第61章从认知模型到状态机

第60章建立了：

Individual
    ↓
Cognitive Model
    ↓
Perception
Memory
Knowledge
Reasoning
Decision
Action
Learning

但是，一个认知模型如果只是静态结构，还不能真正运行。

要让认知模型按照一定顺序发生变化、响应输入、执行方法、产生结果并进入下一阶段，就必须引入：

State Machine（状态机）

因此第61章解决的是：

认知模型
    ↓
认知状态
    ↓
状态转换
    ↓
状态机
    ↓
可执行认知流程

61.1 为什么需要状态机

认知不是静态的。

同一个个体在不同时间可能处于：

Idle
Perceiving
Recognizing
Matching
Reasoning
Deciding
Acting
Learning

例如：

输入尚未到达
    ↓
Idle

输入到达：

Idle
 ↓
Perceiving

完成感知：

Perceiving
 ↓
Recognizing

识别完成：

Recognizing
 ↓
Matching

匹配完成：

Matching
 ↓
Reasoning

因此：

认知模型描述“有什么”，状态机描述“现在正在发生什么”。

61.2 Cognitive Model 与 State Machine

二者不是同一个概念。

Cognitive Model
=
认知系统的结构

而：

State Machine
=
认知系统的运行过程

可以表示：

Cognitive Model
        │
        ├── Objects
        ├── Memory
        ├── Knowledge
        ├── Methods
        └── Rules
                │
                ↓
          State Machine
                ↓
          Runtime Process

因此：

Model = Structure
State Machine = Process

61.3 什么是状态

状态是：

系统在某一时刻所处的可识别运行条件。

例如：

Idle

表示：

没有正在执行的认知任务

而：

Perceiving

表示：

系统正在处理输入信息

因此状态不是简单的字符串。

它代表：

Current Cognitive Condition

61.4 认知状态

WSaiOS 可以把认知状态定义为：

Cognitive State
{
    state_id
    state_type
    context
    input
    memory_state
    task_state
    result
}

例如：

state_type = matching

表示当前认知过程处于匹配阶段。

61.5 状态的基本结构

一个完整状态可以表示为：

State
├── Identity
├── Condition
├── Context
├── Input
├── Process
├── Output
└── Transition

其中：

Identity
    当前是什么状态

Condition
    为什么进入该状态

Context
    当前上下文

Input
    当前输入

Process
    当前执行过程

Output
    当前产生结果

Transition
    下一步可以进入什么状态

61.6 什么是状态转换

状态转换表示：

系统从一个状态进入另一个状态的过程。

基本结构：

State A
   ↓
Condition
   ↓
State B

例如：

Idle
 ↓
input_received
 ↓
Perceiving

又例如：

Matching
 ↓
match_success
 ↓
Reasoning

所以：

Transition
=
State
+
Condition
+
Action
+
Next State

61.7 State Machine 的基本结构

一个状态机至少包含：

State
Transition
Event
Condition
Action

可以表示为：

             Event
               ↓
Current State
      ↓
 Condition
      ↓
   Action
      ↓
Next State

因此：

State Machine
=
States
+
Transitions
+
Events
+
Conditions
+
Actions

61.8 认知状态机

将前面的认知模型放入状态机：

Idle
 ↓
Perception
 ↓
Element Extraction
 ↓
Object Recognition
 ↓
Matching
 ↓
Reasoning
 ↓
Decision
 ↓
Action
 ↓
Learning
 ↓
Idle

这就是一个最基本的：

Cognitive State Machine

61.9 状态与 Method

第59章已经定义：

Method
=
认知任务的工程实现

因此状态机中的每个状态可以调用 Method。

例如：

Perceiving
    ↓
perceive()

Recognizing
    ↓
recognize()

Matching
    ↓
match()

Reasoning
    ↓
reason()

Decision
    ↓
decide()

Learning
    ↓
learn()

形成：

State
  ↓
Method
  ↓
Result
  ↓
Transition

这使状态机真正具备执行能力。

61.10 State 不等于 Method

这一点非常重要。

State
=
系统当前处于什么阶段

而：

Method
=
系统在该阶段执行什么操作

例如：

State:
Matching

对应：

Method:
matchObject()

所以：

State ≠ Method

而是：

State
 ↓
Invoke Method
 ↓
Result
 ↓
Transition

61.11 Event

状态机不能无缘无故转换。

通常需要 Event。

例如：

input_received
object_detected
match_completed
reasoning_completed
decision_created
action_completed
learning_completed

形成：

Current State
       +
Event
       ↓
Transition

例如：

Idle
+
input_received
       ↓
Perceiving

61.12 Condition

Event 出现以后，还可能需要 Condition。

例如：

Matching
    ↓
match_score >= 0.8
    ↓
Reasoning

而：

Matching
    ↓
match_score < 0.8
    ↓
Memory Retrieval

所以：

Event
    ↓
Condition
    ↓
Transition

可以形成条件分支。

61.13 Action

状态转换过程中可以执行 Action。

例如：

Matching
 ↓
match_completed
 ↓
Action:
store_match_result()
 ↓
Reasoning

因此完整转换可以定义为：

Transition
{
    from
    event
    condition
    action
    to
}

例如：

{
    "from": "matching",
    "event": "match_completed",
    "condition": "score >= 0.8",
    "action": "store_result",
    "to": "reasoning"
}

这已经非常接近实际程序中的状态机定义。

61.14 认知状态机的分支

真实认知过程不是一条直线。

例如：

                    ┌──→ Memory Retrieval
                    │
Matching ───────────┤
                    │
                    └──→ Reasoning

如果匹配成功：

Matching
 ↓
Reasoning

如果没有找到匹配：

Matching
 ↓
Memory Retrieval

如果仍然没有结果：

Memory Retrieval
 ↓
Unknown

因此状态机可以表达：

确定
不确定
失败
成功
等待
重试

等认知状态。

61.15 Unknown State

认知系统不能假设所有输入都可以识别。

因此必须允许：

Unknown

例如：

Input
 ↓
Perception
 ↓
Recognition
 ↓
Unknown

这表示：

当前个体认知模型中没有足够的信息确定该对象。

随后可以：

Unknown
 ↓
Memory Search

或者：

Unknown
 ↓
Learning

因此 Unknown 本身也是一种有效认知状态。

61.16 Error State

除了 Unknown，还需要：

Error

例如：

Method 执行失败
Data 数据错误
Rule 无法执行
State 转换失败

可以进入：

Error

状态。

于是：

Cognitive State Machine

不仅描述正常认知流程，也描述异常流程。

61.17 Waiting State

认知系统还可能需要等待：

Waiting

例如：

Waiting
 ↓
External Input
 ↓
Perceiving

因此一个完整系统可能存在：

Idle
Waiting
Perceiving
Recognizing
Matching
Reasoning
Deciding
Acting
Learning
Unknown
Error

61.18 状态机与认知循环

第60章建立了认知循环：

Perception
 ↓
Matching
 ↓
Reasoning
 ↓
Decision
 ↓
Action
 ↓
Learning

第61章将其形式化：

State Machine

变成：

Idle
 ↓
Perceiving
 ↓
Recognizing
 ↓
Matching
 ↓
Reasoning
 ↓
Deciding
 ↓
Acting
 ↓
Learning
 └────────→ Idle

因此：

状态机是认知循环的工程执行模型。

61.19 状态机与数据结构

第58章解决：

理论对象
 ↓
数据对象

第61章进一步解决：

理论状态
 ↓
状态数据

例如：

理论：

State = Matching

数据：

{
    "state": "matching",
    "task_id": 1001,
    "object_a": 2001,
    "object_b": 3001
}

于是状态也可以被系统保存、读取和恢复。

61.20 状态机与 Method 的完整关系

现在可以形成：

State
  ↓
Event
  ↓
Condition
  ↓
Method
  ↓
Result
  ↓
Transition
  ↓
Next State

例如：

Matching
    ↓
match_requested
    ↓
load_objects()
    ↓
matchObject()
    ↓
score = 0.92
    ↓
score >= 0.8
    ↓
Reasoning

这就是一个完整的认知执行单元。

61.21 状态机与 Matching

第59章的 Matching Algorithm 可以直接嵌入状态机。

Recognizing
     ↓
Matching
     ↓
Matching Algorithm
     ↓
Matching Result
     ↓
Condition

例如：

score >= 0.8

进入：

Reasoning

而：

score < 0.8

进入：

Memory Retrieval

因此：

Matching

不仅产生结果，还可以：

驱动认知状态发生变化。

61.22 状态机的数据模型

工程上可以定义：

State
{
    id,
    name,
    type,
    context,
    status
}

Transition：

Transition
{
    id,
    from_state,
    event,
    condition,
    action,
    to_state
}

Event：

Event
{
    id,
    type,
    payload,
    timestamp
}

于是：

State
+
Transition
+
Event

就构成一个可以实际运行的数据模型。

61.23 Cognitive State Machine

最终可以形成：

CognitiveStateMachine
{
    current_state,
    states,
    transitions,
    events,
    context,
    memory,
    task
}

运行过程：

receive(event)
       ↓
find transition
       ↓
check condition
       ↓
execute action
       ↓
invoke method
       ↓
update state
       ↓
store result

这就从理论状态机进入了实际的：

Runtime Cognitive Engine

61.24 状态机不是知识库

必须再次明确边界。

Knowledge
=
系统知道什么

Memory
=
系统保存什么

State
=
系统现在处于什么状态

Method
=
系统正在执行什么操作

State Machine
=
系统如何从一个运行状态进入另一个运行状态

因此：

Knowledge ≠ State
Memory ≠ State
Method ≠ State

它们是不同层次的认知工程结构。

61.25 状态机与个体模型

第60章：

Individual Model

描述：

这个个体具有什么认知结构

第61章：

Cognitive State Machine

描述：

这个个体当前如何运行

因此：

Individual Model
        ↓
Cognitive State Machine
        ↓
Runtime

最终：

Individual
   ↓
Model
   ↓
State Machine
   ↓
Execution
   ↓
Experience
   ↓
Learning
   ↓
Model Update

形成完整闭环。

61.26 从认知模型到运行系统

到此可以建立一个完整的工程层级：

Theory
   ↓
Cognitive Model
   ↓
Data Model
   ↓
State Model
   ↓
State Machine
   ↓
Method Execution
   ↓
Runtime

对应：

理论
 ↓
认知结构
 ↓
数据结构
 ↓
状态结构
 ↓
状态转换
 ↓
算法执行
 ↓
系统运行

这意味着 WSaiOS 的认知理论开始真正进入运行时架构。

61.27 第61章核心定义

定义一：State

State 是认知系统在特定时间和上下文中的可识别运行条件。

定义二：Transition

Transition 是认知系统从一个状态根据事件、条件和动作进入另一个状态的过程。

定义三：State Machine

State Machine 是由状态、事件、条件、动作和状态转换构成的可执行过程模型。

定义四：Cognitive State Machine

Cognitive State Machine 是将个体认知模型转化为可执行状态转换过程的工程机制。

61.28 第61章最终模型

最终形成：

             Individual
                  ↓
          Individual Model
                  ↓
         Cognitive Structure
                  ↓
          Cognitive States
                  ↓
        ┌─────────────────┐
        │  State Machine  │
        └────────┬────────┘
                 ↓
        ┌─────────────────┐
        │     Event       │
        └────────┬────────┘
                 ↓
        ┌─────────────────┐
        │    Condition    │
        └────────┬────────┘
                 ↓
        ┌─────────────────┐
        │     Method      │
        └────────┬────────┘
                 ↓
        ┌─────────────────┐
        │     Result      │
        └────────┬────────┘
                 ↓
          State Transition
                 ↓
             Next State

最终可以压缩成一句话：

认知模型定义个体具有什么认知结构，状态机定义这些认知结构如何按照事件、条件和方法持续运行。

因此，第61章完成了一个关键转换：

认知模型
    ↓
状态模型
    ↓
状态机
    ↓
认知执行

到这里，WSaiOS 已经从：

Element
→ Object
→ Class
→ Relation
→ Method
→ Matching
→ Data
→ Individual
→ Cognitive Model

进一步进入：

Cognitive State
→ State Transition
→ State Machine
→ Runtime Cognition

这为后续建立 第62章：从状态机到认知执行引擎 奠定基础。

第61章 从认知模型到状态机

第61章 从认知模型到状态机

61.1 为什么需要状态机

61.2 Cognitive Model 与 State Machine

61.3 什么是状态

61.4 认知状态

61.5 状态的基本结构

61.6 什么是状态转换

61.7 State Machine 的基本结构

61.8 认知状态机

61.9 状态与 Method

61.10 State 不等于 Method

61.11 Event

61.12 Condition

61.13 Action

61.14 认知状态机的分支

61.15 Unknown State

61.16 Error State

61.17 Waiting State

61.18 状态机与认知循环

61.19 状态机与数据结构

61.20 状态机与 Method 的完整关系

61.21 状态机与 Matching

61.22 状态机的数据模型

61.23 Cognitive State Machine

61.24 状态机不是知识库

61.25 状态机与个体模型

61.26 从认知模型到运行系统

61.27 第61章核心定义

定义一：State

定义二：Transition

定义三：State Machine

定义四：Cognitive State Machine

61.28 第61章最终模型