第77章 Machine Perception
中文：
机器感知
第76章研究了机器认知，并确定：
机器认知不是单纯的计算、信息处理、算法、模型或结果输出，而是机器个体对信息形成内部认知状态，并基于知识、记忆和经验持续进行判断、决策、行为和更新的过程。
那么，一个更加基础的问题随之出现：
机器认知所面对的信息究竟从哪里来？
如果机器没有任何来自外部的信息，那么：
Machine Cognition
就没有现实对象可以认知。
因此，机器认知必须存在一个起点：
External World
↓
Information
↓
Machine
这个起点就是：
Machine Perception
77.1 什么是机器感知
机器感知可以初步定义为：
机器从外部世界、人与机器的交互以及机器自身运行状态中获得信息，并将这些信息转换为机器内部可以进一步处理的认知输入的过程。
可以表示为：
外部世界
↓
信息
↓
机器感知
↓
机器内部输入
↓
机器认知
因此：
Perception
=
Cognition 的信息入口
但：
Perception
≠
Cognition
感知是认知的前置过程，而不是认知本身。
77.2 为什么机器需要感知
传统计算机系统可以直接接受：
Data
例如：
100
200
300
然后执行：
100 + 200 + 300
但一个机器个体如果要面对现实世界，就不能只等待已经结构化的数据。
现实世界提供的信息可能是：
人的语言
人的动作
声音
图像
文字
环境变化
设备状态
时间变化
空间变化
其他机器的信息
因此：
现实世界
与：
机器内部认知空间
之间需要一个转换过程。
这个过程就是：
Machine Perception
77.3 感知不是简单的输入
这里需要特别区分：
Input
和：
Perception
例如：
输入：
“帮我查一下这个产品。”
机器首先获得了一段字符。
这只是：
Input
而感知需要进一步发现：
这是人的信息
这是语言信息
这是一个指令
存在一个行为要求
存在一个对象
存在一个目标
因此：
Input
↓
Perception
不是简单的数据传输，而是：
机器开始确定输入信息具有什么基本性质。
77.4 机器感知的对象
机器感知所面对的并不只有物理世界。
可以分为：
1. Physical World
2. Human
3. Language
4. Digital World
5. Machine State
6. Interaction Event
因此：
Machine Perception
可以感知：
现实对象
人的表达
数字信息
系统事件
机器自身状态
这比传统意义上的“视觉、听觉传感器”范围更广。
77.5 物理感知
最容易理解的是物理感知。
例如：
Camera
Microphone
Temperature Sensor
Pressure Sensor
Motion Sensor
GPS
它们获得：
光
声音
温度
压力
运动
位置
形成：
Physical Signal
↓
Digital Information
但是这里还没有形成完整认知。
例如摄像头得到：
Pixel Data
这只是机器获得的信息。
机器是否知道：
这是一个人
属于后面的认知过程。
因此：
Sensor
≠
Perception
传感器是感知系统的输入设备之一。
77.6 语言感知
对于 ICAI 而言，语言感知尤其重要。
人可能对机器说：
“把昨天那个方案再整理一下。”
机器获得的是：
文字
但真正的机器感知需要识别：
这是语言
这是人与机器之间的交互信息
存在一个动作要求
存在时间指向
存在对象指向
存在上下文依赖
因此：
Human Language
↓
Language Perception
是机器认知的重要入口。
77.7 为什么语言感知不能直接等于语言理解
例如：
“昨天那个。”
机器可以收到这四个字。
但：
“昨天”
指什么？
“那个”
又指什么？
机器需要结合：
上下文
历史交互
当前状态
记忆
对象
时间
才能进一步确定。
因此：
Language Perception
首先解决：
机器收到了什么样的语言信息？
而：
Language Understanding
解决：
这段语言在当前认知环境中是什么意思？
两者必须分开。
77.8 人是机器感知的重要信息源
在 ICAI 中，人不是简单的数据提供者。
人与机器之间形成：
Human
↕
Interaction
↕
Machine
人可以向机器提供：
指令
问题
知识
纠正
评价
反馈
目标
约束
情绪表达
行为信息
因此：
Human
=
Machine Cognition 的重要信息来源
这也意味着：
人机交互本身就是机器感知的一种特殊环境。
77.9 机器自身也是感知对象
一个重要问题是：
机器是否只能感知外部世界？
不是。
机器还必须能够获得：
自身运行状态
例如：
CPU状态
内存状态
任务状态
网络状态
当前行为
当前认知状态
执行结果
错误状态
因此：
External Perception
+
Internal Perception
共同构成机器感知体系。
这为后面的：
Self Model
提供基础。
77.10 机器感知与机器监控
机器监控通常关注：
CPU > 90%
Memory > 80%
Disk < 10%
这属于：
Monitoring
而机器感知需要进一步回答：
发生了什么？
这个变化是什么？
它与当前任务有什么关系？
它是否影响当前认知状态？
所以：
Monitoring
≠
Cognition
但：
Monitoring
→
Machine Perception
可以成为机器感知的一部分。
77.11 感知信息的三个层次
机器获得的信息可以暂时分为三个层次：
第一层：
Raw Signal
例如：
Pixel
Audio Wave
Temperature Value
第二层：
Processed Information
例如：
Text
Image Region
Sound Event
Temperature Change
第三层：
Cognitive Input
例如：
Person
Command
Object
Event
State Change
因此：
Raw Signal
↓
Information
↓
Cognitive Input
这是机器感知逐步进入机器认知的过程。
77.12 感知与表示的边界
机器感知最终必须把信息交给：
Cognitive Representation
因此：
World
↓
Perception
↓
Representation
但本章暂时不研究：
Representation
本身。
因为下一阶段才需要回答：
机器究竟用什么形式表示它感知到的信息？
这将进入：
Symbol
的研究。
77.13 机器感知不是复制人的感官
人类有：
视觉
听觉
触觉
嗅觉
味觉
机器没有必要机械复制这五种感觉。
机器可以通过：
Camera
Microphone
Sensor
Database
API
Network
File
Human Input
获得信息。
因此：
机器感知研究的是信息获得机制，而不是简单复制人的生物感官。
这也是机器认知工程与生物脑研究的区别。
77.14 Machine Perception 的核心任务
机器感知至少需要解决：
1. Information Acquisition
2. Signal Detection
3. Input Identification
4. Information Separation
5. Event Detection
6. Context Detection
7. Source Identification
8. Input State
最终形成：
Perceived Information
然后进入：
Cognitive System
77.15 信息来源
机器感知的信息来源可以建立为：
Machine Perception
│
┌──────────────────┼──────────────────┐
↓ ↓ ↓
Human World Machine
│ │ │
Language Objects Internal State
Action Events Runtime
Feedback Environment Result
Instruction Changes Error
因此机器感知并不是单一入口。
而是：
多个信息源进入同一个机器认知系统。
77.16 感知事件
机器感知的一个重要概念是：
Perception Event
例如：
Human sends message
可以形成：
Event:
HumanMessageReceived
环境发生变化：
TemperatureChanged
机器执行完成：
TaskCompleted
因此：
Information
↓
Event
↓
Perception
事件可以成为机器认知状态变化的触发器。
77.17 感知时间
机器感知还必须具有时间。
例如：
10:00
收到信息 A
10:05
收到信息 B
10:10
收到反馈 C
机器不能只看到：
A
B
C
还必须知道：
A happened before B
B happened before C
因此：
Perception
+
Time
才能形成连续的认知输入。
这将为后面的：
Memory
Experience
State
提供基础。
77.18 感知上下文
同一句话：
“继续。”
在不同情况下可能具有完全不同的意义。
例如：
Context A：
正在写文章
“继续。”
可能表示：
继续写文章
而：
Context B：
正在执行任务
“继续。”
可能表示：
继续执行任务
因此机器感知不能只保存：
Input Text
还需要记录：
Context
Time
Source
Current State
这就是机器感知逐渐进入机器认知的关键。
77.19 感知来源与身份
机器还需要知道：
信息是谁提供的？
例如：
Human A
Human B
Machine A
System
Environment
Sensor
因此感知信息应该具有：
Source
例如：
PerceptionEvent
{
source,
time,
channel,
content,
event_type,
context
}
这里还不讨论具体程序实现，只建立理论上的信息结构。
77.20 感知并不意味着相信
这是机器认知非常重要的原则。
机器收到：
Human Input
并不意味着：
Information = Truth
机器首先只是：
Perceived
之后还需要：
Verification
Matching
Evaluation
因此：
Perception
≠
Truth
更不能：
Perception
=
Knowledge
这为后面的认知匹配和知识判断留下了空间。
77.21 感知与事实
例如机器收到：
“供应商A是最好的。”
机器首先感知：
Human Statement
而不是直接建立：
Supplier A = Best
正确的过程应该是：
收到信息
↓
感知
↓
表示
↓
识别对象
↓
识别关系
↓
匹配已有知识
↓
评价
↓
形成认知状态
因此：
感知是信息进入认知系统，而不是事实直接进入认知系统。
77.22 感知与知识之间的边界
可以明确：
Perception
=
获得信息
而：
Knowledge
=
已经形成的认知结构
因此：
External Information
↓
Perception
↓
Representation
↓
Cognitive Processing
↓
Knowledge
两者之间存在一个重要的认知转换过程。
77.23 感知与记忆之间的关系
机器感知不是孤立的。
当前感知可能触发过去记忆：
Current Input
↓
Perception
↓
Memory Retrieval
例如机器再次收到一个熟悉对象：
Object A
当前感知：
Object A detected
同时可以发现：
Memory:
Object A appeared before
但是：
记忆检索属于后续认知过程，本章只确定感知可以成为记忆调用的触发条件。
77.24 感知与经验之间的关系
经验来自：
过去的感知
+
行为
+
结果
因此：
Perception
↓
Experience
但经验又可以反过来影响：
Future Perception
例如机器过去多次遇到某种情况，那么下一次出现类似信号时，机器可能更快发现：
“这可能与过去某类事件有关。”
这形成：
Past Experience
↓
Current Perception
↓
Future Cognition
这是机器个体不断发展的基础。
77.25 Machine Perception 的连续性
真正的机器个体不能只：
Receive One Input
而应该：
Observe
↓
Observe
↓
Observe
↓
Observe
形成连续信息流：
t1 → t2 → t3 → t4 → t5
因此机器感知具有：
连续性。
连续感知使机器能够发现：
变化
趋势
事件
状态转换
行为结果
77.26 从信息到事件
如果机器只是接收：
Temperature = 30
那么它获得了一个数据。
如果之前：
Temperature = 20
现在：
Temperature = 30
机器可以发现：
Temperature Increased
于是：
Data
↓
Change
↓
Event
这说明：
感知不仅可以获得数据，还可以发现变化。
77.27 从事件到认知输入
进一步：
Temperature Increased
如果当前机器正在执行：
Cooling Task
那么这个事件就具有更高的认知意义：
Cooling Task
+
Temperature Increased
形成：
Cognitive Input
因此：
Perception
真正重要的地方不是“收到数据”，而是：
把外部变化转换成认知系统可以处理的事件和信息。
77.28 机器感知的内部结构
本章可以暂时建立：
Machine Perception
│
├── Source
├── Channel
├── Input
├── Time
├── Context
├── Event
├── Change
├── State
└── Perceived Information
这些结构以后还可以继续细分。
77.29 Machine Perception 与 Machine Cognition
两者关系可以明确表示：
Machine Perception
↓
提供认知输入
↓
Machine Cognition
↓
形成认知状态
因此：
Perception
=
认知的入口
Cognition
=
对进入的信息进行持续认知处理
77.30 Machine Perception 与 Human Perception
人的感知：
Physical World
↓
Sense Organs
↓
Brain
↓
Perception
机器：
World / Human / Digital Environment
↓
Input Channels
↓
Machine Perception
↓
Cognitive System
两者结构并不相同。
因此 ICAI 不是：
“制造一个和人的眼睛、耳朵完全一样的机器。”
而是：
研究机器如何建立自己的信息感知机制，使外部世界能够进入机器认知系统。
77.31 Machine Perception 的核心转换
本章最终可以建立一个非常重要的转换：
Reality
↓
Signal / Information
↓
Perception
↓
Perceived Information
↓
Cognitive Input
这里：
Perception
是现实世界与机器认知系统之间的第一道认知接口。
77.32 为什么下一步必须研究 Symbol
到这里仍然存在一个没有解决的问题：
机器感知到的信息，究竟以什么形式进入机器内部？
例如机器收到：
“供应商A已经发货。”
机器不能永远只保存一串字符。
它需要逐步形成：
Supplier A
Shipping
Completed
甚至进一步形成：
Object
Relation
State
那么：
机器如何把感知到的信息转换成机器可以操作的符号？
这就是下一阶段必须研究的问题。
77.33 本章结论
经过本章研究，可以确定：
机器感知是机器认知的入口，是机器从现实世界、人、数字环境以及自身运行状态中获得信息，并将这些信息转换为机器认知系统可以继续处理的输入、事件和状态信息的过程。
机器感知不是：
Sensor
不是：
Input
不是：
Recognition
也不是：
Understanding
而是一个独立的机器认知基础过程：
Information Acquisition
↓
Perception
↓
Perceived Information
↓
Cognitive Input
进一步形成：
现实世界
↓
信息
↓
机器感知
↓
机器内部输入
↓
机器认知
77.34 第77章在 ICAI 理论中的位置
现在：
第76章
Machine Cognition
回答：
机器认知是什么？
第77章：
Machine Perception
回答：
机器认知的信息从哪里来？
于是形成：
Machine Perception
↓
Machine Cognition
但机器感知只是解决了：
“机器获得了什么信息？”
还没有解决：
“机器用什么形式表示这些信息？”
因此下一章自然进入：
第78章 Symbolic Representation
研究：
机器如何把感知到的信息转换为符号，以及符号如何成为机器认知的基本表示形式。
由此开始进入 WSaiOS-ICAI 的核心：
现实
↓
感知
↓
符号
↓
元素
↓
关系
↓
对象
↓
状态
↓
认知
而不会提前把后面的理论混入本章。