第48章 经验学习
第47章已经建立了反馈学习：
反馈能够改变个体未来的认知。
但是，反馈本身只是某一次行为之后得到的结果。
例如：
第一次抓取鸡蛋
↓
发生滑移
↓
调整压力
↓
成功抓取这只是一次反馈。
真正的问题是：
个体如何把一次次具体发生的事件，从“过去发生过的事情”转化为可以影响未来认知的经验？
这就是经验学习所要解决的问题。
48.1 什么是经验
经验不是简单的记忆。
如果只是保存：
昨天发生了什么那么它属于记忆。
而如果能够进一步形成：
什么情况下
什么对象
出现什么属性变化
采取什么行为
产生什么结果那么才开始形成经验。
因此可以定义：
经验是个体从过去事件、行为及其结果中形成的、能够参与未来认知匹配和行为判断的认知结构。
经验的核心不是“发生过”。
而是：
过去发生的事情对未来产生了什么认知意义。
48.2 记忆与经验的区别
这是本章首先需要明确的问题。
记忆：
事件
↓
保存
↓
再次读取经验：
事件
↓
结果
↓
关系提取
↓
形成规律
↓
影响未来认知例如：
一个人曾经拿过一个玻璃杯。
记忆可能保存：
时间：昨天
对象：玻璃杯
行为：拿起
结果：没有掉落而经验可能形成：
玻璃杯较脆弱
↓
握持需要稳定
↓
不要施加过大的局部压力所以：
记忆保存过去，经验解释过去，并影响未来。
48.3 经验来自事件
经验学习的最小单位不是抽象概念，而是具体事件。
一个事件可以表示为：
Event
=
Object
+
Attribute
+
State
+
Action
+
Time
+
Environment
+
Result例如：
对象：
鸡蛋
属性：
重量
硬度
表面摩擦
状态：
静止
行为：
抓取
时间：
当前时刻
结果：
滑移这形成一个完整事件：
鸡蛋
+
属性
+
当前状态
+
抓取行为
+
滑移结果经验学习从这些事件中寻找可以重复利用的认知关系。
48.4 从事件到经验
可以建立一个基本过程：
事件
↓
结果
↓
比较
↓
关系发现
↓
重复验证
↓
经验形成例如第一次：
压力增加
↓
没有明显滑移第二次：
压力进一步增加
↓
出现滑移第三次：
压力较低
+
摩擦稳定
↓
成功抓取系统逐渐发现：
压力变化
+
摩擦状态
↓
滑移风险变化这就不再只是三个独立事件，而开始形成经验关系。
48.5 经验不是单一数据
一个成熟的经验不能简单表示为：
经验 = “鸡蛋要轻拿”这种描述对于工程系统来说过于粗糙。
经验应该包含多个组成部分：
Experience
{
Object
Context
Attribute
State
Change
Action
Result
Relation
Risk
Weight
Confidence
}例如：
Object：
易碎对象
Context：
抓取
Attribute：
压力、摩擦、滑移
Change：
压力增加
Relation：
压力增加 → 滑移风险增加
Result：
对象稳定性下降
Risk：
较高
Confidence：
较高这样经验才可以真正参与认知计算。
48.6 经验具有条件性
经验不能脱离条件存在。
例如：
“压力越小越安全”并不一定成立。
如果对象太重：
压力太小
↓
无法保持
↓
对象滑落因此真正的经验可能是：
在当前对象、当前任务和当前状态下，
保持适当压力可以降低滑移和损伤风险。也就是说：
经验不是绝对规则，而是带有条件的认知关系。
可以表示为：
Condition
+
Pattern
+
Result形成：
Experience48.7 经验与对象有关
同一个行为面对不同对象，经验可能不同。
例如：
对象A：鸡蛋
对象B：橡胶球
对象C：玻璃杯
对象D：金属球虽然行为都是：
抓取但经验不同。
鸡蛋：
损伤风险高橡胶球：
形变较明显玻璃杯：
破损风险高金属球：
承受压力能力高因此：
相同行为
+
不同对象
↓
不同经验经验必须与对象结构建立关联。
48.8 经验与属性有关
对象只是经验的入口。
真正决定经验内容的，往往是对象属性。
例如：
对象：
鸡蛋进一步观察：
硬度
重量
摩擦
压力
形变经验可能形成：
对象易碎
+
压力增加
+
形变增加
↓
损伤风险增加因此经验实际上是在学习：
Object
+
Attribute
+
Change
+
Result之间的关系。
48.9 经验与动态变化有关
静态经验只能描述：
对象有什么动态经验进一步描述：
对象正在发生什么例如：
压力 ↑本身并不能确定危险。
但是如果同时观察：
压力 ↑
+
形变 ↑
+
滑移 ↑那么风险明显增加。
于是经验可以形成：
压力增加
+
形变增加
+
滑移增加
↓
对象损伤风险增加这与第16章建立的动态关系直接连接。
因此：
经验学习不仅学习对象和属性，也学习属性如何共同变化。
48.10 经验具有时间结构
经验不是脱离时间的。
例如：
t₁：
压力增加
t₂：
形变增加
t₃：
滑移出现
t₄：
对象损伤经验不是简单的：
压力 + 形变 + 滑移而可能是：
压力增加
↓
形变增加
↓
滑移出现
↓
损伤风险增加因此经验可以包含：
Temporal Pattern也就是：
什么变化先发生，什么变化后发生，以及这些变化之间是否具有稳定的时序关系。
48.11 经验学习与模式发现
当类似事件不断出现时，系统可以寻找重复模式。
例如：
事件1：
压力↑ → 滑移↑
事件2：
压力↑ → 滑移↑
事件3：
压力↑ → 滑移↑
事件4：
压力↑ → 滑移↑系统可以逐渐形成：
压力增加
↓
滑移风险增加这就是经验模式。
因此：
Experience Learning
=
Pattern Discovery
+
Pattern Storage但这里的“模式”不能简单理解为字符串匹配。
它可以是：
属性模式
状态模式
变化模式
时序模式
关系模式
行为结果模式48.12 重复不是简单复制
经验学习并不是把相同事件复制很多次。
真正重要的是：
重复事件
↓
比较差异
↓
寻找共同结构例如：
鸡蛋A：
压力较高 → 滑移
鸡蛋B：
压力中等 → 稳定
鸡蛋C：
压力较高 → 滑移系统需要发现：
并不是所有压力变化都会导致滑移而是：
特定压力范围
+
特定摩擦状态
+
特定对象属性
↓
滑移风险增加因此经验学习实际上包含：
共性提取和条件区分。
48.13 经验的强度
不同经验的可靠程度不同。
例如：
只发生过一次和：
发生过100次显然不能拥有相同的经验强度。
因此可以定义：
Experience Strength它可以受到：
发生次数
+
结果一致性
+
反馈强度
+
时间距离
+
当前相似度等因素影响。
于是：
经验强度高
↓
未来匹配影响大而：
经验强度低
↓
未来匹配影响小48.14 经验的置信度
经验强度和经验置信度也应该区分。
例如：
经验：
高压力可能导致滑移如果只有一次观察：
Confidence = Low如果经过大量不同对象验证：
Confidence = High因此：
Experience
├── Strength
└── Confidence可以分别描述：
这个经验对当前个体有多重要。
以及：
这个经验本身有多可靠。
48.15 经验会衰减
经验并不是永久固定不变的。
如果一个经验长期没有被使用：
长期不使用
↓
相关性下降如果环境发生变化：
环境变化
↓
旧经验适用性下降因此可以引入：
Experience Decay例如：
Experience Strength(t+1)
=
Experience Strength(t)
×
Decay这里并不要求具体采用某一种数学公式。
理论上更重要的是：
经验应该具有时间性和可更新性。
48.16 新经验可以修正旧经验
经验学习不能只有：
增加经验还必须允许：
修正经验例如过去认为：
高压力 → 高风险后来发现：
在某种特殊对象表面上，
适当提高压力反而能够减少滑移。于是旧经验需要重新限定：
高压力
+
特定摩擦条件
+
特定对象
↓
风险关系改变因此：
经验不是不可修改的知识，而是可以随着新反馈持续修正的个体认知结构。
48.17 经验之间可以发生组合
个体并不只拥有一个经验。
例如：
经验A：
玻璃容易破碎
经验B：
握持压力影响稳定
经验C：
手部湿润会降低摩擦当三个经验同时参与：
玻璃
+
握持
+
湿润可能形成新的认知：
湿润
↓
摩擦下降
↓
需要改变握持方式
↓
避免过度增加压力因此经验之间可以发生：
组合
关联
协同这与前面的属性协同匹配形成对应关系。
48.18 经验参与未来认知匹配
经验学习的最终目的不是保存经验本身。
而是让经验重新进入认知过程。
未来再次出现类似对象：
当前感知
↓
当前对象
↓
当前属性
↓
当前状态同时：
历史经验
↓
经验匹配两者共同参与：
当前状态匹配
+
历史经验匹配
↓
新的匹配强度
↓
新的概率
↓
新的认知因此经验真正进入了第18章建立的：
认知匹配机制。
48.19 经验改变行为选择
经验不仅改变认知，也会改变决策。
例如：
过去：
抓取鸡蛋
↓
压力过高
↓
发生滑移形成经验：
高压力存在风险下一次：
发现相似对象
↓
经验被调用
↓
风险概率提高
↓
选择更谨慎的行为因此：
经验
↓
认知
↓
决策
↓
行为形成一个完整的因果链。
48.20 经验与个体目标
经验本身不会自动决定行为。
还必须与个体目标结合。
例如：
同一个经验：
“高速移动可能增加对象损伤风险。”个体A目标：
安全优先可能选择：
降低速度个体B目标：
效率优先可能选择：
保持较高速度因此：
相同经验
+
不同目标
↓
不同权重
↓
不同认知
↓
不同决策这与第32章的个体目标形成直接连接。
48.21 经验与个体认知
到这里，可以看到经验并不是个体认知之外的一个独立数据库。
它本身就是个体认知形成的重要组成部分。
可以表示为：
当前感觉
↓
当前元素
↓
当前对象
↓
当前属性
↓
当前状态
↓
历史经验
↓
匹配
↓
权重
↓
概率
↓
个体认知因此：
个体经验决定了个体如何解释当前世界，而不仅仅决定个体记得什么。
48.22 建立经验学习模型
可以将经验学习正式表示为：
Experience Learning其输入：
Event
+
Feedback
+
Historical Experience
+
Current Context经过：
Comparison
↓
Pattern Detection
↓
Relation Extraction
↓
Experience Update产生：
New Experience最终：
New Experience
↓
Future Matching
↓
Future Cognition完整模型：
当前事件
↓
行为
↓
结果
↓
反馈
↓
┌────比较────┐
↓ ↓
历史经验 当前状态
└────┬───────┘
↓
模式发现
↓
关系提取
↓
经验更新
↓
新的经验结构
↓
未来认知匹配
↓
个体认知48.23 经验学习的工程化表达
进入“理论工程”视角之后，经验可以被抽象成一个认知对象：
Experience它至少可以包含：
Experience
├── Object
├── Context
├── Attribute
├── State
├── Change
├── Relation
├── Action
├── Result
├── Condition
├── Strength
├── Confidence
└── Time而经验学习可以成为一个独立的 Method：
LearnExperience()其逻辑不是：
保存事件而是：
读取事件
↓
比较历史
↓
发现模式
↓
评估关系
↓
更新经验
↓
保存经验这样，“经验学习”开始真正进入理论工程体系。
48.24 经验学习与第47章反馈学习的关系
两章之间必须严格区分。
第47章：
反馈学习解决反馈如何改变未来。
第48章：
经验学习解决反馈产生的事件如何形成可重复使用的经验。
关系可以表示为：
行为
↓
反馈
↓
反馈学习
↓
经验学习
↓
经验形成
↓
记忆
↓
未来匹配进一步：
反馈
↓
“结果发生了什么？”而经验学习进一步回答：
“为什么会这样？”
“什么条件下会这样？”
“下次遇到类似情况怎么办？”因此经验学习比单纯反馈响应更进一步。
48.25 本章核心模型
最终，本章可以形成：
过去事件
↓
反馈
↓
结果分析
↓
条件识别
↓
模式发现
↓
关系提取
↓
经验形成
↓
┌───────────┼───────────┐
↓ ↓ ↓
记忆 权重 先验
│ │ │
└───────────┼───────────┘
↓
当前匹配
↓
个体认知
↓
决策
↓
行为
↓
新反馈
↓
新经验这就形成了一个持续循环：
事件
↓
反馈
↓
经验
↓
认知
↓
行为
↓
反馈
↓
经验更新48.26 本章结论
本章最终建立一个重要判断：
经验不是过去事件的简单保存，而是个体从过去事件及其结果中提取出的、能够参与未来认知匹配的结构化认知关系。
因此：
记忆 ≠ 经验更准确地说：
事件
↓
记忆
↓
比较
↓
关系
↓
模式
↓
经验而经验又重新进入：
经验
↓
匹配
↓
权重
↓
概率
↓
认知
↓
决策
↓
行为最终形成：
过去的行为结果不会只是停留在过去，而会通过经验进入未来的认知。
这也是个体认知区别于单纯实时感知系统的重要地方。
第48章与下一章的连接
第48章解决：
过去的事件如何形成经验。
第49章将进一步进入更具体的工程问题：
经验形成之后，系统究竟如何利用这些经验改变匹配权重？
也就是从：
经验
↓
“我过去知道什么”进入：
经验
↓
“我现在应该更加关注什么”由此进入第49章：匹配权重学习。