第十四篇　Decision 决策

第51章　Risk

在 Decision 中，Candidate 并不是只需要判断“能不能做”，还需要判断：

选择这个方案可能产生什么风险？风险有多大？是否可以接受？

因此，Risk 是 Decision 的重要组成部分。

基本关系：

Candidate
    ↓
Condition
    ↓
Risk Evaluation
    ↓
Priority
    ↓
Choice

Risk 不负责决定最终选择，而是为 Decision 提供风险信息。

1. Risk 定义

1.1 Risk 是什么

Risk 是 ICAI 对某个 Candidate、Action、Object 或 Decision 可能产生的不利结果、不确定结果以及影响程度进行结构化描述和计算的机制。

基本模型：

Risk
=
Potential Event
+
Probability
+
Impact
+
Condition

例如：

Candidate:
Start_Device

Potential Event:
设备温度继续升高

Probability:
0.20

Impact:
0.80

可以进一步计算风险值。

1.2 Risk 的作用

Risk 主要用于：

识别风险
↓
描述风险
↓
计算风险
↓
比较风险
↓
排序风险
↓
提供决策依据

因此：

Risk ≠ Decision

Risk 提供：

“这个选择可能有什么问题？”

Decision 最终判断：

“当前应该选择哪个方案？”

1.3 Risk 基本结构

可以定义：

Risk
{
    id
    candidate_id
    object
    event
    condition
    probability
    impact
    score
    level
    priority
    state
}

例如：

Risk
{
    id: 1001,
    candidate_id: "Candidate_A",
    object: "Device_A",
    event: "temperature_high",
    probability: 0.20,
    impact: 0.80,
    score: 0.16,
    level: "LOW",
    priority: 30,
    state: "ACTIVE"
}

2. 风险等级

Risk 需要能够把计算结果转换成明确的风险等级。

例如：

LOW
MEDIUM
HIGH
CRITICAL

可以建立一个简单的等级区间：

00 ─ 0.24   LOW
25 ─ 0.49   MEDIUM
50 ─ 0.74   HIGH
75 ─ 1.00   CRITICAL

这里的区间只是 ICAI 的规则参数，可以根据具体系统进行配置。

2.1 LOW

RiskScore < 0.25

表示当前计算出的风险较低。

例如：

Probability = 0.10
Impact = 0.20

RiskScore = 0.02

结果：

LOW

通常可以继续进入 Candidate 评估。

2.2 MEDIUM

0.25 ≤ RiskScore < 0.50

表示存在一定风险，需要进一步比较其他条件。

2.3 HIGH

0.50 ≤ RiskScore < 0.75

表示风险较高。

Decision 不应该仅因为 Candidate 满足条件就直接选择。

2.4 CRITICAL

RiskScore ≥ 0.75

表示风险非常高。

系统可以根据规则规定：

CRITICAL
→ Candidate 不允许选择

或者：

CRITICAL
→ 必须进入特殊决策流程

因此风险等级本身也是一个可以参与 Decision 的条件。

3. 风险条件

3.1 Risk Condition 定义

Risk Condition 是产生或增加风险的具体条件。

例如：

IF
temperature > 80
THEN
Risk = high_temperature

这里：

temperature > 80

就是 Risk Condition。

3.2 风险条件结构

可以定义：

RiskCondition
{
    object
    property
    operator
    value
    result
}

例如：

RiskCondition
{
    object: "Device_A",
    property: "temperature",
    operator: ">",
    value: 80,
    result: "HIGH"
}

当前：

Device_A.temperature = 90

计算：

90 > 80
→ TRUE

风险条件成立。

3.3 多个风险条件

一个风险可能由多个条件共同产生。

例如：

IF
    temperature > 80
AND
    battery.level < 10
THEN
    Risk = critical

当前：

temperature = 90
battery.level = 5

得到：

TRUE AND TRUE
→ TRUE

所以：

Risk Condition = TRUE
Risk Level = CRITICAL

3.4 风险条件状态

与 Rule Condition 一样，Risk Condition 也应该支持：

TRUE
FALSE
UNKNOWN
CONFLICT

例如：

temperature = UNKNOWN

则：

temperature > 80
→ UNKNOWN

不能直接认为：

Risk = LOW

因为未知并不等于安全。

因此：

UNKNOWN ≠ LOW

4. 风险计算

4.1 基本风险公式

ICAI 可以采用明确的离散计算模型：

RiskScore = Probability × Impact

其中：

Probability ∈ [0,1]
Impact      ∈ [0,1]
RiskScore   ∈ [0,1]

例如：

Probability = 0.30
Impact = 0.80

则：

RiskScore
=
0.30 × 0.80
=
0.24

因此：

RiskLevel = LOW

按照当前设定的等级区间，它处于 LOW 边界。

4.2 Probability

Probability 表示某个不利事件发生的可能程度。

例如：

可以解释为：

10 → 较低
30 → 中等偏低
60 → 较高
90 → 很高

Probability 可以来自：

历史经验
事实统计
当前状态
规则计算
环境条件

而不是必须来自复杂模型。

4.3 Impact

Impact 表示风险事件发生后可能造成的影响程度。

例如：

10 → 影响很小
50 → 中等影响
80 → 较大影响
00 → 最大影响

Impact 可以根据：

对象重要程度
任务重要程度
损失程度
状态变化
安全要求

进行离散定义。

4.4 风险修正

某些系统中还需要加入风险修正因素：

RiskScore
=
Probability
×
Impact
×
Exposure

例如：

Probability = 0.40
Impact = 0.80
Exposure = 0.50

则：

RiskScore
=
0.40 × 0.80 × 0.50
=
0.16

这里的 Exposure 可以表示：

暴露程度
持续时间
影响范围
发生频率

具体使用哪些参数，需要由系统定义，而不是强制所有 ICAI 都采用同一种公式。

4.5 风险计算不是概率预测模型

这里必须明确：

RiskScore

是 ICAI 根据已经定义的数据和计算规则得到的数值。

它不是：

神经网络
模型训练
Embedding
LLM
生成模型

也不要求使用大模型预测未来。

核心仍然是：

Fact
+
Condition
+
Probability
+
Impact
+
Rule
→
RiskScore

5. 风险比较

Decision 中通常存在多个 Candidate，因此需要比较 Candidate 的风险。

例如：

Candidate_A
RiskScore = 0.20

Candidate_B
RiskScore = 0.60

Candidate_C
RiskScore = 0.10

排序：

Candidate_C
    ↓
Candidate_A
    ↓
Candidate_B

从风险角度：

C < A < B

5.1 单风险比较

Risk_A = 0.20
Risk_B = 0.50

则：

Risk_A < Risk_B

A 的风险低于 B。

5.2 多风险比较

一个 Candidate 可能同时存在多个风险：

Candidate_A
├── Cost Risk       = 0.20
├── Time Risk       = 0.30
└── Safety Risk     = 0.10

可以计算：

TotalRisk

例如采用加权模型：

TotalRisk
=
CostRisk × 0.20
+
TimeRisk × 0.30
+
SafetyRisk × 0.50

假设：

0.20 × 0.20
+
0.30 × 0.30
+
0.10 × 0.50

= 0.04
+ 0.09
+ 0.05

= 0.18

因此：

TotalRisk = 0.18

5.3 最高风险约束

有时候不能只看平均风险。

例如：

Candidate_A
CostRisk = 0.10
TimeRisk = 0.10
SafetyRisk = 0.90

虽然平均值可能不高，但：

SafetyRisk = 0.90

已经属于 CRITICAL。

因此可以设置：

IF AnyRisk.level = CRITICAL
THEN Candidate = REJECTED

这种机制可以避免某一个严重风险被其他低风险项目抵消。

6. 风险优先级

风险本身也存在优先级。

例如：

Risk_A = cost
Risk_B = time
Risk_C = safety

系统可能定义：

Safety Priority = 100
Cost Priority   = 50
Time Priority   = 30

于是：

Safety
>
Cost
>
Time

6.1 Risk Priority

可以定义：

RiskPriority
{
    risk_id
    priority
    reason
    state
}

例如：

RiskPriority
{
    risk_id: "SafetyRisk",
    priority: 100,
    reason: "safety_constraint",
    state: "ACTIVE"
}

6.2 风险等级与风险优先级

二者不能混淆：

Risk Level
    = 风险有多严重

Risk Priority
    = 当前处理风险的先后顺序

例如：

Risk_A
level = HIGH
priority = 50

Risk_B
level = MEDIUM
priority = 100

虽然 B 的等级较低，但系统可能规定 B 必须优先处理。

所以：

Risk Level ≠ Risk Priority

6.3 Risk 对 Candidate 的影响

风险最终会进入 Decision：

Candidate
    ↓
Risk Evaluation
    ↓
RiskScore
    ↓
RiskLevel
    ↓
RiskPriority
    ↓
Candidate Evaluation

因此：

Risk
→ 影响 Candidate Score
→ 影响 Candidate 排序
→ 可能导致 Candidate 被拒绝
→ 可能导致 Decision = NO_CHOICE

7. 风险决策示例

下面建立一个完整的 ICAI 风险决策实例。

7.1 当前任务

ICAI 需要从三个方案中选择一个：

Goal:
Select_Service

候选：

Candidate_A = Service_A
Candidate_B = Service_B
Candidate_C = Service_C

7.2 当前条件

已知：

Service_A.available = true
Service_B.available = true
Service_C.available = true

所以：

Condition_A = TRUE
Condition_B = TRUE
Condition_C = TRUE

三个 Candidate 都可以进入风险评估。

7.3 风险数据

Candidate A

Probability = 0.20
Impact = 0.50

计算：

Risk_A
=
0.20 × 0.50
=
0.10

结果：

LOW

Candidate B

Probability = 0.40
Impact = 0.80

计算：

Risk_B
=
0.40 × 0.80
=
0.32

结果：

MEDIUM

Candidate C

Probability = 0.70
Impact = 0.90

计算：

Risk_C
=
0.70 × 0.90
=
0.63

结果：

HIGH

7.4 风险比较

得到：

Service_A = 0.10
Service_B = 0.32
Service_C = 0.63

风险排序：

Service_A
    ↓
Service_B
    ↓
Service_C

7.5 加入 Priority

假设：

Service_A priority = 50
Service_B priority = 80
Service_C priority = 100

这时候出现：

Service_C
Priority = 100
Risk = 0.63

而：

Service_A
Priority = 50
Risk = 0.10

Decision 不能只看 Priority。

需要综合：

Condition
+
Risk
+
Priority

7.6 Candidate Score

假设定义：

CandidateScore
=
ConditionScore × 0.40
+
PriorityScore × 0.20
+
SafetyScore × 0.40

其中：

SafetyScore = 1 - RiskScore

为了方便比较，将 Priority 转换为 0～1：

Service_A:
PriorityScore = 0.50
Risk = 0.10
Safety = 0.90

Service_B:
PriorityScore = 0.80
Risk = 0.32
Safety = 0.68

Service_C:
PriorityScore = 1.00
Risk = 0.63
Safety = 0.37

三个条件均成立：

ConditionScore = 1.00

计算：

Service A

1.00 × 0.40
+
0.50 × 0.20
+
0.90 × 0.40

= 0.40
+ 0.10
+ 0.36

= 0.86

Service B

1.00 × 0.40
+
0.80 × 0.20
+
0.68 × 0.40

= 0.40
+ 0.16
+ 0.272

= 0.832

Service C

1.00 × 0.40
+
1.00 × 0.20
+
0.37 × 0.40

= 0.40
+ 0.20
+ 0.148

= 0.748

得到：

Service_A = 0.860
Service_B = 0.832
Service_C = 0.748

因此：

Choice = Service_A

7.7 风险否决

如果系统还有一条安全规则：

IF RiskScore >= 0.60
THEN Candidate = REJECTED

那么：

Service_C
RiskScore = 0.63

直接：

Service_C = REJECTED

剩余：

Service_A
Service_B

继续进行 Decision。

这说明 Risk 不只是一个数字，还可以成为 Decision 的约束条件。

Risk 核心模型

本章可以归纳为：

Potential Event
      ↓
Risk Condition
      ↓
Probability
      +
Impact
      ↓
RiskScore
      ↓
RiskLevel
      ↓
RiskPriority
      ↓
Candidate Evaluation
      ↓
Decision

完整 Decision 关系：

Conclusion
     ↓
Candidate
     ↓
Condition
     ↓
Risk
 ┌───┴────┐
 ↓        ↓
Score    Level
 └───┬────┘
     ↓
Priority
     ↓
Choice
     ↓
DecisionResult

本章核心定义

Risk 是 ICAI 对 Candidate、Action、Object 或 Decision 可能产生的不利事件、不确定性及其影响进行结构化描述、条件判断、数值计算、等级划分和优先级管理的机制。

核心区别：

Condition = 是否满足条件
Risk      = 可能产生什么风险
Priority  = 哪个更重要
Decision  = 选择什么
Action    = 实际做什么

最终形成：

Candidate
+
Condition
+
Risk
+
Priority
↓
Decision
↓
Choice
↓
Action

这为下一步 DecisionEngine 将 Decision、Candidate、Risk、Priority 和 Choice 真正组织成一个可运行的决策引擎奠定基础。

第51章 Risk

第十四篇 Decision 决策

第51章 Risk

1. Risk 定义

1.1 Risk 是什么

1.2 Risk 的作用

1.3 Risk 基本结构

2. 风险等级

2.1 LOW

2.2 MEDIUM

2.3 HIGH

2.4 CRITICAL

3. 风险条件

3.1 Risk Condition 定义

3.2 风险条件结构

3.3 多个风险条件

3.4 风险条件状态

4. 风险计算

4.1 基本风险公式

4.2 Probability

4.3 Impact

4.4 风险修正

4.5 风险计算不是概率预测模型

5. 风险比较

5.1 单风险比较

5.2 多风险比较

5.3 最高风险约束

6. 风险优先级

6.1 Risk Priority

6.2 风险等级与风险优先级

6.3 Risk 对 Candidate 的影响

7. 风险决策示例

7.1 当前任务

7.2 当前条件

7.3 风险数据

Candidate A

Candidate B

Candidate C

7.4 风险比较

7.5 加入 Priority

7.6 Candidate Score

Service A

Service B

Service C

7.7 风险否决

Risk 核心模型

本章核心定义