我们先来看一个有趣的案例：

1990年12月，在经过了10年的努力之后，卡耐基－梅隆大学“野地机器人学中心”的研究生们终于组装出了一台机器人，并命名为“漫步者”。它慢慢地横穿了整个院子，大约走了100英尺。“漫步者”的父母亲们满意地为它的人生第一步鼓掌喝彩。

这在当时看来是一个巨大的进步，作者拿它与我们司空见惯的蚂蚁做了对比：我们拿“漫步者”一只大脚垫下面的小蚂蚁作比较。“漫步者”好不容易才从院子这头踱到那头时，蚂蚁已经跑了个来回。一只蚂蚁的分量，脑袋加身体才百分之一克——也就米粒那么大点儿。它既没有对整个院子的印象，也对自己身处何地一无所知。然而它却能在院子里畅行无阻，甚至想都不用想。

借此，KK提出机器人必须实现自治，自适应促成自组织，让众多微型机器人组成快速、廉价、失控的分布式系统。当这个系统能够正常运转时，不要扰乱它；要以它为基层来构建新的更高层次的系统。

KK认为，由此即可发展出复杂系统，复杂性就是这样依靠叠加而不是改变其基本结构而累积起来的，比如进化。而它的运行机制也像极了基因的表达，就算这个无目的漫游模块妨碍了新的高级行为，其所应用的规则也只是会被抑制，而非被删除。更进一步说，系统的各个部分（部门、科员、规则、行为方式）都在不出差错地发挥作用——犹如各自独立的系统。

这种布鲁克斯式的机器人设计的分布式控制结构后来被称作“包容架构”（Subsumption Architecture），因为更高层级的行为希望起主导作用时，需要包容较低层次的行为。这里的层级并非个体的层级，而是个体间演化而出的整体于个体而言的层级；如果说前者赋能于单个特殊的个体，那后者就是对整体中所有（每一个）个体的赋能。

布鲁克斯的移动机器人实验室最终开发出来一套普适分布式控制方法：先做简单的事、学会准确无误地做简单的事、在简单任务的成果之上添加新的活动层级、不要改变简单事物、让新层级像简单层级那样准确无误地工作、重复以上步骤，无限类推。

这是一种自下而上的层累结构、没有中心，就像丹尼特所相信的那样，意识是从一个由许许多多微渺而无意识的神经环路构成的分布式网络中涌现出来的，“有许多微不足道的小东西，本身并没有什么意义，但意义正是通过其分布式交互而涌现出来的”。机器的智慧亦是如此。

因此，“并没有什么意识之流。意识的苗头往往是多发并存的，或者说，有许多不同的意识流，没有哪一条是被单独选出来的”。心理学家先驱威廉·詹姆斯在1874年也曾写道，“……思维在任何阶段都像是一个舞台，上演着各种并发的可能性。意识在这些可能性互相比对的过程中起起落落，选此即抑彼……”。

既然如此，那么我们头脑中自然就产生了一个问题，那些突然涌现而出的意识、那些被我们展现出来的智慧是如何发生的呢？

明斯基认为，智能活动产生于“几乎各自离散的个体，为了几乎各自独立的目的而结合的松散的联盟”（神经元间连接强化）。胜者留存，败者随时间而消逝。从这层意义上来看，头脑并非垄断独裁，而是一个无情而冷酷的生态系统，在这里，竞争孕育出自发的合作。

我们该如何理解这里所谓的“竞争”？现实世界的反馈充当了竞争的判官，各个体间正是利用现实世界的反馈实现了彼此交流与合作。

布鲁克斯总结了设计移动式机器人的5条经验：递增式构建——让复杂性自我生成发展，而非生硬植入；传感器和执行器的紧密耦合——要低级反射，不要高级思考；与模块无关的层级——把系统拆分为自行发展的子单元；分散控制——不搞中央集权计划；稀疏通讯——观察外部世界的结果，而非依赖导线来传递讯息。而这也正契合了他对智能的理解。

在某种程度上，心智活动实际上就是一种随机或统计现象，这种随机分布式鼓荡生灭的神经脉冲群落构成了智力活动的基石；即使给定一个起点，其结果也并非命中注定。没有可重复的结局，有的只是场景中随机而生的结果。某个特定念头的涌现，都需要借助一点点运气（偶然）。

在意识的深渊里，幽灵显形，漩涡溯洄，成我。新象起于旧影，所思在于所遇；层现错出，生生不息……凝视深渊，深渊亦回以凝视，果真是一念之间，倏然不同，一念之差，咫尺天涯。

但我们仍要记住，深渊是存在的，意识萌于一瞬，但我们却有过往众多这样的一瞬在这一进程中不断累积强化的深渊魅影，所有游荡的信息与思维碎片都将往上靠。