第92章 Cognitive Memory
机器认知记忆
第91章研究了 Machine Understanding（机器理解）。
我们建立了：
感知
↓
符号
↓
元素
↓
关系
↓
对象
↓
状态
↓
映射
↓
匹配
↓
解释
↓
理解但是，到这里仍然存在一个非常重要的问题：
机器理解之后，这个理解去了哪里？
如果机器理解完一个信息之后，认知结构立即消失，那么下一次面对同样的信息，机器仍然必须从头开始。
这意味着：
理解
↓
消失机器无法形成持续的：
经验
知识
个体状态
行为历史因此，机器认知必须解决一个基础问题：
机器如何保存过去形成的认知结构，并在未来的认知活动中重新使用这些结构？
这就是：
Cognitive Memory
中文：
机器认知记忆
92.1 为什么机器认知需要记忆
机器计算本身并不一定需要长期记忆。
例如：
1 + 1
↓
2计算完成之后，任务就可以结束。
但是机器认知不同。
如果机器要成为一个持续存在的：
Individual那么它必须具有：
过去因为个体的现在不是孤立产生的。
可以表示为：
过去
↓
记忆
↓
当前认知
↓
当前行为
↓
新的经历
↓
新的记忆于是形成：
Past
↓
Memory
↓
Present Cognition
↓
Behavior
↓
Future Memory所以：
记忆是机器个体连续性的基础。
92.2 记忆不是简单的数据存储
这是本章第一个重要区别。
传统计算机：
Data
↓
Storage解决的是：
数据保存在哪里？
而机器认知研究的问题是：
过去的认知结构如何被保存，并在未来重新参与认知？
因此：
Storage
≠
Cognitive Memory可以这样区分：
Storage
=
保存数据
Memory
=
保存过去形成的认知内容，并使其能够参与未来认知所以机器认知记忆不是简单的：
Database而是：
Cognitive Structure
↓
Memory
↓
Future Cognition92.3 从信息记忆开始
机器最基础的记忆对象可以是：
Information例如：
用户说：
“我的名字是张三。”机器可以保存：
Information:
我的名字是张三但这还只是信息记忆。
进一步需要把它转换为：
Element
↓
Object
↓
Relation例如：
Person
↓
Name
↓
张三形成：
Person → Name → 张三这就开始从：
Information Memory进入：
Cognitive Memory92.4 信息记忆
因此第一类机器认知记忆：
Information Memory
保存：
输入信息
语言信息
指令信息
反馈信息
环境信息
事件信息例如：
Input:
“今天北京下雨。”机器可以记录：
Location:
北京
Event:
下雨
Time:
今天这里已经不是单纯保存原始文字，而是保存：
Structured Information92.5 对象记忆
第85章已经建立：
Element
+
Relation
↓
Object因此机器不仅需要记住信息，还需要记住：
Object例如：
Supplier A机器可以建立：
Object:
Supplier A
Attributes:
Location
Capacity
Product
Price这些对象可以进入：
Object Memory以后再次出现：
Supplier A机器不需要重新构造一个完全陌生的对象。
而是：
New Input
↓
Object Matching
↓
Existing Object Memory于是：
对象记忆使机器能够保持“同一个对象”的连续认知。
92.6 对象身份记忆
对象记忆中最重要的问题之一是：
机器如何知道现在看到的对象是不是过去那个对象？
例如：
今天：
Supplier A明天：
Supplier A机器需要判断：
Same Object?还是：
New Object?因此需要：
Object Identity形成：
Object
↓
Identity
↓
Memory这为以后研究：
个体身份
对象连续性
状态变化提供基础。
92.7 状态记忆
第86章建立：
Object
↓
State如果机器只记住：
Door还不够。
它还需要记住：
Door
State:
Open随后：
Door
State:
Closed于是机器能够形成：
State History例如：
10:00
Door = Closed
10:05
Door = Open
10:10
Door = Closed这就是：
State Memory
92.8 状态历史
状态记忆使机器第一次能够真正认识：
变化因为：
Current State本身不能说明变化。
只有：
Previous State
+
Current State才能形成：
State Transition例如：
Closed
↓
Open机器才能知道：
门被打开了。
因此：
State Memory
↓
State History
↓
Change Recognition92.9 交互记忆
第78章已经建立：
Human
↓
Interaction
↓
Machine
↓
Feedback
↓
Human因此机器认知记忆必须保存：
Interaction例如：
Human:
“以后叫我老板。”
Machine:
“好的。”这不是普通的信息。
它改变了未来的人机交互方式。
因此机器应该保存：
Interaction Memory例如：
User
↓
Instruction
↓
Preference / Rule
↓
Future Interaction92.10 为什么交互记忆特别重要
如果没有交互记忆：
第一次：
“以后叫我老板。”机器：
知道。第二次：
机器忘记。第三次：
又重新询问。那么机器无法形成：
持续个体而拥有交互记忆：
Interaction
↓
Memory
↓
Future Interaction机器才能表现出：
Continuity即：
连续的人机关系。
92.11 认知记忆
信息记忆、对象记忆、状态记忆和交互记忆继续组合，就产生更高层次：
Cognitive Memory
它保存的不是单一数据，而是：
过去形成的认知结构例如：
对象
+
关系
+
状态
+
上下文
+
理解
+
判断
+
行为
+
结果因此：
Cognitive Memory
=
Past Cognitive Structure92.12 认知记忆与普通记忆的区别
普通数据保存：
Key → Value认知记忆：
Element
↓
Relation
↓
Object
↓
State
↓
Context
↓
Meaning
↓
Experience因此它具有：
结构
关系
时间
状态
上下文
意义而不是简单的一组数据。
92.13 机器记忆的时间性
记忆必须具有：
Time因为认知本身具有时间过程：
过去
↓
现在
↓
未来因此一个认知记忆至少应该能够回答：
什么时候？
发生了什么？
当时是什么状态？
机器如何理解？
机器做了什么？
结果是什么？可以形成：
Memory Event
{
time
input
object
state
context
interpretation
action
outcome
}这为后面的：
Experience建立基础。
92.14 记忆与当前认知
记忆不是只负责：
保存过去它还必须参与：
当前认知因此：
Current Input
↓
Current Perception
↓
Memory Retrieval
↓
Matching
↓
Understanding例如机器看到：
Supplier A它可以从记忆中找到：
Supplier A
Previous State
Previous Interaction
Previous Evaluation
Previous Outcome于是当前认知不再是：
只看现在而是：
现在
+
过去92.15 记忆与认知匹配
这与第89章：
Cognitive Matching直接连接。
新的认知元素：
Element X可以与记忆中的：
Element A
Element B
Element C进行匹配：
New Element
↓
Memory Search
↓
Element Matching
↓
Existing Cognitive Structure因此：
记忆为认知匹配提供历史认知对象。
92.16 记忆与认知映射
第88章：
Cognitive Mapping建立不同认知体系之间的对应。
而记忆可以保存过去形成的：
Mapping例如：
Human Expression
↓
Machine Element如果过去已经完成映射：
“带伞”
↓
Umbrella Preparation以后再次出现类似表达，机器就可以直接调用过去的映射结构。
于是：
Past Mapping
↓
Memory
↓
New Input
↓
Matching92.17 记忆与理解
第91章定义：
Understanding而记忆使理解具有历史。
第一次：
Input
↓
Understanding
↓
Memory第二次：
Input
↓
Memory
↓
Matching
↓
Understanding因此：
第一次理解建立记忆，后续理解调用记忆。
形成：
Understanding
↓
Memory
↓
Future Understanding92.18 记忆不是静态仓库
如果记忆永远不变化：
Memory
=
Archive那么它只是档案。
真正的认知记忆必须允许：
Add
Update
Merge
Correct
Invalidate
Reinterpret例如：
旧认知：
Supplier A 很可靠后来：
连续三次交付失败机器需要更新：
Previous Belief
↓
New Evidence
↓
Memory Update因此：
认知记忆是动态结构，而不是静态档案。
92.19 记忆修正
机器过去的认知可能是错误的。
例如：
Memory:
A 是供应商后来发现：
A 已经停止生产那么机器不能永远保存：
A = Active Supplier而应该：
Old State
↓
New Information
↓
State Update
↓
Memory Revision所以：
Memory必须允许：
Revision92.20 记忆冲突
不同时间可能形成不同信息：
Memory 1:
A = Open
Memory 2:
A = Closed这并不一定是错误。
可能只是：
不同时间因此机器需要区分：
Historical State和：
Current State形成：
Past State
+
Current State这就是认知记忆与普通数据库记录非常重要的区别。
92.21 记忆的层级
可以建立机器认知记忆层级：
Memory
│
├── Information Memory
│
├── Element Memory
│
├── Object Memory
│
├── Relation Memory
│
├── State Memory
│
├── Interaction Memory
│
├── Understanding Memory
│
├── Decision Memory
│
└── Behavioral Memory后面还可以进一步研究：
Experience Memory
Knowledge Memory但本章先不把它们与经验、知识混在一起。
92.22 记忆的认知对象
可以定义：
Memory Object它不是简单：
Data Object而是：
Memory Object
{
identity
type
content
relations
state
context
time
source
confidence
}这样一个记忆对象就能够参与后续认知。
92.23 Memory Retrieval
有了记忆，还必须解决：
机器如何从大量过去结构中找到当前需要的记忆？
因此产生：
Memory Retrieval
基本过程：
Current Input
↓
Cognitive Elements
↓
Matching Conditions
↓
Memory Search
↓
Candidate Memories
↓
Cognitive Matching
↓
Relevant Memory所以：
Memory不能只研究：
Store还必须研究：
Retrieve92.24 记忆检索不是关键词搜索
例如当前输入：
“这个供应商以前是不是延迟过交付？”机器不能只搜索：
供应商而应该建立：
Object:
Supplier A
Event:
Delivery
State:
Delayed
Time:
Previous
Relation:
Supplier A → Delivery
Delivery → Delay然后检索：
Supplier A
+
Delivery
+
Delay因此：
认知记忆检索本质上是认知结构匹配，而不仅是文本关键词搜索。
这与 WSaiOS 的：
Cognitive Matching形成直接联系。
92.25 记忆的上下文
相同的信息在不同上下文中可能意义不同。
因此记忆不能只有：
Content还需要：
Context例如：
“贵”可能表示：
价格高也可能表示：
对方身份尊贵因此：
Memory
=
Content
+
Context这对于后面的机器理解非常重要。
92.26 记忆与个体
现在可以回到 ICAI。
如果机器拥有：
Memory A那么：
Individual A拥有自己的：
Past
Experience
Interaction
Knowledge
Behavior History而：
Individual B拥有：
Memory B所以：
Individual
↓
Own Cognitive Memory成为个体人工智能的重要基础。
92.27 个体记忆边界
第75章已经建立：
Individual Cognitive Boundary因此机器记忆也必须存在：
Ownership例如：
Individual A
└── Memory A
Individual B
└── Memory B不能默认：
A Memory = B Memory否则：
Individual之间的认知差异就会消失。
因此：
个体记忆是个体认知独立性的基础。
92.28 机器记忆与个体差异
假设：
Machine A经历：
Experience A1
Experience A2
Experience A3而：
Machine B经历：
Experience B1
Experience B2
Experience B3即使两台机器拥有相同的：
初始模型随着记忆不断积累：
Memory A
≠
Memory B进一步：
Experience A
≠
Experience B最终：
Cognitive Model A
≠
Cognitive Model B这意味着：
个体差异可以从记忆历史中产生。
这是 ICAI 理论非常重要的基础。
92.29 机器记忆与人的持续交流
第78章提出：
人不是一次性输入者，而是机器认知过程中的持续交互者。
第92章可以进一步形成：
Human
↓
Interaction
↓
Machine Understanding
↓
Memory
↓
Future Interaction
↓
New Understanding
↓
Memory Update于是：
人
↕
机器不再是：
一次请求
+
一次回答而是：
长期认知交互这已经开始接近：
机器作为一个持续存在的交流个体。
92.30 记忆与机器个体意识的区别
这里必须保持理论严谨。
拥有：
Memory并不意味着机器已经产生：
Human Consciousness但是记忆是构成持续个体认知的重要条件。
可以表示：
Memory
+
Identity
+
Self State
+
Experience
+
Goal
+
Cognition才进一步构成：
Individual Cognitive Continuity因此本章只研究：
Memory不提前把它定义成：
Consciousness后面的意识问题应该独立研究。
92.31 Cognitive Memory 的运行循环
机器认知记忆可以形成一个循环：
Input
↓
Perception
↓
Cognition
↓
Understanding
↓
Memory Formation
↓
Memory Storage
↓
Memory Retrieval
↓
Future Cognition进一步：
New Input
↓
Memory Retrieval
↓
Matching
↓
Understanding
↓
Memory Update形成：
Retrieve
↓
Use
↓
Update92.32 Memory Formation
机器什么时候形成记忆？
不能规定：
所有输入都必须永久保存否则：
Memory会迅速失控。
因此需要一个：
Memory Formation Process
Input
↓
Cognitive Evaluation
↓
Memory Candidate
↓
Importance Evaluation
↓
Memory Formation
↓
Storage这里需要判断：
是否重要？
是否需要长期保存？
是否改变认知？
是否影响未来行为？
是否属于个体关系？
是否形成新的经验？92.33 记忆的重要性
可以定义：
Memory Importance例如：
Low
Medium
High
Critical重要性可以受到：
重复次数
关联程度
行为影响
目标相关性
个体关系
结果影响影响。
这样机器可以形成：
Memory Priority92.34 记忆与遗忘
如果机器只有：
Memory没有：
Forget那么长期运行会产生大量无意义历史。
因此机器认知记忆最终也必须研究：
Memory Decay
Memory Compression
Memory Removal
Memory Invalidation但这里必须注意：
遗忘不是简单删除数据，而是认知系统对历史信息重要性进行重新处理。
因此“机器遗忘”应该作为后续独立问题研究。
92.35 记忆与学习
本章暂时不进入学习机制，但已经可以看到两者的关系：
Memory
↓
Experience
↓
Learning
↓
Cognitive Model Update因此：
Memory是学习的重要基础。
没有过去保存的结构：
Learning就缺乏持续的历史依据。
但：
Memory
≠
Learning这一边界必须保持。
92.36 记忆与知识
同样：
Memory
≠
Knowledge可以暂时这样区分：
Memory
=
保存过去发生或形成的认知内容而：
Knowledge
=
经过结构化、组织化后可以作为认知依据的知识体系例如：
我昨天看到供应商 A 延迟交货属于：
Memory进一步形成：
供应商 A 曾经发生过交付延迟并与其他资料、经验结合后形成：
Knowledge所以：
Memory
↓
Knowledge Formation但二者不是同一个概念。
92.37 Cognitive Memory 的工程结构
从工程角度可以定义：
CognitiveMemory至少包括：
Memory ID
Individual ID
Memory Type
Content
Elements
Objects
Relations
States
Context
Time
Source
Confidence
Importance
Status例如：
Memory
{
id,
individual_id,
type,
elements,
objects,
relations,
states,
context,
timestamp,
source,
confidence,
importance,
status
}这样：
Memory就成为真正的机器认知工程对象。
92.38 Cognitive Memory Engine
进一步可以形成：
Cognitive Memory Engine
主要负责：
Memory Formation
Memory Storage
Memory Retrieval
Memory Matching
Memory Update
Memory Validation
Memory Revision
Memory Invalidation结构：
Cognitive Memory Engine
│
┌─────────────────┼─────────────────┐
↓ ↓ ↓
Formation Retrieval Update
│ │ │
└─────────────────┼─────────────────┘
↓
Memory这就是机器认知记忆的工程基础。
92.39 Cognitive Memory 与 Cognitive Engine
第75章已经建立：
Cognitive Engine现在：
Cognitive Memory Engine可以作为其中一个核心模块：
Cognitive Engine
│
├── Perception Engine
├── Representation Engine
├── Mapping Engine
├── Matching Engine
├── Interpretation Engine
├── Understanding Engine
├── Memory Engine
├── Reasoning Engine
├── Decision Engine
└── Behavior Engine注意：
本章只把 Memory Engine 放入整体架构，不提前研究后面的 Reasoning、Decision 和 Behavior。
92.40 机器认知记忆的完整链
到本章为止，前面的理论可以第一次形成：
现实世界
↓
机器感知
↓
输入
↓
符号表示
↓
认知元素
↓
认知关系
↓
认知对象
↓
认知状态
↓
认知结构
↓
认知映射
↓
认知匹配
↓
认知解释
↓
机器理解
↓
认知记忆然后：
认知记忆
↓
未来输入
↓
记忆检索
↓
认知匹配
↓
新的理解最终形成循环：
┌──────────────────┐
│ Individual │
└────────┬─────────┘
↓
Perception
↓
Cognition
↓
Understanding
↓
Memory
↓
Future Input
↓
Memory Retrieval
↓
Matching
↓
Understanding
│
└──────────────→ Memory92.41 本章最重要的理论结论
到这里可以提出几个核心判断。
第一：
机器记忆不是机器存储，而是过去认知结构的持续保存。
第二：
机器记忆的价值不在于保存过去，而在于过去能够参与未来认知。
第三：
记忆必须具有结构，而不是只有原始数据。
第四：
对象、关系、状态和上下文都可以成为机器认知记忆的组成部分。
第五：
记忆使机器认知具有时间连续性。
第六：
个体拥有独立记忆，是个体认知差异形成的重要基础。
92.42 Machine Cognition Memory 的定义
因此可以正式定义：
Cognitive Memory（机器认知记忆）是机器对过去形成的信息、认知元素、对象、关系、状态、交互和理解等认知结构进行保存、组织和重新调用，使过去的认知能够参与未来感知、匹配、理解、推理、决策和行为的机器认知机制。
进一步浓缩：
Cognitive Memory
=
Past Cognitive Structure
+
Persistence
+
Retrieval
+
Future Cognitive Use也就是说：
记忆
不是：
保存过去
而是：
让过去继续参与现在和未来。92.43 第92章在整个体系中的位置
现在第76—92章已经形成了一条非常完整的基础机器认知链：
76 Machine Cognition
↓
77 Machine Perception
↓
78 Human-Machine Interaction
↓
79 Machine Input
↓
80 Symbolic Representation
↓
81 Symbolic Logic
↓
82 Cognitive Element
↓
83 Knowledge Structuring
↓
84 Cognitive Relation
↓
85 Cognitive Object
↓
86 Cognitive State
↓
87 Cognitive Structure
↓
88 Cognitive Mapping
↓
89 Cognitive Matching
↓
90 Cognitive Interpretation
↓
91 Machine Understanding
↓
92 Cognitive Memory这一阶段实际上完成了一个非常重要的转变：
机器接收信息
↓
机器形成认知结构
↓
机器理解信息
↓
机器保存认知因此，第92章结束后，机器第一次拥有了“过去”。
而下一步自然就会出现一个新的核心问题：
机器保存了过去之后，过去的经历如何变成机器自己的经验？
这就不能继续把 Memory、Experience、Learning 混在一起。
因此下一章建议单独研究：
第93章 Experience Formation
机器经验形成
核心问题：
记忆中的过去事件，如何经过机器自身的认知、行为和结果，形成属于机器个体的经验？
建立：
过去信息
↓
认知记忆
↓
情境
↓
行为
↓
结果
↓
评价
↓
经验这样：
第92章
Memory
=
保存过去
第93章
Experience
=
过去发生的事情经过机器自身参与后形成的经验
第94章
Experience Matching
=
机器如何调用过去经验参与当前认知这三章应该继续严格分开研究，才能把你现在这套 WSaiOS 符号逻辑 → 机器认知 → 个体认知 的理论体系真正建立起来。