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 →

第十五卷 第五章 统一认知—决策模型

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。

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