第一章 认知结果与决策
1.1 认知与决策的关系
在WSaiOS结构智能理论中,认知并不是智能过程的终点。
认知的作用,是将感知获得的信息经过元素识别、结构匹配、对象识别、属性识别、状态识别、关系识别以及知识匹配以后,形成对当前对象和场景的结构化认识。
而决策解决的是另一个问题:
在已经形成认知结果的基础上,面对当前目标、条件和约束,应该选择什么、执行什么以及如何继续行动。
因此:
Cognition≠DecisionCognition\neq Decision
认知回答:
现在是什么?
决策回答:
在这种情况下应该做什么?
两者具有连续关系:
Perception→Cognition→Decision→ActionPerception \rightarrow Cognition \rightarrow Decision \rightarrow Action
因此,决策并不是直接从原始信息产生,而是建立在认知结果之上的结构处理过程。
1.2 认知结果的定义
WSaiOS-SI中的认知,不是简单的信息识别,也不是对输入内容生成一个描述。
认知的结果必须形成能够被后续结构调用的结果。
因此,可以定义:
认知结果,是结构智能根据当前需求,对感知信息进行结构识别、知识匹配、对象确定、属性与状态判断以及关系分析以后形成的、能够供能力和决策继续调用的结构化结果。
认知结果至少可以包含:
CR={Object,Attribute,Value,State,Relation,Condition,Scene,Knowledge,Confidence,Validation}CR= \{ Object, Attribute, Value, State, Relation, Condition, Scene, Knowledge, Confidence, Validation \}
其中:
- Object:当前识别出的对象;
- Attribute:对象属性;
- Value:属性值;
- State:对象当前状态;
- Relation:对象之间的关系;
- Condition:当前成立的条件;
- Scene:对象及其关系构成的当前场景;
- Knowledge:与当前认知相关的知识;
- Confidence:当前认知结果的可靠程度;
- Validation:认知结果是否经过验证。
因此,认知结果不是一句话,而是一组能够继续进行结构运算的结构。
1.3 认知结果是决策的输入
决策需要输入。
如果没有对当前情况的认知,决策就缺少确定的对象、状态和条件。
因此:
DecisionInput=CognitionResultDecisionInput=CognitionResult
更完整地表示:
CognitionResult+Goal+Condition+Constraint→DecisionCognitionResult + Goal + Condition + Constraint \rightarrow Decision
例如,系统需要判断一个产品是否适合采购。
首先需要认知:
Object=ProductAObject=ProductA Price=29.99Price=29.99 Certification=TrueCertification=True Function=ChargingFunction=Charging
然后才能根据采购目标:
Goal=PurchaseGoal=Purchase
以及约束:
Price<30Price<30
形成决策。
因此:
Cognition→DecisionInputCognition \rightarrow DecisionInput
是决策过程的基础关系。
1.4 认知结果不是最终选择
必须严格区分认知结果和决策结果。
例如:
ProductA.Price=29.99ProductA.Price=29.99
这是认知结果。
如果系统进一步判断:
29.99<3029.99<30
这是结构运算结果。
如果系统最终决定:
Select(ProductA)Select(ProductA)
则这是决策结果。
因此完整关系为:
Cognition→Operation→DecisionCognition \rightarrow Operation \rightarrow Decision
不能把:
ObjectObject
直接等同于:
DecisionDecision
也不能把:
RecognitionRecognition
直接等同于:
SelectionSelection
认知只是为决策建立当前问题的结构基础。
1.5 从认知结果到决策条件
决策不是对认知结果进行简单复制,而是从认知结果中提取与当前目标相关的决策条件。
例如认知结果:
CR={ProductA,Price=29.99,Charging=True,Certification=True,Brand=A}CR= \{ ProductA, Price=29.99, Charging=True, Certification=True, Brand=A \}
而当前目标是:
选择符合价格和认证要求的产品。
那么决策并不需要所有认知内容。
它只需要:
PricePrice CertificationCertification
以及相应的约束。
因此:
CognitionResult→DecisionRelevantStructureCognitionResult \rightarrow DecisionRelevantStructure
形成:
DRS={Object,RelevantAttribute,State,Condition}DRS= \{ Object, RelevantAttribute, State, Condition \}
再进入决策过程:
DRS+Goal+Constraint→DecisionDRS+Goal+Constraint \rightarrow Decision
这说明决策不是无条件使用全部认知结果,而是根据当前目标选择相关认知结构。
1.6 认知结果中的对象进入决策
认知首先需要确定:
ObjectObject
因为决策必须具有明确作用对象。
例如:
Object=ProductAObject=ProductA
决策可以针对:
ProductAProductA
进行选择、购买、拒绝、比较、排序等处理。
如果对象识别错误:
ObjectA≠ObjectBObjectA\neq ObjectB
那么后续决策即使运算过程完全正确,也可能产生错误结果。
因此:
ObjectRecognition→DecisionObjectObjectRecognition \rightarrow DecisionObject
是认知进入决策的重要路径。
1.7 属性进入决策
对象确定以后,需要确定与决策相关的属性。
例如采购决策可能需要:
PricePrice CertificationCertification FunctionFunction ManufacturerManufacturer
而运输决策可能需要:
WeightWeight SizeSize DestinationDestination
因此:
Object→Attribute→DecisionRelevantAttributeObject \rightarrow Attribute \rightarrow DecisionRelevantAttribute
不同决策目标对应不同属性集合。
因此,认知结果并不是固定的决策输入集合。
同一个对象可以因为不同目标而产生不同的决策结构。
1.8 状态进入决策
属性提供当前对象的数据,而状态进一步描述对象当前处于什么情况。
例如:
Battery.Level=10%Battery.Level=10\%
可以形成:
State=LowBatteryState=LowBattery
如果系统需要决定是否充电:
State=LowBatteryState=LowBattery
就成为决策条件。
因此:
Attribute→Value→State→DecisionConditionAttribute \rightarrow Value \rightarrow State \rightarrow DecisionCondition
状态比单纯属性值更接近决策层。
例如:
Temperature=90∘CTemperature=90^\circ C
经过状态判断:
State=OverheatedState=Overheated
然后:
Overheated→StopOperationOverheated \rightarrow StopOperation
此时认知结果已经进入决策。
1.9 关系进入决策
决策通常不只依赖单个对象。
多个对象之间的关系也可能成为决策条件。
例如:
SupplierA→Produces→ProductASupplierA \rightarrow Produces \rightarrow ProductA ProductA→HasCertification→CertificationXProductA \rightarrow HasCertification \rightarrow CertificationX
那么采购决策可以利用这些关系:
SupplierA→ProductA→CertificationXSupplierA \rightarrow ProductA \rightarrow CertificationX
形成完整的供应关系结构。
因此:
Relation→DecisionStructureRelation \rightarrow DecisionStructure
关系认知使决策能够处理多对象问题。
1.10 场景认知进入决策
对象、属性、状态和关系组合以后,可以形成当前场景。
可以表示为:
Scene={Object,Attribute,State,Relation,Condition}Scene= \{ Object, Attribute, State, Relation, Condition \}
例如:
Scene={ProductA,Price=29.99,Certification=True,Demand=Purchase,Budget<30}Scene= \{ ProductA, Price=29.99, Certification=True, Demand=Purchase, Budget<30 \}
这不是单独一个对象的信息,而是当前问题环境的结构状态。
因此:
Cognition→Scene→DecisionCognition \rightarrow Scene \rightarrow Decision
决策实际上是在当前场景条件下选择下一步行为。
1.11 认知结果与目标的结合
认知本身不能决定最终应该做什么。
因为相同的认知结果,在不同目标下可以产生不同决策。
例如:
ProductA.Price=29.99ProductA.Price=29.99
如果目标是:
Goal=MinimizeCostGoal=MinimizeCost
那么低价格可能产生:
Select(ProductA)Select(ProductA)
但如果目标是:
Goal=MaximizeQualityGoal=MaximizeQuality
则还需要考虑:
QualityQuality
如果目标是:
Goal=FastDeliveryGoal=FastDelivery
则可能需要:
DeliveryTimeDeliveryTime
因此:
SameCognition+DifferentGoal→DifferentDecisionSameCognition + DifferentGoal \rightarrow DifferentDecision
这说明:
认知提供“当前是什么”的结构,目标决定“当前要解决什么”的方向。
1.12 认知结果与约束的结合
决策还受到约束限制。
例如:
Price<30Price<30 Certification=TrueCertification=True DeliveryTime<7DeliveryTime<7
这些约束可以对认知结果进行筛选。
因此:
CognitionResult→ConstraintMatching→CandidateSetCognitionResult \rightarrow ConstraintMatching \rightarrow CandidateSet
例如:
Products→PriceFilter→CertificationFilter→DeliveryFilterProducts \rightarrow PriceFilter \rightarrow CertificationFilter \rightarrow DeliveryFilter
最终形成:
CandidateSetCandidateSet
然后才能进行选择。
因此决策结构可以表示为:
Decision=Cognition+Goal+Condition+Constraint+CapabilityDecision = Cognition + Goal + Condition + Constraint + Capability
1.13 能力是认知进入决策的执行桥梁
认知结果不能自动成为决策。
在认知结果和决策之间,需要调用能力。
例如系统认知到:
ProductA.Price=29.99ProductA.Price=29.99 ProductB.Price=25.99ProductB.Price=25.99
如果目标是:
选择价格最低的产品。
那么系统需要调用:
PriceComparisonCapabilityPriceComparisonCapability
执行:
Compare(29.99,25.99)Compare(29.99,25.99)
得到:
ProductB<ProductAProductB< ProductA
再形成:
Select(ProductB)Select(ProductB)
因此:
Cognition→Capability→Operation→DecisionCognition \rightarrow Capability \rightarrow Operation \rightarrow Decision
能力是将认知结果转化为决策结果的重要结构桥梁。
1.14 决策不是单次判断
复杂决策可能包含多个能力调用。
例如采购决策:
C1=PriceComparisonC_1=PriceComparison C2=FunctionMatchingC_2=FunctionMatching C3=CertificationVerificationC_3=CertificationVerification C4=SupplierEvaluationC_4=SupplierEvaluation
首先:
Cognition→C1Cognition \rightarrow C_1
然后:
C1→C2C_1\rightarrow C_2
再:
C2→C3C_2\rightarrow C_3
最后:
C3→C4C_3\rightarrow C_4
形成:
DecisionDecision
因此:
Cognition→Capability1→Capability2→…→DecisionCognition \rightarrow Capability_1 \rightarrow Capability_2 \rightarrow … \rightarrow Decision
决策可以是多个能力结构组合产生的结果。
1.15 决策的候选结构
认知结果进入决策以后,通常不会立即得到唯一选择。
首先需要形成候选集合。
例如:
C={ProductA,ProductB,ProductC}C=\{ProductA,ProductB,ProductC\}
然后根据条件进行筛选:
C′=Filter(C,Condition)C’ = Filter(C,Condition)
得到:
C′={ProductA,ProductB}C’=\{ProductA,ProductB\}
再根据目标进行排序:
Sort(C′,Goal)Sort(C’,Goal)
最终:
ProductBProductB
成为候选最优对象。
因此:
Cognition→CandidateGeneration→Filtering→Comparison→SelectionCognition \rightarrow CandidateGeneration \rightarrow Filtering \rightarrow Comparison \rightarrow Selection
这是认知结果进入选择型决策的一条基本结构路径。
1.16 决策结果的形成
决策最终产生的是一个选择结果,而不是单纯的认知描述。
例如:
Cognition:ProductA.Price=29.99Cognition: ProductA.Price=29.99 Cognition:ProductB.Price=25.99Cognition: ProductB.Price=25.99
经过:
Compare(ProductA.Price,ProductB.Price)Compare(ProductA.Price,ProductB.Price)
得到:
ProductB<ProductAProductB< ProductA
再根据:
Goal=MinimizeCostGoal=MinimizeCost
形成:
Decision=Select(ProductB)Decision=Select(ProductB)
因此:
DecisionResult=f(Cognition,Goal,Condition,Constraint,Capability)DecisionResult = f(Cognition,Goal,Condition,Constraint,Capability)
决策结果可以是:
- 选择某对象;
- 拒绝某对象;
- 执行某方法;
- 调用某能力;
- 继续获取信息;
- 继续学习;
- 等待条件变化;
- 重新认知。
因此决策并不只有“选择”。
1.17 决策可以是继续认知
如果认知结果不足以支持决策,那么正确的决策不是强行选择,而是继续获取信息。
例如:
ProductA.Price=29.99ProductA.Price=29.99
但是:
Certification=UnknownCertification=Unknown
而当前约束要求:
Certification=TrueCertification=True
此时:
Decision≠SelectDecision \neq Select
而可能是:
Decision=AcquireCertificationInformationDecision=AcquireCertificationInformation
于是:
Decision→Perception→NewInformation→Cognition→DecisionDecision \rightarrow Perception \rightarrow NewInformation \rightarrow Cognition \rightarrow Decision
形成认知与决策之间的循环。
因此,决策不仅决定行动,也可以决定下一轮认知需要什么信息。
1.18 决策可以触发学习
如果当前认知无法提供决策所需要的知识,则可能出现知识缺口。
例如:
RequiredAttribute=CertificationLevelRequiredAttribute=CertificationLevel
但是知识结构中没有该属性。
于是:
KnowledgeGapKnowledgeGap
进一步:
KnowledgeGap→LearningRequirementKnowledgeGap \rightarrow LearningRequirement
形成:
Decision→KnowledgeRequirement→Learning→KnowledgeStructure→Cognition→DecisionDecision \rightarrow KnowledgeRequirement \rightarrow Learning \rightarrow KnowledgeStructure \rightarrow Cognition \rightarrow Decision
因此决策过程本身可以发现学习需求。
这与需求驱动学习理论形成连接:
需求→认知→决策→知识缺口→学习→新认知→新决策需求 \rightarrow 认知 \rightarrow 决策 \rightarrow 知识缺口 \rightarrow 学习 \rightarrow 新认知 \rightarrow 新决策
1.19 认知结果的验证
由于决策建立在认知结果之上,因此认知结果必须具有可验证性。
如果:
CognitionError=TrueCognitionError=True
那么:
DecisionErrorDecisionError
的可能性就会增加。
因此需要:
CognitionResult→ValidationCognitionResult \rightarrow Validation
验证可以包括:
ObjectVerificationObjectVerification AttributeVerificationAttributeVerification StateVerificationStateVerification RelationVerificationRelationVerification KnowledgeVerificationKnowledgeVerification
只有认知结果达到要求以后,才能进入重要决策。
因此:
ValidCognition→DecisionValidCognition \rightarrow Decision
而不是:
RawInformation→DecisionRawInformation \rightarrow Decision
1.20 决策结果也需要验证
决策产生以后,还需要验证其是否满足目标和约束。
例如:
Decision=Select(ProductB)Decision=Select(ProductB)
需要验证:
Price(ProductB)<30Price(ProductB)<30 Certification(ProductB)=TrueCertification(ProductB)=True Function(ProductB)=ChargingFunction(ProductB)=Charging
如果全部满足:
DecisionValid=TrueDecisionValid=True
如果某一项不满足:
DecisionValid=FalseDecisionValid=False
于是:
Decision→ValidationDecision \rightarrow Validation
如果失败:
DecisionFailure→Re−CognitionDecisionFailure \rightarrow Re-Cognition
或者:
DecisionFailure→Re−CalculationDecisionFailure \rightarrow Re-Calculation
甚至:
DecisionFailure→LearningDecisionFailure \rightarrow Learning
因此,认知与决策都具有验证机制。
1.21 认知、能力与决策的三层关系
通过前面的分析,可以建立三者的明确边界。
认知
解决:
当前对象、属性、状态、关系和场景是什么?
其基本结构:
Information→CognitionInformation \rightarrow Cognition
能力
解决:
当前可以利用哪些结构处理这个问题?
其基本结构:
Cognition→CapabilityCognition \rightarrow Capability
决策
解决:
根据目标、条件和约束,下一步选择什么?
其基本结构:
CapabilityResult→DecisionCapabilityResult \rightarrow Decision
因此:
认知=认识当前情况\boxed{ 认知=认识当前情况 } 能力=处理当前问题\boxed{ 能力=处理当前问题 } 决策=确定下一步选择\boxed{ 决策=确定下一步选择 }
三者不能混为一体。
1.22 认知结果到决策的完整链条
综合本章,可以建立:
Information→Element→Object→Attribute→Value→State→Relation→Scene→CognitionResultInformation \rightarrow Element \rightarrow Object \rightarrow Attribute \rightarrow Value \rightarrow State \rightarrow Relation \rightarrow Scene \rightarrow CognitionResult
然后:
CognitionResult+Goal+Condition+Constraint→DecisionStructureCognitionResult + Goal + Condition + Constraint \rightarrow DecisionStructure
再:
DecisionStructure→CapabilityMatchingDecisionStructure \rightarrow CapabilityMatching CapabilityMatching→CapabilityInvocationCapabilityMatching \rightarrow CapabilityInvocation CapabilityInvocation→OperationCapabilityInvocation \rightarrow Operation Operation→DecisionResultOperation \rightarrow DecisionResult
最终:
Cognition→Decision→Action\boxed{ Cognition \rightarrow Decision \rightarrow Action }
但更完整的结构是:
CognitionResult+Goal+Condition+Constraint+Capability→Operation→Decision→Action\boxed{ CognitionResult + Goal + Condition + Constraint + Capability \rightarrow Operation \rightarrow Decision \rightarrow Action }
1.23 决策与行动
决策并不是行动本身。
Decision≠ActionDecision\neq Action
决策确定:
做什么。
行动负责:
实际执行什么。
例如:
Decision=ChargeBatteryDecision=ChargeBattery
行动才是:
Action=StartChargingAction=StartCharging
因此:
Cognition→Decision→ActionCognition \rightarrow Decision \rightarrow Action
行动执行以后产生:
WorldChangeWorldChange
然后:
WorldChange→Feedback→SceneUpdate→Re−CognitionWorldChange \rightarrow Feedback \rightarrow SceneUpdate \rightarrow Re-Cognition
形成完整闭环:
Cognition→Decision→Action→WorldChange→Feedback→Re−Cognition\boxed{ Cognition \rightarrow Decision \rightarrow Action \rightarrow WorldChange \rightarrow Feedback \rightarrow Re-Cognition }
这使认知不再是静态结果,而成为持续智能循环中的一个结构环节。
1.24 认知结果的持续更新
现实世界是变化的。
因此认知结果不能永久保持不变。
如果:
StatetState_t
经过行动以后发生:
WorldChangeWorldChange
则:
Statet+1≠StatetState_{t+1}\neq State_t
需要重新认知:
Scenet→Action→WorldChange→Scenet+1Scene_t \rightarrow Action \rightarrow WorldChange \rightarrow Scene_{t+1}
然后:
Scenet+1→Re−CognitionScene_{t+1} \rightarrow Re-Cognition
形成新的:
CognitionResultt+1CognitionResult_{t+1}
再进行新的决策:
CognitionResultt+1→Decisiont+1CognitionResult_{t+1} \rightarrow Decision_{t+1}
因此:
DecisiontDecision_t
不是永久有效的。
它只是在:
ScenetScene_t
条件下形成的决策结果。
1.25 决策是条件性的结构结果
因此,结构智能中的决策不能简单定义为一个固定答案。
决策实际上是:
Decision=f(Cognition,Goal,Condition,Constraint,Capability)Decision=f(Cognition,Goal,Condition,Constraint,Capability)
也就是说,当以下任一条件发生变化:
CognitionCognition GoalGoal ConditionCondition ConstraintConstraint CapabilityCapability
决策都可能发生变化。
因此:
SameObject≠SameDecisionSameObject \neq SameDecision
因为相同对象在不同状态、不同目标和不同约束下,可以产生不同决策。
这使决策具有条件性、动态性和场景依赖性。
1.26 认知结果与决策的统一模型
可以将本章建立的关系统一表示为:
CR={O,A,V,S,R,Sc,K}CR= \{ O,A,V,S,R,Sc,K \}
其中:
- OO:Object;
- AA:Attribute;
- VV:Value;
- SS:State;
- RR:Relation;
- ScSc:Scene;
- KK:Knowledge。
决策输入:
DI={CR,G,C,X}DI= \{ CR,G,C,X \}
其中:
- CRCR:Cognition Result;
- GG:Goal;
- CC:Condition;
- XX:Constraint。
能力参与处理:
DI→Capability→Method→OperationDI \rightarrow Capability \rightarrow Method \rightarrow Operation
形成:
DecisionResultDecisionResult
因此:
DecisionResult=f(CognitionResult,Goal,Condition,Constraint,Capability)\boxed{ DecisionResult = f(CognitionResult,Goal,Condition,Constraint,Capability) }
1.27 认知与决策的循环关系
认知和决策并不是单向的一次性关系。
决策会反过来决定:
- 下一步需要什么信息;
- 需要认知什么对象;
- 需要识别什么属性;
- 需要验证什么状态;
- 需要学习什么知识;
- 需要调用什么能力。
因此:
Cognition→DecisionCognition \rightarrow Decision
同时:
Decision→CognitionRequirementDecision \rightarrow CognitionRequirement
于是形成:
Cognition→Decision→NewCognitionRequirement→Cognition\boxed{ Cognition \rightarrow Decision \rightarrow NewCognitionRequirement \rightarrow Cognition }
这是一种反馈结构。
它意味着认知不是孤立的信息理解过程,而是被目标和决策持续驱动的动态结构。
1.28 本章结论
WSaiOS结构智能中的认知结果,不是智能过程的终点,而是决策过程的重要结构输入。
认知首先将原始信息转化为:
Object→Attribute→Value→State→Relation→SceneObject \rightarrow Attribute \rightarrow Value \rightarrow State \rightarrow Relation \rightarrow Scene
并形成:
CognitionResultCognitionResult
决策再根据:
CognitionResult+Goal+Condition+ConstraintCognitionResult + Goal + Condition + Constraint
选择相关能力,并通过方法和运算对认知结果进行处理,最终形成:
DecisionDecision
因此完整关系为:
认知结果→决策结构→能力调用→结构运算→决策结果→行动\boxed{ 认知结果 \rightarrow 决策结构 \rightarrow 能力调用 \rightarrow 结构运算 \rightarrow 决策结果 \rightarrow 行动 }
进一步进入现实世界:
认知→决策→行动→世界变化→反馈→场景更新→再认知\boxed{ 认知 \rightarrow 决策 \rightarrow 行动 \rightarrow 世界变化 \rightarrow 反馈 \rightarrow 场景更新 \rightarrow 再认知 }
由此,WSaiOS结构智能建立了一个重要理论边界:
认知不是决策,认知产生决策所需要的结构化认识;能力不是决策,能力负责对认知结果进行处理;决策则在认知结果、目标、条件和约束的基础上确定下一步选择。
最终形成:
Cognition→Capability→Decision→Action\boxed{ Cognition \rightarrow Capability \rightarrow Decision \rightarrow Action }
以及完整的动态智能循环:
Information→Element→Object→State→Cognition→Capability→Decision→Action→WorldChange→Feedback→Re−Cognition\boxed{ Information \rightarrow Element \rightarrow Object \rightarrow State \rightarrow Cognition \rightarrow Capability \rightarrow Decision \rightarrow Action \rightarrow WorldChange \rightarrow Feedback \rightarrow Re-Cognition }
这使“认知—能力—决策—行动”成为WSaiOS结构智能从结构认识走向现实问题解决的连续理论链条。