第3章　感知与认知的边界

在研究“模拟人的感知与认知”之前，必须首先解决一个基础问题：

什么是感知，什么是认知？

如果这两个概念没有被严格区分，那么后面的感知元素、对象、属性、动态状态、认知匹配、个体认知等理论都会发生混淆。

很多人工智能系统把“传感器获得的数据”直接称为感知，又把“识别出的结果”直接称为认知。这样做在工程上看起来简单，但实际上把不同层次的过程压缩成了一个过程。

例如，一个机器人通过触觉传感器检测到：

当前接触压力为 1.8N。

这是感知。

但是机器人进一步形成：

当前抓取力度已经足够，无需继续增加压力。

这已经不是单纯的感知，而是对当前状态进行了判断。

如果进一步形成：

这个物体表面容易滑动，因此应该保持当前压力，并调整夹持位置。

那么系统已经进入了认知过程。

因此：

感知解决“获得了什么”，认知解决“这些获得的信息意味着什么，以及当前应该如何理解它”。

但是，这个区分仍然不够。

因为人的感知本身并不是一个完全被动的数据采集过程，而认知也不是一个脱离感知、独立运行的高级模块。

二者之间存在连续转换、动态反馈和相互影响。

本章要建立的，正是这一边界。

3.1 为什么必须区分感知与认知

传统计算机系统通常采用一种比较清晰的数据流程：

传感器
↓
数据
↓
处理
↓
结果

这种结构适合描述确定性较强的信息处理过程。

例如温度传感器：

Sensor
↓
25.3℃

压力传感器：

Sensor
↓
1.8N

距离传感器：

Sensor
↓
35cm

这些结果可以被直接记录。

但是人的行为并不是这样简单。

一个人拿起鸡蛋时，并不是先计算：

压力 = ?
摩擦 = ?
重量 = ?
蛋壳强度 = ?

然后再执行抓取。

人的手在接触鸡蛋之后，会不断获得新的触觉信息，同时根据这些信息不断调整动作。

过程更接近：

接触
↓
感觉
↓
感知
↓
判断当前状态
↓
调整压力
↓
再次感觉
↓
再次判断
↓
再次调整

因此，人的认知并不是感知完成以后才一次性启动。

它是一个持续运行的过程。

这也是本书与传统“感知—识别—执行”模型的重要区别。

3.2 感知不是认知

首先必须建立第一条边界：

感知本身不等于认知。

感知的基本任务，是使系统获得关于外部环境或者自身状态的可处理信息。

例如：

视觉：
看到一个白色椭圆形对象

触觉：
检测到接触

压力：
检测到压力增加

温度：
检测到温度下降

空间：
检测到对象距离缩短

运动：
检测到对象正在移动

这些都属于感知层面的信息。

感知可以形成：

Element

即：

能够进入后续处理过程的基本信息单元。

例如：

颜色 = 白色
形状 = 椭圆
压力 = 1.2N
位置 = X,Y,Z
速度 = 0.2m/s
温度 = 20℃

这些信息本身还没有告诉系统：

“这是什么？”

也没有告诉系统：

“应该怎么办？”

因此：

感知
≠
认知

感知是认知的重要输入，但感知本身不能代表完整认知。

3.3 认知也不是简单的数据处理

如果把认知定义成：

对感知数据进行计算。

仍然是不够的。

因为普通数据处理并不一定形成认知。

例如：

压力 1N
压力 2N
压力 3N
压力 4N

系统可以计算：

最大值 = 4N
平均值 = 2.5N

这属于数据处理。

但如果系统根据这些变化形成：

压力持续增加，同时对象出现滑移，因此当前抓取状态正在变得不稳定。

那么系统已经开始形成状态判断。

进一步：

当前任务要求保持对象完整，因此不应继续增加压力，而应调整接触位置。

这才进入了认知与决策的关系。

因此：

数据处理
↓
信息处理
↓
状态判断
↓
关系判断
↓
意义形成
↓
认知

认知不是简单地计算一个数字。

认知的核心在于：

系统是否建立了信息之间的关系，并形成了与当前对象、状态、任务和行为有关的判断。

3.4 感知的边界在哪里

感知层并不是无限的。

本书将感知限定为：

系统对自身、对象和环境变化进行检测、获取、区分和形成基本信息元素的过程。

这里有几个重要关键词：

第一，检测

系统必须能够发现某种变化。

例如：

压力发生变化

第二，获取

系统必须获得变化的某种可处理表示。

例如：

Pressure = 1.4N

第三，区分

系统能够区分不同状态。

例如：

无接触
↓
轻微接触
↓
持续接触

第四，形成元素

最终形成可以进入后续认知处理的信息：

PressureElement
ContactElement
MotionElement
TemperatureElement

所以：

环境变化
↓
感觉输入
↓
检测
↓
区分
↓
感知元素

到这里，感知层基本完成自己的任务。

但是：

感知元素本身还不是完整的认知。

3.5 从感知元素到认知元素

这是本书非常重要的一条分界线。

假设视觉系统检测到：

白色
椭圆
约 60mm
静止

这些可以成为：

感知元素

但是，当这些元素开始发生组合：

白色
+
椭圆
+
特定大小
+
特定位置

系统可能开始形成：

Object Candidate

也就是：

一个可能存在的对象。

进一步，如果系统把这些元素与已有经验、对象属性和关系进行匹配：

白色
+
椭圆
+
易碎
+
厨房环境
+
历史经验

可能形成：

Egg

这时候，信息已经从单纯的感知元素进入了认知结构。

因此，本书需要区分：

Perceptual Element
感知元素

Cognitive Element
认知元素

感知元素强调：

系统获得了什么信息。

认知元素强调：

这些信息在当前认知结构中具有什么关系和意义。

3.6 对象不是感觉本身

这是第二个容易混淆的地方。

人看到一个鸡蛋，并不是眼睛直接“得到一个鸡蛋”。

眼睛获得的是光学信息。

例如：

颜色
轮廓
明暗
位置
大小
运动

这些信息经过组织以后，才逐渐形成：

Object

所以：

感觉
↓
感知元素
↓
元素组合
↓
对象形成

对象并不是单独存在于感知器官里的一个数据。

对象是认知系统对多个元素及其关系进行组织后形成的结构。

例如：

颜色 = 白
形状 = 椭圆
尺寸 = ...
位置 = ...
表面 = ...
运动 = ...

经过组合以后：

Object A

再进一步：

Object A
+
历史经验
+
属性
+
关系

可能形成：

鸡蛋

因此：

对象是感知信息进入认知结构后的重要组织形式。

3.7 属性也不是认知本身

假设系统已经形成一个对象：

Object = Egg

那么它可能具有：

颜色
形状
重量
尺寸
表面摩擦
硬度
承受压力
易损程度
当前位置
速度

这些属于：

Attribute

但是属性仍然不是认知。

例如：

PressureCapacity = 5N

只是一个属性值。

只有当它与当前状态发生关系时，才开始产生认知意义。

例如：

当前压力 = 2N
承受压力 = 5N

此时可以形成：

当前压力 < 承受能力

再加入：

滑移正在增加

则关系进一步变化：

压力较低
+
滑移增加

可能意味着：

当前抓取稳定性不足。

因此：

属性
↓
属性关系
↓
状态判断
↓
认知

这也是为什么后面的“动态属性理论”非常重要。

3.8 静态信息为什么不足以形成完整认知

如果系统只保存：

压力 = 2N

那么它只能知道一个瞬间的值。

但人实际上不会只看一个值。

人会感知：

压力正在增加

或者：

压力正在减少

或者：

压力没有继续变化

这些都是动态信息。

因此：

Value

只是一个状态描述。

而：

Change
Rate
Trend

才开始描述变化。

例如：

Pressure(t0) = 1.0N
Pressure(t1) = 1.3N
Pressure(t2) = 1.7N
Pressure(t3) = 2.1N

系统不仅获得：

Pressure = 2.1N

还可以获得：

Pressure ↑

进一步获得：

Pressure Increase Rate

如果同时观察到：

Slip ↑

那么认知系统面对的就不是一个压力数字，而是一个动态关系：

Pressure ↑
+
Slip ↑

这比单独的：

Pressure = 2.1N

具有更高的认知价值。

3.9 感知是连续的，认知也是连续的

传统模型容易把系统理解成：

感知
↓
认知
↓
行动

看起来像三个独立阶段。

但真实的人类行为更加接近：

感知
 ↓
初步认知
 ↓
行为
 ↓
新感知
 ↓
认知变化
 ↓
行为变化
 ↓
新感知

因此，本书采用：

动态闭环认知模型。

即：

Perception
     ↓
Cognition
     ↓
Action
     ↓
Environment Change
     ↓
Perception

但这里还需要更进一步。

行为不仅改变环境，也会改变感知条件。

例如抓取鸡蛋：

手靠近鸡蛋
↓
视觉距离变化
↓
接触
↓
触觉出现
↓
压力变化
↓
手部调整
↓
接触面积变化
↓
摩擦变化
↓
再次调整

所以行为本身也是新的感知条件制造者。

3.10 感知与认知之间不是一条固定的线

感知与认知之间并不存在一个永远固定的切割点。

同一个信息，在不同情况下可能处于不同层次。

例如：

压力 = 2N

第一次获得时：

它只是一个感知数据。

当与历史状态比较：

2N > 之前的 1N

形成：

压力正在增加。

当再与对象属性比较：

2N < 最大承受压力

形成：

当前压力尚未达到危险水平。

再加入摩擦和滑移：

压力 ↑
滑移 ↑

形成：

当前抓取可能正在失稳。

再加入任务目标：

目标 = 完整拿起鸡蛋

形成：

不能单纯继续增加压力，需要调整抓取策略。

因此，同一个：

Pressure = 2N

随着关系不断增加，其认知层次不断变化。

这说明：

认知不是某一个数据进入系统以后自动产生的标签，而是信息在关系网络中不断形成意义的过程。

3.11 认知的真正边界：关系

由此，本书可以提出一个非常重要的判断：

感知的核心是元素形成，认知的核心是关系形成。

感知更关注：

有什么？
多少？
在哪里？
发生了什么变化？

认知进一步关注：

它是什么？
它与什么有关？
为什么发生？
当前是什么状态？
意味着什么？
下一步可能发生什么？
应该如何处理？

因此可以初步表示为：

感知：

Input
↓
Detection
↓
Element

认知：

Element
↓
Relation
↓
Object
↓
Attribute
↓
State
↓
Matching
↓
Cognition

当然，这并不意味着对象一定在关系之前形成。

实际过程可以反复进行：

Element
↓
Object Candidate
↓
Relation
↓
Object Refinement
↓
Attribute
↓
State
↓
New Relation
↓
New Cognition

认知是动态组织，而不是一次性分类。

3.12 认知不是“识别”

人工智能领域经常把：

识别

当成：

认知

例如：

Image
↓
Egg

系统识别出了“鸡蛋”。

但这只能解决：

“它像什么？”

却没有解决：

“现在应该怎样处理它？”

真正的认知还需要考虑：

Egg
+
Weight
+
Surface
+
Friction
+
Pressure Capacity
+
Current Contact
+
Current Motion
+
Task

然后形成：

Current State

进一步形成：

Action Preference

因此：

Recognition
≠
Cognition

识别只是认知过程中的一个可能环节。

3.13 认知不是固定知识库

另一个重要区别是：

认知不是从数据库中查询一个固定答案。

如果机器人面对鸡蛋，只建立：

Egg → Grip Pressure = 1.5N

那么这种方式本质上仍然属于静态匹配。

因为现实中的鸡蛋并不完全相同：

大小不同
重量不同
蛋壳不同
表面状态不同
湿度不同
接触角度不同
摩擦不同
机器人手指材料不同
抓取速度不同

因此：

Egg
≠
固定压力

正确的认知过程应该是：

当前对象状态
+
当前环境
+
当前接触状态
+
当前任务
+
动态反馈

不断重新匹配。

所以：

认知不是从固定答案中寻找结果，而是在当前状态下持续形成匹配。

这为后面的“动态认知匹配”理论奠定基础。

3.14 感知与认知的反馈关系

虽然感知和认知需要区分，但二者并不是互相独立。

认知会反过来影响感知。

例如一个人准备拿起一个未知物体。

第一次：

视觉感知
↓
发现对象

随后：

认知：
这个对象可能易碎

于是人的行为会发生变化：

动作速度降低
接触更加轻柔
注意触觉反馈

新的行为又产生新的感知：

接触压力
摩擦
形变
滑移

然后认知进一步更新：

可能比预想更脆弱

于是动作再次改变。

因此：

感知 → 认知
认知 → 行为
行为 → 新感知

构成一个闭环。

这也是模拟人认知系统必须区别于简单传感器系统的原因。

3.15 感知、认知、决策和行为四者的边界

本书后面还会研究决策与行为，因此这里必须先划清四者关系。

可以暂时建立如下定义。

感知

获取和形成当前环境及自身变化的基本信息元素。

感觉
↓
感知
↓
元素

认知

对元素、对象、属性、状态和关系进行组织、匹配并形成当前理解。

元素
↓
关系
↓
对象
↓
属性
↓
状态
↓
匹配
↓
认知

决策

在当前认知基础上，对可能的行动方向进行选择。

认知
↓
候选行为
↓
比较
↓
选择

行为

决策在实际环境中的执行过程。

Decision
↓
Action
↓
Environment

于是可以形成：

感知
 ↓
认知
 ↓
决策
 ↓
行为
 ↓
环境变化
 ↓
感知

但必须强调：

这不是严格的单向流水线，而是动态循环系统。

3.16 为什么这一边界对机器人尤其重要

目前大量机器人系统采用：

传感器
↓
数据
↓
模型
↓
动作

这种结构。

它能够完成很多任务，但面对动态环境时容易出现一个问题：

系统往往是在寻找“正确动作”，而不是持续寻找“当前最合适的状态匹配”。

两者完全不同。

例如抓取鸡蛋。

传统思路可能是：

鸡蛋
↓
预设抓取参数
↓
执行

而本书研究的认知工程思路是：

发现对象
↓
建立对象状态
↓
获取触觉
↓
获取压力
↓
获取摩擦变化
↓
检测滑移
↓
动态匹配
↓
判断当前稳定性
↓
调整压力
↓
再次感知
↓
再次匹配

最终不是寻找一个永远固定的：

正确压力值

而是在寻找：

当前条件下，使任务完成且对象受损最小的动态匹配状态。

这已经从单纯的控制问题进入了认知问题。

3.17 感知与认知的工程表达

为了让理论最终能够进入工程系统，本书不能停留在概念层。

可以首先建立两个基本结构。

感知结构

Perception
{
    source
    element
    value
    state
    timestamp
    change
}

例如：

Perception
{
    source: "tactile_sensor",
    element: "pressure",
    value: 1.8,
    state: "contact",
    timestamp: T1,
    change: "+0.3"
}

这是感知信息。

认知结构

认知则不能只有一个 value。

它至少需要考虑：

Cognition
{
    object
    attributes
    state
    relations
    matching
    probability
    goal
    action
}

例如：

Object = Egg

State:
    contact = true
    stable = uncertain

Attributes:
    pressure_capacity = unknown
    friction = changing

Relations:
    pressure ↑
    slip ↑

Goal:
    complete_grasp = true

此时系统已经不是在保存一个传感器数字，而是在描述：

当前对象处于什么状态，以及当前信息之间是什么关系。

这就是认知工程与普通数据采集系统之间的重要区别。

3.18 本章的核心结论

通过本章，可以建立几条基础原则。

第一：

感知不是认知。

第二：

识别不是完整认知。

第三：

数据处理不是完整认知。

第四：

对象、属性和状态本身也不是完整认知。

第五：

认知的核心不是单个数据，而是信息之间动态关系的形成与匹配。

第六：

感知与认知虽然具有边界，但不是两个完全独立的系统。

第七：

认知会影响行为，行为又会改变感知条件，因此感知与认知必须放在动态闭环中研究。

最终可以得到本章的基本结构：

             环境
               ↓
              感觉
               ↓
              感知
               ↓
          感知元素
               ↓
       ┌───────┴───────┐
       ↓               ↓
     对象             属性
       ↓               ↓
       └───────┬───────┘
               ↓
             状态
               ↓
             关系
               ↓
          动态匹配
               ↓
             认知
               ↓
             决策
               ↓
             行为
               ↓
          环境发生变化
               ↓
             新感知

而这一章最重要的理论边界可以概括为：

感知使系统获得信息，认知使信息形成关系与意义；感知回答“获得了什么”，认知回答“这些信息在当前对象、状态、关系和目标中意味着什么”。