首页 理论 架构 工程 规划 文档 白皮书 著作 研究 规范 下载 博客 关于 联系 开始使用 →

第十一卷 第一章 认知结果与决策

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。

Leave a Reply

Your email address will not be published. Required fields are marked *

客服咨询
● 欢迎咨询与合作
您好!欢迎咨询。 我可以帮助您了解人工智能技术研发、智能软件系统开发、网站建设、搜索优化及项目定制等相关信息。 请问有什么可以帮您?
免费申请
请填写以下信息,方便我们进一步沟通。
欢迎咨询 AI 系统开发、网站建设、搜索优化、项目定制合作
电话:15089196448
邮箱:1602401899@qq.com
地址:陕西省渭南市
服务时间:周一至周五 09:00 - 18:00 | 7×24小时技术值守