第32章 个体目标
如果说经验决定一个个体“曾经经历过什么”，记忆决定这些经历“留下了什么”，先验决定个体“在事情发生之前相信什么”，偏差决定个体“更容易相信什么”，那么目标决定的则是：
个体现在究竟想要什么。
目标是个体认知系统中一个非常重要、但容易被忽略的变量。
同一个对象，在相同的环境中，甚至在完全相同的感知条件下，只要个体目标发生变化，认知匹配就可能发生变化。
例如，一个人看到一只玻璃杯。
杯子的对象身份没有变化。
杯子的属性没有变化。
杯子的温度没有变化。
杯子的重量没有变化。
杯子的当前位置也没有变化。
但是，如果这个人的目标不同，他对同一个杯子的认知可能完全不同。
如果目标是：
把杯子拿起来。
那么重量、位置、握持方式、稳定性等属性的重要程度会提高。
如果目标是：
保护杯子不被打碎。
那么材质、脆弱程度、压力、接触面积、运动速度等属性的重要程度会提高。
如果目标是：
快速把杯子移动到另一个位置。
那么时间、距离、速度等属性的权重可能提高。
因此，目标并不是认知产生之后才出现的附属信息。
目标会参与认知本身。
32.1 目标是什么
在一般意义上，目标可以理解为个体希望达到的某种结果。
但是，在认知工程中，仅仅把目标定义成“希望达到的结果”是不够的。
因为工程系统需要知道：
目标如何进入认知过程？
因此，本书把目标定义为：
目标是个体在特定情境下希望使系统状态向某一方向变化的认知约束。
这里有一个非常重要的词：
约束。
目标不是简单地告诉系统：
“我要做什么。”
而是在告诉认知系统：
“在当前情况下，哪些变化更重要，哪些结果更值得获得，哪些结果必须避免。”
例如：
目标：抓取鸡蛋这句话本身的信息量非常有限。
如果进一步定义：
任务目标：完成抓取
保护目标：鸡蛋不破裂
稳定目标：抓取过程中不滑落
效率目标：尽可能快速完成那么认知系统面对同一个鸡蛋时，就会产生不同的评价方向。
于是：
目标
↓
关注对象属性
↓
调整属性权重
↓
改变匹配结果
↓
改变认知概率
↓
改变行为选择这说明目标不是行为之后的解释变量，而是认知过程中的参与变量。
32.2 目标与对象
对象本身不会因为个体目标发生变化而自动改变。
例如：
Object = Egg鸡蛋仍然是鸡蛋。
它的基本属性仍然存在：
Material = Eggshell
Weight = ...
Shape = ...
Fragility = ...
Surface = ...但是，个体对这些属性的关注程度会发生变化。
因此需要区分两个概念：
对象属性与：
目标相关属性对象属性属于对象。
目标相关属性则属于：
对象属性在当前目标下的认知意义。
例如：
Egg
├── Weight
├── Shape
├── Fragility
├── Surface
└── Temperature这些属性都属于对象。
但是当目标是：
保护鸡蛋时：
Fragility
Pressure
Deformation
Slip可能成为高度重要的认知因素。
而当目标是：
识别鸡蛋时：
Shape
Color
Size
Surface可能更加重要。
因此：
属性的重要性并不是完全由对象本身决定的。
它还受到个体当前目标的影响。
32.3 目标与属性权重
第24章已经讨论了匹配权重。
第25章进一步讨论了动态权重。
到了本章，可以继续增加一个非常重要的变量：
目标权重。
假设对象存在四个属性：
A
B
C
D在一般情况下，它们可能具有：
W_A
W_B
W_C
W_D但是，当目标发生变化时，权重可以发生改变：
Goal₁ → W_A₁, W_B₁, W_C₁, W_D₁
Goal₂ → W_A₂, W_B₂, W_C₂, W_D₂因此：
同一个对象
+
同一组属性
+
不同目标
↓
不同属性权重进一步：
不同属性权重
↓
不同匹配强度
↓
不同概率
↓
不同认知这就是目标影响认知的基本机制。
32.4 目标不是简单的“任务名称”
工程系统中一个常见错误，是把目标直接表示成一个字符串。
例如：
goal = "抓鸡蛋"这种表示方式对于记录任务名称可能足够，但对于认知系统来说远远不够。
因为：
“抓鸡蛋”并没有说明认知系统应该关注什么。
更完整的目标应该包含目标方向、优先级、约束和期望状态。
例如：
Goal
├── Objective
├── Priority
├── Constraint
├── ExpectedState
├── Risk
└── Preference于是：
Goal = PickEgg可以进一步形成：
Objective:
完成抓取
Constraint:
不破裂
Preference:
稳定
Risk:
滑落
ExpectedState:
鸡蛋进入目标位置这样，目标才真正能够进入认知计算。
32.5 目标与状态
目标必须与状态联系起来。
因为目标本质上描述的是：
当前状态与期望状态之间的差异。
例如：
Current State:
Egg on table目标：
Egg in hand于是：
Current State
↓
Target State
↓
State Difference
↓
Cognitive Evaluation认知系统开始判断：
当前状态距离目标还有多远？这会直接影响下一步认知。
例如：
鸡蛋距离手很近系统可能认为：
可以开始抓取。
如果：
鸡蛋距离手较远系统可能首先关注：
如何接近。
如果：
鸡蛋已经在手中，但压力过大系统关注的就不再是“是否抓到”，而是：
如何降低压力并保持稳定。
因此，同一个对象在不同阶段，因为目标状态差异，也会产生不同的认知重点。
32.6 目标与动态状态
目标不仅影响静态属性，也影响动态变化的解释。
例如抓取鸡蛋时：
Pressure ↑单独看这个变化，只能说明压力增加。
但是如果目标是：
保护鸡蛋那么：
Pressure ↑
+
Fragility
+
Deformation ↑可能意味着：
当前操作正在接近危险状态。
如果目标是：
快速完成抓取那么同样的压力变化可能被解释为：
当前抓取动作正在快速建立稳定接触。
所以：
动态变化本身并不一定直接产生认知，它需要在目标背景下被解释。
这也是认知与单纯数据处理的重要区别。
32.7 多目标
现实中的个体通常不是只有一个目标。
例如抓鸡蛋时，同时存在：
目标A：完成抓取
目标B：保护鸡蛋
目标C：保持稳定
目标D：节省时间这些目标甚至可能相互冲突。
例如：
速度 ↑可能有利于：
效率但是可能增加：
冲击从而增加：
损伤风险于是出现：
效率目标
↕
安全目标认知系统必须进行目标之间的协调。
因此：
个体认知不是单目标优化，而可能是多目标条件下的动态认知过程。
32.8 目标冲突
目标冲突是个体认知复杂性的重要来源。
例如：
Goal A：速度最大化
Goal B：损伤最小化如果提高速度会增加损伤风险，那么两个目标之间就存在冲突。
可以表示为：
Speed ↑
↓
Efficiency ↑
Speed ↑
↓
Impact ↑
↓
Damage Risk ↑此时认知系统不能简单地说：
“速度越快越好。”
也不能简单地说：
“速度越慢越安全。”
而必须结合当前情境判断：
速度收益
+
风险成本
+
目标优先级最终形成综合认知。
32.9 目标优先级
当多个目标存在冲突时，就需要目标优先级。
例如：
Goal₁：安全
Priority = High
Goal₂：任务完成
Priority = Medium
Goal₃：速度
Priority = Low此时：
安全
>
任务完成
>
速度那么认知系统在发生冲突时，就应该优先保护高优先级目标。
这说明：
目标不仅改变属性权重，还可以改变整个认知评价函数。
于是：
Goal
↓
Goal Priority
↓
Attribute Weight
↓
Matching
↓
Probability
↓
Cognition32.10 目标与个体差异
目标进一步说明了为什么：
个体认知不能被简单地理解为统一认知模型。
两个个体面对完全相同的对象：
Object = Egg当前状态也完全相同：
Pressure = P
Slip = S
Deformation = D但是：
Individual A
Goal = Safety
Individual B
Goal = Speed那么两个个体对当前状态的评价可能不同。
可以表示为：
Same Object
+
Same State
+
Different Goal
↓
Different Weight
↓
Different Matching
↓
Different Probability
↓
Different Cognition因此，个体认知差异不仅来自过去。
还来自：
当前正在追求什么。
32.11 目标会变化
目标不是永久不变的。
个体可能在任务过程中改变目标。
例如：
开始：
Goal = Pick Egg当鸡蛋已经抓到之后：
Goal = Stabilize Egg如果发现压力过高：
Goal = Reduce Pressure如果发现鸡蛋正在滑落：
Goal = Prevent Slip于是：
Goal(t)本身也是一个动态变量。
这与第14章到第17章建立的动态属性体系形成了对应关系。
不仅：
Attribute(t)是动态的，
目标也可以表示为：
Goal(t)因此：
Dynamic Attribute
+
Dynamic State
+
Dynamic Goal共同参与动态认知匹配。
32.12 目标改变认知关注范围
个体不可能在每一个时刻对所有信息保持同样程度的关注。
目标会形成一种“认知选择”。
例如：
对象：
鸡蛋
属性：
颜色
大小
重量
温度
压力
摩擦
滑移
形变
位置
速度如果目标是：
识别鸡蛋可能主要关注：
颜色
形状
大小如果目标是：
抓取鸡蛋可能主要关注：
位置
大小
重量
摩擦如果目标是：
保护鸡蛋可能重点关注：
压力
形变
滑移
材料承受能力因此：
目标可以决定认知系统在当前时刻“看什么、重视什么以及忽略什么”。
这里的“看”并不只是视觉意义上的看，而是认知意义上的关注。
32.13 目标进入认知匹配
到这里，可以进一步扩展第18章建立的认知匹配模型。
原来的匹配可以表示为：
Current State
↓
Matching
↓
Cognition加入目标以后：
Current State
↓
Goal
↓
Goal-oriented Matching
↓
Cognition再结合前面建立的个体变量：
Current State
↓
Experience
Memory
Prior
Bias
Goal
↓
Weight
↓
Dynamic Matching
↓
Probability
↓
Individual Cognition这条链开始真正形成完整的个体认知结构。
32.14 目标与认知概率
目标不仅改变匹配结果，也会改变概率分布。
例如系统观察到：
Pressure ↑如果目标是：
保护鸡蛋那么：
P(Damage | Pressure ↑, Goal=Protection)可能提高。
而如果目标是：
快速抓取系统可能更加关注：
P(TaskSuccess | Pressure ↑, Goal=Speed)这说明概率本身也具有目标条件。
因此：
Probability不能永远被理解成一个脱离上下文的固定数字。
更合理的表示是：
P(Cognition | State, Individual, Goal)也就是说：
认知概率是条件性的。
32.15 目标与行为
目标最终必须能够影响行为。
否则目标只是一个静态标签。
完整过程应该是：
目标
↓
认知匹配
↓
认知
↓
行为选择
↓
行为执行例如：
Goal = Protect Egg当前认知：
Pressure Too High那么可能产生：
Reduce Grip Force如果认知是：
Slip Risk High可能产生：
Increase Support因此：
目标通过认知影响行为，而不是直接跳过认知控制行为。
这一区别非常重要。
本书研究的不是：
Goal → Action而是：
Goal
↓
Cognitive Matching
↓
Cognition
↓
Decision
↓
Action32.16 目标不是命令
因此，在模拟人的认知系统中，需要严格区分：
Goal与：
Command命令通常表示：
“执行某个动作。”
目标表示：
“希望系统最终达到什么状态。”
例如：
Command:
Grab Egg而：
Goal:
Egg safely reaches target position二者完全不同。
命令可以直接驱动动作。
目标则需要经过：
感知
↓
状态判断
↓
匹配
↓
认知
↓
决策
↓
行为才能确定具体动作。
因此：
目标属于认知层，命令属于执行层。
32.17 目标的工程结构
如果把目标真正工程化，可以形成：
Goal
├── id
├── type
├── priority
├── desired_state
├── constraints
├── preferences
├── risk
├── context
└── status其中：
desired_state表示希望达到的状态。
constraints表示不能违反的条件。
preferences表示希望优先满足的条件。
risk表示目标实现过程中需要关注的风险。
context表示目标适用的当前情境。
这样，目标就从一个抽象概念变成了可计算的认知对象。
32.18 目标的动态工程模型
进一步可以定义：
Goal(t)表示：
个体在时间 t 所处认知情境下的当前目标状态。
于是：
Goal(t)
+
State(t)
+
Experience
+
Memory
+
Prior
+
Bias共同决定：
Weight(t)然后：
Weight(t)
↓
Matching(t)
↓
Probability(t)
↓
Cognition(t)于是整个系统开始成为真正的动态认知系统。
32.19 从经验到目标
到目前为止，第28章到第32章已经形成了一条连续链：
经验
↓
记忆
↓
先验
↓
偏差
↓
目标但这里需要特别说明：
目标不是经验、记忆、先验和偏差的简单结果。
目标是一个具有当前性和主动性的变量。
经验告诉个体：
“过去发生过什么。”
记忆保存：
“过去留下了什么。”
先验告诉个体：
“事情发生前我预计什么。”
偏差影响：
“我倾向于如何解释。”
而目标告诉系统：
“现在我要让什么发生。”
因此，目标使个体认知从被动解释进一步进入主动认知。
32.20 从目标到个体认知
现在可以重新整理整个过程：
感觉
↓
感知元素
↓
对象
↓
属性
↓
动态变化
↓
动态状态
↓
认知匹配
↓
经验
↓
记忆
↓
先验
↓
偏差
↓
目标
↓
目标约束
↓
属性权重
↓
匹配强度
↓
概率
↓
个体认知这里有一个关键变化：
目标不是放在认知形成之后。
它位于：
个体历史信息与当前认知匹配之间。
因此：
个体历史
+
当前目标
↓
当前匹配条件
↓
个体认知这使得认知真正具有“个体性”和“情境性”。
32.21 一个完整例子：同一个鸡蛋，不同目标
假设两个系统面对同一个鸡蛋。
当前状态完全相同：
Pressure = 0.6
Slip = 0.2
Deformation = 0.1
Velocity = 0.3系统A的目标：
保护鸡蛋系统B的目标：
快速完成任务系统A可能提高：
Fragility Weight
Pressure Weight
Deformation Weight
Slip Weight系统B可能提高：
Velocity Weight
Distance Weight
Task Completion Weight因此：
同一输入
+
不同目标
↓
不同权重
↓
不同匹配
↓
不同概率
↓
不同认知最终可能出现：
A：
“当前压力偏高，需要降低夹持力度。”
B：
“当前抓取已经稳定，可以继续移动。”两者并不是谁“看错了”。
而是：
他们正在解决不同的认知问题。
这正是个体认知的重要特征。
32.22 目标使认知具有方向性
如果没有目标，认知系统可以不断描述环境：
这里有一个鸡蛋。
鸡蛋是椭圆形。
鸡蛋重量约为……
压力为……
位置为……但是这些信息并不会自动告诉系统：
下一步应该关注什么。
目标提供了方向。
因此可以提出一个重要观点：
感知提供信息，认知解释信息，目标决定当前认知的方向。
进一步：
感知
↓
信息
↓
认知匹配
↑
目标
↓
认知方向因此，个体认知不是单纯的数据累积。
它是：
在目标约束下对环境信息进行选择、比较、评价和解释的过程。
32.23 本章形成的理论模型
经过本章，可以正式建立：
Individual
↓
Experience
↓
Memory
↓
Prior
↓
Bias
↓
Goal
↓
Goal Constraint
↓
Weight
↓
Dynamic Matching
↓
Probability
↓
Individual Cognition
↓
Decision
↓
Behavior其中：
Experience
Memory
Prior
Bias主要描述：
个体过去形成的认知背景。
而：
Goal描述：
个体当前的认知方向。
二者共同决定：
Current Cognitive Condition最终进入：
Dynamic Matching32.24 本章结论
第32章最重要的结论不是“目标会影响行为”。
而是：
目标会在行为产生之前改变认知匹配本身。
因此：
相同感觉
+
相同对象
+
相同属性
+
相同状态
+
相同历史
+
不同目标仍然可能产生：
不同权重
↓
不同匹配
↓
不同概率
↓
不同认知
↓
不同决策
↓
不同行为这说明：
个体认知不仅由“我过去是什么样”决定，也由“我现在想达到什么”决定。
到这里，第28章的经验、第29章的记忆、第30章的先验、第31章的偏差和第32章的目标已经形成一个完整的个体认知背景结构：
个体
│
┌───────┼───────┐
↓ ↓ ↓
经验 记忆 先验
│ │ │
└───────┼───────┘
↓
偏差
↓
当前个体认知背景
↑
目标
↓
当前认知方向
↓
属性权重
↓
动态认知匹配
↓
概率
↓
个体认知下一步进入第33章 个体认知形成，将把前面建立的感觉、元素、对象、属性、动态状态、认知匹配、概率，以及经验、记忆、先验、偏差、目标全部汇合，正式建立完整的个体认知形成模型。