第七章
个体经验工程
——Experience Element 与人工个体知识形成
7.1 经验是人工个体智能的核心资产
知识回答：
世界是什么。
经验回答：
我曾经如何面对这个世界。
传统人工智能系统主要依赖：
- 数据；
- 文档；
- 规则；
- 模型参数。
这些属于：
公共知识。
而个体人工智能必须拥有：
属于自己的经验系统。
因为真正影响一个人的判断，往往不是知道多少知识，而是：
- 过去遇到过什么；
- 曾经如何处理；
- 结果如何；
- 从中形成了什么认识。
因此：
人工个体的核心不是：
知识库。
而是：
个体经验库。
7.2 Experience Element 经验元素
定义：
经验元素是人工个体在经历基础上，通过认知加工形成的、能够影响未来理解、判断和行为的认知单元。
经验形成：
例如：
经历：
简单记录：
经验形成：
经验已经包含：
- 事件；
- 分析；
- 结论；
- 行为指导。
7.3 经验与知识的区别
这是个体人工智能的重要区别。
知识
特点：
公共性。
来源：
- 书籍；
- 数据；
- 文档；
- 网络信息。
例如：
经验
特点：
个体性。
来源：
- 个人经历；
- 个人反馈；
- 长期实践。
例如：
区别：
7.4 个体经验结构
ICAI 中：
经验不是文字集合。
而是结构化对象。
模型：
例如：
健康经验：
7.5 经验权重工程
不同经验对人工个体影响不同。
因此需要：
Experience Weight。
经验权重来源：
重要程度
重大事件：
权重高。
例如：
重大疾病经历。
重复程度
反复发生：
权重增加。
例如：
长期职业经验。
时间影响
近期经历：
可能影响当前判断。
情感影响
强烈经历：
影响更深。
模型：
7.6 经验调用机制
人工个体面对新问题：
不是搜索所有知识。
而是调用：
相关经验。
过程：
例如：
健康分析：
输入：
普通系统：
输出：
健康型人工个体：
调用：
形成：
个体化判断。
7.7 经验关系网络
经验之间不是孤立。
多个经验形成：
Experience Network。
结构：
例如：
职业经验：
健康经验：
7.8 经验影响个体理解
理解过程：
不是：
输入 → 输出。
而是：
例如：
看到人工智能技术发展。
技术研究型个体：
理解：
企业经营型个体：
理解：
教育型个体：
理解：
相同信息。
不同经验。
产生不同理解。
7.9 经验影响个体判断
判断公式：
例如：
投资决策：
个体 A：
过去经历：
投资失败。
结果：
提高风险权重。
个体 B：
过去经历：
投资成功。
结果：
提高机会权重。
因此：
判断不是信息计算。
而是：
个体认知过程。
7.10 经验与学习
学习不是增加知识。
学习是：
更新经验结构。
过程：
例如：
人工个体第一次处理健康事件。
经验较少。
经过长期：
- 数据观察；
- 行为反馈；
- 结果验证；
形成：
稳定经验模型。
7.11 PHP OOP 经验对象设计
经验类：
经验管理：
7.12 MVC 结构
Model：
Controller：
负责：
- 经验生成；
- 经验调用；
- 经验更新。
View：
展示：
7.13 Experience Engine 架构
WSaiOS-ICAI：
运行：
7.14 个体经验与人工个体差异
两个人工个体：
拥有：
相同知识。
仍然可能：
产生不同判断。
原因：
经验不同。
模型：
经验使人工智能：
从：
公共智能。
走向：
个体智能。
7.15 本章总结
本章建立：
核心观点：
知识决定人工智能知道什么，经验决定人工智能如何理解。
个体人工智能区别于普通人工智能的重要标志：
不是拥有更多知识。
而是：
拥有属于自己的经验历史，并通过经验形成独特认知。
下一章：
第八章
个体偏好工程
——Preference Element 与人工个体选择机制
重点研究：
- 个体偏好元素；
- 喜好与选择；
- 价值倾向；
- 偏好权重；
- 偏好如何影响理解和决策。