptance of it will not be at the same level as human drivers." ——边缘情况太多了……公众对它的接受度不会像对人类司机那样宽容。
