像联结主义那样，机器人技术领域已逐渐认识到，控制论时期的大多数早期开创性的工作——与被普遍接受的认知主义历史相反——终究是正确的。因此近来的一本通俗读物承认了这些早期工作的重要性，尤其是格雷·沃尔特（Gray Walter）和罗斯·阿什比（Ross Ashby）的工作，他们建造了自治的（autonomous）、能在日常的人类环境中运转的机器。就让我们仔细地审视一个已得到清晰表达的研究策略：它不但关注早期的工作，而且进一步在机器人技术研究中表述了一个类似于我们的生成指向的方案。
我们提到的研究是罗德尼·布鲁克斯（Rodney Brooks）在麻省理工学院人工智能实验室所作的研究。在其论文“无表征的智能”的第一页，布鲁克斯提出了他的研究方法：在这篇论文里，我……要为一条创造人工智能的不同进路辩护：我们必须在这个路途的每一步上逐步增强智能系统的能力，这样才能自动地确保每个部件及其界面是有效的。
在每一步上，我们应该建造完整的、可以被释放到具有真实感知和真实行动的世界中的智能系统。任何不足都可能提供一个我们用来欺骗自己的候选者。
我们一直遵循这条进路，并建造了一系列自动运动的机器人。我们达到了一个意料之外的结论（C），以及一个相当激进的假设（H）。
C：当我们审视非常简单水平的智能时，我们发现对世界的外显（explicit）表征和模型完全是一个障碍。因此最好让世界作为它自己的模型。
H：在建造智能系统的最大块部分（bulkiest parts）中，表征是错误的抽象单元。
过去15年，表征一直是人工智能研究的中心问题，这仅仅因为它已在其他方面孤立的模块与会议论文之间提供了一个界面。
有趣的是我们注意到，在这篇论文中，布鲁克斯还把他所描述的“人工智能的诡计”（deception of AI）的起源追溯到人工智能的抽象化倾向，即将知觉和运动技能分解的倾向。然而，正如我们这里以及布鲁克斯以其自己的理由所作的论证那样，这种抽象化错过了智能的本质，智能仅仅存在于它的具身性中。
布鲁克斯的目标是建造“完全自治式机器人，即与人共存在这个世界中的移动的行动者（agent），它们基于自身的特性被那些人视为智能存在”。他朝向这一工作目标迈出的关键步骤不是按功能对一个系统进行的通常分解，而是依照活动的新颖的分解（novel decomposition）。用他的话来说：一个替代性的分解并没有在诸如视觉的外周系统与中枢系统之间作出区分。相反，一个智能系统的根本切分是在垂直方向上把它划分为生产活动的子系统（activity producing subsystem）。每一个生产活动或行为的系统都逐个地将感觉与行动连接，我们把这种生产活动的系统称为层（layer）。活动是一种与世界相互作用的模式。活动也可以被称为技能（skill），它强调每个活动至少事后（postfacto）能被合理化为追求某个目的。然而我们已选择了活动这个词，因为我们的层必须决定什么时候去为自己行动，而不是成为某个听命于其他层的被调用的子程序……
这种想法就是首先建造一个非常简单的完全的自治系统，并在真实世界中检测它。我们最喜欢的这种系统的例子就是一个造物（Creature），实际就是一个能避开袭来之物的移动机器人。它能感知到紧靠在它周围的物体，并避开它们，如果感觉到有东西挡在路上，它会暂时停下来。尽管仍然有必要把它分解为部分来建造这种系统，但无需在“感知系统”、“中央系统”和“行动系统”之间作出明显的区分。事实上，可以有两个独立的通道连接感知和行动（一个用于启动运动，一个用于应急暂停）。因此，也就不存在单一的位置，在那里“知觉”在传统的意义上传递了这个世界的一个表征。
当然，最重要的是，布鲁克斯坚持认为，在他的造物（Creature）的各个层中并不涉及表征。相反，每一个单个的层完全规定了与造物（Creature）相关的世界的那些方面，或使之变得明显。同样重要的是他的造物没有中央系统。相反，层各自执行它们的活动，层的兼容性产生了仅在观察者的眼里才有的目的感：“从相互作用的局部混沌涌现出了在观察者眼里看来一致的行为模式。”
履行这种“通过行动的分解”至今已相继产生了四个移动机器人，在这些机器人中，层是逐层叠加（superimposed）的，因而使得造物（Creature）的自主行为越来越有趣。这些机器人在下述意义上都是造物，即在供给动力后它们在被释放到的任何世界中都具有生存能力（viable）。布鲁克斯的希望是，通过制造由十四个层构成的造物而在两年之内达到昆虫智能的水平。因此布鲁克斯的策略与经典进路完全对立，在经典进路中机器人或其他人工行动者被赋予特定的目标、任务或计划。
那些一心想着能立竿见影地收到成效的实用主义者也许会对这种进路感到沮丧。然而我们愿意与布鲁克斯一起打赌：在不长的时间，或许几年内，这种人造物就会进化成几代具有足够智能、其功效可以开发利用的造物（Creature）了。我们相信，人工智能的这种充分的生成进路是今天最有希望的、可行的研究道路之一。但是有必要在一种不仅仅关注眼前应用的环境中，我们才能欣赏它的可能性，并为这种研究提供机会。
这种我们称为生成人工智能的范例同样被它的倡导者鲜明而清晰地表述了（当然，他们并不采用我们的术语“生成”）。正如布鲁克斯自己所说的，他的进路既不是联结主义，也不是产生式规则，亦非解释学的。推动它的动力一样来自对工程的痴心关注，而这种关注既给予了我们认知主义也给予了我们联结主义。正是这些工程上的关注，非常清晰地揭示了作为生成的认知观念是如何通过当今认知科学的研究和发展的逻辑而得以产生的。因此，这种生成进路便不仅仅是哲学上的偏好，而且也是内在于认知科学研究力量的结果，即使在那些希望建立真正的智能和有用的机器的务实的工程师那里也是如此。
以更接近作为自然漂移的演化的认知建模取代任务导向的设计，这对于涌现与生成进路之间的关系来说也有它的意义。这里，问题依赖于我们如何解析分布式网络所能做的东西。如果我们强调历史过程如何导致没有固定和最终的约束的涌现规则，那么我们就恢复了目标更加开放的（openended）生物条件。另一方面，如果我们强调一个给定的网络如何在一个非常明确领域习得一种非常特定的能力（比如，NetTalk），那么表征就回来了，而我们就有了联结主义模型更为典型的使用。
作为例子，考虑一下保罗·斯摩棱斯基（Paul Smolensky）的协调理论。
斯摩棱斯基的亚符号计算范例通常与生成纲领的关注是相容的。剩下的不同点在于斯摩棱斯基对其模型的评估参照的是环境实在的一个未受破坏的层次。因此，一方面，任务域的外生特征（exogenous features）对应于预先给予的世界特征；另一方面，网络的内生活动（endogenous activity）通过经验获得了一个对环境的规则性给予最优编码的抽象意义。目标就是找到对应于环境最优描述的内生活动。此外，生成纲领要求我们通过把这种认知系统带入情境而避免任何形式的最优适应，因为在情境中的内生和外生特征在一个仅需要可行耦合的被延长的历史中是相互定义的。
因此，我们所走的道路强烈依赖于我们在与生物学靠近时所具有的兴趣的程度，这或许要以短期的工程应用为代价。当然，定义一个联结主义可以在其中起作用的固定的域始终是可能的，但这种进路却掩盖了有关生物具身性的那些更深刻的问题，但它们对生成进路而言却是如此核心的问题。
认知主义因与脑的密切联系而受到启发，而联结主义正是从这个受到启发的认知主义中发展起来的。与此相似，生成纲领在同一方向上进一步包含了作为活生生历史的认知的时间性，无论从个体层面（个体发生）、物种层面（演化），还是社会模式（文化）上看，都是如此。
9.8结论
生成纲领，仍然被排除在大多数当代科学中占优势的客观主义/主观主义的流行看法之外，仅仅在几年前它还只是非正统的。然而今天认知心理学、语言学、神经科学、人工智能、演化论和免疫学研究的内在逻辑，似乎结合了越来越多生成指向的工作原理。我们在一些细节上已经使机器人技术领域的状况得到了发展，这不是因为我们认为这样的工程产品是这个科学方向的最终结果，而是说我们清楚在任何具体的研究纲领中即使最实用的层次也被触及了。这不是发展其他展示同样观念领域的地方。争论现在还在激烈地进行着，所以研究者无疑会同意各种中间立场，并得出一些不同的认识论上的结论。不过，这些争论表明生成纲领不再是一些古怪的研究者所特有的，而是一个持续发展的鲜活的、多样的研究纲领。
我们现在已经达到了介绍认知科学中的生成进路的目标。我们不仅看到认知是具身的行动，所以不可避免地与活生生的历史交织在一起，而且看到了这些活生生的历史是作为自然漂移的演化的结果。因此由我们耦合历史生成的我们人类的具身性和世界反映出的只是多种可能演化路径之一种。尽管我们始终被自身铺就的路径所约束，但并不存在规定我们走上何种道路的终极根据。通过无根基性的写作，我们在本书的各处一再唤起的正是终极根据的缺乏。这个铺就一条道路的无根基性，是我们接下来要谈的关键的哲学问题。
