第83章 Knowledge Structuring

中文：

知识结构化

第82章建立了：

Symbol
 ↓
Cognitive Element

并提出：

知识可以被结构化为认知元素。

但是，仅仅拥有大量认知元素，还不能形成真正的机器认知。

例如机器拥有：

深圳
厂家
电动牙刷
生产
供应商
大型

这些元素彼此孤立时，机器虽然“拥有信息”，却还没有形成完整的知识结构。

因此第83章进一步研究：

知识如何从非结构化信息转化为机器内部可以认知、匹配、推理、记忆和操作的结构。

83.1 什么是知识结构化

可以定义：

知识结构化，是将非结构化或弱结构化的信息分解为认知元素，并通过关系、对象、属性、状态和上下文重新组织，使其形成机器可以识别和操作的认知结构的过程。

基本过程：

知识
 ↓
结构化
 ↓
元素
 ↓
关系
 ↓
对象
 ↓
状态

进一步：

Knowledge
 ↓
Decomposition
 ↓
Cognitive Elements
 ↓
Relations
 ↓
Objects
 ↓
States
 ↓
Cognitive Structure

83.2 知识不是机器认知结构

必须首先区分：

Knowledge
≠
Cognitive Structure

例如：

“深圳有一家生产电动牙刷的厂家。”

对人来说，这句话已经能够表达一个完整知识。

但是机器如果只是保存：

"深圳有一家生产电动牙刷的厂家。"

它得到的仍然只是：

Text

而不是可直接操作的认知结构。

因此需要：

Text
 ↓
Interpretation
 ↓
Structure

83.3 从知识到机器认知结构

可以建立完整转换链：

Human Knowledge
 ↓
Information
 ↓
Symbolic Representation
 ↓
Cognitive Elements
 ↓
Relations
 ↓
Objects
 ↓
States
 ↓
Cognitive Structure

这个过程的目的不是把文字换一种格式保存。

而是：

让知识进入机器可以继续认知处理的内部结构。

83.4 什么是非结构化知识

现实中的知识大量以非结构化形式存在：

语言
文字
对话
文章
文档
图片描述
人的指令
人的经验表达
事件描述

例如：

“这家公司在深圳生产电动牙刷，主要面向海外市场。”

机器首先接收到的是：

Information

而不是已经完成的：

Object
Relation
State

所以需要进行结构化。

83.5 知识结构化不是简单分词

这一点非常重要。

例如：

深圳
公司
生产
电动牙刷

只是把一句话拆成几个词。

这并不等于知识结构化。

真正的结构化应该进一步确定：

深圳
=
Location

公司
=
Company

电动牙刷
=
Product

生产
=
Production Relation

然后：

Company
 ──located_in──>
Shenzhen

Company
 ──produces──>
Electric Toothbrush

因此：

知识结构化不是文字切分，而是认知结构建立。

83.6 知识结构化的第一个过程：分解

首先：

Knowledge
 ↓
Decomposition

例如：

“深圳有一家生产电动牙刷的厂家。”

可以分解为：

深圳
厂家
生产
电动牙刷

但是这只是第一步。

83.7 第二个过程：元素识别

分解之后，需要识别每个内容属于什么认知元素。

例如：

深圳
 ↓
Location Element

厂家
 ↓
Organization Element

电动牙刷
 ↓
Product Element

生产
 ↓
Action / Relation Element

于是：

Information
 ↓
Cognitive Elements

83.8 第三个过程：元素分类

机器需要确定：

这个元素是什么？

例如：

Shenzhen
=
LOCATION

Supplier A
=
COMPANY

Electric Toothbrush
=
PRODUCT

形成：

Element
 ↓
Type

这使机器能够区分不同类型的认知内容。

83.9 第四个过程：关系识别

元素建立以后，还必须确定：

元素之间是什么关系？

例如：

Supplier A
 ↓
located_in
 ↓
Shenzhen

以及：

Supplier A
 ↓
produces
 ↓
Electric Toothbrush

于是：

Elements
 ↓
Relations

开始形成结构。

83.10 第五个过程：对象形成

当多个元素和关系形成稳定结构后，可以形成：

Object

例如：

Supplier A
{
    type = Manufacturer
    location = Shenzhen
    product = Electric Toothbrush
}

这里：

Supplier A

已经不再只是一个元素。

而是成为一个：

Cognitive Object

83.11 第六个过程：状态形成

对象还需要具有状态。

例如：

Supplier A

当前：

status = active

生产能力：

capacity = high

市场状态：

market = international

于是：

Object
 ↓
State

形成动态认知结构。

83.12 知识结构化的完整过程

因此：

Knowledge
 ↓
Decomposition
 ↓
Element Identification
 ↓
Element Classification
 ↓
Relation Identification
 ↓
Object Formation
 ↓
State Formation
 ↓
Context Formation
 ↓
Cognitive Structure

这才是完整的知识结构化过程。

83.13 知识结构化的核心不是“存”

普通知识库重点解决：

怎么保存知识？

而 ICAI 研究的是：

知识如何成为认知结构？

因此两者关注点不同。

Knowledge Storage
=
保存

Knowledge Structuring
=
组织

Cognitive Structuring
=
让知识进入机器认知体系

83.14 知识库与知识结构化

知识库可以保存：

Supplier A
Shenzhen
Electric Toothbrush

但是如果它们之间没有明确关系：

Supplier A
Shenzhen
Electric Toothbrush

机器仍然不知道：

谁在哪里？
谁生产什么？
什么属于什么？

知识结构化要求：

Supplier A
 ├── located_in → Shenzhen
 └── produces → Electric Toothbrush

因此：

知识库解决“有什么”，知识结构化解决“这些东西如何构成认知关系”。

83.15 知识结构化与数据库

数据库可以表示：

supplier_id
name
location
product

这属于：

Data Structure

但 ICAI 进一步研究：

Data
 ↓
Meaning
 ↓
Element
 ↓
Relation
 ↓
Object
 ↓
Cognitive Structure

因此：

Database

可以成为工程实现手段。

但：

Knowledge Structuring

属于认知理论与认知工程问题。

83.16 知识结构化与符号逻辑

第81章建立：

Symbolic Logic

第82章建立：

Cognitive Element

第83章则把二者连接起来：

Symbol
 ↓
Element
 ↓
Relation
 ↓
Logic
 ↓
Knowledge Structure

例如：

Supplier_A
located_in
Shenzhen

这不仅是三个符号，而形成：

Subject
+
Relation
+
Object

因此可以进入逻辑处理。

83.17 知识结构化与认知元素

第82章提出：

知识结构化为认知元素。

第83章进一步明确：

Knowledge

不是简单变成一个个元素就结束。

而是：

Knowledge
 ↓
Elements
 ↓
Relations
 ↓
Structures

所以：

元素是知识结构化的基本单位，关系是知识结构化的连接机制，结构是知识进入机器认知体系后的组织形式。

83.18 元素结构

例如：

Electric Toothbrush

可以结构化为：

Product
 ├── Type = Electric Toothbrush
 ├── Power = Rechargeable
 ├── Modes = 5
 ├── Waterproof = IPX7
 └── Battery = Long Life

这里每个属性都可以成为认知元素：

Type
Power
Modes
Waterproof
Battery

然后形成：

Product Object

83.19 关系结构

知识真正复杂的地方来自关系。

例如：

Company
 ↓
produces
 ↓
Product

还可以：

Company
 ↓
located_in
 ↓
Location

以及：

Product
 ↓
belongs_to
 ↓
Category

于是：

Element
 ↓
Relation
 ↓
Element

不断连接形成网络。

83.20 对象结构

多个元素通过关系形成对象：

Company
│
├── Name
├── Type
├── Location
├── Products
├── Capacity
├── Certifications
└── Market

这个整体就是：

Company Object

因此：

Elements
+
Relations
=
Object Structure

83.21 状态结构

对象还可能发生变化。

例如：

Factory

状态：

Operating

之后：

Maintenance

再之后：

Operating

于是机器需要保存：

Object
 ↓
State
 ↓
State History

这使知识从静态结构进入动态结构。

83.22 时间进入知识结构

例如：

Supplier A
capacity = medium
2025

后来：

Supplier A
capacity = high
2026

于是机器认知结构可以表示：

Supplier A
 ├── capacity
 │    ├── 2025 → medium
 │    └── 2026 → high

知识因此具有：

Time

维度。

83.23 上下文进入知识结构

例如：

Supplier A

在：

Retail Context

中的认知可能是：

Supplier

在：

Manufacturing Context

中的认知可能重点是：

Manufacturer

所以：

Knowledge Structure
=
Elements
+
Relations
+
States
+
Context
+
Time

83.24 知识结构不是固定不变的

现实知识不断变化：

New Information
 ↓
New Element
 ↓
New Relation
 ↓
New State
 ↓
Structure Update

因此机器认知结构必须支持：

Create
Update
Delete
Merge
Split
Relate
Unrelate

知识结构本身也必须能够演化。

83.25 知识冲突

现实中可能出现：

Source A:
Supplier A capacity = Medium

Source B:
Supplier A capacity = High

结构化之后不能简单地：

覆盖

而需要保留：

Element
Source
Time
Context
Confidence

形成：

Knowledge Conflict

后续再通过：

Matching
Evaluation
Experience
Decision

处理。

83.26 知识结构化与认知匹配

知识结构化之后，机器才真正具备：

Cognitive Matching

例如人的表达：

“找深圳的电动牙刷厂家。”

结构化为：

Goal = FIND
Location = Shenzhen
Product = Electric Toothbrush
Type = Manufacturer

机器已有知识：

Supplier A
 ├── Location = Shenzhen
 ├── Product = Electric Toothbrush
 └── Type = Manufacturer

于是：

Human Cognitive Structure
          ↓
       Matching
          ↓
Machine Cognitive Structure

这就是后面非常重要的：

认知匹配。

83.27 认知匹配为什么需要知识结构化

如果机器只有：

Text

那么只能进行：

Text Matching

如果机器拥有：

Cognitive Elements
Relations
Objects
States

就可以进行：

Structural Matching

例如：

Human:
Location = Shenzhen

Machine:
Supplier_A.location = Shenzhen

匹配的是：

Structure

而不是单纯：

Word

因此：

知识结构化是认知匹配的前提。

83.28 知识结构化与人的知识体系

人的知识本身也不是完全平面的。

人通常会形成：

概念
分类
对象
属性
关系
经验
规则
判断

因此人的认知结构可以抽象为：

Human Knowledge
 ↓
Elements
 ↓
Relations
 ↓
Objects
 ↓
States
 ↓
Experience

ICAI 要研究的，就是如何建立：

Human Cognitive Structure
        ↓
Mapping
        ↓
Machine Cognitive Structure

83.29 知识映射

因此可以定义：

Knowledge Mapping 是将人的知识表达结构与机器内部认知结构建立对应关系的过程。

例如：

人的知识：

“深圳的电动牙刷厂家”

机器：

Location
=
Shenzhen

Product
=
Electric Toothbrush

Type
=
Manufacturer

形成：

Human Structure
        ↕
Machine Structure

83.30 映射不等于复制

机器不需要复制人的知识表达方式。

例如人可能说：

“深圳做电动牙刷的工厂。”

另一个人可能说：

“深圳电动牙刷生产厂家。”

机器应该识别二者可能对应：

Location = Shenzhen
Product = Electric Toothbrush
Type = Manufacturer

所以：

Different Expressions
 ↓
Same Cognitive Structure

这才是机器认知的重要能力。

83.31 知识结构化的层次

可以建立：

Level 1
Symbol

Level 2
Element

Level 3
Relation

Level 4
Object

Level 5
State

Level 6
Context

Level 7
Knowledge Structure

Level 8
Cognitive Model

因此：

Symbol
 ↓
Element
 ↓
Relation
 ↓
Object
 ↓
State
 ↓
Knowledge Structure
 ↓
Cognitive Model

形成连续的理论链。

83.32 知识结构化与认知模型

知识结构解决：

机器知道什么？

认知模型解决：

机器如何使用这些知识？

所以：

Knowledge Structure
        +
Cognitive Model
        ↓
Machine Cognition

知识本身并不等于认知。

83.33 知识结构化与方法

当知识结构形成以后，机器可以对结构执行：

Search
Match
Compare
Evaluate
Infer
Select
Update

这些进一步形成：

Method

因此：

Knowledge Structure
 ↓
Cognitive Operation
 ↓
Method

这将与后面的机器认知方法体系连接。

83.34 知识结构化与行为

机器最终需要行动。

例如：

Knowledge:
Supplier A is suitable

结合：

Goal:
Find supplier

经过：

Matching
Evaluation
Decision

最终：

Behavior:
Select Supplier A

所以：

Knowledge Structure
 ↓
Cognition
 ↓
Decision
 ↓
Behavior

知识结构最终进入机器行为。

83.35 知识结构化与记忆

结构化知识还需要进入机器记忆。

例如：

Object
 ↓
State
 ↓
Experience

保存为：

Memory

以后再次遇到相似结构：

Current Structure
 ↓
Memory Matching
 ↓
Previous Experience

因此：

Knowledge Structure
 ↕
Memory

两者形成动态关系。

83.36 知识结构化与学习

学习的一个重要过程就是：

New Information
 ↓
Structure
 ↓
Compare Existing Structure
 ↓
Update

可能产生：

New Element
New Relation
New Object
New State

也可能修改原来的：

Element
Relation
Object
State

所以：

学习不仅增加知识数量，也改变机器内部知识结构。

83.37 知识结构的演化

可以表示：

Knowledge Structure₀
        ↓
Experience
        ↓
New Information
        ↓
Matching
        ↓
Evaluation
        ↓
Knowledge Structure₁

因此：

Knowledge Structure

不是静态数据库。

它是：

随着个体经验不断变化的认知结构。

83.38 个体知识结构

ICAI 中尤其重要的是：

Individual Knowledge Structure

不同个体可能拥有不同结构：

Individual A
 ↓
Knowledge Structure A

Individual B
 ↓
Knowledge Structure B

即使两者接触相同现实，也可能产生不同：

Elements
Relations
Objects
States
Experiences

因为：

Memory
Experience
Context
Learning

不同。

83.39 知识结构与个体认知

因此：

Individual
 ↓
Cognitive Space
 ↓
Knowledge Structure
 ↓
Memory
 ↓
Experience
 ↓
Cognitive Model

最终形成：

Individual Cognition

知识结构成为个体认知空间的重要组成部分。

83.40 知识结构化的工程表示

可以建立一个基础结构：

KnowledgeStructure
{
    elements,
    relations,
    objects,
    states,
    contexts,
    time,
    sources
}

其中：

elements

保存认知元素。

relations

保存元素之间的关系。

objects

保存由元素组成的对象。

states

保存对象或元素状态。

contexts

保存认知环境。

time

保存变化过程。

sources

保存知识来源。

83.41 Knowledge Structuring Engine

进一步可以形成：

Knowledge Structuring Engine

基本流程：

Input Knowledge
 ↓
Parse
 ↓
Identify Elements
 ↓
Classify Elements
 ↓
Identify Relations
 ↓
Build Objects
 ↓
Assign States
 ↓
Attach Context
 ↓
Build Structure
 ↓
Validate
 ↓
Store

注意：

Store

是最后一步。

这说明：

知识结构化首先是认知过程，其次才是存储过程。

83.42 Knowledge Structure Validation

结构形成以后，需要验证：

Element Valid?
Relation Valid?
Object Valid?
State Valid?
Context Valid?
Conflict?

例如：

Supplier A
located_in
Electric Toothbrush

如果关系类型明显不合理，就需要重新分析。

因此：

Structure
 ↓
Validation

也是机器认知工程的重要组成部分。

83.43 知识结构化不是大模型的专属能力

大模型可以通过神经网络参数和上下文处理知识。

但 ICAI 的研究路径不同。

ICAI 更强调：

Element
Relation
Object
State
Rule
Memory
Experience

这些结构显式存在。

因此：

LLM
=
一种信息处理方式

ICAI Knowledge Structure
=
一种机器认知结构

两者可以参考和比较，但理论基础不同。

83.44 符号逻辑体系中的知识结构化

在本理论体系中：

Reality
 ↓
Information
 ↓
Symbol
 ↓
Element
 ↓
Relation
 ↓
Object
 ↓
State
 ↓
Knowledge Structure

知识结构因此成为：

Symbolic Cognitive System

中的核心层。

83.45 从知识到认知

知识结构化完成以后：

Knowledge
 ↓
Cognitive Structure

但还不能直接称为：

Cognition

因为认知还需要：

Perception
Matching
Memory
Reasoning
Decision
Behavior
Learning

因此：

Knowledge Structure
+
Cognitive Process
=
Machine Cognition

83.46 本章核心理论链

第80章：

Information
 ↓
Symbol

第81章：

Symbol
 ↓
Logic

第82章：

Symbol
 ↓
Cognitive Element

第83章：

Knowledge
 ↓
Elements
 ↓
Relations
 ↓
Objects
 ↓
States
 ↓
Cognitive Structure

于是形成：

Reality
 ↓
Information
 ↓
Symbol
 ↓
Logic
 ↓
Cognitive Element
 ↓
Knowledge Structure
 ↓
Cognitive Structure

83.47 本章最重要的区别

必须明确三个概念：

Knowledge

是：

人或机器所拥有的内容。

Knowledge Structure

是：

知识被元素、关系、对象、状态等组织起来的结构。

Cognition

是：

机器对这些结构进行感知、匹配、记忆、判断、决策和行为的动态过程。

因此：

Knowledge
≠
Knowledge Structure
≠
Cognition

但三者存在连续关系：

Knowledge
 ↓
Knowledge Structure
 ↓
Cognitive Process
 ↓
Cognition

83.48 本章最终定义

Knowledge Structuring 是将非结构化或弱结构化知识转换为由认知元素、关系、对象、状态、上下文和时间等组成的机器内部认知结构的过程，使知识从单纯的信息内容转化为能够被机器识别、匹配、操作、记忆、推理和学习的结构化认知对象。

83.49 本章最终模型

                  Knowledge
                      │
                      ↓
                Decomposition
                      │
                      ↓
             Cognitive Elements
                      │
              ┌───────┴───────┐
              ↓               ↓
          Relations         Attributes
              │               │
              └───────┬───────┘
                      ↓
                    Object
                      │
                      ↓
                    State
                      │
                      ↓
                   Context
                      │
                      ↓
              Knowledge Structure
                      │
                      ↓
              Cognitive Structure
                      │
          ┌───────────┼───────────┐
          ↓           ↓           ↓
       Matching     Memory     Reasoning
          │           │           │
          └───────────┼───────────┘
                      ↓
                   Decision
                      ↓
                   Behavior
                      ↓
                  Experience
                      ↓
                   Learning
                      ↓
             Structure Evolution

83.50 第83章的核心结论

第82章回答：

机器认知的基本单位是什么？

答案：

Cognitive Element

第83章继续回答：

这些认知元素如何形成知识？

答案：

Elements
 +
Relations
 +
Objects
 +
States
 +
Context
 =
Knowledge Structure

因此：

知识结构化不是把知识放进知识库，而是把知识转换成机器内部可以继续进行认知活动的结构。