第33章 个体认知形成
前面的章节已经分别建立了感觉、元素、对象、属性、动态变化、认知匹配、概率以及个体经验、记忆、先验、偏差和目标等概念。
但这些概念如果只是彼此独立存在，它们仍然不能构成完整的认知理论。
因为真正需要回答的问题是：
一个个体究竟是如何从当前感知到的信息，结合自己过去形成的经验、记忆和先验，在当前目标和认知偏差的作用下，通过动态匹配形成属于自己的认知？
这就是本章要解决的问题。
本章不是简单把前面的概念重新排列，而是要建立一个完整的个体认知形成过程。
从本章开始，前面建立的各个理论对象开始进入同一个认知过程。
其基本链条可以表示为：
感觉
↓
元素
↓
对象
↓
属性
↓
动态变化
↓
匹配
↓
经验
↓
记忆
↓
先验
↓
偏差
↓
目标
↓
个体权重
↓
概率
↓
个体认知
这条链不是严格意义上的单向流水线。
真正的个体认知过程更接近一个动态循环：
当前感觉
↓
当前元素
↓
当前对象
↓
当前属性
↓
当前状态与变化
↓
当前匹配
↑
经验 / 记忆 / 先验
↑
偏差
↑
目标
↓
动态权重
↓
认知概率
↓
个体认知
↓
决策
↓
行为
↓
环境变化
↓
新的感觉
因此，个体认知并不是系统接收到信息之后产生的一个固定结果。
它是一个持续形成、持续更新、持续受到个体自身影响的动态过程。
33.1 从共同感知到个体认知
假设两个人同时看到一个鸡蛋。
他们接收到的外部对象是相同的。
鸡蛋具有：
颜色
形状
大小
位置
重量
硬度
表面状态
如果进一步通过触觉和压力感知，还可能获得：
压力
摩擦
滑移
形变
温度
从纯粹的外部信息来看，两个人面对的是同一个对象。
因此可以假设：
感觉 ≈ 相同
元素 ≈ 相同
对象 ≈ 相同
属性 ≈ 相同
当前状态 ≈ 相同
但是，这并不意味着两个人最终形成的认知一定相同。
一个人可能认为：
“这个鸡蛋很容易破，应该轻一点拿。”
另一个人可能认为：
“这个鸡蛋状态正常，可以直接拿起来。”
如果两个人看到的是同一个鸡蛋，为什么认知不同？
区别并不一定来自当前对象本身。
区别可能来自：
经验不同
记忆不同
先验不同
偏差不同
目标不同
因此：
个体认知不能仅由当前感知信息决定。
更准确地说：
个体认知
=
当前信息
+
个体历史
+
个体内部状态
+
当前目标
这就是从一般认知进入个体认知的关键。
33.2 感觉不是认知
在个体认知形成之前，必须再次明确感觉和认知之间的区别。
例如，一个人看到一个红色物体。
感觉系统可能产生：
颜色：红
亮度：中
位置：前方
轮廓：圆形
这些都是当前感知结果。
但是：
“这是一个苹果。”
已经不是单纯的感觉。
进一步：
“这个苹果可以吃。”
也不是单纯的感觉。
再进一步：
“这个苹果可能还没有完全成熟。”
则更加不是直接感觉。
这些判断都已经进入认知过程。
因此可以区分：
感觉
↓
感知信息
↓
元素
↓
对象
↓
属性
↓
状态
↓
匹配
↓
认知
感觉回答的是：
我感受到了什么？
而认知回答的是：
这些信息对我意味着什么？
两者之间存在一个重要的转换过程。
这个转换过程就是认知匹配。
33.3 元素是个体认知的基础单位
前面的理论已经说明，感知并不是一个不可分割的整体。
系统可以将感知结果组织成多个元素。
例如面对一个鸡蛋：
Element 1：颜色
Element 2：形状
Element 3：大小
Element 4：位置
Element 5：压力
Element 6：摩擦
Element 7：滑移
Element 8：形变
这些元素本身并不等于完整认知。
它们只是构成认知的基础信息。
例如：
压力增加
只是一个元素变化。
但是：
压力增加
+
滑移增加
+
形变增加
可能意味着：
当前抓取方式正在接近鸡蛋的危险状态。
这里已经发生了从元素到状态的组合。
因此：
Element
↓
Element Relation
↓
Attribute
↓
Object State
而个体认知系统真正处理的，是这些元素之间不断发生的组合、变化和匹配。
33.4 对象是认知组织的中心
当元素被组织起来之后，认知系统开始形成对象。
例如：
颜色 = 白
形状 = 椭圆
尺寸 = 小
位置 = 桌面
这些元素组合起来以后，系统可能形成：
Object = Egg
对象形成之后，属性才能被组织到对象内部：
Egg
├── Color
├── Shape
├── Size
├── Position
├── Pressure
├── Friction
├── Slip
└── Deformation
因此，个体认知并不是直接面对大量孤立元素。
它逐渐建立：
元素
↓
对象
↓
对象属性
↓
对象状态
对象成为个体认知系统组织信息的重要中心。
33.5 属性使对象获得认知意义
“对象是什么”只是认知的第一层。
真正决定对象在当前情况下意味着什么的，是对象的属性及其状态。
例如：
Object = Egg
只是说明：
当前对象被识别为鸡蛋。
但是：
Egg
+
Pressure
+
Friction
+
Slip
+
Deformation
开始说明：
这个鸡蛋当前是否适合继续抓取。
因此：
对象
↓
属性
↓
属性状态
↓
对象状态
对象从一个身份概念，逐渐变成一个可以被认知、判断和处理的动态实体。
33.6 动态变化使认知从“是什么”进入“正在发生什么”
如果只观察一个对象在某一时刻的属性，系统只能知道：
它现在是什么样。
但是人的实际认知往往不仅关心当前状态，还关心：
它正在发生什么？
例如：
Pressure(t0) = 2
Pressure(t1) = 3
Pressure(t2) = 5
系统发现：
Pressure ↑
同时：
Slip(t0) = 0
Slip(t1) = 1
Slip(t2) = 3
于是发现：
Pressure ↑
+
Slip ↑
再观察：
Deformation ↑
于是系统形成一个动态关系：
压力增加
↓
摩擦变化
↓
滑移增加
↓
形变增加
这已经不再是单个属性判断。
它是一个动态状态。
因此：
个体认知的输入不是单一属性，而是对象及其属性在时间中的变化。
33.7 匹配是从信息到认知的中间过程
当前信息出现之后，系统不能直接跳到“认知”。
中间必须存在匹配过程。
例如系统当前观察到：
Object = Egg
Pressure = High
Slip = Increasing
Deformation = Increasing
系统可能匹配到已有模式：
危险抓取状态
但是这种匹配并不是绝对的。
因为：
Pressure = High
并不一定意味着危险。
如果：
EggShellStrength = High
或者当前：
Slip = Stable
Deformation = None
那么认知结果可能不同。
因此，认知不是：
一个属性
↓
一个结论
而是：
多个属性
+
属性变化
+
属性关系
+
对象状态
+
历史知识
↓
匹配
↓
认知
33.8 个体经验进入匹配过程
到了这里，个体开始真正进入认知系统。
假设有两个个体：
Individual A
Individual B
他们看到同一个鸡蛋，并获得相同的当前信息：
Pressure = 4
Slip = 1
Deformation = 0
但是：
A曾经打碎过鸡蛋
B很少接触鸡蛋
那么两个人对同样的信息可能产生不同反应。
A可能更加关注：
Slip
Deformation
Pressure Trend
而B可能更加关注：
Object Identity
Position
Size
因此：
相同当前信息
+
不同经验
↓
不同属性关注程度
↓
不同匹配
↓
不同认知
这说明经验并不是认知形成之后才被调用的附加信息。
经验本身会参与认知形成。
33.9 记忆不是经验的简单复制
经验进入个体系统之后，还需要通过记忆形成可调用的信息。
例如某个个体过去经历过：
鸡蛋
+
压力过大
+
最终破裂
这次经历可以形成一种记忆：
Object = Egg
Condition = Pressure Increasing
Outcome = Damage
以后再次遇到类似情况时，系统可以调用这段记忆。
于是：
当前状态
+
历史记忆
↓
相似性匹配
↓
风险判断
这里需要特别注意：
记忆不是简单保存过去发生过什么，而是保存未来认知过程中可能再次被调用的信息结构。
因此记忆必须能够参与匹配。
例如：
Memory
{
object: egg,
pressure: increasing,
deformation: increasing,
result: damage
}
当当前状态出现：
egg
+
pressure increasing
+
deformation increasing
系统就可以进行：
Current State
↓
Memory Matching
↓
Similarity
↓
Risk Recognition
这就是记忆进入认知过程的工程意义。
33.10 先验使认知具有“预期”
经验和记忆主要来自已经发生过的事情。
先验则进一步解决：
事情还没有完全发生之前，我已经有什么预期？
例如，一个人看到：
玻璃杯
即使没有触碰它，也可能预期：
它容易破
这种判断不一定来自当前测量到的压力或形变。
它可能来自：
过去经验
+
长期知识
+
先验判断
因此先验可以参与当前匹配：
Current Object
↓
Prior Knowledge
↓
Expected State
↓
Current Matching
于是个体认知不再只是：
当前发生了什么？
还包含：
按照我已有的知识，它可能发生什么？
33.11 偏差改变认知的方向
即使两个个体拥有相似经验和相似先验，他们也可能存在不同偏差。
例如面对同一个对象：
Individual A
倾向于高估风险。
而：
Individual B
倾向于低估风险。
当前状态完全相同：
Risk Signal = 0.5
但由于个体偏差不同：
A → Risk Perception = High
B → Risk Perception = Low
这说明：
偏差并不一定改变外部事实，但会改变个体对事实的解释方式。
从工程角度看，偏差可以作用于：
匹配强度
匹配权重
风险阈值
概率修正
例如：
Base Score
↓
Individual Bias
↓
Adjusted Score
↓
Probability
这样，偏差就从心理概念进入了可计算的认知结构。
33.12 目标改变认知关注点
认知不仅受到过去影响，还受到当前目标影响。
假设同一个人面对同一个鸡蛋。
如果目标是：
保护鸡蛋
那么系统会重点关注：
压力
滑移
形变
损伤概率
如果目标变成：
快速移动鸡蛋
那么系统可能更加关注：
速度
位置
移动时间
路径
对象没有改变。
属性没有改变。
当前环境也没有改变。
改变的是：
Goal
因此：
Goal
↓
Attention
↓
Weight
↓
Matching
↓
Cognition
目标实际上决定了：
在当前认知任务中，什么信息值得被重点处理。
33.13 个体权重的形成
到了这里，个体认知系统已经拥有多个影响来源：
当前属性
当前状态
历史经验
记忆
先验
偏差
目标
这些因素共同作用于匹配权重。
可以抽象表示为：
W_individual
=
f(
Current State,
Experience,
Memory,
Prior,
Bias,
Goal
)
这里的 f 不一定必须是一个固定数学函数。
在不同认知系统中，它可以由：
规则
+
统计
+
权重
+
状态
+
历史
共同实现。
关键并不是先规定一个复杂公式，而是明确理论关系：
个体权重不是对象属性自身固有的权重，而是当前个体在特定认知情境下形成的权重。
例如：
Object Attribute:
Pressure
它本身只是属性。
但是对于：
Goal = Protect Egg
压力可能获得高权重。
而对于：
Goal = Identify Egg
压力可能几乎没有作用。
所以：
Attribute Weight
不是绝对值。
它是：
Individual
+
Context
+
Goal
+
Experience
+
State
共同作用后的结果。
33.14 从个体权重到认知概率
权重变化之后，系统开始对不同认知结果形成不同程度的支持。
例如当前存在三个可能认知：
C1 = Stable
C2 = Risky
C3 = Damage Imminent
当前状态：
Pressure ↑
Slip ↑
Deformation ↑
经过个体权重调整之后：
C1 = 0.10
C2 = 0.55
C3 = 0.35
这里的概率并不意味着系统已经获得绝对真相。
它表达的是：
在当前信息、当前个体模型和当前匹配条件下，各种认知假设得到支持的程度。
因此：
Matching
↓
Score
↓
Weight
↓
Probability
而不是：
Matching
↓
Absolute Truth
这也是认知系统与简单规则系统的重要区别。
33.15 概率不是认知本身
需要特别区分：
Probability
和：
Cognition
概率表示：
某种认知假设当前获得了多大程度的支持。
认知则是系统当前形成的解释或判断。
例如：
Probability:
Damage = 0.72
Stable = 0.28
系统形成的认知可能是：
“当前抓取状态存在较高损伤风险。”
因此：
Probability
↓
Cognitive Interpretation
概率是认知形成的重要依据，但不能简单等同于认知。
33.16 个体认知不是客观事实的复制
这是个体认知理论最重要的区别之一。
假设客观环境为：
Object = Glass
Pressure = Increasing
客观状态是一个外部事实。
但是个体认知可能分别是：
A：
“可能马上破裂。”
B：
“暂时没有问题。”
C：
“应该降低压力。”
三个认知结果并不意味着三个不同的玻璃杯。
而意味着：
同一客观状态
+
不同个体模型
↓
不同认知
因此：
个体认知是个体对当前状态形成的内部解释，而不是客观世界本身。
这一点对于模拟人的认知尤其重要。
如果机器系统只保存：
World State
它只能描述世界。
如果系统进一步保存：
Individual Cognitive State
它才开始描述：
这个个体是如何理解世界的。
33.17 个体认知状态
因此，系统需要同时维护两类状态。
第一类：
World State
描述外部对象：
Object
Attribute
State
Relation
Change
第二类：
Individual Cognitive State
描述个体自身：
Attention
Weight
Expectation
Risk
Interpretation
Confidence
Goal
两者之间存在映射：
World State
↓
Perception
↓
Matching
↑
Individual Model
↓
Cognitive State
因此：
World State ≠ Cognitive State
这是整个个体认知工程的重要基础。
33.18 个体认知的形成不是一次计算
人的认知具有连续性。
例如一个人正在拿鸡蛋。
第一时刻：
Pressure = Low
Slip = None
Deformation = None
系统形成：
Cognition = Stable
第二时刻：
Pressure = Medium
Slip = Slight
Deformation = None
认知可能变成：
Cognition = Attention Required
第三时刻：
Pressure = High
Slip = Increasing
Deformation = Increasing
认知进一步变成：
Cognition = High Risk
因此：
Cognition(t0)
↓
Cognition(t1)
↓
Cognition(t2)
认知本身也是动态状态。
这意味着系统不能只保存：
Current Cognition
还应该能够保存：
Previous Cognition
Current Cognition
Cognition Change
从而形成：
Cognitive State
+
Cognitive Change
33.19 个体认知具有历史性
一个个体在当前时刻的认知，不能完全脱离过去。
可以抽象为：
Cognition(t)
=
F(
Perception(t),
Object(t),
Attribute(t),
State(t),
Experience,
Memory,
Prior,
Bias,
Goal
)
这里最重要的是：
Experience
Memory
Prior
Bias
Goal
并不属于当前对象本身。
它们属于：
Individual
因此可以进一步写成：
Cognition(t)
=
F(
World(t),
Individual(t)
)
其中：
World(t)
表示当前外部状态。
Individual(t)
表示当前个体内部认知条件。
于是：
个体认知实际上是外部世界状态与个体内部状态共同作用的结果。
33.20 个体认知具有情境性
同一个个体面对同一个对象，也不一定每次形成完全相同的认知。
因为：
Context
可能改变。
例如：
场景A：厨房
场景B：实验室
场景C：运输过程
即使对象相同：
Egg
当前目标、风险、时间压力和环境条件也可能不同。
因此：
Individual
+
Object
+
Context
共同决定认知。
这意味着个体认知不能被简单设计为：
Object → Fixed Cognition
而应该是：
Object
+
Context
+
Individual State
↓
Dynamic Matching
↓
Cognition
33.21 个体认知形成的完整结构
到这里，可以把本书前面建立的理论统一起来。
完整过程可以表示为：
External World
↓
Feeling
↓
Perception
↓
Elements
↓
Object
↓
Attributes
↓
Dynamic Attributes
↓
Dynamic Relations
↓
Dynamic State
↓
Matching
↑
│
┌────┼────┐
│ │ │
经验 记忆 先验
│ │ │
└────┼────┘
│
偏差
│
目标
↓
Individual Weight
↓
Matching Score
↓
Probability
↓
Cognition
这就是本书到目前为止建立起来的核心认知形成链。
33.22 从一般认知到个体认知
前面的认知匹配理论主要解决：
当前信息如何形成认知？
而个体认知进一步解决：
为什么不同个体面对相同信息，会形成不同认知？
两者之间的区别可以表示为：
一般认知：
Current Information
↓
Matching
↓
Cognition
而：
个体认知：
Current Information
+
Individual Experience
+
Memory
+
Prior
+
Bias
+
Goal
↓
Individual Matching
↓
Individual Weight
↓
Probability
↓
Individual Cognition
因此，个体认知不是在一般认知之外增加一个“个人标签”。
而是：
个体因素进入认知匹配过程以后，改变了认知形成机制本身。
这是本章最重要的理论结论。
33.23 个体认知与决策的区别
形成认知之后，并不意味着已经产生行为。
例如：
Cognition:
“鸡蛋存在较高破损风险。”
这只是认知。
接下来系统可能产生：
Decision:
降低抓取压力。
然后才产生：
Behavior:
减小夹持力度。
因此：
Probability
↓
Cognition
↓
Decision
↓
Behavior
不能把这几个层次混为一谈。
认知回答：
我认为现在是什么情况？
决策回答：
在这种情况下，我准备怎么办？
行为回答：
我实际做了什么？
这三个层次将在后面的行为认知理论中继续展开。
33.24 个体认知与学习
个体认知形成之后，系统还没有结束。
因为行为会产生结果。
例如：
Cognition:
高风险
↓
Decision:
降低压力
↓
Behavior:
减小夹持力度
↓
Outcome:
鸡蛋没有破裂
这个结果又可以进入新的经验。
于是：
Experience
↓
Memory
↓
Prior
↓
Future Matching
这就形成了学习循环：
感知
↓
认知
↓
决策
↓
行为
↓
结果
↓
经验
↓
记忆
↓
先验更新
↓
下一次认知
因此个体认知并不是一个封闭系统。
它会因为行为结果而持续变化。
33.25 个体认知是可变化的
如果个体不断获得新的经验：
Experience1
Experience2
Experience3
...
那么：
Memory
会发生变化。
进一步：
Prior
会发生变化。
进一步：
Weight
也可能发生变化。
最终：
Cognition
发生变化。
因此：
Individual Cognition(t0)
≠
Individual Cognition(t1)
并不是因为个体发生了替换，而是因为：
Experience
Memory
Prior
Bias
Goal
在不断变化。
这使得个体认知成为一个具有时间维度的系统。
33.26 个体认知模型的基本形式
为了进入理论工程阶段，可以暂时将个体认知模型抽象为：
Individual Cognitive Model
{
perception,
objects,
attributes,
states,
relations,
experience,
memory,
prior,
bias,
goal,
weights,
probabilities,
cognition
}
其中：
perception
保存当前感知。
objects
保存当前认知对象。
attributes
保存对象属性。
states
保存对象当前状态。
relations
保存对象和属性之间的关系。
experience
保存个体过去形成的经验。
memory
保存可以被再次调用的历史认知信息。
prior
保存认知形成之前已有的预期。
bias
保存个体在判断过程中产生的系统性偏向。
goal
表示当前认知任务的方向。
weights
表示当前情况下不同信息的相对重要程度。
probabilities
表示不同认知假设得到支持的程度。
cognition
表示当前形成的个体认知状态。
33.27 个体认知的最小工程单元
从工程角度来看，一个完整的个体认知并不需要从一开始就实现全部复杂机制。
最小结构可以先建立：
Object
+
Attribute
+
State
+
Individual
+
Matching
+
Cognition
例如：
Object:
Egg
Attributes:
Pressure
Slip
Deformation
State:
RiskIncreasing
Individual:
Person_A
Matching:
Pressure + Slip + Deformation
Cognition:
HighDamageRisk
之后再逐步加入：
Experience
Memory
Prior
Bias
Goal
Weight
Probability
形成更加完整的：
Individual Cognitive Model
因此，理论工程并不要求一开始就把所有东西做成一个巨大系统。
理论首先需要保证：
每一个概念都有明确的位置，每一个概念之间都有明确关系，并且这些关系最终可以被工程实现。
33.28 个体认知形成的核心公式
本章可以给出一个概念性的表达：
Cᵢ(t)
=
F[
P(t),
O(t),
A(t),
S(t),
Eᵢ,
Mᵢ,
Prᵢ,
Bᵢ,
Gᵢ,
Wᵢ(t)
]
其中：
Cᵢ(t)
表示个体 i 在时间 t 的认知状态。
P(t)
表示当前感知。
O(t)
表示当前对象。
A(t)
表示当前属性。
S(t)
表示当前对象状态。
Eᵢ
表示个体经验。
Mᵢ
表示个体记忆。
Prᵢ
表示个体先验。
Bᵢ
表示个体偏差。
Gᵢ
表示个体当前目标。
Wᵢ(t)
表示当前个体权重。
这个公式不是为了在这里给出一个最终数学模型。
它的作用是明确：
个体认知不是一个单输入函数，而是多个动态因素共同作用的结果。
后面的概率认知、学习和理论工程部分，可以继续对这个函数进行形式化。
33.29 个体认知形成的三个层次
综合前面的内容，可以把个体认知形成划分为三个层次。
第一层：世界描述
回答：
外部世界现在是什么状态？
包括：
Object
Attribute
State
Relation
Change
第二层：个体匹配
回答：
这个个体如何理解当前世界？
包括：
Experience
Memory
Prior
Bias
Goal
Weight
第三层：认知形成
回答：
这个个体最终形成了什么认知？
包括：
Matching Score
Probability
Cognition
因此可以形成：
世界状态
↓
个体匹配
↓
个体认知
这三个层次不能混合。
如果混合，系统就会无法区分：
客观世界是什么，
和：
个体认为世界是什么。
而模拟人的认知系统恰恰必须能够区分这两者。
33.30 本章总结
到本章为止，本书已经从最初的感觉和感知逐渐进入个体认知。
完整过程可以重新表示为：
感觉
↓
感知
↓
元素
↓
对象
↓
属性
↓
状态
↓
动态变化
↓
动态关系
↓
认知匹配
↓
匹配强度
↓
匹配权重
↓
概率
↓
认知
而个体认知进一步加入：
经验
↓
记忆
↓
先验
↓
偏差
↓
目标
↓
个体权重
于是最终形成：
感觉
↓
元素
↓
对象
↓
属性
↓
动态变化
↓
匹配
↑
经验
↑
记忆
↑
先验
↑
偏差
↑
目标
↓
个体权重
↓
概率
↓
个体认知
因此，本章可以提出本书关于个体认知的核心判断：
个体认知不是对客观世界的简单复制，而是当前感知、对象属性、动态状态与个体经验、记忆、先验、偏差和目标共同作用后形成的内部认知状态。
进一步说：
同一个世界可以被不同个体以不同方式认知；同一个个体也可以在不同时间、不同目标和不同经验条件下，对同一个对象形成不同认知。
这意味着“个体”不是认知系统外部的一个身份信息，而是认知形成机制内部的重要变量。
最终可以把个体认知模型浓缩为：
外部世界
│
↓
感觉
↓
元素
↓
对象
↓
属性
↓
动态状态
↓
动态匹配
↑
┌─────────┼─────────┐
│ │ │
经验 记忆 先验
│ │ │
└─────────┼─────────┘
↑
偏差
↑
目标
↓
个体权重
↓
概率
↓
个体认知
↓
决策
↓
行为
↓
环境反馈
↓
新的经验
由此，前面建立的感知理论、对象理论、属性理论、动态状态理论、认知匹配理论和概率认知理论，第一次在“个体认知”这一层真正汇合。
下一阶段的问题就不再是：
“个体如何形成认知？”
而是进一步研究：
个体形成的认知如何进入行为，行为又如何反过来改变个体的认知。
这将进入后面的行为认知理论。