第88章　让 Individual 进行推理

Individual 在第87章已经能够完成：

Information → Scene → Perception → Element → Object → Relation → Cognition → Scene Understanding

但“理解当前场景”还不是推理。

推理要求 Individual 能够进一步利用 Memory、Fact、Rule、Experience，从已经获得和理解的信息中计算出新的结论。

因此，本章开始，Individual 从“能够感知和理解世界”进入：

能够根据已有认知资源进行判断和推导。

1. Memory

Memory 是 Individual 进行推理的基础资源。

Individual 不能只依赖当前 Scene。

当前 Scene 只能告诉 Individual：

现在看到了什么。

Memory 则可以保存：

过去获得的 Fact
Object
Property
State
Relation
Experience
历史变化
已确认的信息
已验证的知识

因此：

Scene
   ↓
当前信息

Memory
   ↓
历史信息

推理时，两者需要共同参与。

1.1 推理所需要的 Memory

例如：

Memory

Fact:
Vehicle_A.speed = 40

Fact:
Obstacle_A.distance = 20

Relation:
Vehicle_A.front_of Obstacle_A

Experience:
距离障碍物小于30米且接近速度较高时，
曾经采取减速行为。

Rule:
IF distance < 30
AND relative_speed > 20
THEN risk = HIGH

这些信息可以共同成为推理输入。

1.2 Memory 在推理中的作用

可以表示为：

Current Scene
      +
Memory
      ↓
Reasoning Input

Memory 不直接给出最终行动。

它只是提供推理所需要的历史和结构化资源。

2. Fact

Fact 是已经被 Individual 记录、识别、验证或者确认的信息单元。

最基本的结构：

Subject + Predicate + Value

例如：

Vehicle_A
speed
40

表示：

Vehicle_A.speed = 40

关系型 Fact 可以表示：

Subject + Relation + Object

例如：

Vehicle_A
front_of
Obstacle_A

表示：

Vehicle_A front_of Obstacle_A

2.1 Fact 的结构

Fact
├── id
├── subject
├── predicate
├── value
├── type
├── source
├── state
├── confidence
├── created_at
└── updated_at

例如：

$fact = array(
    'id' => 'fact_001',
    'subject' => 'Vehicle_A',
    'predicate' => 'speed',
    'value' => 40,
    'type' => 'PROPERTY',
    'source' => 'Sensor_A',
    'state' => 'CONFIRMED'
);

2.2 Observed Fact 与 Derived Fact

推理过程中必须区分两种 Fact。

Observed Fact

直接从信息、传感器或者其他来源得到：

Vehicle_A.speed = 40

Derived Fact

通过已有 Fact 和 Rule 推导出来：

Vehicle_A.relative_speed = 30

或者：

Vehicle_A.risk = HIGH

所以：

Information
   ↓
Observed Fact
   ↓
Reasoning
   ↓
Derived Fact

Derived Fact 还应该保存自己的来源和推理链。

这样 Individual 才能够回答：

这个结论是怎么得到的？

3. Rule

Rule 是推理过程中使用的逻辑规则。

基本结构：

IF Condition
THEN Conclusion

例如：

IF
Obstacle.distance < 30
AND
Vehicle.relative_speed > 20

THEN

Risk = HIGH

Rule 本身并不执行推理。

它只是定义：

什么条件成立时，可以得到什么结果。

3.1 Rule 结构

Rule
├── id
├── name
├── conditions
├── operator
├── conclusion
├── priority
├── state
└── source

例如：

$rule = array(
    'id' => 'rule_001',
    'name' => 'High Risk Rule',
    'conditions' => array(
        array(
            'subject' => 'Obstacle_A',
            'property' => 'distance',
            'operator' => '<',
            'value' => 30
        ),
        array(
            'subject' => 'Vehicle_A',
            'property' => 'relative_speed',
            'operator' => '>',
            'value' => 20
        )
    ),
    'operator' => 'AND',
    'conclusion' => array(
        'subject' => 'Vehicle_A',
        'property' => 'risk',
        'value' => 'HIGH'
    ),
    'priority' => 10,
    'state' => 'ACTIVE'
);

3.2 Rule 与 Reasoning 的区别

这是 Individual 中非常重要的区别。

Rule
=
规定逻辑

Reasoning
=
应用逻辑

例如：

Rule：

IF distance < 30
THEN risk = HIGH

只有当 Individual 获得：

distance = 20

然后运行 Rule：

20 < 30

才能得到：

risk = HIGH

因此：

Rule ≠ Reasoning

4. Experience

Experience 是 Individual 过去实际经历形成的历史资源。

Experience 与 Fact 不相同。

Fact

描述：

什么是事实。

Experience

描述：

过去发生了什么，以及采取什么行为产生了什么结果。

例如：

Condition:
Obstacle.distance = 25

Action:
DECELERATE

Result:
Vehicle speed reduced

Feedback:
Safe

形成：

Experience_001

4.1 Experience 结构

Experience
├── id
├── task
├── condition
├── environment
├── action
├── process
├── result
├── feedback
├── outcome
├── state
├── source
├── created_at
└── updated_at

例如：

$experience = array(
    'id' => 'exp_001',
    'task' => 'Vehicle Safety',
    'condition' => array(
        'distance' => 25,
        'relative_speed' => 28
    ),
    'action' => 'DECELERATE',
    'result' => 'SAFE',
    'feedback' => 'SUCCESS',
    'outcome' => 'SUCCESS',
    'state' => 'VERIFIED'
);

4.2 Experience 如何参与推理

Experience 不直接替代 Rule。

而是作为推理资源：

Current Condition
       ↓
Experience Matching
       ↓
Historical Experience
       ↓
Reasoning

例如：

当前：
distance = 22
relative_speed = 25

Memory 中存在：

过去：
distance = 24
relative_speed = 27
action = DECELERATE
result = SAFE

Individual 可以判断：

当前情况
与
历史经验
存在较强对应关系

这个结果可以提供给 Reasoning 和 Decision。

5. Reasoning

Reasoning 是 Individual 根据当前 Scene、Memory、Fact、Rule、Experience 等结构化资源进行逻辑推导的过程。

核心结构：

Scene
 +
Memory
 +
Fact
 +
Rule
 +
Experience
      ↓
   Reasoning
      ↓
  Conclusion

5.1 Reasoning 的基本过程

第一步：获取事实

Vehicle_A.speed = 40
Obstacle_A.distance = 20
Obstacle_A.speed = 10

第二步：获取关系

Vehicle_A front_of Obstacle_A

第三步：计算相关量

车辆与障碍物的相对速度：

40 - 10 = 30

得到：

relative_speed = 30

第四步：匹配 Rule

Rule：

distance < 30
AND
relative_speed > 20
→
risk = HIGH

当前：

distance = 20
relative_speed = 30

所以：

20 < 30 → TRUE
30 > 20 → TRUE

两个条件：

TRUE AND TRUE
=
TRUE

第五步：形成 Conclusion

Vehicle_A.risk = HIGH

这就是一次完整推理。

6. Conclusion

Conclusion 是 Reasoning 最终形成的结构化结论。

它不是简单的一句话，而应该保留：

结论是什么
为什么得到
使用了哪些 Fact
使用了什么 Rule
使用了哪些 Experience
当前状态
推理链
来源

6.1 Conclusion 结构

Conclusion
├── id
├── subject
├── predicate
├── value
├── state
├── source
├── reasoning_chain
├── confidence
├── created_at
└── updated_at

例如：

$conclusion = array(
    'id' => 'conclusion_001',
    'subject' => 'Vehicle_A',
    'predicate' => 'risk',
    'value' => 'HIGH',
    'state' => 'CONFIRMED',
    'source' => 'ReasoningEngine',
    'reasoning_chain' => 'chain_001',
    'confidence' => 1.0
);

6.2 Conclusion State

可以设置：

CONFIRMED
SUPPORTED
POSSIBLE
UNKNOWN
CONFLICT
REJECTED

例如：

CONFIRMED

表示条件完整满足。

SUPPORTED

表示存在足够支持，但还不是完全确认。

POSSIBLE

表示存在可能性。

UNKNOWN

表示缺少必要信息。

CONFLICT

表示不同事实、规则或者来源产生冲突。

7. 推理链

Individual 的推理不能只保存最终结果。

必须保存：

结论是如何产生的。

这就是推理链。

7.1 基本推理链

例如：

Fact_001
Vehicle_A.speed = 40

Fact_002
Obstacle_A.speed = 10

Fact_003
Obstacle_A.distance = 20

Relation_001
Vehicle_A front_of Obstacle_A

经过计算：

40 - 10
    ↓
relative_speed = 30

然后：

Fact_003
distance = 20

DerivedFact_001
relative_speed = 30

匹配 Rule：

Rule_001

distance < 30
AND
relative_speed > 20

        ↓

risk = HIGH

最终：

Conclusion_001

Vehicle_A.risk = HIGH

整个链条：

Fact
 ↓
Fact
 ↓
Fact
 ↓
Relation
 ↓
Calculation
 ↓
Derived Fact
 ↓
Rule
 ↓
Condition
 ↓
Conclusion

7.2 ReasoningChain 结构

ReasoningChain
├── id
├── input_facts
├── relations
├── derived_facts
├── rules
├── conditions
├── intermediate_results
├── conclusion
├── state
└── created_at

例如：

$chain = array(
    'id' => 'chain_001',

    'input_facts' => array(
        'fact_001',
        'fact_002',
        'fact_003'
    ),

    'relations' => array(
        'relation_001'
    ),

    'derived_facts' => array(
        'derived_001'
    ),

    'rules' => array(
        'rule_001'
    ),

    'conditions' => array(
        'condition_001',
        'condition_002'
    ),

    'conclusion' => 'conclusion_001',

    'state' => 'COMPLETED'
);

这样，Individual 不仅知道：

Risk = HIGH

还知道：

为什么 HIGH

以及：

用了哪些事实
用了哪条规则
进行了什么计算
最终得到什么结论

8. 实际案例

下面让第86章创建的 Individual_A 真正进行一次推理。

场景仍然使用车辆环境，使第87章的 Scene Understanding 与本章直接连接。

8.1 当前 Information

车辆传感器提供：

Vehicle_A
speed = 40 km/h

Obstacle_A
speed = 10 km/h

Obstacle_A
distance = 20 m

同时 Perception 已经识别：

Vehicle_A front_of Obstacle_A

8.2 Scene Understanding

Individual 已经形成：

Scene_A

Vehicle_A
state = MOVING
speed = 40

Obstacle_A
state = MOVING
speed = 10
distance = 20

Relation:
Vehicle_A front_of Obstacle_A

此时 Individual 只是：

理解了当前场景。

还没有进行推理。

8.3 Memory

Individual 从 Memory 获取：

Fact:
Vehicle_A.speed = 40

Fact:
Obstacle_A.speed = 10

Fact:
Obstacle_A.distance = 20

Relation:
Vehicle_A front_of Obstacle_A

同时获得：

Experience:
过去类似情况下，
降低车辆速度后获得安全结果。

8.4 Rule

Individual 获取有效 Rule：

Rule_001

IF

Obstacle.distance < 30

AND

Vehicle.relative_speed > 20

THEN

Vehicle.risk = HIGH

8.5 Reasoning

首先计算：

relative_speed
=
Vehicle_A.speed - Obstacle_A.speed

=
40 - 10

=
30 km/h

形成 Derived Fact：

Vehicle_A.relative_speed = 30

然后检查第一个条件：

20 < 30

结果：

TRUE

检查第二个条件：

30 > 20

结果：

TRUE

组合：

TRUE AND TRUE
=
TRUE

Rule 成立。

8.6 Conclusion

Individual 得到：

Vehicle_A.risk = HIGH

形成：

$conclusion = array(
    'id' => 'conclusion_001',
    'subject' => 'Vehicle_A',
    'predicate' => 'risk',
    'value' => 'HIGH',
    'state' => 'CONFIRMED',
    'source' => 'ReasoningEngine',
    'reasoning_chain' => 'chain_001'
);

8.7 完整推理链

                Individual_A
                     │
                     ▼
                  Scene_A
                     │
          ┌──────────┴──────────┐
          ▼                     ▼
       Current Info          Memory
          │                     │
          ▼                     ▼
        Facts                Facts
          │                     │
          └──────────┬──────────┘
                     ▼
                 Relations
                     │
                     ▼
                 Calculation
                     │
                     ▼
          relative_speed = 30
                     │
                     ▼
                 Derived Fact
                     │
                     ▼
                   Rule
                     │
             ┌───────┴───────┐
             ▼               ▼
       distance < 30    relative_speed > 20
             │               │
             ▼               ▼
           TRUE            TRUE
             └───────┬───────┘
                     ▼
                   AND
                     │
                     ▼
                  TRUE
                     │
                     ▼
                Conclusion
                     │
                     ▼
             Vehicle_A.risk
                   HIGH

8.8 Individual 此时发生了什么？

到这里，Individual 已经完成：

Information
    ↓
Perception
    ↓
Scene
    ↓
Cognition
    ↓
Scene Understanding
    ↓
Memory
    ↓
Fact
    ↓
Rule
    ↓
Reasoning
    ↓
Conclusion

这意味着 Individual 已经从：

“我看到了什么？”

进入：

“根据我知道的信息，我可以推出什么？”

但这里仍然没有执行动作。

例如：

Conclusion:
Vehicle_A.risk = HIGH

并不等于：

Action:
BRAKE

正确关系应该继续保持：

Conclusion
    ↓
Risk
    ↓
Decision
    ↓
Behavior
    ↓
Action

因此，本章的 Reasoning 只负责：

从已有信息和认知资源中得到可追溯的结论。

它不直接代替 Decision。

本章核心模型

                 Individual
                     │
        ┌────────────┴────────────┐
        ▼                         ▼
     Current Scene              Memory
        │                         │
        ▼                         ▼
      Object                    Fact
      Property                 Relation
      State                    Experience
      Relation                    │
        │                         │
        └────────────┬────────────┘
                     ▼
                   Rule
                     │
                     ▼
                 Condition
                     │
                     ▼
                Reasoning
                     │
             ┌───────┴───────┐
             ▼               ▼
       Intermediate       Derived Fact
          Result              │
             └───────┬────────┘
                     ▼
                 Conclusion
                     │
                     ▼
              Reasoning Chain

本章核心定义

对象	定义
Memory	Individual 保存和读取历史认知资源的机制
Fact	已记录、识别或验证的结构化事实
Rule	定义条件与结论关系的逻辑规则
Experience	Individual 过去行为及结果形成的历史经验
Reasoning	根据 Fact、Rule、Experience、Memory 等进行逻辑推导
Conclusion	Reasoning 最终形成的结构化结论
Reasoning Chain	记录结论形成过程的完整推理路径

因此，第88章完成了一个重要转变：

第87章：
Individual 能够理解世界

第88章：
Individual 能够根据理解结果、
Memory、Fact、Rule、Experience
进行推理并形成 Conclusion

核心关系：

理解 ≠ 推理
推理 ≠ 决策
结论 ≠ 行动

最终形成：

Scene Understanding
        ↓
      Memory
        ↓
       Fact
        ↓
       Rule
        ↓
    Experience
        ↓
     Reasoning
        ↓
    Conclusion

这就是 Individual 的推理层。

第88章 让 Individual 进行推理

第88章 让 Individual 进行推理

1. Memory

1.1 推理所需要的 Memory

1.2 Memory 在推理中的作用

2. Fact

2.1 Fact 的结构

2.2 Observed Fact 与 Derived Fact

Observed Fact

Derived Fact

3. Rule

3.1 Rule 结构

3.2 Rule 与 Reasoning 的区别

4. Experience

Fact

Experience

4.1 Experience 结构

4.2 Experience 如何参与推理

5. Reasoning

5.1 Reasoning 的基本过程

第一步：获取事实

第二步：获取关系

第三步：计算相关量

第四步：匹配 Rule

第五步：形成 Conclusion

6. Conclusion

6.1 Conclusion 结构

6.2 Conclusion State

7. 推理链

7.1 基本推理链

7.2 ReasoningChain 结构

8. 实际案例

8.1 当前 Information

8.2 Scene Understanding

8.3 Memory

8.4 Rule

8.5 Reasoning

8.6 Conclusion

8.7 完整推理链

8.8 Individual 此时发生了什么？

本章核心模型

本章核心定义