過度集中的通訊負荷并非中央大腦僅有的麻煩。中央內存的維護同樣讓人感到頭痛。共享的內存必須嚴格、實時、準確地更新――很多公司對此都深有感觸。對機器人來說，控制中心要承擔的艱巨任務是根據(jù)自己的感知來編輯或更新一個“外部世界模型”，一個理論，或者一個表述――墻在哪里，門還有多遠，還有，別忘了，留神那里的樓梯。

如果由不同感應器反饋回來的信息互相沖突，大腦中樞該怎么辦？眼睛說有物體過來了，而耳朵卻說那物體正在離去。大腦該信誰的？合乎常理的做法是盡力找出真相。于是，控制中心調節(jié)糾紛并重新修正信號，使之一致。在非包容結構的機器人中，中央大腦的計算資源大都消耗在根據(jù)不同視角的反饋信號繪制協(xié)調一致的外部世界映像上。系統(tǒng)每個部分對攝像頭和紅外傳感器傳回的海量數(shù)據(jù)有各自不同的解讀，因而各自形成對外部世界大不一樣的觀感。這種情況下，大腦永遠無法協(xié)調好所有的事情，因而總是一事無成。

要協(xié)調出一幅關于世界的中央視圖實在太難了，而布魯克斯發(fā)現(xiàn)利用現(xiàn)實世界作為其自身的模型要容易得多：“這個主意很棒，因為世界確實是其自身相當好的模型?！庇捎跊]有中央強制的模型，也就沒有人承擔調解爭議的工作，爭議本身本不需要調和。相反，不同的信號產生出不同的行為。在包容控制的網(wǎng)絡層級中，行為是通過抑制、延遲、激活等方式被遴選出來的。

實質上，對機器人來說（或者說對昆蟲來說——布魯克斯更愿這么表述），并不存在外部世界的映像。沒有中央記憶，沒有中央指令，沒有中央存在。一切都是分布式的。“通過外部世界進行溝通可以避免根據(jù)來自觸臂的數(shù)據(jù)調校視覺系統(tǒng)的問題?！辈剪斂怂箤懙?。外部世界自身成為“中央”控制者；沒有映像的環(huán)境成為映像本身。這樣就節(jié)約下海量的計算工作?！霸谶@樣的組織內，”布魯克斯說，“只需少量的計算就可以產生智能行為?！?/p>

沒有了中央機構，形形色色的個體們或是冒尖或是沉寂。我們可以這樣理解布魯克斯提出的機制——用他的話來說就是，“大腦里的個體們通過外部世界進行溝通來競爭機器人的身體資源。”只有成功做到這一點的那些個體才能得到其它個體的注意。

那些腦子轉得快的人發(fā)現(xiàn)，布魯克斯的方案正是市場經(jīng)濟的絕妙寫照：參與市場活動的個體之間并沒有交流，他們只是觀察別人的行動對共同市場所造成的影響（不是行動本身）。從千百位我從未謀面的商販那里，我得知了鮮蛋的價格信息。信息告訴我（含雜在很多別的信息里）：“一打雞蛋比一雙皮鞋便宜，但是比打兩分鐘國內長途貴?！边@個信息和很多其它價格信息一起，指導了千萬個養(yǎng)雞場主、制鞋商和投資銀行家的經(jīng)營行為，告訴他們該在哪里投放資金和精力。

布魯克斯的模型，不僅僅為人工智能領域帶來了變革，它也是任何類型的復雜機體得以運作的真正模型。我們在所有類型的活系統(tǒng)中都能看到包容結構和網(wǎng)絡層級機制。布魯克斯總結了設計移動式機器人的五條經(jīng)驗，其表述如下：

l  遞增式構建――讓復雜性自我生成發(fā)展，而非生硬植入

l  傳感器和執(zhí)行器的緊密耦合――要低級反射，不要高級思考

l  與模塊無關的層級――把系統(tǒng)拆分為自行發(fā)展的子單元

l  分散控制――不搞中央集權計劃

l  稀疏通訊――觀察外部世界的結果，而非依賴導線來傳遞訊息

當布魯克斯把笨重且剛愎自用的機器怪獸壓縮成一只卑微的、輕如鴻毛的小爬蟲時，他從那次小型化的嘗試中有了新的認識。以前，要想使一個機器人“更聰明”，就要為它配置更多的電腦部件，也就會使它更笨重。它越重，驅動馬達就要越大。馬達越大，供電所需的電池組就要越大。電池組體積越大，移動電池組的構架也就要越大，如此陷入惡性循環(huán)。這個惡性循環(huán)使得機器人大腦與身體的比重朝著越來越小的趨勢發(fā)展。