数学运算时除法比乘法难，同样道理自上而下的分类聚合也不可行。几个素数相乘得出答案很容易，小学生就会做。但要对一个大数做分解质因数，最超级的计算机也会卡壳。自上而下的控制就如同将乘积分解成因子一样困难，而用因子来得到乘积则非常容易。
相关的定律可以简明地表述为：必须从简单的局部控制中衍生出分布式控制；必须从已有且运作良好的简单系统上衍生出复杂系统。
为了验证自下而上的分布式控制理论，罗切斯特大学研究生布赖恩·山内[1]制作了一个号称「杂耍抛球」的机器胳膊。胳膊的任务是用拍子反复弹拍一只气球。这只机器胳膊并没有一个大脑来对气球定位并指挥拍子移动到气球下方，再用适合的力量弹拍；相反，山内将这些定位和控制力量的工作分散化了。最终的动作平衡是由一群愚笨的「代理」组成的委员会来完成。
举例来说，把「气球在哪里？」这个最复杂的难题细分为几个独立的问题，将其分散到许多微型逻辑电路中。某一个代理只考虑一个简单问题：气球在触手可及的范围内吗？——一个相对容易操作的问题。主管此问题的代理对何时拍击气球一无所知，甚至也不知晓气球在哪里。它的单一职责就是当气球不在胳膊上的摄像仪的视线内时指令胳膊倒退，并持续移动直到气球进入视野。由这些头脑简单的决策中心所组成的网络或社会就构成了一个机体，能够展现出非凡的敏捷性和适应性。
山内说：「行为代理之间并没有明确的信息交流。所有的交流都是通过观察其它代理的动作在外界环境里留下的痕迹和影响而得以进行的。」像这样保持事物的局部性和直接性，就可让社会进化出新的行为方式，同时也避免了伴随「硬件」通讯过程而产生的复杂度爆炸问题。和流行的商业说教相反，把每件事告知每个人并非智慧的产生方式。
「我们更进一步地拓展了这个想法，」布鲁克斯说道，「并常常利用外部世界作为分布式部件间的交流媒介。」一个反射模块并非由另一个模块来通知它做什么，而是直接感知外部世界反射回来的信息，然后再通过其对外部世界的作用把信息传递给他人。「信息有可能会丢失——实际上丢失的频率还很高。但没关系，因为代理会一遍又一遍地不断发送信息。它会不断重复『我看见了。我看见了。我看见了』的消息，直到胳膊接收到信息并采取相应动作改变外部世界，该代理才会安静下来。」
布赖恩·山内（Brian Yamauchi）：美军坦克自动化研究、开发及工程中心资助的第二阶段小企业开发新技术推动计划的首席机器人专家。该研究项目旨在发展高速遥控小型无人地面车辆。
3.5 利用现实世界的反馈实现交流
过度集中的通讯负荷并非中央大脑仅有的麻烦。中央内存的维护同样让人感到头痛。共享的内存必须严格、实时、准确地更新——很多公司对此都深有感触。对机器人来说，控制中心要承担的艰巨任务是根据自己的感知来编辑或更新一个「外部世界模型」，一个理论，或者一个表述——墙在哪里，门还有多远，还有，别忘了，留神那里的楼梯。
如果由不同感应器反馈回来的信息互相冲突，大脑中枢该怎么办？眼睛说有物体过来了，而耳朵却说那物体正在离去。大脑该信谁的？合乎常理的做法是尽力找出真相。于是，控制中心调节纠纷并重新修正信号，使之一致。在非包容结构的机器人中，中央大脑的计算资源大都消耗在根据不同视角的反馈信号绘制协调一致的外部世界映像上。系统每个部分对摄像头和红外传感器传回的海量数据有各自不同的解读，因而各自形成对外部世界大不一样的观感。这种情况下，大脑永远无法协调好所有的事情，因而总是一事无成。
要协调出一幅关于世界的中央视图实在太难了，而布鲁克斯发现利用现实世界作为其自身的模型要容易得多：「这个主意很棒，因为世界确实是其自身相当好的模型。」由于没有中央强制的模型，也就没有人承担调解争议的工作，争议本身本不需要调和。相反，不同的信号产生出不同的行为。在包容控制的网络层级中，行为是通过抑制、延迟、激活等方式被遴选出来的。
实质上，对机器人来说（或者说对昆虫来说——布鲁克斯更愿这么表述），并不存在外部世界的映像。没有中央记忆，没有中央指令，没有中央存在。一切都是分布式的。「通过外部世界进行沟通可以避免根据来自触臂的数据调校视觉系统的问题。」布鲁克斯写道。外部世界自身成为「中央」控制者；没有映像的环境成为映像本身。这样就节约下海量的计算工作。「在这样的组织内，」布鲁克斯说，「只需少量的计算就可以产生智能行为。」
没有了中央机构，形形色色的个体们或是冒尖或是沉寂。我们可以这样理解布鲁克斯提出的机制——用他的话来说就是，「大脑里的个体们通过外部世界进行沟通来竞争机器人的身体资源。」只有成功做到这一点的那些个体才能得到其它个体的注意。
那些脑子转得快的人发现，布鲁克斯的方案正是市场经济的绝妙写照：参与市场活动的个体之间并没有交流，他们只是观察别人的行动对共同市场所造成的影响（不是行动本身）。从千百位我从未谋面的商贩那里，我得知了鲜蛋的价格信息。信息告诉我（含杂在很多别的信息里）：「一打鸡蛋比一双皮鞋便宜，但是比打两分钟国内长途贵。」这个信息和很多其它价格信息一起，指导了千万个养鸡场主、制鞋商和投资银行家的经营行为，告诉他们该在哪里投放资金和精力。
布鲁克斯的模型，不仅仅为人工智能领域带来了变革，它也是任何类型的复杂机体得以运作的真正模型。我们在所有类型的活系统中都能看到包容结构和网络层级机制。布鲁克斯总结了设计移动式机器人的五条经验，其表述如下：
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
当布鲁克斯把笨重且刚愎自用的机器怪兽压缩成一只卑微的、轻如鸿毛的小爬虫时，他从那次小型化的尝试中有了新的认识。以前，要想使一个机器人「更聪明」，就要为它配置更多的电脑部件，也就会使它更笨重。它越重，驱动马达就要越大。马达越大，供电所需的电池组就要越大。电池组体积越大，移动电池组的构架也就要越大，如此陷入恶性循环。这个恶性循环使得机器人大脑与身体的比重朝着越来越小的趋势发展。
但如果这个循环反过来，则成为一个良性的循环。电脑部件越小，电机就可以越小，电池也越小，构架也越小，对应其尺寸的结构强度就越大。这也使得小型移动机器虫的大脑占身体的比重相应更大，尽管脑的绝对尺寸还是很小。布鲁克斯的移动机器虫大都轻于10磅。成吉思，由模型汽车组件装配出来，仅重3.6磅。布鲁克斯想要在三年内推出体长1毫米（铅笔尖大小）的机器虫。他干脆叫它「机器跳蚤」。
布鲁克斯主张不仅要把这种机器人发送到火星上去，还要让它悄悄渗透在人类社会各个角落。布鲁克斯说，他想尽可能多地把人造生命引入现实生活，而非尽可能多地在人造生命里引入有机体。他想让世界各处充溢便宜的、微小的、无处不在的半思维机器生物。他举了个聪明门的例子。在你的住宅里，只需增加10美元成本，就可以在一扇门上安装一个电脑芯片，它会知道你要出门了，或者听到另一扇门传递的信息说你过来了，它还会在你离去时通知电灯，诸如此类，等等。如果一幢大楼里每扇门都会互相交谈，就可以帮助对气候进行控制，还可以帮助控制车流。如果在所有其他在我们现在看来冰冷乏味的设施里推广这些小小的入侵者，注入快捷、廉价、失控的小小智慧，我们就能拥有无数感觉灵敏的小家伙们。它们为我们服务，而且不断学习如何更好地为我们服务。
受到触动的布鲁克斯预言了这样一幅未来的美好画卷：我们的社会到处是人造生物，与我们和谐共处互相依赖，构成一种新型的共生关系。其中大部分并不被我们所察觉，而是被看成是理所当然的事情。它们解决问题的方式被设计为昆虫的方式——众人拾柴火焰高，人多力量大，个体单元则微不足道。它们的数量将像自然界的昆虫一样远多于我们。事实上，布鲁克斯眼中的机器人不必象《星球大战》里的R2D2那样为我们端茶倒水，只需在我们视线不及处自成一体，与万物同化。
移动机器人实验室有位学生制作了一款兔子大小的廉价机器人。它会观察我们在房间里的位置，随着你的走动不断调整你的立体声音响，从而达到最佳的音效。布鲁克斯也有一个创意，让一个小型机器人生活在我们客厅的某个角落或者沙发下面。它会象搜集癖好机那样四处游荡，专等你不在家的时候四处吸尘。你只有在回家发现地板光洁一新后才会意识到这位田螺姑娘的存在。