第14章　属性不是静态值

在前面的章节中，我们已经把对象、对象属性以及对象之间的关系逐步建立起来。

对象回答的是：

“认知系统正在认识什么？”

对象属性回答的是：

“这个对象具有什么？”

对象关系回答的是：

“这个对象与其他对象之间如何发生关系？”

但当认知系统真正面对现实世界时，还会遇到一个更基本的问题：

对象的属性究竟是不是一个固定不变的数值？

如果把属性理解为一个静态值，那么认知系统只能描述对象在某一个时刻的状态，却无法真正描述对象的变化。

例如，一个机器人抓取鸡蛋。

如果系统只知道：

鸡蛋重量 = 50g

这个数据本身没有错误。

但是，仅仅知道 50g，并不能告诉机器人：

当前是否已经接触鸡蛋；
当前施加了多大的压力；
鸡蛋是否正在滑动；
鸡蛋是否发生形变；
摩擦是否正在发生变化；
当前压力是否已经超过安全范围；
如果继续增加压力，会发生什么；
当前动作是否正在接近最小受损状态。

因此：

一个属性的认知价值，不仅存在于它“是多少”，还存在于它“现在是什么状态”“发生了什么变化”“变化有多快”以及“变化趋势是什么”。

这意味着，属性不能再被简单理解为一个静态变量。

更准确的表达应该是：

$A tt r ib u t e = f (Va l u e, St a t e, C han g e, R a t e, T re n d)$

甚至进一步可以表示为：

$A (t) = {V (t), S (t), Δ A (t), R (t), T (t)}$

这里的 $t$ 表示时间。

由此，属性从一个静态数据，开始进入一个动态认知过程。

14.1 Value：属性的值

Value 是属性最直接的表达形式。

例如：

鸡蛋重量 = 50g

温度 = 25℃

压力 = 3N

距离 = 20cm

速度 = 1m/s

这些都是 Value。

Value 解决的是：

“属性当前是多少？”

它是认知系统最基础的数据形式。

例如：

Object: Egg

Weight:
50g

或者：

Object: Glass

Temperature:
25℃

在传统程序中，一个属性往往可以直接表示成：

$weight = 50;

这对于记录数据来说已经足够。

但是对于认知系统而言，还不够。

因为：

50g

只告诉系统一个结果。

它没有告诉系统：

这个 50g 是一直保持不变，还是刚刚从 40g 变化到 50g？

也没有告诉系统：

这个属性是否正在变化？

因此，Value 是属性的基础，但不是属性的完整认知。

14.2 State：属性的状态

State 解决的是另一个问题：

“这个属性现在处于什么状态？”

例如压力：

Pressure = 3N

这是 Value。

但是：

Pressure State = Stable

这是 State。

同样的 3N，可以对应不同的状态。

例如：

压力 = 3N
状态 = 稳定

也可以是：

压力 = 3N
状态 = 上升

甚至：

压力 = 3N
状态 = 下降

因此：

Value ≠ State

Value 描述的是：

量。

State 描述的是：

当前状态。

例如一个物体的温度：

Temperature = 30℃
State = Rising

表示：

当前温度为 30℃，并且正在升高。

如果只记录：

Temperature = 30℃

系统就无法区分：

20℃ → 30℃

和：

40℃ → 30℃

这两个完全不同的过程。

它们最终都得到：

30℃

但认知意义不同。

因此：

状态使属性从“一个值”变成“一个当前过程中的状态”。

14.3 Change：属性的变化

如果 Value 是：

现在是多少。

State 是：

现在处于什么状态。

那么 Change 解决的是：

“它发生了什么变化？”

例如：

Pressure(t1) = 2N
Pressure(t2) = 3N

那么：

$Δ P ress u re = 3 - 2 = 1 N$

属性发生了变化。

可以表示：

Pressure
2N → 3N
Change = +1N

Change 并不只是简单的数学差值。

在认知系统中，变化本身就是一种信息。

例如：

压力增加

可能意味着：

机器人正在用力抓取；
物体正在被压紧；
接触面积正在改变；
摩擦状态正在变化；
物体可能正在发生形变。

因此：

变化不是属性的附属信息，而是认知对象状态的重要组成部分。

14.3.1 没有变化，属性仍然具有意义

例如：

Pressure = 3N
Change = 0

这并不是“没有信息”。

它表示：

当前压力保持稳定。

因此：

Change = 0

本身也是一种动态信息。

认知系统需要区分：

没有数据

和：

有数据，但没有变化

二者不能混淆。

14.3.2 变化具有方向

变化至少可以表现为：

Increase
Decrease
Stable

即：

↑
↓
→

例如：

Pressure:
↑

表示压力正在增加。

Pressure:
↓

表示压力正在降低。

Pressure:
→

表示压力基本稳定。

因此，一个属性的认知表示已经从：

Value

扩展成为：

Value + Change

14.4 Rate：变化率

仅仅知道“发生了变化”仍然不够。

认知系统还需要知道：

“变化得有多快？”

这就是 Rate。

例如两个过程：

压力：
1N → 2N

可能用了：

1秒

另一个过程：

压力：
1N → 2N

可能只用了：

0.01秒

最终变化量相同：

Change = +1N

但变化过程完全不同。

变化率为：

$R a t e = Δ t Δ Va l u e$

例如：

$R a t e = 1 s 2 N - 1 N = 1 N / s$

而：

$R a t e = 0.01 s 2 N - 1 N = 100 N / s$

两个过程的最终 Value 和 Change 可以相同，但 Rate 完全不同。

这对于认知非常重要。

14.4.1 变化率影响风险判断

仍然以抓取鸡蛋为例。

假设机器人当前压力：

2N

如果压力缓慢增加：

1.8N
→
1.9N
→
2.0N
→
2.1N

系统可能判断：

压力正在平稳调整。

但是如果出现：

1.8N
→
2.5N
→
4.0N

那么即使最终压力尚未达到某个固定阈值，系统也可能已经发现：

压力变化过快。

因此，机器人真正需要认知的并不是：

“当前压力是多少？”

而是：

当前压力是多少？
+
压力正在如何变化？
+
变化速度是多少？

这就是动态属性的基础。

14.5 Trend：变化趋势

Rate 描述：

现在变化得有多快。

Trend 描述：

这种变化正在朝什么方向发展。

趋势比单次变化更接近认知。

例如：

可以发现：

Trend = Increasing

而：

则是：

Trend = Decreasing

但现实中的属性变化通常不是如此简单。

可能出现：

虽然每一次变化都有升有降，但整体仍然可能表现出：

Trend = Increasing

因此：

Trend 不是单次 Change，而是对一段时间内变化方向的认知。

14.5.1 趋势与变化的区别

必须明确：

Change

描述的是：

两个状态之间发生了什么变化。

而：

Trend

描述的是：

一系列变化形成了什么方向。

例如：

t1 = 10
t2 = 12

得到：

Change = +2

如果继续：

t3 = 14
t4 = 17
t5 = 20

那么系统可以进一步形成：

Trend = Increasing

因此：

Value
 ↓
Change
 ↓
Rate
 ↓
Trend

实际上形成了一个逐渐增强的动态认知层级。

14.6 五种属性信息不是五个孤立字段

到这里，我们得到：

Value
State
Change
Rate
Trend

它们并不是五个互相独立的数据。

而是共同描述同一个属性。

例如：

Object = Egg

Attribute = Pressure

Value = 2.8N
State = Increasing
Change = +0.3N
Rate = +0.2N/s
Trend = Increasing

这时系统获得的已经不是一个简单的：

Pressure = 2.8N

而是一组动态认知信息：

鸡蛋当前受到 2.8N 的压力，压力正在增加，最近增加了 0.3N，变化速度约为 0.2N/s，而且整体趋势仍然是增加。

这才开始接近真实世界中的认知。

14.7 从静态属性到动态属性

传统数据模型通常可以表示为：

Object
 ↓
Attribute
 ↓
Value

例如：

Egg
 ↓
Weight
 ↓
50g

这种结构适合记录。

但如果系统需要认知现实世界，就需要扩展为：

Object
 ↓
Attribute
 ├── Value
 ├── State
 ├── Change
 ├── Rate
 └── Trend

于是：

Egg
 ↓
Pressure
 ├── Value = 2.8N
 ├── State = Increasing
 ├── Change = +0.3N
 ├── Rate = +0.2N/s
 └── Trend = Increasing

这意味着：

属性不再是对象的静态标签，而成为对象当前动态状态的一个认知通道。

14.8 动态属性与时间

动态属性离不开时间。

如果没有时间：

Value = 3

只是一个值。

加入时间：

t1 → Value = 2
t2 → Value = 3

才能得到：

Change = +1

继续加入时间间隔：

Δt = t2 - t1

才能得到：

Rate = ΔValue / Δt

再观察更长时间：

t1
t2
t3
t4
t5

才能形成：

Trend

所以：

时间
 ↓
Value序列
 ↓
Change
 ↓
Rate
 ↓
Trend

是动态属性形成的重要基础。

14.9 动态属性不是简单的数据采集

这里必须进一步区分：

数据变化

和：

认知变化

数据变化只是：

10 → 12

而认知系统需要继续判断：

为什么变化？
变化是否正常？
变化是否稳定？
变化是否危险？
变化是否符合当前目标？
变化是否意味着对象状态正在改变？

因此：

Data Change

只是动态属性的输入。

真正的认知过程是：

数据变化
 ↓
变化识别
 ↓
状态识别
 ↓
变化率分析
 ↓
趋势判断
 ↓
关系分析
 ↓
认知匹配

这也为后面的动态认知匹配奠定基础。

14.10 从“属性值”进入“属性过程”

传统对象模型：

Object
 ↓
Attribute
 ↓
Value

更适合回答：

“这个对象有什么？”

动态认知模型：

Object
 ↓
Attribute
 ↓
Value
 ↓
State
 ↓
Change
 ↓
Rate
 ↓
Trend

则进一步回答：

“这个对象的属性现在是什么状态？”

“这个属性发生了什么变化？”

“变化速度如何？”

“这种变化正在朝什么方向发展？”

于是，属性从一个：

值

转变成为：

过程。

这是本章最重要的理论转变。

14.11 动态属性是认知的时间入口

对象本身可能相对稳定。

但对象属性不断变化。

例如：

对象：鸡蛋

对象身份在短时间内没有改变。

但是：

压力
接触面积
摩擦
位置
速度
形变
温度

都可能变化。

因此，认知系统实际上不是只认识：

Egg

而是在不断认识：

Egg(t1)
Egg(t2)
Egg(t3)
Egg(t4)
...

于是：

$O bj ec t (t)$

可以被理解为：

$O bj ec t (t) = {A tt r ib u t e_{1} (t), A tt r ib u t e_{2} (t), \dots, A tt r ib u t e_{n} (t)}$

对象的动态认知，也就成为对象属性动态变化的综合结果。

14.12 从动态属性走向动态认知

本章并不试图在这里直接解决“认知匹配”。

本章只完成一个基础理论转换：

把属性从静态数据转换为动态信息。

形成：

Value
 ↓
State
 ↓
Change
 ↓
Rate
 ↓
Trend
 ↓
Dynamic Attribute

而下一步的问题自然产生：

如果一个对象同时存在多个动态属性，那么认知系统如何把这些属性放在一起进行判断？

例如鸡蛋：

压力 ↑
摩擦 ↓
滑移 ↑
形变 ↑

这些属性不是独立存在的。

它们之间存在动态关系。

于是：

多个动态属性
       ↓
属性协同
       ↓
动态关系
       ↓
动态匹配
       ↓
认知

这就进入后面的动态属性关系与认知匹配理论。

本章小结

本章建立了一个重要原则：

属性不是静态值，而是随时间变化、具有状态、变化量、变化率和变化趋势的动态认知信息。

可以将本章模型概括为：

                Object
                   │
                   ↓
               Attribute
                   │
        ┌──────────┼──────────┐
        ↓          ↓          ↓
      Value      State      Change
                              │
                              ↓
                             Rate
                              │
                              ↓
                            Trend

进一步可以写成：

$A (t) = {V (t), S (t), Δ A (t), R (t), T (t)}$

其中：

Value：当前属性值；
State：当前属性状态；
Change：属性发生的变化；
Rate：属性变化的速度；
Trend：属性在一段时间内形成的变化趋势。

由此，认知系统开始从：

“对象有什么属性？”

进入：

“对象的属性正在发生什么？”

而这一步，是从静态对象认知走向动态认知的关键。

下一章将进一步研究：

第15章动态属性：Attribute(t)

重点不再只是解释“属性会变化”，而是建立属性随时间变化的正式表示方法，使动态属性能够进入后续的对象状态、关系计算和动态认知匹配。

第14章 属性不是静态值

第14章 属性不是静态值

14.1 Value：属性的值

14.2 State：属性的状态

14.3 Change：属性的变化

14.3.1 没有变化，属性仍然具有意义

14.3.2 变化具有方向

14.4 Rate：变化率

14.4.1 变化率影响风险判断

14.5 Trend：变化趋势

14.5.1 趋势与变化的区别

14.6 五种属性信息不是五个孤立字段

14.7 从静态属性到动态属性

14.8 动态属性与时间

14.9 动态属性不是简单的数据采集

14.10 从“属性值”进入“属性过程”

14.11 动态属性是认知的时间入口

14.12 从动态属性走向动态认知

本章小结

第15章 动态属性：Attribute(t)