第五章 统一认知—决策模型
5.1 认知—决策统一模型的提出
前面的统一知识—能力模型已经建立:
KnowledgeStructure↔CapabilityStructureKnowledgeStructure \leftrightarrow CapabilityStructure
但是,仅有知识与能力还不能形成完整的智能过程。
系统首先需要面对来自外部世界或内部环境的信息,对信息进行感知和获取;然后将信息转化为元素和结构,通过已有知识进行结构匹配,确定当前对象、属性、值、关系和状态;在此基础上形成认知结果;认知结果进入能力结构,调用相应知识、方法和运算;多个候选结果经过比较、判断和约束检查以后,最终形成决策。
因此,认知不是知识本身,决策也不是认知本身。
二者之间存在连续的结构关系:
Perception→Information→Element→Structure↔Knowledge→Cognition→Capability→Method→Operation→Candidate→DecisionPerception \rightarrow Information \rightarrow Element \rightarrow Structure \leftrightarrow Knowledge \rightarrow Cognition \rightarrow Capability \rightarrow Method \rightarrow Operation \rightarrow Candidate \rightarrow Decision
由此建立本章的统一认知—决策模型:
Perception→Structure↔Knowledge→ObjectState→Cognition→Capability→Method→Operation→Decision\boxed{ Perception \rightarrow Structure \leftrightarrow Knowledge \rightarrow ObjectState \rightarrow Cognition \rightarrow Capability \rightarrow Method \rightarrow Operation \rightarrow Decision }
这个模型描述的不是单一计算步骤,而是结构智能从获取信息到形成决策的完整结构过程。
5.2 感知的统一定义
感知是认知的输入来源,但感知本身并不等于认知。
在结构智能中,感知不是无目的地收集所有信息,而是受到当前需求、目标和任务条件的约束。
因此:
感知是根据当前需求、目标和环境条件,从外部世界或内部状态获取与当前问题相关的信息,并将其转化为可进入结构处理过程的输入。
基本关系:
Requirement→PerceptionRequirementRequirement \rightarrow PerceptionRequirement
然后:
Perception→InformationPerception \rightarrow Information
进一步:
Information→ElementInformation \rightarrow Element
因此:
Requirement→Perception→Information→Element\boxed{ Requirement \rightarrow Perception \rightarrow Information \rightarrow Element }
感知解决的是:
当前需要获取什么信息。
认知解决的是:
获取的信息在当前结构和知识中代表什么,以及当前对象和场景处于什么状态。
因此:
Perception≠CognitionPerception\neq Cognition
5.3 感知的需求驱动
结构智能的感知不是无边界的信息采集。
如果当前需求是:
选择价格低于30美元的电动牙刷。
那么感知的主要目标不是获取所有产品信息,而是优先获取:
Object=ElectricToothbrushObject=ElectricToothbrush
以及:
Attribute=PriceAttribute=Price
如果还要求认证,则进一步需要:
Attribute=CertificationAttribute=Certification
因此:
Requirement={Object,Attribute,Goal,Condition,Constraint}Requirement = \{ Object, Attribute, Goal, Condition, Constraint \}
决定:
PerceptionRequirementPerceptionRequirement
再决定:
InformationRequirementInformationRequirement
形成:
Requirement→InformationRequirement→Perception\boxed{ Requirement \rightarrow InformationRequirement \rightarrow Perception }
如果当前信息不足以形成认知,则认知过程还可以反向产生新的信息需求:
Cognition→InformationRequirement→PerceptionCognition \rightarrow InformationRequirement \rightarrow Perception
从而形成:
Requirement↔Perception↔CognitionRequirement \leftrightarrow Perception \leftrightarrow Cognition
5.4 信息向元素转换
感知获取的信息首先不是知识,也不是认知结果。
信息必须进入结构处理过程。
因此:
Information→ElementInformation \rightarrow Element
Element 是结构智能中的基本结构单位。
元素可以表示:
- 对象名称;
- 属性名称;
- 属性值;
- 状态;
- 条件;
- 关系;
- 规则;
- 方法;
- 参数;
- 行为;
- 环境信息;
- 时间信息;
- 空间信息;
- 机构、组织、单位等实体。
因此:
ElementElement
不是单纯文本字符,也不是简单词语。
它是能够进入更高层结构组织的基本结构单位。
5.5 元素向结构转换
孤立元素无法完整表达当前对象和场景。
因此需要通过结构关系建立:
Element→StructureElement \rightarrow Structure
例如:
ElectricToothbrushElectricToothbrush
是一个对象元素。
PricePrice
是一个属性元素。
29.9929.99
是一个值元素。
将三者组织以后:
ElectricToothbrush→Price→29.99ElectricToothbrush \rightarrow Price \rightarrow 29.99
形成对象属性结构:
Object→Attribute→ValueObject\rightarrow Attribute\rightarrow Value
如果增加关系:
ElectricToothbrush→Function→ChargingElectricToothbrush \rightarrow Function \rightarrow Charging
则形成更完整的对象结构。
因此:
Structure=Element+RelationStructure = Element + Relation
5.6 结构与知识的匹配
结构本身不一定就是知识。
当前感知产生的结构需要与已有知识结构进行匹配。
因此:
Structure↔KnowledgeStructureStructure \leftrightarrow KnowledgeStructure
这个过程建立当前信息与已有知识之间的对应关系。
例如:
感知得到:
29.9929.99
单独的:
29.9929.99
并不能完整确定它是什么。
通过知识结构匹配:
29.99↔Price29.99 \leftrightarrow Price
形成:
Price=29.99Price=29.99
再与对象匹配:
ElectricToothbrush.Price=29.99ElectricToothbrush.Price=29.99
于是原本没有完整语义的信息形成了结构意义。
因此:
Structure↔Knowledge→KnowledgeSemanticUnderstanding\boxed{ Structure \leftrightarrow Knowledge \rightarrow KnowledgeSemanticUnderstanding }
5.7 知识语义理解
结构智能中的语义理解不是脱离知识的独立过程。
认知需要匹配知识,而知识匹配建立语义对应。
因此:
知识语义理解,是当前结构与已有知识结构建立对应关系以后,对对象、属性、值、关系、状态和条件形成结构性意义理解的过程。
可以表示为:
SemanticUnderstanding=Object+Attribute+Value+Relation+State+ConditionSemanticUnderstanding= Object+ Attribute+ Value+ Relation+ State+ Condition
例如:
29.9929.99
通过结构匹配形成:
Price=29.99Price=29.99
然后:
ElectricToothbrush.Price=29.99ElectricToothbrush.Price=29.99
如果存在:
Price<30Price<30
则进一步可以形成:
State=LowPriceState=LowPrice
于是:
{Object,Attribute,Value,State}\{ Object, Attribute, Value, State \}
构成当前信息的结构语义。
因此:
Knowledge→SemanticCorrespondenceKnowledge \rightarrow SemanticCorrespondence
而:
Cognition→CurrentSceneRecognitionCognition \rightarrow CurrentSceneRecognition
两者虽然相关,但不能混为一谈。
5.8 对象识别
结构智能中的对象识别,是根据当前元素、结构以及已有知识确定当前处理对象。
基本关系:
Element→ObjectElement \rightarrow Object
更完整:
Information→Element→Structure↔Knowledge→ObjectInformation \rightarrow Element \rightarrow Structure \leftrightarrow Knowledge \rightarrow Object
例如:
“某电动牙刷售价29.99美元。”
其中:
ElectricToothbrushElectricToothbrush
通过已有对象结构匹配被识别为:
ObjectObject
然后:
29.9929.99
被识别为:
PricePrice
最终形成:
Object=ElectricToothbrushObject=ElectricToothbrush Attribute=PriceAttribute=Price Value=29.99Value=29.99
对象识别由此成为认知的重要基础。
5.9 属性和值识别
对象确定以后,需要继续确定对象的属性和属性值。
基本关系:
Object→Attribute→ValueObject \rightarrow Attribute \rightarrow Value
例如:
ElectricToothbrush→Price→29.99ElectricToothbrush \rightarrow Price \rightarrow 29.99
以及:
ElectricToothbrush→Function→ChargingElectricToothbrush \rightarrow Function \rightarrow Charging
不同值可能导致不同状态。
例如:
Price=29.99Price=29.99
与条件:
Price<30Price<30
进行运算:
compare(29.99,30)→Truecompare(29.99,30) \rightarrow True
从而:
State=LowPriceState=LowPrice
因此:
Value→Operation→StateValue \rightarrow Operation \rightarrow State
对象状态不是脱离属性值独立产生的,而是可以通过对象、属性、值、关系、条件和环境共同确定。
5.10 对象状态模型
对象不是静态不变的。
同一个对象在不同时间、条件和环境下可以具有不同状态。
因此:
ObjectState=f(Object,Attribute,Value,Relation,Condition,Environment)ObjectState = f( Object, Attribute, Value, Relation, Condition, Environment )
例如一个电动牙刷:
BatteryLevel=90%BatteryLevel=90\%
可能形成:
State=NormalState=Normal
当:
BatteryLevel=10%BatteryLevel=10\%
则:
State=LowBatteryState=LowBattery
如果:
Charging=TrueCharging=True
则:
State=ChargingState=Charging
因此:
Attribute→Value→StateAttribute \rightarrow Value \rightarrow State
但状态还受到关系、条件和环境影响:
ObjectState=f(Object,Attribute,Value,Relation,Condition,Environment)ObjectState = f(Object,Attribute,Value,Relation,Condition,Environment)
5.11 状态是认知的重要对象
认知并不只是识别“是什么”。
它还必须识别:
当前对象处于什么状态。
因此认知结果应当包含:
ObjectObject AttributeAttribute ValueValue StateState RelationRelation ConditionCondition
以及必要的:
SceneScene
所以:
CognitionResult={Object,Attribute,Value,State,Relation,Condition,Scene}CognitionResult= \{ Object, Attribute, Value, State, Relation, Condition, Scene \}
认知由此从单纯对象识别扩展到对象状态和场景识别。
5.12 场景实例
单个对象不能总是表达完整问题。
多个对象及其关系、状态和条件共同形成场景。
因此:
Scene={Object,Relation,State,Condition}Scene= \{ Object, Relation, State, Condition \}
当前感知信息经过结构化以后,可以形成:
SceneInstanceSceneInstance
例如:
SceneInstance={ProductA,ProductB,BuyerRequirement,PriceCondition,CertificationRequirement}SceneInstance= \{ ProductA, ProductB, BuyerRequirement, PriceCondition, CertificationRequirement \}
认知过程需要确定:
- 当前有哪些对象;
- 对象之间是什么关系;
- 对象具有什么属性;
- 对象当前处于什么状态;
- 当前场景具有什么条件;
- 当前需求对场景施加什么约束。
因此:
Perception→SceneInstance→CognitionPerception \rightarrow SceneInstance \rightarrow Cognition
5.13 认知的统一定义
在前述结构基础上,可以定义:
认知是根据当前感知形成的元素和结构,通过与知识结构进行匹配,识别当前对象、属性、值、关系、状态、条件和场景,并形成能够被能力和决策过程调用的结构性认知结果的过程。
因此:
Cognition=StructureMatching+KnowledgeSemanticUnderstanding+ObjectRecognition+StateRecognition+SceneRecognition\boxed{ Cognition= StructureMatching+ KnowledgeSemanticUnderstanding+ ObjectRecognition+ StateRecognition+ SceneRecognition }
更完整地:
Cognition:Information→Element→Structure↔Knowledge→SemanticUnderstanding→CognitionResultCognition: \quad Information \rightarrow Element \rightarrow Structure \leftrightarrow Knowledge \rightarrow SemanticUnderstanding \rightarrow CognitionResult
认知不是知识本身。
Cognition≠KnowledgeCognition\neq Knowledge
认知是当前场景与知识结构匹配以后形成的当前结构理解结果。
5.14 认知结果
认知最终产生:
CognitionResultCognitionResult
其基本结构:
CognitionResult={Object,Attribute,Value,State,Relation,Condition,Scene}CognitionResult= \{ Object, Attribute, Value, State, Relation, Condition, Scene \}
例如:
CognitionResult={ElectricToothbrush,Price=29.99,Function=Charging,Certification=FDA,State=LowPrice}CognitionResult= \{ ElectricToothbrush, Price=29.99, Function=Charging, Certification=FDA, State=LowPrice \}
这个结果不是最终决策。
它只是说明:
当前系统对当前对象和场景形成了什么结构性认识。
因此:
CognitionResult→CapabilityCognitionResult \rightarrow Capability
而不是:
CognitionResult=DecisionCognitionResult = Decision
5.15 认知与能力的关系
认知结果需要被能力结构处理。
例如认知结果:
CognitionResult={Product,Price=29.99,Certification=FDA}CognitionResult= \{ Product, Price=29.99, Certification=FDA \}
需求:
Price<30Price<30 CertificationRequired=TrueCertificationRequired=True
系统可以调用能力:
PriceComparisonCapabilityPriceComparisonCapability
和:
CertificationVerificationCapabilityCertificationVerificationCapability
因此:
CognitionResult→CapabilityMatchingCognitionResult \rightarrow CapabilityMatching
然后:
Capability→Knowledge→Method→OperationCapability \rightarrow Knowledge \rightarrow Method \rightarrow Operation
形成:
CapabilityResultCapabilityResult
所以:
CognitionResult→Capability→CapabilityResult\boxed{ CognitionResult \rightarrow Capability \rightarrow CapabilityResult }
认知负责提供当前场景结构,能力负责处理这个结构。
5.16 方法在认知—决策之间的作用
能力调用方法以后,方法将认知结果转化为可计算的处理过程。
例如:
Price=29.99Price=29.99
需要判断:
Price<30Price<30
方法可以实例化为:
compare(29.99,30)compare(29.99,30)
运算:
29.99<3029.99<30
结果:
TrueTrue
再执行:
judge(True)judge(True)
得到:
ConditionSatisfiedConditionSatisfied
因此:
CognitionResult→Capability→Method→Operation→ResultCognitionResult \rightarrow Capability \rightarrow Method \rightarrow Operation \rightarrow Result
方法并不是认知结果,也不是决策结果。
它是将能力目标转化为实际处理路径的结构。
5.17 运算在认知中的作用
认知并不是完全静态的匹配过程。
对象状态、关系和条件通常需要通过运算确定。
例如:
BatteryLevel=15%BatteryLevel=15\%
系统可能具有规则:
BatteryLevel<20%→LowBatteryBatteryLevel<20\% \rightarrow LowBattery
则需要:
compare(15,20)compare(15,20)
结果:
TrueTrue
再:
judge(True)judge(True)
得到:
State=LowBatteryState=LowBattery
因此:
Value→Method→Operation→StateValue \rightarrow Method \rightarrow Operation \rightarrow State
进一步:
State→CognitionResultState \rightarrow CognitionResult
所以统一认知模型必须包含:
Method→OperationMethod \rightarrow Operation
而不能将认知理解为单纯的数据读取。
5.18 从认知结果到候选结果
决策并不是直接从认知结果产生。
通常需要先根据认知结果调用能力,形成一个或多个候选结果。
因此:
CognitionResult→Capability→CapabilityResult→CandidatesCognitionResult \rightarrow Capability \rightarrow CapabilityResult \rightarrow Candidates
例如:
Candidate1Candidate_1 Candidate2Candidate_2 Candidate3Candidate_3
每个候选结果可能具有不同的:
PricePrice QualityQuality CertificationCertification FunctionFunction RiskRisk
等结构。
此时决策才开始对候选结果进行比较和选择。
5.19 决策的统一定义
在结构智能中:
决策是根据当前认知结果,在既定目标、条件和约束下,对多个候选结果进行结构匹配、条件判断、约束检查、比较、评价和选择,并确定下一步行动方向的过程。
因此:
Decision=f(CognitionResult,Goal,Condition,Constraint,Candidates,CapabilityResult)Decision= f( CognitionResult, Goal, Condition, Constraint, Candidates, CapabilityResult )
决策不是简单的“选择”。
它是一个结构运算过程:
Candidates→Filter→ConstraintCheck→Compare→Evaluate→Judge→Select→DecisionCandidates \rightarrow Filter \rightarrow ConstraintCheck \rightarrow Compare \rightarrow Evaluate \rightarrow Judge \rightarrow Select \rightarrow Decision
5.20 决策结构
统一决策结构可以表示为:
DecisionStructure={CognitionResult,Goal,Condition,Constraint,Candidates,CapabilityResult,Method,Rule,Evaluation,Output,Validation}DecisionStructure= \{ CognitionResult, Goal, Condition, Constraint, Candidates, CapabilityResult, Method, Rule, Evaluation, Output, Validation \}
其中:
- CognitionResult 提供当前认知;
- Goal 提供决策目标;
- Condition 提供当前条件;
- Constraint 提供必须满足的限制;
- Candidates 提供候选结果;
- CapabilityResult 提供能力处理结果;
- Method 提供决策过程;
- Rule 提供判断规则;
- Evaluation 提供评价;
- Output 提供最终选择;
- Validation 提供决策结果验证。
因此:
Decision≠CognitionDecision \neq Cognition Decision≠CapabilityDecision \neq Capability
决策是利用认知结果和能力结果进行目标导向选择的更高层结构。
5.21 决策的基本运算
决策需要调用统一运算。
首先:
filter()filter()
过滤不满足基本条件的候选结果。
然后:
verify()verify()
验证必须满足的条件和约束。
然后:
compare()compare()
比较候选结果之间的差异。
然后:
sort()sort()
按照评价指标进行排序。
然后:
judge()judge()
判断候选结果是否达到目标。
最后:
select()select()
选择最终结果。
因此:
DecisionOperation=Filter+Verify+Compare+Sort+Judge+SelectDecisionOperation= Filter+ Verify+ Compare+ Sort+ Judge+ Select
形成:
Candidates→Filter→Verify→Compare→Sort→Judge→Select\boxed{ Candidates \rightarrow Filter \rightarrow Verify \rightarrow Compare \rightarrow Sort \rightarrow Judge \rightarrow Select }
5.22 条件与约束
决策中的 Condition 与 Constraint 不能混为一谈。
Condition 表示当前决策成立所依赖的条件。
Constraint 表示决策不能违反的限制。
例如:
Condition:Price<30Condition: Price<30 Constraint:CertificationRequiredConstraint: CertificationRequired
候选产品:
ProductA.Price=25ProductA.Price=25
但:
Certification=FalseCertification=False
则:
ConditionMatch=TrueConditionMatch=True
但:
ConstraintCheck=FalseConstraintCheck=False
因此:
ProductAProductA
不能进入最终选择。
所以:
ConditionCheck≠ConstraintCheckConditionCheck \neq ConstraintCheck
二者共同参与决策。
5.23 决策评价
通过条件和约束筛选以后,可能仍然存在多个候选结果。
例如:
C1,C2,C3C_1,C_2,C_3
都满足基本要求。
此时需要评价:
Evaluation(Ci)Evaluation(C_i)
评价可以由多个属性组成:
Evaluation=f(Price,Quality,Function,Certification,Performance)Evaluation= f( Price, Quality, Function, Certification, Performance )
也可以由多个能力结果组合:
Evaluation=Capability1+Capability2+⋯+CapabilitynEvaluation= Capability_1+ Capability_2+ \cdots+ Capability_n
然后:
C∗=argmaxCiEvaluation(Ci)C^* = argmax_{C_i} Evaluation(C_i)
或者在最小化问题中:
C∗=argminCiEvaluation(Ci)C^* = argmin_{C_i} Evaluation(C_i)
这里的数学形式只是表达结构选择关系,并不要求以概率模型或生成模型作为基础。
5.24 决策结果
最终形成:
DecisionResultDecisionResult
例如:
DecisionResult={SelectedObject,Reason,Condition,Constraint,Evaluation}DecisionResult= \{ SelectedObject, Reason, Condition, Constraint, Evaluation \}
决策结果可以进一步形成执行目标:
Decision→ExecutionGoalDecision \rightarrow ExecutionGoal
然后:
Decision→Method→ExecutionDecision \rightarrow Method \rightarrow Execution
因此:
Decision→Method→ExecutionDecision \rightarrow Method \rightarrow Execution
成为认知之后进入实际行动的重要通道。
5.25 决策验证
决策完成并不意味着决策一定正确。
因此需要:
Decision→ValidationDecision \rightarrow Validation
验证决策是否满足:
GoalGoal ConditionCondition ConstraintConstraint
以及结果是否具有有效性。
如果:
Validation=TrueValidation=True
则:
DecisionAcceptedDecisionAccepted
如果:
Validation=FalseValidation=False
则:
ReEvaluation→ReDecisionReEvaluation \rightarrow ReDecision
因此:
Decision→ValidationDecision \rightarrow Validation
不是附加功能,而是决策结构的重要组成部分。
5.26 决策驱动新的认知
决策失败以后,并不一定意味着能力错误。
有时候原因是当前认知信息不足。
例如:
DecisionDecision
需要知道:
BatteryLifeBatteryLife
但当前:
CognitionResultCognitionResult
中不存在:
BatteryLifeBatteryLife
此时:
Decision→InformationRequirementDecision \rightarrow InformationRequirement
然后:
InformationRequirement→Perception→Information→CognitionInformationRequirement \rightarrow Perception \rightarrow Information \rightarrow Cognition
形成:
Decision→InformationRequirement→Perception→Cognition→ReDecision\boxed{ Decision \rightarrow InformationRequirement \rightarrow Perception \rightarrow Cognition \rightarrow ReDecision }
这说明认知—决策并不是单向直线。
它可以循环。
5.27 认知更新
外部世界持续变化,因此认知结果也不是永久有效。
如果对象状态发生变化:
ObjectStatet→ObjectStatet+1ObjectState_t \rightarrow ObjectState_{t+1}
则原认知:
CognitiontCognition_t
可能不再适用于:
Cognitiont+1Cognition_{t+1}
因此:
SceneUpdate→ReCognitionSceneUpdate \rightarrow ReCognition
完整关系:
WorldChange→Feedback→SceneUpdate→ReCognition→ReDecisionWorldChange \rightarrow Feedback \rightarrow SceneUpdate \rightarrow ReCognition \rightarrow ReDecision
这使认知具有动态性。
5.28 统一感知—认知—决策模型
将本章各层结构统一,可以得到:
Requirement→PerceptionRequirement→Perception→Information→Element→Structure\boxed{ Requirement \rightarrow PerceptionRequirement \rightarrow Perception \rightarrow Information \rightarrow Element \rightarrow Structure }
然后:
Structure↔Knowledge→SemanticUnderstanding→Object→Attribute→Value→State\boxed{ Structure \leftrightarrow Knowledge \rightarrow SemanticUnderstanding \rightarrow Object \rightarrow Attribute \rightarrow Value \rightarrow State }
形成:
CognitionResult\boxed{ CognitionResult }
然后:
CognitionResult→Capability→Knowledge→Method→Operation→CapabilityResult\boxed{ CognitionResult \rightarrow Capability \rightarrow Knowledge \rightarrow Method \rightarrow Operation \rightarrow CapabilityResult }
产生候选:
CapabilityResult→Candidates\boxed{ CapabilityResult \rightarrow Candidates }
最后:
Candidates→Condition→Constraint→Compare→Evaluate→Judge→Decision\boxed{ Candidates \rightarrow Condition \rightarrow Constraint \rightarrow Compare \rightarrow Evaluate \rightarrow Judge \rightarrow Decision }
因此完整模型为:
Perception→Information→Element→Structure↔Knowledge→Object→Attribute→Value→State→Cognition→Capability→Method→Operation→Candidate→Decision\boxed{ Perception \rightarrow Information \rightarrow Element \rightarrow Structure \leftrightarrow Knowledge \rightarrow Object \rightarrow Attribute \rightarrow Value \rightarrow State \rightarrow Cognition \rightarrow Capability \rightarrow Method \rightarrow Operation \rightarrow Candidate \rightarrow Decision }
5.29 统一认知—决策循环
在实际结构智能运行中,上述过程不是一次性完成的。
决策产生以后进入执行:
Decision→Method→ExecutionDecision \rightarrow Method \rightarrow Execution
执行产生结果:
Execution→ResultExecution \rightarrow Result
结果形成反馈:
Result→FeedbackResult \rightarrow Feedback
反馈可能产生三种方向。
第一:
Feedback→ReCognitionFeedback \rightarrow ReCognition
用于当前任务。
第二:
Feedback→ReDecisionFeedback \rightarrow ReDecision
用于重新选择解决路径。
第三:
Feedback→LearningFeedback \rightarrow Learning
用于长期结构更新。
因此:
Cognition→Decision→Method→Execution→Result→Feedback→ReCognition\boxed{ Cognition \rightarrow Decision \rightarrow Method \rightarrow Execution \rightarrow Result \rightarrow Feedback \rightarrow ReCognition }
以及:
Feedback→Learning→Update→Evolution\boxed{ Feedback \rightarrow Learning \rightarrow Update \rightarrow Evolution }
两条路径共同形成结构智能循环。
5.30 统一认知—决策中的结构层次
整个模型可以按照结构层次划分。
第一层:信息层
InformationInformation
描述系统获得的原始信息。
第二层:元素层
ElementElement
将信息拆解为基本结构单位。
第三层:结构层
StructureStructure
建立元素之间的关系。
第四层:知识层
KnowledgeKnowledge
通过已有知识结构确定结构意义。
第五层:对象状态层
Object+Attribute+Value+State+RelationObject+Attribute+Value+State+Relation
形成当前对象和场景状态。
第六层:认知层
CognitionResultCognitionResult
形成当前场景的结构性理解。
第七层:能力层
CapabilityCapability
利用认知结果和知识完成目标处理。
第八层:方法层
MethodMethod
组织实际解决路径。
第九层:运算层
OperationOperation
执行具体比较、计算、判断、匹配、验证等处理。
第十层:决策层
DecisionDecision
根据目标、条件和约束选择结果。
因此:
Information→Element→Structure→Knowledge→ObjectState→Cognition→Capability→Method→Operation→DecisionInformation \rightarrow Element \rightarrow Structure \rightarrow Knowledge \rightarrow ObjectState \rightarrow Cognition \rightarrow Capability \rightarrow Method \rightarrow Operation \rightarrow Decision
形成完整的认知—决策结构链。
5.31 统一认知—决策模型中的核心边界
为了保证理论体系内部的一致性,需要明确以下边界。
感知不是认知
Perception≠CognitionPerception\neq Cognition
感知负责获取信息,认知负责形成当前结构理解。
信息不是知识
Information≠KnowledgeInformation\neq Knowledge
信息必须经过结构化和知识匹配。
知识不是认知
Knowledge≠CognitionKnowledge\neq Cognition
知识是已有结构,认知是当前场景与知识匹配以后形成的理解结果。
对象状态不是对象
Object≠ObjectStateObject\neq ObjectState
对象是实体结构,状态是对象在特定条件下的当前状态。
认知不是能力
Cognition≠CapabilityCognition\neq Capability
认知回答当前是什么、处于什么状态;能力回答能够如何处理。
能力不是方法
Capability≠MethodCapability\neq Method
能力描述可完成的任务,方法描述实现任务的路径。
方法不是运算
Method≠OperationMethod\neq Operation
方法组织运算,运算执行具体处理。
认知不是决策
Cognition≠DecisionCognition\neq Decision
认知形成理解,决策进行选择。
决策不是执行
Decision≠ExecutionDecision\neq Execution
决策确定做什么,执行真正运行所选择的方法。
因此:
Perception≠Information≠Knowledge≠Cognition≠Capability≠Method≠Operation≠Decision≠Execution\boxed{ Perception \neq Information \neq Knowledge \neq Cognition \neq Capability \neq Method \neq Operation \neq Decision \neq Execution }
这些结构虽然连续,但不能相互替代。
5.32 认知—决策模型中的统一运算
整个认知—决策过程实际上是多个层次的结构运算。
感知层:
Acquire()Acquire()
元素层:
Extract()Extract()
结构层:
Match()Match()
知识层:
Verify()Verify()
对象状态层:
Compute()Compute()
认知层:
Match()+Judge()Match()+Judge()
能力层:
Invoke()Invoke()
方法层:
Instantiate()Instantiate()
运算层:
Compare()+Compute()+Judge()+Filter()+Sort()+Verify()Compare()+Compute()+Judge()+Filter()+Sort()+Verify()
决策层:
Evaluate()+Select()Evaluate()+Select()
因此:
Cognition=StructureMatching+KnowledgeMatching+StateComputation+SemanticUnderstandingCognition = StructureMatching + KnowledgeMatching + StateComputation + SemanticUnderstanding
而:
Decision=ConditionCheck+ConstraintCheck+Comparison+Evaluation+SelectionDecision = ConditionCheck + ConstraintCheck + Comparison + Evaluation + Selection
这使统一运算模型与统一认知—决策模型直接连接起来。
5.33 认知—决策模型中的递归
认知和决策不是一次性计算。
认知结果可以成为下一次认知的输入:
CognitionResultt→NewInformation→Cognitiont+1CognitionResult_t \rightarrow NewInformation \rightarrow Cognition_{t+1}
决策结果也可以成为新的决策输入:
Decisiont→Resultt→Feedbackt→Decisiont+1Decision_t \rightarrow Result_t \rightarrow Feedback_t \rightarrow Decision_{t+1}
因此:
Resulti→Inputi+1Result_i\rightarrow Input_{i+1}
形成结构递归。
完整表示:
Cognitiont→Decisiont→Executiont→Resultt→Feedbackt→Cognitiont+1→Decisiont+1\boxed{ Cognition_t \rightarrow Decision_t \rightarrow Execution_t \rightarrow Result_t \rightarrow Feedback_t \rightarrow Cognition_{t+1} \rightarrow Decision_{t+1} }
这也是结构智能能够持续处理动态环境的重要基础。
5.34 认知—决策与学习
当前认知和决策解决的是当前问题。
学习解决的是:
当前过程产生的经验如何改变未来结构。
因此:
Cognition→Decision→Execution→FeedbackCognition \rightarrow Decision \rightarrow Execution \rightarrow Feedback
反馈进一步进入:
LearningLearning
学习可能更新:
KnowledgeKnowledge CapabilityCapability MethodMethod RelationRelation
因此:
Learning→{KnowledgeUpdate,CapabilityUpdate,MethodUpdate,RelationUpdate}Learning \rightarrow \{ KnowledgeUpdate, CapabilityUpdate, MethodUpdate, RelationUpdate \}
新的结构更新以后,又可以进入下一次:
CognitionCognition
形成:
Learning→Update→ReCognitionLearning \rightarrow Update \rightarrow ReCognition
因此:
Cognition→Decision→Execution→Feedback→Learning→Update→ReCognition\boxed{ Cognition \rightarrow Decision \rightarrow Execution \rightarrow Feedback \rightarrow Learning \rightarrow Update \rightarrow ReCognition }
认知由此成为学习循环重新进入运行系统的重要入口。
5.35 统一认知—决策总模型
综合本章,可以得到结构智能的统一认知—决策模型:
Requirement→Perception→Information→Element→Structure↔Knowledge→Object→Attribute→Value→State→Scene→Cognition→Capability→Method→Operation→Candidate→Decision→Execution→Result→Feedback\boxed{ \begin{aligned} Requirement &\rightarrow Perception\\ &\rightarrow Information\\ &\rightarrow Element\\ &\rightarrow Structure\\ &\leftrightarrow Knowledge\\ &\rightarrow Object\\ &\rightarrow Attribute\\ &\rightarrow Value\\ &\rightarrow State\\ &\rightarrow Scene\\ &\rightarrow Cognition\\ &\rightarrow Capability\\ &\rightarrow Method\\ &\rightarrow Operation\\ &\rightarrow Candidate\\ &\rightarrow Decision\\ &\rightarrow Execution\\ &\rightarrow Result\\ &\rightarrow Feedback \end{aligned} }
反馈之后:
Feedback→ReCognitionFeedback \rightarrow ReCognition
用于当前任务循环;
或者:
Feedback→Learning→Update→EvolutionFeedback \rightarrow Learning \rightarrow Update \rightarrow Evolution
用于长期结构演化。
如果当前决策所需信息不足:
Decision→InformationRequirement→PerceptionDecision \rightarrow InformationRequirement \rightarrow Perception
如果当前能力不足:
Capability→CapabilityGap→LearningCapability \rightarrow CapabilityGap \rightarrow Learning
如果当前知识不足:
Knowledge→KnowledgeGap→KnowledgeAcquisitionKnowledge \rightarrow KnowledgeGap \rightarrow KnowledgeAcquisition
如果当前方法不足:
Method→MethodGap→MethodFormationMethod \rightarrow MethodGap \rightarrow MethodFormation
由此形成一个可以自我循环的结构体系。
5.36 统一认知—决策模型的基本理论关系
最终,本章可以将感知、知识、结构、对象状态、方法、运算、认知和决策统一为以下关系:
Perception→Information→Element→Structure\boxed{ Perception \rightarrow Information \rightarrow Element \rightarrow Structure } Structure↔Knowledge→SemanticUnderstanding\boxed{ Structure \leftrightarrow Knowledge \rightarrow SemanticUnderstanding } Object→Attribute→Value→State\boxed{ Object \rightarrow Attribute \rightarrow Value \rightarrow State } SemanticUnderstanding+ObjectState+Scene→Cognition\boxed{ SemanticUnderstanding + ObjectState + Scene \rightarrow Cognition } Cognition→Capability→Method→Operation\boxed{ Cognition \rightarrow Capability \rightarrow Method \rightarrow Operation } Operation→CapabilityResult→Candidates\boxed{ Operation \rightarrow CapabilityResult \rightarrow Candidates } Candidates+Goal+Condition+Constraint→Evaluation→Decision\boxed{ Candidates + Goal + Condition + Constraint \rightarrow Evaluation \rightarrow Decision }
以及:
Decision→Method→Execution→Result→Feedback\boxed{ Decision \rightarrow Method \rightarrow Execution \rightarrow Result \rightarrow Feedback }
最终:
Feedback→ReCognition\boxed{ Feedback \rightarrow ReCognition }
或者:
Feedback→Learning→Update→Evolution\boxed{ Feedback \rightarrow Learning \rightarrow Update \rightarrow Evolution }
因此,结构智能中的认知和决策不是两个孤立的功能,而是从感知信息进入结构、从结构匹配知识、从知识形成对象状态理解、从认知结果调用能力、从能力调用方法和运算、从运算产生候选结果、从候选结果经过条件和约束判断形成决策的连续结构过程。
其最核心的统一表达为:
感知→信息→元素→结构↔知识→对象→属性→值→状态→认知→能力→方法→运算→决策\boxed{ 感知 \rightarrow 信息 \rightarrow 元素 \rightarrow 结构 \leftrightarrow 知识 \rightarrow 对象 \rightarrow 属性 \rightarrow 值 \rightarrow 状态 \rightarrow 认知 \rightarrow 能力 \rightarrow 方法 \rightarrow 运算 \rightarrow 决策 }
再通过:
决策→执行→结果→反馈→再认知→再决策\boxed{ 决策 \rightarrow 执行 \rightarrow 结果 \rightarrow 反馈 \rightarrow 再认知 \rightarrow 再决策 }
形成动态循环。
而当反馈进入学习:
反馈→学习→知识更新+能力更新+方法更新+关系更新→演化\boxed{ 反馈 \rightarrow 学习 \rightarrow 知识更新 + 能力更新 + 方法更新 + 关系更新 \rightarrow 演化 }
由此,统一认知—决策模型将前面已经建立的知识结构、能力结构、方法结构、统一运算模型连接起来,并进一步连接后面的执行、反馈、学习和演化模型。
结构智能的认知不是对信息进行简单解释,而是通过结构与知识的匹配形成当前对象、属性、值、关系、状态和场景的结构性理解;决策也不是简单选择,而是在认知结果基础上调用能力、方法和运算,对候选结果进行条件判断、约束检查、比较、评价和选择。
因此:
认知是形成当前世界结构理解的过程,决策是根据当前结构理解选择解决方向的过程。\boxed{ 认知是形成当前世界结构理解的过程, 决策是根据当前结构理解选择解决方向的过程。 }
二者共同构成结构智能从**“知道当前发生了什么”到“确定下一步做什么”**的核心理论连接。