第91章　SAI 完整生命周期

前面第86章到第90章，Individual 已经逐步建立了：

Individual
├── InformationReceiver
├── SceneCollector
├── Perception
├── Cognition
├── Memory
├── Reasoning
├── Decision
├── Behavior
├── Action
├── Expression
├── Template
├── Renderer
└── Adapter

第91章把这些部分连接成一个完整的 SAI 生命周期。

这里需要特别明确：

SAI 生命周期不是一次性流程，而是一个持续循环。

一次行为完成以后，并不是生命周期结束，而是：

反馈
 ↓
经验
 ↓
学习
 ↓
更新
 ↓
再次接收信息
 ↓
进入下一轮生命周期

因此，SAI 的核心不是一条直线，而是：

持续运行的闭环。

1. 信息接收

生命周期从 Information 开始。

Individual 首先需要接收外部或者内部信息。

信息来源可以包括：

Sensor
Camera
Device
Robot
Vehicle
Industrial Machine
Web
API
User
External System
Feedback
Internal State

统一进入：

InformationReceiver

例如：

Vehicle_A
speed = 40

Obstacle_A
distance = 20
speed = 10

形成：

Information

1.1 InformationReceiver

InformationReceiver 负责：

接收
 ↓
基本验证
 ↓
结构化
 ↓
交给 Individual

它不负责：

Reasoning
Decision
Action

所以：

InformationReceiver
=
信息入口

2. 场景采集

单独一条 Information 通常不足以描述完整环境。

Individual 需要把多个 Information 按照：

对象
时间
位置
状态
来源
变化

组织起来。

这个过程由：

SceneCollector

完成。

2.1 Scene

例如：

Scene_A

Road_A
Lane_1

Vehicle_A
speed = 40
state = MOVING

Obstacle_A
speed = 10
distance = 20

Relation:
Vehicle_A front_of Obstacle_A

Scene 表示：

Individual 当前所处环境的结构化状态。

2.2 连续场景

SceneCollector 不应该只保存一个时间点。

例如：

t1:
distance = 30m

t2:
distance = 25m

t3:
distance = 20m

Individual 可以形成：

distance decreasing

进一步理解为：

Obstacle_A approaching

因此：

Information
 ↓
SceneCollector
 ↓
Scene
 ↓
Scene Change

3. 感知

Perception 的作用是：

从 Information 和 Scene 中获取结构化世界信息。

例如：

Information:
Vehicle_A speed 40
Obstacle_A distance 20

经过 Perception：

Object:
Vehicle_A

Object:
Obstacle_A

Property:
Vehicle_A.speed = 40

Property:
Obstacle_A.distance = 20

State:
Vehicle_A = MOVING

因此：

Perception
=
获取并结构化当前世界信息

4. 元素

Perception 得到的基本单位就是 Element。

Element 可以包括：

Object
Property
State
Relation
Value
Time
Location
Event
Condition
Method

例如：

Element_001
type = OBJECT
value = Vehicle_A

Element_002
type = PROPERTY
object = Vehicle_A
property = speed
value = 40

Element_003
type = OBJECT
value = Obstacle_A

这些元素随后被组织成对象、属性、状态和关系。

5. 对象

Object 是 Individual 对世界实体形成的结构化表示。

例如：

Vehicle_A
├── Identity
├── Properties
├── State
├── Position
├── Motion
├── Relations
├── Methods
└── Abilities

障碍物：

Obstacle_A
├── Identity
├── Type
├── Position
├── Speed
└── State

需要保持：

Physical Vehicle ≠ Vehicle Object

Object 是 Individual 内部对外部实体的结构化表示。

6. 关系

单独的 Object 还不足以形成完整认知。

Individual 必须知道对象之间的关系。

例如：

Vehicle_A
      │
      │ front_of
      ▼
Obstacle_A

还可以有：

Vehicle_A
located_on
Lane_1

Lane_1
part_of
Road_A

因此形成：

Vehicle_A
   ↓
front_of
   ↓
Obstacle_A

以及：

Vehicle_A
   ↓
located_on
   ↓
Lane_1
   ↓
part_of
   ↓
Road_A

关系使孤立对象形成结构。

7. 理解

Perception 解决：

看到了什么？

Cognition / Understanding 解决：

这些对象、属性、状态和关系代表什么？

例如：

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

Individual 理解为：

Vehicle_A 正在高速接近前方 Obstacle_A。

进一步得到：

relative_speed = 30

形成：

Scene Understanding

所以：

Information
 ↓
Perception
 ↓
Element
 ↓
Object
 ↓
Relation
 ↓
Understanding

8. 记忆

理解结果不能只存在于当前处理过程。

需要进入 Memory。

Memory 可以保存：

Fact
Relation
State
Experience
History
Object

例如：

Fact:
Vehicle_A.speed = 40

Fact:
Obstacle_A.distance = 20

Relation:
Vehicle_A front_of Obstacle_A

同时可以读取过去的信息：

Experience:
过去类似情况采取 DECELERATE
结果 SAFE

所以 Memory 是双向的：

Current Understanding
        ↓
      Memory

Memory
        ↓
Current Reasoning

9. 推理

Individual 使用：

Current Scene
+
Understanding
+
Memory
+
Fact
+
Rule
+
Experience

进行 Reasoning。

例如：

distance = 20
relative_speed = 30

Rule：

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

条件：

< 30 → TRUE

> 20 → TRUE

得到：

Conclusion:
Vehicle_A.risk = HIGH

因此：

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

10. 决策

Conclusion 不是 Action。

Individual 还需要决定：

当前应该采取什么方案？

例如候选方案：

CONTINUE
DECELERATE
STOP
TURN

然后进行：

Condition Check
Capability Check
Risk Evaluation
Priority Evaluation
Conflict Check
Candidate Comparison

例如：

Candidate	Risk	Priority
CONTINUE	HIGH	LOW
DECELERATE	MEDIUM	HIGH
STOP	LOW	HIGH
TURN	MEDIUM/HIGH	MEDIUM

最终：

Decision:
DECELERATE

11. 行为

Decision 只是选择。

Individual 需要把 Decision 组织成 Behavior。

例如：

Decision:
DECELERATE

形成：

Behavior:
DECELERATE Vehicle_A

Behavior 可以包含多个执行步骤：

检查车辆状态
      ↓
设置目标速度
      ↓
等待车辆响应
      ↓
读取实际速度
      ↓
确认减速结果

因此：

Decision
 ↓
Behavior

12. 行动

Behavior 再进一步分解为具体 Action。

例如：

Behavior:
DECELERATE

产生：

Action_001:
CHECK_STATE

Action_002:
SET_SPEED = 20

Action_003:
READ_SPEED

Action_004:
VERIFY

其中真正作用于车辆控制系统的是：

SET_SPEED = 20

所以：

Behavior
 ↓
Action

13. 表现

Action 本身是内部结构化操作。

当需要向外部环境表达时，需要形成 Expression。

例如：

Action:

target = Vehicle_A
method = SET_SPEED
speed = 20

形成：

Expression:

type = ACTION
target = Vehicle_A
command = SET_SPEED
speed = 20

Expression 的职责是：

把 Individual 的内部结果或操作表示成可以继续传递的数据。

不是重新决策，也不是重新推理。

14. 外部执行

Expression 经过 Template、Renderer 后，由 Adapter 连接实际外部环境。

完整路径：

Expression
   ↓
Template
   ↓
Renderer
   ↓
Rendered Result
   ↓
Adapter
   ↓
External World

例如车辆：

Expression
     ↓
Vehicle Command Template
     ↓
DeviceRenderer
     ↓
Vehicle Command
     ↓
VehicleAdapter
     ↓
Vehicle Control System
     ↓
Vehicle_A

最终真实车辆发生变化：

40 km/h
   ↓
30 km/h
   ↓
20 km/h

此时 Individual 的内部决定才真正影响了外部世界。

15. 反馈

外部世界发生变化以后，会产生 Feedback。

例如：

VehicleResponse:

vehicle = Vehicle_A
state = SUCCESS
speed = 20

形成：

Feedback

Feedback 进入 Individual：

External World
      ↓
Response
      ↓
Adapter
      ↓
Feedback
      ↓
Information

然后再次进入：

Perception

因此：

Action
 ↓
External World
 ↓
Feedback
 ↓
Information

16. 经验

Feedback 不是简单丢弃。

Individual 可以根据：

Condition
+
Behavior
+
Action
+
Result
+
Feedback

形成 Experience。

例如：

Condition:
distance = 20
relative_speed = 30
risk = HIGH

Decision:
DECELERATE

Action:
SET_SPEED = 20

Result:
Vehicle speed reduced

Feedback:
SUCCESS

Outcome:
SAFE

形成：

Experience_001

保存到：

ExperienceMemory

这样 Individual 以后遇到类似情况，就可以进行经验匹配。

17. 学习

Experience 是历史经历。

Learning 则负责：

从新的信息、经验、反馈和已有记忆中获取知识，并形成可使用的能力资源。

基本过程：

Experience
      ↓
Learning
      ↓
Knowledge
      ↓
Ability Resource

例如多次经历：

distance < 30
+
relative_speed > 20
+
DECELERATE
+
SAFE

经过验证和整理，可以形成：

Knowledge:

当车辆高速接近障碍物且距离较小时，
减速是有效的安全处理方式。

进一步形成可使用资源：

Rule
Condition
Method
Experience Pattern

这里：

学习 = 获取知识
知识 = 能力资源

18. 更新

Learning 得到新的 Knowledge 后，需要更新 Individual 内部资源。

更新对象可以包括：

Memory
Fact
Relation
Rule
Experience
Knowledge
Ability
Object State
Scene State
History

例如：

Old Rule:
distance < 30 → DECELERATE

经过新的验证，可以更新为：

Updated Rule:
distance < 25
AND relative_speed > 20
→ DECELERATE

或者增加新的 Experience：

Experience_002

或者更新：

Ability Resource

因此：

Learning
   ↓
Knowledge
   ↓
Memory Update
   ↓
Ability Update
   ↓
Rule / Fact / Experience Update

18.1 Update 不是简单覆盖

Individual 的 Update 应该尽可能保留历史。

例如：

Old:
distance = 30

New:
distance = 20

不应该简单删除旧数据。

而应该形成：

History:

t1 = 30
t2 = 25
t3 = 20

这样 Individual 才能够理解：

distance decreasing

因此：

Update
=
状态变化 + 历史保留 + 新旧关系

而不是：

Update = Delete + Insert

19. 再次接收信息

更新完成后，Individual 并不会停止。

外部世界仍然在变化。

例如车辆继续前进：

t1:
distance = 20

t2:
distance = 18

t3:
distance = 16

新的信息再次进入：

InformationReceiver

于是开始新的生命周期：

再次接收 Information
       ↓
SceneCollector
       ↓
Perception
       ↓
Element
       ↓
Object
       ↓
Relation
       ↓
Understanding
       ↓
Memory
       ↓
Reasoning
       ↓
Decision
       ↓
Behavior
       ↓
Action
       ↓
Expression
       ↓
Renderer
       ↓
Adapter
       ↓
External World
       ↓
Feedback
       ↓
Experience
       ↓
Learning
       ↓
Update
       ↓
再次接收 Information

因此，SAI 生命周期不是：

START → END

而是：

START
 ↓
RUN
 ↓
LOOP
 ↓
LOOP
 ↓
LOOP
 ↓
...

20. SAI 完整生命周期总图

把第86章到第90章以及本章连接起来，可以得到完整结构：

                    ┌──────────────────────┐
                    │     External World   │
                    └──────────┬───────────┘
                               │
                         Information
                               │
                               ▼
                    ┌──────────────────────┐
                    │ InformationReceiver  │
                    └──────────┬───────────┘
                               ▼
                         SceneCollector
                               │
                               ▼
                          Perception
                               │
                               ▼
                            Element
                               │
                    ┌──────────┼──────────┐
                    ▼          ▼          ▼
                  Object    Property     State
                    │          │          │
                    └──────────┬──────────┘
                               ▼
                            Relation
                               │
                               ▼
                          Understanding
                               │
                               ▼
                            Memory
                               │
                 ┌─────────────┼─────────────┐
                 ▼             ▼             ▼
               Fact          Rule        Experience
                 └─────────────┼─────────────┘
                               ▼
                           Reasoning
                               │
                               ▼
                            Conclusion
                               │
                               ▼
                            Decision
                               │
                               ▼
                            Behavior
                               │
                               ▼
                             Action
                               │
                               ▼
                           Expression
                               │
                               ▼
                            Template
                               │
                               ▼
                            Renderer
                               │
                               ▼
                             Adapter
                               │
                               ▼
                       External World
                               │
                               ▼
                           Feedback
                               │
                 ┌─────────────┼─────────────┐
                 ▼             ▼             ▼
              Memory       Experience     Detection
                 │             │
                 └──────┬──────┘
                        ▼
                     Learning
                        │
                        ▼
                      Update
                        │
                        └───────────────┐
                                        │
                                        ▼
                              InformationReceiver

这就是 SAI 的双向闭环生命周期。

21. 一个完整运行实例

以车辆为例，将整个生命周期压缩成一次实际运行。

① 信息接收

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

② 场景采集

Scene_A
Vehicle_A
Obstacle_A
Road_A
Lane_1

③ 感知

识别 Vehicle_A
识别 Obstacle_A
识别速度
识别距离

④ 元素

Vehicle_A
Obstacle_A
40
10
20
MOVING

⑤ 对象

Vehicle_A
Obstacle_A

⑥ 关系

Vehicle_A front_of Obstacle_A

⑦ 理解

Vehicle_A 正在接近前方 Obstacle_A
relative_speed = 30

⑧ 记忆

读取：

Fact
Rule
Experience

⑨ 推理

distance < 30
AND
relative_speed > 20

得到：

risk = HIGH

⑩ 决策

候选：

CONTINUE
DECELERATE
STOP
TURN

选择：

DECELERATE

⑪ 行为

Behavior = DECELERATE

⑫ 行动

Action = SET_SPEED
speed = 20

⑬ 表现

Expression
Vehicle_A
SET_SPEED
20

⑭ 外部执行

Expression
 ↓
Template
 ↓
DeviceRenderer
 ↓
VehicleAdapter
 ↓
Vehicle Control
 ↓
Vehicle_A

车辆实际变化：

40 km/h
 ↓
20 km/h

⑮ 反馈

Vehicle_A
state = SUCCESS
speed = 20

⑯ 经验

形成：

Condition
→ Decision
→ Action
→ Result
→ Feedback

保存为：

Experience_001

⑰ 学习

Individual 从经验中获取：

Knowledge

⑱ 更新

更新：

Memory
Experience
Knowledge
Ability Resource

⑲ 再次接收信息

车辆继续变化：

distance = 18

新信息再次进入：

InformationReceiver

生命周期重新开始。

22. SAI 生命周期的真正含义

第91章最重要的不是把各个模块排列起来，而是明确：

SAI 是一个持续的“感知—认知—推理—决策—行为—反馈—学习—更新”闭环系统。

可以进一步压缩成七个阶段：

① 感知
Information
→ Perception

② 认知
Element
→ Object
→ Relation
→ Understanding

③ 记忆
Understanding
→ Memory

④ 思考
Memory
→ Reasoning
→ Conclusion

⑤ 决策
Conclusion
→ Candidate
→ Risk
→ Priority
→ Decision

⑥ 行为
Decision
→ Behavior
→ Action
→ Expression
→ Renderer
→ Adapter
→ External World

⑦ 学习
Feedback
→ Experience
→ Learning
→ Update
→ Information

最终形成：

感知
 ↓
认知
 ↓
记忆
 ↓
推理
 ↓
决策
 ↓
行为
 ↓
反馈
 ↓
学习
 ↓
更新
 ↓
再次感知

本章核心模型

                 ┌───────────────┐
                 │     信息      │
                 └───────┬───────┘
                         ▼
                       感知
                         ▼
                       元素
                         ▼
                       对象
                         ▼
                       关系
                         ▼
                       理解
                         ▼
                       记忆
                         ▼
                       推理
                         ▼
                       决策
                         ▼
                       行为
                         ▼
                       行动
                         ▼
                       表现
                         ▼
                     外部执行
                         ▼
                       反馈
                         ▼
                       经验
                         ▼
                       学习
                         ▼
                       更新
                         │
                         └──────────► 再次接收信息

因此：

SAI Lifecycle
=
Information
→ Perception
→ Element
→ Object
→ Relation
→ Understanding
→ Memory
→ Reasoning
→ Decision
→ Behavior
→ Action
→ Expression
→ External Execution
→ Feedback
→ Experience
→ Learning
→ Update
→ Information

本章核心定义

阶段	核心职责
信息接收	获取新的内外部信息
场景采集	将连续信息组织成当前场景
感知	获取并结构化世界信息
元素	表示最基本的信息单位
对象	组织世界实体
关系	建立对象之间的联系
理解	形成当前场景的结构化意义
记忆	保存和提供历史认知资源
推理	从事实、规则、经验等推导结论
决策	从候选方案中选择当前方案
行为	组织决策对应的执行过程
行动	执行具体操作
表现	将内部结果或操作转换成外部可表示结构
外部执行	通过 Renderer / Adapter 作用于外部环境
反馈	获取外部执行后的真实结果
经验	保存行为及结果形成的历史经历
学习	从信息、反馈、经验中获取知识
更新	更新 Memory、Knowledge、Rule、Ability 等资源
再次接收信息	开始下一轮生命周期

最终可以把第86章到第91章浓缩成一句话：

Individual 是一个能够接收信息、感知世界、形成认知、保存记忆、进行推理、作出决策、执行行为、作用于外部世界，并根据反馈形成经验、通过学习获取知识、更新自身资源，然后再次感知世界的独立人工个体。

而这也使 SAI Individual 从“模块集合”真正变成了一个具有持续运行生命周期的人工个体。

第91章 SAI 完整生命周期

第91章 SAI 完整生命周期

1. 信息接收

1.1 InformationReceiver

2. 场景采集

2.1 Scene

2.2 连续场景

3. 感知

4. 元素

5. 对象

6. 关系

7. 理解

8. 记忆

9. 推理

10. 决策

11. 行为

12. 行动

13. 表现

14. 外部执行

15. 反馈

16. 经验

17. 学习

18. 更新

18.1 Update 不是简单覆盖

19. 再次接收信息

20. SAI 完整生命周期总图

21. 一个完整运行实例

① 信息接收

② 场景采集

③ 感知

④ 元素

⑤ 对象

⑥ 关系

⑦ 理解

⑧ 记忆

⑨ 推理

⑩ 决策

⑪ 行为

⑫ 行动

⑬ 表现

⑭ 外部执行

⑮ 反馈

⑯ 经验

⑰ 学习

⑱ 更新

⑲ 再次接收信息

22. SAI 生命周期的真正含义

本章核心模型

本章核心定义