第37章 行为预测
前面的章节已经建立了从感知、对象、属性、动态状态、认知匹配到个体认知的完整基础。
但是，人的认知并不只停留在：
“现在发生了什么？”
人还会进一步判断：
“接下来可能发生什么？”
这就是行为预测。
行为预测不是简单地猜测未来，也不是单纯根据过去行为进行机械推断，而是认知系统根据当前状态、历史变化以及个体经验，对可能出现的下一行为进行动态匹配和概率判断。
因此，本章建立：
当前状态
+
历史变化
+
个体经验
↓
行为匹配
↓
行为概率
↓
下一行为预测37.1 什么是行为预测
行为预测是指：
认知系统根据当前可感知状态、对象状态、行为变化、历史行为以及个体经验，对未来可能发生的行为进行匹配、判断和概率估计。
这里需要特别区分：
行为预测不是行为决定。
预测回答的是：
“可能发生什么？”
决策回答的是：
“我要做什么？”
例如，一个人看到另一个人正在向门口移动。
认知系统可能形成：
对象：人
位置：靠近门
运动方向：门
速度：持续
历史状态：已经起身于是可能产生：
下一行为候选：
离开房间
靠近门
打开门
停止系统并不是直接决定这个人一定会打开门，而是根据当前状态和变化，为不同可能行为建立不同的预测概率。
因此：
行为预测 ≠ 行为决定而是：
感知
↓
当前状态
↓
行为匹配
↓
可能行为
↓
概率
↓
预测37.2 行为不是孤立事件
如果把行为简单理解成一个离散事件：
走
停
拿
放
开
关那么系统很难真正理解人的行为。
因为人的行为通常具有连续性。
例如：
手靠近杯子
↓
手继续移动
↓
手接触杯子
↓
手指闭合
↓
杯子被拿起这里并不是发生了一个简单的“拿杯子”事件。
而是多个状态和变化连续发生。
因此，一个行为可以表示为：
Behavior(t)
=
Object
+
Attribute
+
State
+
Change
+
Time
+
Relation行为预测实际上是在预测：
Behavior(t+1)而这个预测需要依赖：
Behavior(t)
Behavior(t-1)
Behavior(t-2)
...因此：
行为预测本质上是对行为动态过程的延伸性认知。
37.3 当前状态是行为预测的起点
预测未来行为之前，系统首先必须知道：
现在是什么状态？
这就是第17章建立的对象动态状态在行为预测中的作用。
例如，一个人的手正在接近一个鸡蛋。
当前系统可能得到：
Object = Egg
Position = Table
HandDistance ↓
HandVelocity →
Contact = False
Pressure = 0
EggState = Stable此时系统并不能直接知道下一步一定是什么。
但它已经拥有了一组非常重要的当前状态信息。
如果继续观察：
HandDistance ↓
HandVelocity →系统会发现：
手正在持续接近鸡蛋。
于是某些行为候选的匹配强度开始增加。
例如：
接触
抓取
移动
停止其中“接触”的预测概率可能首先上升。
因此：
当前状态
↓
状态变化
↓
行为候选是行为预测的第一层结构。
37.4 历史变化决定预测方向
仅仅知道当前状态还不够。
因为相同的当前状态可能对应完全不同的未来行为。
例如：
手距离鸡蛋 5cm这个状态本身并不能说明接下来会发生什么。
如果此前：
手距离
20cm
↓
15cm
↓
10cm
↓
5cm说明手正在持续靠近。
但是如果此前：
手距离
2cm
↓
4cm
↓
5cm则说明手正在远离。
当前状态相同：
距离 = 5cm但是历史变化不同：
靠近与：
远离会产生完全不同的预测。
因此：
行为预测不能只读取当前状态，还必须读取状态变化的方向、速度和历史轨迹。
可以表示为：
Current State
+
Change
+
Change History
↓
Behavior Prediction37.5 变化趋势是预测的重要信息
第14章已经建立：
Value
State
Change
Rate
Trend这些概念在行为预测中重新发挥作用。
例如：
距离 = 10cm只是一个Value。
如果进一步知道：
距离变化率 < 0那么系统知道对象正在接近。
如果继续知道：
距离变化率持续 < 0那么系统可以进一步形成：
持续接近如果变化率越来越大：
Rate ↓↓↓则意味着接近速度正在增加。
因此：
Value
↓
Change
↓
Rate
↓
Trend
↓
Prediction形成了一条重要的认知链。
37.6 个体经验改变行为预测
同样的当前状态，不同个体可能产生不同的行为预测。
这是因为行为预测已经进入了个体认知。
例如，一个人看到：
一个杯子放在桌边不同的人可能产生不同预测。
一个有过杯子摔落经验的人可能判断：
风险较高另一个人可能认为：
没有明显风险于是两个个体对后续行为的预测可能不同。
可以表示为：
当前状态
+
历史变化
+
个体经验
↓
个体行为预测这说明：
行为预测并不是完全客观、统一的计算过程，而会受到个体认知结构的影响。
37.7 预测不是只有一个结果
真实认知通常不会直接得到：
下一行为 = X而更适合形成一个候选行为集合。
例如：
当前状态
↓
行为候选
├── 停止
├── 接触
├── 抓取
├── 移动
└── 放置然后对每个候选行为进行匹配。
形成：
Behavior A → P(A)
Behavior B → P(B)
Behavior C → P(C)
Behavior D → P(D)因此行为预测实际上可以看成：
对未来行为候选进行概率分布。
例如：
接触 0.72
停止 0.12
抓取 0.10
离开 0.06这里并不是说系统已经知道未来。
而是：
根据当前认知状态，系统认为某些行为比其他行为更可能发生。
37.8 行为预测具有时间性
行为不是瞬间完成的。
因此预测也必须具有时间维度。
例如：
t0：手开始移动
t1：手接近对象
t2：手接触对象
t3：手产生压力
t4：对象开始移动系统预测的实际上不是一个孤立动作，而是：
Behavior(t0)
↓
Behavior(t1)
↓
Behavior(t2)
↓
Behavior(t3)
↓
Behavior(t4)因此：
行为预测可以理解为对行为状态序列的预测。
进一步表示：
State(t)
+
Change(t)
+
History(t-n...t)
↓
State(t+1)
↓
Behavior(t+1)37.9 从行为预测到行为认知
行为预测的意义并不只是“预测未来”。
更重要的是，它可以反过来帮助认知系统理解当前行为。
例如：
一个人伸手单独观察这个动作可能具有多种解释：
拿东西
推东西
打招呼
触碰
停止但是，如果系统继续观察：
手 → 杯子
距离 ↓
手指闭合
杯子移动那么原来的行为解释会逐渐收敛。
因此：
当前行为
↓
未来行为预测
↓
实际行为发生
↓
预测结果比较
↓
认知更新这意味着：
预测不仅是认知的输出，也是认知形成过程中的验证机制。
37.10 预测错误也是认知信息
如果系统预测：
下一行为 = 抓取
Probability = 0.80但实际发生：
停止那么系统不能简单认为预测失败。
这个错误本身就是新的认知信息。
系统需要进一步分析：
为什么预测错误？可能原因包括：
当前状态识别错误
历史变化判断错误
行为匹配错误
个体经验不足
先验错误
权重错误
目标发生变化于是：
预测
↓
实际行为
↓
预测误差
↓
原因分析
↓
认知更新这就为后面的认知学习建立基础。
37.11 行为预测与个体目标
个体目标也是行为预测的重要变量。
例如，同一个对象：
鸡蛋不同目标可能导致不同预测。
如果目标是：
保护鸡蛋那么系统可能重点预测：
减速
降低压力
稳定接触如果目标是：
快速移动鸡蛋那么系统可能更加关注：
快速接触
快速抓取
快速移动因此：
相同对象
+
相同当前状态
+
不同目标
↓
不同预测权重
↓
不同预测结果这与第32章的个体目标理论形成直接连接。
37.12 行为预测模型
到这里，可以建立本书中的一个基础行为预测模型：
当前状态
│
↓
状态变化
│
↓
历史轨迹
│
↓
行为候选生成
│
┌──────────┼──────────┐
↓ ↓ ↓
经验 先验 目标
│ │ │
└──────────┼──────────┘
↓
匹配权重
↓
行为概率
↓
行为预测
↓
实际行为
↓
预测误差
↓
认知更新因此，行为预测并不是独立模块。
它实际上是整个认知系统的一部分。
37.13 行为预测的核心定义
综合本章，可以给出一个更严格的定义：
行为预测，是认知系统基于对象及其当前动态状态、历史变化、个体经验、先验与目标，对未来可能行为进行持续匹配并形成概率判断的认知过程。
它可以进一步抽象为：
Prediction
=
Current State
+
Dynamic Change
+
History
+
Individual Cognition
+
Goal
+
Matching
+
Probability最终形成：
当前状态
↓
动态变化
↓
历史轨迹
↓
个体经验
↓
先验
↓
目标
↓
行为匹配
↓
行为概率
↓
下一行为37.14 本章小结
第34章回答了：
什么是行为认知。
第35章进一步把行为本身转化为：
Element
+
Attribute
+
State
+
Change
+
Time
+
Relation第36章讨论了人如何理解他人的行为。
而第37章进一步向未来推进：
认知系统不仅理解正在发生的行为，还会根据当前状态和历史变化预测接下来可能发生的行为。
因此，本篇形成：
行为
↓
行为状态
↓
行为变化
↓
行为历史
↓
行为匹配
↓
行为概率
↓
行为预测
↓
实际行为
↓
预测误差
↓
认知更新这也意味着，下一步可以从“预测行为”进一步进入对象保护与最小受损认知：当系统不仅预测行为，还必须判断一个行为是否会导致对象损伤时，认知就从“知道将发生什么”进一步进入“判断什么行为更合适”。