第三章 反馈理论
3.1 反馈的定义
在结构智能系统中,执行产生结果,但结果本身并不能说明执行是否达到了目标。
系统只有将实际结果与执行前确定的目标、预期结果、预期状态、条件和约束进行比较以后,才能判断:
- 目标是否达到;
- 结果是否符合预期;
- 存在什么差异;
- 差异产生在哪里;
- 是否需要修正;
- 是否需要重新决策;
- 是否需要重新执行;
- 是否产生新的学习信息。
因此,反馈不是执行结果本身,而是对执行结果进行结构比较以后形成的评价信息。
定义:
反馈是将执行产生的实际结果与预期目标、预期状态、条件和约束进行比较,识别结果与目标之间的关系和差异,并将比较结果重新传递给认知、决策、方法、执行和学习结构的过程。
其核心关系为:
Expected↔Actual→Difference→Evaluation→FeedbackExpected \leftrightarrow Actual \rightarrow Difference \rightarrow Evaluation \rightarrow Feedback
其中:
- Expected:预期目标与预期结果;
- Actual:实际执行结果;
- Difference:实际与预期之间的差异;
- Evaluation:对差异进行结构判断;
- Feedback:形成能够进入后续智能过程的信息。
因此:
Feedback≠Result\boxed{ Feedback\neq Result }
结果描述:
实际发生了什么。
反馈描述:
实际发生的结果与预期目标之间是什么关系。
3.2 为什么需要反馈
如果结构智能系统只有:
Decision→Method→Execution→ResultDecision\rightarrow Method\rightarrow Execution\rightarrow Result
那么执行结束以后,系统只能知道:
事情发生了。
但是系统还不知道:
事情是否按照预期发生。
例如:
目标:
BatteryLevel≥90BatteryLevel\geq90
执行:
Charge(Battery)Charge(Battery)
实际结果:
BatteryLevel=80BatteryLevel=80
如果系统只保存:
Result=80Result=80
它并不能自动得到:
GoalNotAchievedGoalNotAchieved
只有将:
8080
与:
9090
进行结构比较:
80<9080<90
才能得到:
Difference=−10Difference=-10
进一步:
GoalNotAchievedGoalNotAchieved
因此:
Result→Comparison→Evaluation→FeedbackResult \rightarrow Comparison \rightarrow Evaluation \rightarrow Feedback
反馈使执行结果获得了目标意义。
3.3 预期结构
反馈首先需要存在预期。
预期不是单一的目标值,而是执行之前形成的目标结构。
可以表示为:
Expected={Goal,ExpectedResult,ExpectedState,Condition,Constraint}Expected= \{ Goal, ExpectedResult, ExpectedState, Condition, Constraint \}
其中:
Goal
表示希望实现的目标。
例如:
Goal=BatteryLevel≥90Goal=BatteryLevel\geq90
ExpectedResult
表示预期产生的结果。
例如:
ExpectedResult=BatteryLevel=100ExpectedResult=BatteryLevel=100
ExpectedState
表示希望对象或者场景达到的状态。
例如:
ExpectedState=FullyChargedExpectedState=FullyCharged
Condition
表示结果成立所需要满足的条件。
例如:
Condition=PowerConnectedCondition=PowerConnected
Constraint
表示执行过程不能违反的限制。
例如:
Constraint=Temperature<60Constraint=Temperature<60
因此,反馈不是简单比较一个数字,而是比较完整的预期结构与实际结构。
3.4 实际结果结构
执行以后形成实际结果:
Actual={Output,ActualState,ActualScene,ActualInformation}Actual= \{ Output, ActualState, ActualScene, ActualInformation \}
例如:
Output=80Output=80 ActualState=PartiallyChargedActualState=PartiallyCharged ActualScene=ChargingStoppedActualScene=ChargingStopped ActualInformation=BatteryLevel80ActualInformation=BatteryLevel80
实际结果来自上一章定义的执行结果。
因此:
Execution→ActualExecution\rightarrow Actual
而反馈从实际结果开始:
Expected↔ActualExpected \leftrightarrow Actual
3.5 反馈的基本结构
反馈可以表示为:
Feedback={Expected,Actual,Difference,Evaluation,Cause,Correction,NextAction}\boxed{ Feedback= \{ Expected, Actual, Difference, Evaluation, Cause, Correction, NextAction \} }
其中:
- Expected:预期;
- Actual:实际;
- Difference:差异;
- Evaluation:评价;
- Cause:差异原因;
- Correction:修正方向;
- NextAction:下一步行动。
并不是每一次反馈都必须立即包含全部字段。
例如一次成功执行:
Expected=100Expected=100 Actual=100Actual=100 Difference=0Difference=0 Evaluation=MatchEvaluation=Match
即可形成基本反馈。
而执行失败时,则可能继续分析:
CauseCause
以及:
CorrectionCorrection
3.6 结果与反馈的边界
这是反馈理论最重要的概念边界之一。
执行结果:
ResultResult
表示实际发生的情况。
反馈:
FeedbackFeedback
表示对实际情况进行比较和评价后的结果。
例如:
预期:
Price<30Price<30
实际:
Price=35Price=35
那么:
Result=Price=35Result=Price=35
而:
Feedback=GoalNotAchievedFeedback=GoalNotAchieved
因此:
Result≠Feedback\boxed{ Result\neq Feedback }
更完整地表示:
Expected↔Result→Difference→Evaluation→FeedbackExpected \leftrightarrow Result \rightarrow Difference \rightarrow Evaluation \rightarrow Feedback
3.7 差异的定义
反馈理论的核心是差异。
定义:
差异是实际结果与预期结构在对象、属性、值、状态、关系、条件、约束或者目标等方面产生的不一致结构。
可以表示为:
Difference=f(Expected,Actual)Difference= f(Expected,Actual)
最简单的数值差异:
Difference=Actual−ExpectedDifference=Actual-Expected
例如:
Expected=100Expected=100 Actual=80Actual=80
则:
Difference=−20Difference=-20
但是结构智能中的差异不局限于数值差异。
3.8 属性差异
例如预期:
Attribute=ColorAttribute=Color ExpectedValue=WhiteExpectedValue=White
实际:
ActualValue=BlackActualValue=Black
则:
Difference:White≠BlackDifference: White\neq Black
因此:
AttributeDifferenceAttributeDifference
属于结构差异。
3.9 状态差异
预期:
State=RunningState=Running
实际:
State=StoppedState=Stopped
则:
StateDifferenceStateDifference
形成:
ExpectedState≠ActualStateExpectedState\neq ActualState
例如:
Expected:Machine=RunningExpected: Machine=Running
实际:
Machine=StoppedMachine=Stopped
反馈因此可以确定:
GoalNotAchievedGoalNotAchieved
3.10 关系差异
反馈还可以发现关系上的差异。
例如预期:
Customer→Own→ProductCustomer\rightarrow Own\rightarrow Product
实际:
Customer↛Own→ProductCustomer\not\rightarrow Own\rightarrow Product
则:
RelationDifferenceRelationDifference
也可能出现关系错误:
ObjectA→Relation1→ObjectBObject_A\rightarrow Relation_1\rightarrow Object_B
实际执行后:
ObjectA→Relation2→ObjectBObject_A\rightarrow Relation_2\rightarrow Object_B
因此:
Relationexpected≠RelationactualRelation_{expected}\neq Relation_{actual}
反馈同样可以处理这种结构变化。
3.11 条件差异
预期执行条件:
Temperature<40Temperature<40
实际:
Temperature=55Temperature=55
则:
Condition=FalseCondition=False
形成:
ConditionDifferenceConditionDifference
这类反馈尤其重要,因为它可能不是执行方法错误,而是执行环境已经发生变化。
因此:
ConditionChange→FeedbackConditionChange \rightarrow Feedback
反馈可以进一步要求:
ReCognitionReCognition
重新认识当前环境。
3.12 约束差异
执行可能达到目标,但违反约束。
例如:
Goal=CompleteOrderGoal=CompleteOrder
同时:
Constraint=Cost≤100Constraint=Cost\leq100
执行结果:
OrderCompleted=TrueOrderCompleted=True
但:
Cost=120Cost=120
那么目标完成:
Goal=TrueGoal=True
而约束违反:
Constraint=FalseConstraint=False
因此:
Feedback=GoalAchieved+ConstraintViolationFeedback= GoalAchieved + ConstraintViolation
这说明反馈不能简单地用:
True/FalseTrue/False
表示。
3.13 反馈不是简单的成功或失败
结构智能中的反馈具有多种状态。
例如:
- 完全符合;
- 部分符合;
- 可接受差异;
- 存在偏差;
- 条件失败;
- 约束违反;
- 目标失败;
- 信息不足;
- 结果未知。
因此:
FeedbackStatus∈{Match,PartialMatch,Acceptable,Deviation,ConditionFailure,ConstraintViolation,GoalFailure,Unknown}FeedbackStatus\in \{ Match, PartialMatch, Acceptable, Deviation, ConditionFailure, ConstraintViolation, GoalFailure, Unknown \}
这样才能描述真实执行过程中的复杂情况。
3.14 反馈评价
差异形成以后,还必须判断差异是否重要。
因此:
Evaluation=f(Difference,Condition,Constraint,Goal)Evaluation= f(Difference,Condition,Constraint,Goal)
例如:
Expected=100Expected=100 Actual=99Actual=99
如果允许误差:
∣Actual−Expected∣≤2|Actual-Expected|\leq2
那么:
Evaluation=AcceptableEvaluation=Acceptable
如果要求必须精确:
Actual=ExpectedActual=Expected
则:
Evaluation=FalseEvaluation=False
因此:
Difference≠EvaluationDifference\neq Evaluation
差异是客观比较结果,评价是根据目标、条件和约束对差异进行判断。
3.15 反馈中的原因分析
如果发现:
Evaluation=FalseEvaluation=False
不能直接认为方法错误。
差异可能来自不同层次。
例如:
Feedback→CauseAnalysisFeedback\rightarrow CauseAnalysis
可能得到:
KnowledgeMissingKnowledgeMissing ObjectIncorrectObjectIncorrect AttributeMissingAttributeMissing ParameterInvalidParameterInvalid CapabilityInsufficientCapabilityInsufficient MethodInvalidMethodInvalid OperationFailureOperationFailure ConditionChangedConditionChanged EnvironmentChangedEnvironmentChanged
这些原因分别对应不同的修正路径。
3.16 知识原因
如果执行使用的知识错误或者不完整:
KnowledgeError→ResultDeviationKnowledgeError \rightarrow ResultDeviation
例如系统认为:
MachineTemperature<50MachineTemperature<50
可以正常运行。
实际发现:
MachineTemperature=70MachineTemperature=70
则可能说明:
KnowledgeKnowledge
不适用于当前条件。
反馈可以形成:
KnowledgeGapKnowledgeGap
进一步:
KnowledgeGap→LearningRequirementKnowledgeGap \rightarrow LearningRequirement
3.17 方法原因
如果知识正确、对象正确、条件正确,但是方法本身不能达到目标:
MethodFailureMethodFailure
例如:
MethodA→ResultMethod_A \rightarrow Result
连续执行都无法达到:
GoalGoal
则反馈可以判断:
MethodInsufficientMethodInsufficient
形成:
Feedback→MethodEvaluationFeedback \rightarrow MethodEvaluation
进一步:
MethodCorrectionMethodCorrection
或者:
MethodReplacementMethodReplacement
3.18 能力原因
有时候方法本身没有问题,但是系统缺少完成方法所需的能力。
例如:
Method→RequiredCapabilityMethod \rightarrow RequiredCapability
但:
CapabilityMissingCapabilityMissing
则执行不能完成。
反馈因此可以形成:
CapabilityGapCapabilityGap
进一步:
CapabilityGap→LearningRequirementCapabilityGap \rightarrow LearningRequirement
最终:
Knowledge+CapabilityStructure→CapabilityFormationKnowledge + CapabilityStructure \rightarrow CapabilityFormation
3.19 环境原因
实际结果还可能因为外部环境变化而与预期不同。
例如:
执行开始时:
Temperature=20Temperature=20
执行过程中:
Temperature=50Temperature=50
导致原方法不再适用。
此时不能简单地认为:
MethodErrorMethodError
而可能是:
EnvironmentChangedEnvironmentChanged
因此:
Feedback→EnvironmentChange→ReCognitionFeedback \rightarrow EnvironmentChange \rightarrow ReCognition
系统重新认识当前环境以后,可能重新进行:
DecisionDecision
3.20 反馈进入重新认知
如果执行改变了场景,那么原来的认知可能已经过时。
因此:
Feedback→SceneUpdate→ReCognitionFeedback \rightarrow SceneUpdate \rightarrow ReCognition
例如:
原认知:
MachineState=StoppedMachineState=Stopped
执行:
Start(Machine)Start(Machine)
结果:
MachineState=RunningMachineState=Running
反馈确认:
StateChangeStateChange
那么系统需要更新:
Cognitionold→CognitionnewCognition_{old} \rightarrow Cognition_{new}
因此反馈不仅评价执行,也可以更新系统对当前世界的认识。
3.21 反馈进入重新决策
当反馈说明当前决策不能达到目标时:
Feedback→ReEvaluation→ReDecisionFeedback \rightarrow ReEvaluation \rightarrow ReDecision
例如:
Decision=SelectMethodADecision=SelectMethod_A
执行:
MethodAMethod_A
结果:
GoalFailureGoalFailure
反馈:
MethodAMethod_A
在当前条件下不能达到目标。
那么系统可以重新进行:
CandidateMethods→ConditionFilter→Evaluation→DecisionCandidateMethods \rightarrow ConditionFilter \rightarrow Evaluation \rightarrow Decision
形成:
Decision1→Execution→Feedback→Decision2Decision_1 \rightarrow Execution \rightarrow Feedback \rightarrow Decision_2
因此决策是可以被执行结果和反馈重新修正的。
3.22 反馈进入方法修正
反馈可以直接作用于方法。
基本关系:
Feedback→MethodEvaluation→MethodCorrectionFeedback \rightarrow MethodEvaluation \rightarrow MethodCorrection
例如:
方法:
M1:A→B→CM_1: A\rightarrow B\rightarrow C
执行结果:
Cactual≠CexpectedC_{actual}\neq C_{expected}
反馈发现:
B→CB\rightarrow C
在当前条件下无效。
于是形成:
M1→MethodCorrectionM_1 \rightarrow MethodCorrection
新的方法:
M2:A→B→D→CM_2: A\rightarrow B\rightarrow D\rightarrow C
然后:
M2→ReExecutionM_2 \rightarrow ReExecution
如果新方法成功:
M2→ValidatedMethodM_2 \rightarrow ValidatedMethod
这就是方法通过反馈逐步形成和修正的过程。
3.23 反馈进入能力修正
反馈还可以发现能力结构的问题。
例如一个能力要求:
Capability=Knowledge+Method+OperationCapability= Knowledge+ Method+ Operation
执行以后发现:
OperationMissingOperationMissing
或者:
KnowledgeInsufficientKnowledgeInsufficient
则反馈可以形成:
CapabilityGapCapabilityGap
因此:
Feedback→CapabilityEvaluation→CapabilityGapFeedback \rightarrow CapabilityEvaluation \rightarrow CapabilityGap
再:
CapabilityGap→KnowledgeRequirementCapabilityGap \rightarrow KnowledgeRequirement
或者:
CapabilityGap→MethodRequirementCapabilityGap \rightarrow MethodRequirement
最终:
Learning→CapabilityFormationLearning \rightarrow CapabilityFormation
3.24 反馈进入知识验证
执行产生的结果可以验证已有知识。
例如已有知识:
Knowledge:A→BKnowledge: A\rightarrow B
执行以后:
A→CA\rightarrow C
产生冲突:
Knowledgeold≠ResultKnowledge_{old}\neq Result
于是:
Feedback→KnowledgeValidationFeedback \rightarrow KnowledgeValidation
需要分析:
- 条件是否不同;
- 时间是否不同;
- 对象是否不同;
- 原知识是否错误;
- 新结果是否错误。
最终可能形成:
KnowledgeCorrectionKnowledgeCorrection
或者:
ConditionalKnowledgeConditionalKnowledge
例如:
Condition1→A→BCondition_1\rightarrow A\rightarrow B Condition2→A→CCondition_2\rightarrow A\rightarrow C
因此反馈能够使知识从简单关系进一步发展为条件性知识。
3.25 反馈形成新的学习材料
反馈不是只用于当前执行。
经过保存和结构化以后,反馈本身可以成为新的学习材料。
基本关系:
Feedback→LearningMaterialFeedback \rightarrow LearningMaterial
例如:
Expected=100Expected=100 Actual=80Actual=80 Difference=−20Difference=-20 Cause=InsufficientPowerCause=InsufficientPower
这一完整结构本身就构成了新的学习材料。
它包含:
ObjectObject AttributeAttribute ValueValue ConditionCondition CauseCause ResultResult CorrectionCorrection
因此:
Feedback→NewInformation→LearningFeedback \rightarrow NewInformation \rightarrow Learning
这将成为下一章“反馈进入学习”的理论基础。
3.26 反馈与经验形成
如果相同或者相似的反馈重复出现:
Feedback1Feedback_1 Feedback2Feedback_2 Feedback3Feedback_3
并且具有相似的:
- 对象;
- 条件;
- 方法;
- 结果;
- 原因;
则可以提取稳定模式:
RepeatedFeedback→PatternRepeatedFeedback \rightarrow Pattern
进一步:
Pattern→ExperiencePattern \rightarrow Experience
例如多次发现:
Temperature>80→MethodA→FailureTemperature>80 \rightarrow Method_A \rightarrow Failure
则系统可以形成经验:
Temperature>80⇒Avoid(MethodA)Temperature>80 \Rightarrow Avoid(Method_A)
经过验证以后,这种经验可以进一步形成条件性知识或者方法规则。
3.27 反馈与方法选择
反馈不仅可以修正已有方法,还可以影响未来的方法选择。
例如:
MethodA→FailureMethod_A \rightarrow Failure MethodB→SuccessMethod_B \rightarrow Success
系统经过反馈以后可以形成:
Condition→MethodBCondition \rightarrow Method_B
因此未来:
MethodSelectionMethodSelection
就不再只依赖原始知识,而可以利用历史反馈形成的结构知识。
于是:
Feedback→Knowledge→MethodSelectionFeedback \rightarrow Knowledge \rightarrow MethodSelection
形成经验驱动的方法选择结构。
3.28 反馈的递归性
反馈不是一次性的。
第一次执行:
Execution1→Result1→Feedback1Execution_1 \rightarrow Result_1 \rightarrow Feedback_1
根据反馈修正:
Method1→Method2Method_1 \rightarrow Method_2
再次执行:
Execution2→Result2→Feedback2Execution_2 \rightarrow Result_2 \rightarrow Feedback_2
继续修正:
Method2→Method3Method_2 \rightarrow Method_3
因此:
Feedback1→Correction→Execution2→Feedback2→Correction→Execution3Feedback_1 \rightarrow Correction \rightarrow Execution_2 \rightarrow Feedback_2 \rightarrow Correction \rightarrow Execution_3
形成递归改进过程。
3.29 反馈与循环执行
在某些任务中,系统不能一次执行就结束。
因此形成:
Execute→Result→Feedback→EvaluateExecute \rightarrow Result \rightarrow Feedback \rightarrow Evaluate
如果未达到目标:
Feedback→Correction→ReExecuteFeedback \rightarrow Correction \rightarrow ReExecute
直到:
Validation=TrueValidation=True
或者:
TerminationCondition=TrueTerminationCondition=True
因此:
Execution→Result→Feedback→Correction→ReExecution\boxed{ Execution \rightarrow Result \rightarrow Feedback \rightarrow Correction \rightarrow ReExecution }
构成结构智能中的执行反馈循环。
3.30 反馈的终止条件
反馈循环不能无限运行,因此需要终止结构。
可能的终止条件包括:
GoalAchievedGoalAchieved AcceptableDifferenceAcceptableDifference ConstraintSatisfiedConstraintSatisfied MaximumIterationMaximumIteration ResourceExhaustedResourceExhausted NoBetterMethodNoBetterMethod UserTerminationUserTermination
因此:
Feedback→TerminationCheckFeedback \rightarrow TerminationCheck
如果满足终止条件:
StopStop
否则:
Correction→ReExecutionCorrection \rightarrow ReExecution
3.31 反馈与执行历史
为了使反馈能够被重新分析,系统需要保留执行和反馈之间的关系。
反馈记录可以表示为:
FeedbackRecord={Requirement,Decision,Method,Object,Expected,Actual,Difference,Evaluation,Cause,Correction,NextAction,Validation}FeedbackRecord= \{ Requirement, Decision, Method, Object, Expected, Actual, Difference, Evaluation, Cause, Correction, NextAction, Validation \}
这样,一个反馈就不是孤立的“成功”或者“失败”。
它可以追溯到:
Requirement→Decision→Method→Execution→Result→FeedbackRequirement \rightarrow Decision \rightarrow Method \rightarrow Execution \rightarrow Result \rightarrow Feedback
从而形成完整的因果结构。
3.32 反馈与知识的动态验证
知识不是一次形成以后永远正确。
结构智能中的知识可以持续接受现实执行的验证:
Knowledge→Method→Execution→Result→Feedback→KnowledgeValidationKnowledge \rightarrow Method \rightarrow Execution \rightarrow Result \rightarrow Feedback \rightarrow KnowledgeValidation
因此:
Knowledget→Validation→Knowledget+1Knowledge_t \rightarrow Validation \rightarrow Knowledge_{t+1}
知识可能:
- 保持不变;
- 增加条件;
- 增加属性;
- 增加关系;
- 修正值;
- 修正规则;
- 增加方法;
- 被新的知识替代。
所以:
KnowledgeKnowledge
是一个能够通过执行和反馈持续验证的结构。
3.33 反馈与现实世界
当结构智能系统作用于现实设备时:
Decision→Method→Execution→Device→Action→WorldChangeDecision \rightarrow Method \rightarrow Execution \rightarrow Device \rightarrow Action \rightarrow WorldChange
现实世界变化以后:
WorldChange→FeedbackWorldChange \rightarrow Feedback
反馈再进入:
ReCognitionReCognition
于是形成:
Decision→Method→Execution→WorldChange→Feedback→ReCognition\boxed{ Decision \rightarrow Method \rightarrow Execution \rightarrow WorldChange \rightarrow Feedback \rightarrow ReCognition }
这使结构智能不只是一个内部计算系统,而成为能够与外部世界持续交互的智能结构。
3.34 反馈的完整循环
将本章内容统一起来:
首先确定目标:
Requirement→GoalRequirement \rightarrow Goal
形成预期:
Goal→ExpectedGoal \rightarrow Expected
然后:
Expected→Decision→Method→ExecutionExpected \rightarrow Decision \rightarrow Method \rightarrow Execution
得到:
Execution→ActualExecution \rightarrow Actual
比较:
Expected↔ActualExpected \leftrightarrow Actual
形成:
DifferenceDifference
进行评价:
Difference→EvaluationDifference \rightarrow Evaluation
形成反馈:
Evaluation→FeedbackEvaluation \rightarrow Feedback
反馈再进入不同结构:
Feedback→ReCognitionFeedback \rightarrow ReCognition
或者:
Feedback→ReDecisionFeedback \rightarrow ReDecision
或者:
Feedback→MethodCorrectionFeedback \rightarrow MethodCorrection
或者:
Feedback→CapabilityEvaluationFeedback \rightarrow CapabilityEvaluation
或者:
Feedback→KnowledgeValidationFeedback \rightarrow KnowledgeValidation
或者:
Feedback→LearningFeedback \rightarrow Learning
因此:
Expected→Execution→Actual→Difference→Evaluation→Feedback\boxed{ Expected \rightarrow Execution \rightarrow Actual \rightarrow Difference \rightarrow Evaluation \rightarrow Feedback }
是反馈理论的核心链条。
3.35 反馈的统一模型
结构智能中的反馈可以统一表示为:
Feedback=f(Expected,Actual,Difference,Condition,Constraint,Goal)\boxed{ Feedback= f( Expected, Actual, Difference, Condition, Constraint, Goal ) }
进一步:
Feedback={Expected,Actual,Difference,Evaluation,Cause,Correction,NextAction}\boxed{ Feedback= \{ Expected, Actual, Difference, Evaluation, Cause, Correction, NextAction \} }
其完整运行关系为:
Decision→Method→Execution→Result→Comparison→Difference→Evaluation→Feedback\boxed{ Decision \rightarrow Method \rightarrow Execution \rightarrow Result \rightarrow Comparison \rightarrow Difference \rightarrow Evaluation \rightarrow Feedback }
反馈之后:
Feedback→ReCognition→ReDecision→MethodCorrection→ReExecution\boxed{ Feedback \rightarrow ReCognition \rightarrow ReDecision \rightarrow MethodCorrection \rightarrow ReExecution }
或者进入学习:
Feedback→LearningMaterial→KnowledgeUpdate→CapabilityUpdate→MethodUpdate\boxed{ Feedback \rightarrow LearningMaterial \rightarrow KnowledgeUpdate \rightarrow CapabilityUpdate \rightarrow MethodUpdate }
3.36 反馈与结构智能闭环
到本章为止,结构智能已经形成:
需求→知识→认知→能力→决策→方法→执行→结果→反馈需求 \rightarrow 知识 \rightarrow 认知 \rightarrow 能力 \rightarrow 决策 \rightarrow 方法 \rightarrow 执行 \rightarrow 结果 \rightarrow 反馈
而反馈又可以返回:
反馈→认知反馈 \rightarrow 认知 反馈→决策反馈 \rightarrow 决策 反馈→方法反馈 \rightarrow 方法 反馈→能力反馈 \rightarrow 能力 反馈→学习反馈 \rightarrow 学习
形成:
需求→知识→认知→能力→决策→方法→执行→结果→反馈→学习→知识\boxed{ 需求 \rightarrow 知识 \rightarrow 认知 \rightarrow 能力 \rightarrow 决策 \rightarrow 方法 \rightarrow 执行 \rightarrow 结果 \rightarrow 反馈 \rightarrow 学习 \rightarrow 知识 }
这不是简单的线性处理,而是一个能够根据现实结果不断修正内部结构的循环系统。
3.37 本章核心理论
本章定义了结构智能中的反馈。
反馈的本质不是结果,而是预期与实际之间的结构比较。
其核心关系为:
Expected↔Actual→Difference→Evaluation→Feedback\boxed{ Expected \leftrightarrow Actual \rightarrow Difference \rightarrow Evaluation \rightarrow Feedback }
其中:
Expected={Goal,ExpectedResult,ExpectedState,Condition,Constraint}Expected= \{ Goal, ExpectedResult, ExpectedState, Condition, Constraint \}
而:
Actual={Output,ActualState,ActualScene,ActualInformation}Actual= \{ Output, ActualState, ActualScene, ActualInformation \}
反馈:
Feedback={Expected,Actual,Difference,Evaluation,Cause,Correction,NextAction}\boxed{ Feedback= \{ Expected, Actual, Difference, Evaluation, Cause, Correction, NextAction \} }
因此:
Result≠FeedbackResult\neq Feedback
结果回答:
实际发生了什么?
反馈回答:
实际发生的结果与预期目标之间是什么关系?
进一步:
Feedback→ReCognitionFeedback \rightarrow ReCognition Feedback→ReDecisionFeedback \rightarrow ReDecision Feedback→MethodCorrectionFeedback \rightarrow MethodCorrection Feedback→CapabilityEvaluationFeedback \rightarrow CapabilityEvaluation Feedback→KnowledgeValidationFeedback \rightarrow KnowledgeValidation Feedback→LearningFeedback \rightarrow Learning
最终形成:
预期→执行→实际结果→差异→评价→反馈→修正→再执行\boxed{ 预期 \rightarrow 执行 \rightarrow 实际结果 \rightarrow 差异 \rightarrow 评价 \rightarrow 反馈 \rightarrow 修正 \rightarrow 再执行 }
以及更完整的结构智能闭环:
需求→认知→能力→决策→方法→执行→结果→状态变化→新信息→反馈→学习→知识更新→再认知\boxed{ 需求 \rightarrow 认知 \rightarrow 能力 \rightarrow 决策 \rightarrow 方法 \rightarrow 执行 \rightarrow 结果 \rightarrow 状态变化 \rightarrow 新信息 \rightarrow 反馈 \rightarrow 学习 \rightarrow 知识更新 \rightarrow 再认知 }
因此,反馈是结构智能将“实际世界发生的结果”重新转换为“智能系统可利用的结构信息”的核心机制。
它使执行不再是单向输出,使结果不再是终点,使知识不再是静态存储,并使结构智能能够通过实际结果持续验证、修正、学习和演化。