第1章 SAI Framework 概述
1.1 SAI 是什么
SAI 是 Simulated Artificial Intelligence 的缩写，中文可以定义为：
模拟人工智能
SAI 的核心不是生成内容，而是模拟一个人工个体如何接收信息、感知环境、形成认知、保存记忆、进行推理、作出决策、产生行为，并通过反馈不断积累经验和学习的完整运行过程。
因此，SAI 的研究和开发重点不是某一个单独的算法，而是建立一个能够承载这些过程的完整软件框架。
可以把 SAI 的基本运行过程表示为：
信息接收
↓
场景采集
↓
感知
↓
元素
↓
对象
↓
关系
↓
理解
↓
记忆
↓
推理
↓
决策
↓
行为
↓
行动 / 表现
↓
外部世界
↓
反馈
↓
经验
↓
学习
↓
更新
↓
再次接收信息因此，SAI 最终形成的是一个闭环运行的模拟人工个体。
1.2 SAI 的英文定义
SAI 的英文名称：
Simulated Artificial Intelligence
其中：
Simulated
↓
模拟的
Artificial
↓
人工的
Intelligence
↓
智能组合起来就是：
Simulated Artificial Intelligence —— 模拟人工智能
这里的 Simulated 非常重要。
SAI 的目标不是简单模拟某一个人工智能功能，而是通过软件对象、状态、关系、规则、数学计算、记忆、经验和学习机制，模拟一个人工个体的智能运行过程。
因此：
SAI
≠ 单一算法
≠ 单一模型
≠ 单一程序
≠ 单一聊天系统而是：
SAI
=
模拟人工个体的完整软件运行体系1.3 Simulated Artificial Intelligence 的含义
传统的软件通常按照预先确定的程序流程运行：
输入
↓
程序
↓
计算
↓
输出例如：
输入：10 + 20
程序：
执行加法
输出：
30这是确定性的程序计算。
而一个模拟人工个体需要面对更加复杂的运行过程：
外部世界
↓
获得信息
↓
识别信息
↓
形成对象
↓
理解对象关系
↓
结合已有记忆
↓
进行推理
↓
产生多个候选行为
↓
进行决策
↓
执行行为
↓
获得结果
↓
形成经验
↓
更新自身因此 SAI 关注的是：
程序如何形成一个持续运行的人工个体。
例如，一个简单的 SAI 个体可以面对：
环境：
温度 = 32℃
已有规则：
温度 > 30℃ → 开启风扇
当前状态：
风扇 = OFF经过：
信息
↓
感知
↓
对象
↓
状态
↓
规则匹配
↓
推理
↓
决策
↓
行为
↓
Action：开启风扇最后：
风扇 = ON这就是 SAI 所关注的基本运行方式。
1.4 SAI Framework 的定义
SAI Framework 可以定义为：
SAI Framework 是一套用于构建模拟人工个体的通用软件框架，以 PHP OOP、对象、元素、属性、关系、方法、规则、事实、状态、记忆、经验、数学计算和模块化机制为基础，为模拟人工个体提供统一的运行结构、对象体系、认知体系、行为体系以及外部交互能力。
简单来说：
SAI
↓
模拟人工智能
SAI Framework
↓
开发 SAI 的软件框架就像：
Web Application
↓
需要
↓
Web Framework而这里：
Simulated Individual
↓
需要
↓
SAI Framework因此，SAI Framework 的最终服务对象不是网页，而是：
Simulated Individual —— 模拟人工个体。
1.5 SAI Framework 解决什么问题
如果没有统一框架，每开发一个模拟人工个体，都需要重新处理：
信息
场景
对象
状态
记忆
规则
推理
决策
行为
反馈
学习这样容易产生大量重复代码。
SAI Framework 的作用，就是把这些通用能力抽象成框架。
例如：
SAI Framework
│
├── Information
├── Scene
├── Perception
├── Element
├── Object
├── Relation
├── Cognition
├── Memory
├── Reasoning
├── Decision
├── Behavior
├── Expression
├── Template
├── Renderer
├── Adapter
├── Device
├── Feedback
├── Experience
├── Learning
└── Maintenance以后开发不同的人工个体时，不需要重新开发整个体系。
例如：
SAI Individual A
↓
环境监测
SAI Individual B
↓
机器人控制
SAI Individual C
↓
车辆环境处理
SAI Individual D
↓
Web 信息交互它们都可以使用同一个 SAI Framework。
1.6 SAI Framework 与普通软件框架的区别
普通软件框架通常解决的是：
程序如何组织
模块如何调用
数据如何处理
请求如何进入
结果如何输出SAI Framework 除了这些工程问题，还要解决：
人工个体如何存在
人工个体如何获得信息
如何感知
如何建立对象
如何理解关系
如何记忆
如何推理
如何决策
如何产生行为
如何获得反馈
如何形成经验
如何学习因此两者的核心目标不同。
普通软件框架
程序
↓
业务逻辑
↓
结果SAI Framework
外部世界
↓
信息
↓
感知
↓
认知
↓
记忆
↓
推理
↓
决策
↓
行为
↓
外部世界
↓
反馈
↓
学习所以：
普通 Framework 主要组织程序，SAI Framework 进一步组织一个模拟人工个体的运行过程。
1.7 SAI Framework 与 Web Framework 的区别
这一点必须明确。
SAI Framework 不是 Web Framework。
Web Framework 的核心对象通常是：
Request
↓
Controller
↓
Model
↓
View
↓
Response而 SAI 的核心运行过程是：
Information
↓
Perception
↓
Cognition
↓
Memory
↓
Reasoning
↓
Decision
↓
Behavior
↓
Action
↓
External World
↓
FeedbackWeb 可以成为 SAI 的一种外部接口：
Browser
↓
Web Request
↓
Controller
↓
SAI
↓
Expression
↓
SATE
↓
WebRenderer
↓
Response但也可以完全不使用 Web：
Sensor
↓
SceneCollector
↓
SAI
↓
RobotAdapter
↓
Robot甚至：
Machine
↓
DeviceAdapter
↓
SAI
↓
Action
↓
Machine因此：
SAI 可以使用 Web 的工程思想，但 SAI 并不依附于 Web。
1.8 SAI Framework 与 ThinkPHP 的关系
ThinkPHP 可以作为 SAI Framework 在软件框架工程设计思想上的参考。
例如可以借鉴：
Application
Container
Controller
Model
Route
Middleware
Lifecycle
Extension但是这些概念进入 SAI 后需要重新定义。
例如：
ThinkPHP
Controller
↓
处理 Web RequestSAI：
Controller
↓
作为一种外部入口
↓
把信息交给 Central / Individual再例如：
ThinkPHP Model
↓
业务数据模型SAI Model：
Object
Property
Relation
State
Memory
Experience因此：
ThinkPHP 是工程思想参考，而不是 SAI 的基础身份。
SAI Framework 可以借鉴成熟 Framework 的：
- OOP
- MVC
- Container
- Lifecycle
- Route
- Component
- Extension
- Event
- Middleware
但是最终组织目标仍然是：
Individual而不是 Web Application。
1.9 SAI Framework 与 Smarty 的关系
Smarty 最核心的工程思想之一是：
把程序逻辑与表现模板分离。
这个思想对 SAI 同样有价值。
但 SAI 不直接使用 Smarty 作为自身模板系统。
SAI 可以建立自己的：
SATE —— SAI Template Engine
并进一步发展为开放的表现与映射机制。
基本结构：
Behavior
↓
Action
↓
Expression
↓
Template
↓
Renderer / Adapter
↓
外部世界例如：
Action
↓
Light ON可以通过不同方式表现：
WebRenderer
↓
灯已打开
ApiRenderer
↓
{"action":"light_on"}
DeviceAdapter
↓
发送开灯指令因此 SATE 不应该被限制为：
HTML Template而可以支持：
Web
UI
API
Terminal
Device
Robot
Machine
Custom所以：
Smarty 提供了模板工程思想的参考，而 SATE 是 SAI 自己的开放模板与表现系统。
1.10 SAI Framework 的最终目标
SAI Framework 的最终目标不是开发一个“智能网页”。
也不是开发一个“聊天机器人”。
更不是开发一个单纯的规则引擎。
最终目标是：
建立一个可以持续运行的模拟人工个体。
这个个体应该具备：
Identity
↓
State
↓
Ability
↓
Information
↓
Perception
↓
Cognition
↓
Memory
↓
Reasoning
↓
Decision
↓
Behavior
↓
Action
↓
Expression
↓
External World
↓
Feedback
↓
Experience
↓
Learning
↓
Update最终形成：
┌───────────────┐
│ Individual │
└───────┬───────┘
│
Central
│
┌──────────────┼──────────────┐
│ │ │
Perception Memory Learning
│ │ │
└──────────────┼──────────────┘
│
Cognition
│
Reasoning
│
Decision
│
Behavior
│
Action
│
External World
│
Feedback
│
Experience
│
└──────→ Learning这就是 SAI Framework 的最终闭环。
1.11 本教程的学习路线
本教程不会直接从一个大型 SAI 开始。
而是采用从框架内核逐步构建完整人工个体的方式。
第一阶段：Framework Core
Application
Container
Bootstrap
Request
Response
Controller
Model
Engine先把框架本身建立起来。
第二阶段：Individual
Individual
Identity
State
Ability
Central建立人工个体。
第三阶段：Input
Information
InformationReceiver
Scene
SceneCollector
Sensor建立信息接收和场景采集。
第四阶段：Cognition
Element
Object
Property
Relation
Method
Perception
Cognition
Understanding建立认知基础。
第五阶段：Memory & Reasoning
Memory
Fact
Experience
Rule
Reasoning
Conclusion建立记忆和推理。
第六阶段：Decision & Behavior
Decision
Risk
Priority
Behavior
Action
Expression建立决策与行为。
第七阶段：SATE
Template
TemplateEngine
Compiler
Renderer建立开放表现模板系统。
第八阶段：External World
Adapter
Device
Robot
Machine
Sensor让 SAI 可以连接外部设备。
第九阶段：Feedback & Learning
Feedback
Experience
Learning
Update形成学习闭环。
第十阶段：Self Maintenance
Detection
Risk
Conflict
Diagnosis
Repair
Verification形成自我维护能力。
最终
把所有模块组合成：
SAI Framework
↓
Individual
↓
完整运行1.12 本章完整示例：一个最简单的 SAI
为了理解整个框架，我们先不实现复杂系统。
假设建立一个最简单的 SAI：
Individual：SAI-001它只有一个能力：
当温度超过 30℃时开启风扇。
外部环境提供：
温度 = 32℃第一步：信息接收
Information
{
type: "temperature",
value: 32
}第二步：感知
Perception
↓
发现：
温度第三步：建立对象
Object
{
name: "temperature",
value: 32
}第四步：认知
系统理解：
temperature
=
32℃第五步：读取规则
Rule
IF temperature > 30
THEN fan = ON第六步：推理
32 > 30结果：
Conclusion
=
需要开启风扇第七步：决策
Decision
=
TurnOnFan第八步：行为
Behavior
=
TurnOnFan第九步：Action
Action
{
device: "fan",
command: "ON"
}第十步：执行
Fan
↓
ON第十一步：反馈
设备返回：
Fan State
=
ON第十二步：经验
SAI 保存：
Experience
{
condition: "temperature > 30",
action: "fan ON",
result: "success"
}最终形成：
温度 32℃
↓
Information
↓
Perception
↓
Object
↓
Cognition
↓
Rule
↓
Reasoning
↓
Decision
↓
Behavior
↓
Action
↓
Fan ON
↓
Feedback
↓
Experience这就是一个最小的 SAI Individual 闭环。
后面的章节，就是把这个非常简单的过程逐步扩展成真正的：
Information
+
Scene
+
Perception
+
Cognition
+
Memory
+
Reasoning
+
Decision
+
Behavior
+
Action
+
Expression
+
SATE
+
Renderer
+
Adapter
+
Device
+
Feedback
+
Experience
+
Learning
+
Maintenance最终形成完整的 SAI Framework + Simulated Individual。