第105章 Cognitive State Machine

认知状态机

第104章研究了 Cognitive Coordination——认知协调，解决的是一个重要问题：

机器内部不同认知能力如何协调起来形成连续的认知过程？

但是，仅仅有协调机制仍然不够。

因为机器认知不是静态结构，而是一个随时间不断变化的动态过程。

机器在某一时刻可能：

Unknown

经过感知以后变成：

Perceived

经过识别以后变成：

Recognized

经过匹配以后变成：

Matched

再经过评价、决策和行为，最终又因为反馈进入新的认知状态。

因此，本章研究一个更加基础的工程问题：

如何让机器认知过程按照状态持续运行，并能够根据认知结果进入下一个状态？

这就是：

Cognitive State Machine

中文：

机器认知状态机

105.1 什么是认知状态机

传统状态机解决：

一个系统处于什么状态，以及什么条件会使它进入下一个状态。

例如：

State A
   ↓
Event
   ↓
State B

机器认知状态机则进一步解决：

机器现在认知到了什么程度？
当前认知处于什么阶段？
什么条件允许进入下一阶段？
什么情况需要重新认知？
什么情况需要暂停？
什么情况需要人工接管？

因此可以定义：

Cognitive State Machine 是描述和控制机器个体认知状态、状态转换、转换条件及认知过程运行路径的状态系统。

105.2 为什么机器认知需要状态

如果没有状态，机器只能处理：

Input
 ↓
Process
 ↓
Output

但机器并不知道：

当前已经感知了吗？
已经形成对象了吗？
已经理解了吗？
是否已经完成匹配？
是否已经做出决策？
行为是否已经执行？
反馈是否已经返回？
是否已经学习？

因此：

状态是机器持续认知的基础。

机器认知不是：

一次计算

而是：

连续状态变化

105.3 认知状态与普通程序状态的区别

普通程序状态可能是：

OPEN
CLOSED
RUNNING
STOPPED

这些状态主要描述：

程序运行状态。

认知状态描述的则是：

机器对当前对象、信息、情境和任务所处的认知阶段。

例如：

Unknown
Perceived
Recognized
Matched
Interpreted
Understood
Evaluated
Decided
Acted
Feedback
Learned

因此：

Program State
≠
Cognitive State

前者描述：

程序运行

后者描述：

认知过程

105.4 认知状态的基本结构

一个 Cognitive State 可以抽象为：

CognitiveState
{
    state_id
    individual_id
    context
    objects
    relations
    knowledge
    memory
    experience
    goal
    confidence
    timestamp
}

因此状态不是简单的：

"Matched"

而是：

状态名称
+
当前认知内容
+
当前上下文
+
当前目标

共同构成。

105.5 最基础的认知状态链

本章首先建立一个基础状态链：

Unknown
 ↓
Perceived
 ↓
Recognized
 ↓
Matched
 ↓
Evaluated
 ↓
Decided
 ↓
Acted
 ↓
Feedback
 ↓
Learned

这条链描述的是：

不知道
 ↓
感知到
 ↓
识别
 ↓
匹配
 ↓
评价
 ↓
决策
 ↓
行动
 ↓
获得反馈
 ↓
学习

但需要注意：

这只是最基础的认知状态模型，不意味着所有机器认知都必须严格按照这一条直线运行。

105.6 Unknown

Unknown

表示：

当前机器尚未建立足够的认知结构。

例如：

Input
 ↓
Unknown

机器可能已经接收到信息，但是：

没有确定对象
没有确定意义
没有建立对应关系

因此：

Input ≠ Understanding

输入存在，不代表认知已经建立。

105.7 Perceived

当机器通过感知系统获得可识别的信息：

Unknown
 ↓
Perceived

此时机器已经形成：

Perception

例如：

Input
 ↓
Symbol
 ↓
Element

但是：

Perceived

并不等于：

Recognized

机器可能：

看到了，但是还不知道它是什么。

105.8 Recognized

当机器将感知得到的元素与已有认知结构建立对应：

Perceived
 ↓
Recognized

此时机器可能已经确定：

Object Type
Object Identity
Object Attributes

例如：

Element
 ↓
Object

形成：

Recognized Object

105.9 Matched

识别以后，机器需要进一步进行认知匹配：

Recognized
 ↓
Matched

例如：

Current Object
       ↕
Knowledge Object

或者：

Current Situation
       ↕
Past Experience

这就是第89章建立的：

Cognitive Matching

因此：

Recognized
 ↓
Matching
 ↓
Matched

105.10 Evaluated

匹配以后并不一定立即做决定。

还需要：

Evaluation

机器需要判断：

重要程度
相关程度
风险
价值
目标符合程度
经验结果
约束条件

于是：

Matched
 ↓
Evaluated

形成：

已经建立对应关系，并完成当前认知条件下的评价。

105.11 Decided

评价完成以后：

Evaluated
 ↓
Decided

形成：

Decision

例如：

继续
停止
等待
询问
执行
拒绝
重新认知

所以：

Evaluation
≠
Decision

评价是：

判断当前情况。

决策是：

选择下一步行为。

105.12 Acted

决策以后进入：

Acted

即：

Decision
 ↓
Method
 ↓
Behavior
 ↓
Action

因此：

Decided
 ↓
Acted

表示机器已经将认知结果转化为实际行为。

105.13 Feedback

行为产生结果：

Acted
 ↓
Result
 ↓
Feedback

反馈可能来自：

Human
Environment
System
Object
Outcome

因此：

Feedback 是认知状态机重新认识现实的入口。

105.14 Learned

反馈经过评价：

Feedback
 ↓
Evaluation
 ↓
Experience
 ↓
Learning

最终：

Learned

表示机器的认知结构已经因为此次经历产生了某种更新。

例如：

Knowledge Update
Memory Update
Experience Update
Rule Update
Model Update
Behavior Update

105.15 Learned 不是终点

这是认知状态机非常重要的一点。

Learned

并不是：

END

而可以：

Learned
 ↓
Updated
 ↓
Ready
 ↓
New Input

因此：

Learned
 ↓
Unknown

或者：

Learned
 ↓
Ready
 ↓
Perceived

最终形成：

持续运行的认知循环。

105.16 Cognitive State Machine 不是单向流程

最简单的图：

Unknown
 ↓
Perceived
 ↓
Recognized
 ↓
Matched
 ↓
Evaluated
 ↓
Decided
 ↓
Acted
 ↓
Feedback
 ↓
Learned

只是理想路径。

真实机器认知可能：

Recognized
 ↓
Matching
 ↓
Match Failed
 ↓
Perceived

也可能：

Matched
 ↓
Evaluation
 ↓
Insufficient Information
 ↓
Memory
 ↓
Matching

还可能：

Decision
 ↓
Environment Changed
 ↓
Perception
 ↓
Re-Evaluation

因此：

认知状态机必须允许回退、重复、分支和重新进入。

105.17 状态转换

认知状态机最核心的结构不是状态本身，而是：

State Transition

可以定义：

Current State
+
Event
+
Condition
+
Action
 ↓
Next State

例如：

Perceived
+
Object Detected
+
Recognition Rule
 ↓
Recognized

又例如：

Matched
+
Evaluation Complete
 ↓
Evaluated

105.18 Cognitive Transition

可以抽象为：

CognitiveTransition
{
    from_state
    event
    condition
    method
    to_state
}

例如：

from:
Perceived

event:
RecognitionCompleted

condition:
ObjectIdentityConfirmed

to:
Recognized

这样：

认知状态转换就成为可计算的工程对象。

105.19 认知事件

状态变化通常由：

Event

触发。

机器认知中的事件可以包括：

InputReceived
ObjectDetected
RecognitionCompleted
MatchCompleted
EvaluationCompleted
DecisionMade
ActionCompleted
FeedbackReceived
LearningCompleted
HumanIntervention
EnvironmentChanged

因此：

Event
 ↓
State Transition

成为认知状态机的基本运行机制。

105.20 人的输入也是状态转换事件

根据第78、79章建立的人机交互模型：

Human
 ↓
Interaction Information
 ↓
Machine

人的信息不仅是：

Input

也可以是：

Cognitive Event

例如：

Human:
停止

可以产生：

HumanStopEvent

然后：

Acted
 ↓
HumanStopEvent
 ↓
Stopped

因此：

人机交互直接参与机器认知状态转换。

105.21 人工控制优先级

按照前面建立的原则：

Human Control

必须拥有最高控制权限。

因此任何状态：

Unknown
Perceived
Recognized
Matched
Evaluated
Decided
Acted
Learning

都必须允许：

Human Intervention

进入：

Paused
Stopped
Controlled

形成：

                 Human Control
                      ↓
Any Cognitive State → Controlled

这保证机器认知系统始终处于：

人工最高权限控制之下。

105.22 Cognitive State Machine 与 Cognitive Center

第103章：

Cognitive Center

负责统一认知活动。

第104章：

Cognitive Coordination

负责协调认知模块。

本章：

Cognitive State Machine

负责：

状态
状态转换
运行路径

三者形成：

Cognitive Center
        ↓
Cognitive Coordination
        ↓
Cognitive State Machine
        ↓
Cognitive Modules

因此：

认知中枢决定统一管理，认知协调决定如何组织，状态机决定认知过程如何持续运行。

105.23 Cognitive State Machine 与 Cognitive Coordination

二者必须区分。

Cognitive Coordination

回答：

现在应该协调哪些认知能力？

而：

Cognitive State Machine

回答：

机器当前处于什么认知状态，以及下一步可以进入什么状态？

因此：

State Machine
=
状态结构

Coordination
=
过程组织

二者结合：

Current State
 ↓
Coordinator
 ↓
Select Process
 ↓
Execute
 ↓
Result
 ↓
State Transition

105.24 Cognitive State Machine 与 Cognitive Process

可以进一步区分：

State
=
当前认知位置

Process
=
从一个状态走向另一个状态的过程

例如：

Perceived
 ↓
Recognition Process
 ↓
Recognized

所以：

State
+
Process
+
Transition

共同形成动态认知系统。

105.25 状态条件

并不是任何情况下都可以进入下一个状态。

例如：

Perceived

只有在：

Object Identity Confirmed

时才能：

→ Recognized

因此需要：

Transition Condition

例如：

if recognition_confidence >= threshold
    → Recognized

但在 WSaiOS 的符号逻辑体系中，可以进一步不依赖单一概率阈值，而采用：

Element Match
+
Relation Match
+
Object Match
+
State Match
+
Context Match

共同决定：

Recognition Valid

105.26 多条件状态转换

例如：

Perceived

进入：

Recognized

可能需要：

Object Identity
+
Required Attributes
+
Context Compatibility

因此：

Condition
=
C1 AND C2 AND C3

也可能：

Condition
=
C1 OR C2

这使认知状态机可以建立在：

符号逻辑条件之上。

105.27 Cognitive State 与 Symbolic Logic

第81章建立：

Symbolic Logic

本章可以进一步连接：

Symbolic Logic
       ↓
Transition Condition
       ↓
State Transition

例如：

IF
Object = Supplier
AND
Identity = Confirmed
AND
Context = Procurement
THEN
State = Recognized

因此：

符号逻辑可以成为认知状态转换的重要控制基础。

105.28 Cognitive State 与 Object

第85章建立：

Cognitive Object

第86章建立：

Cognitive State

两者关系：

Object
 ↓
State

例如：

Supplier A
 ↓
Unknown
 ↓
Recognized
 ↓
Evaluated

这里状态不是脱离对象存在的。

而是：

某个对象在某个时间、某个情境下所处的认知状态。

105.29 Object State 与 Cognitive State

需要区分：

Object State

和：

Cognitive State

例如：

真实对象：
Machine = Running

这是：

Object State

机器内部：

Machine Status Recognized

这是：

Cognitive State

因此：

Reality State
        ↓
Perception
        ↓
Cognitive State

二者不能混淆。

105.30 Cognitive State 与 Memory

状态发生变化以后：

State Transition

应该可以记录：

Previous State
Current State
Transition
Reason
Time

形成：

Cognitive State History

例如：

Unknown
 ↓
Perceived
 ↓
Recognized
 ↓
Matched
 ↓
Evaluated

这条历史本身就是重要的认知记忆。

因此：

State History
 ↓
Memory

105.31 Cognitive State History

可以定义：

StateHistory
{
    individual_id
    object_id
    previous_state
    current_state
    transition
    reason
    timestamp
}

这样机器不仅知道：

现在是什么状态

还知道：

为什么进入这个状态

以及：

之前是什么状态

105.32 状态历史与经验

进一步：

State History
+
Action
+
Outcome

可以形成：

Experience

例如：

Recognized
 ↓
Evaluated
 ↓
Decided
 ↓
Acted
 ↓
Failed

这个完整过程可以保存为：

Experience

因此：

State Machine
 ↓
State History
 ↓
Experience

形成从动态运行到认知经验的桥梁。

105.33 状态机与学习

学习系统可以分析：

State Transition History

例如：

Matched
 ↓
Decision A
 ↓
Failure

下一次可能形成：

Matched
 ↓
Re-Evaluation
 ↓
Decision B

所以：

学习不仅可以修改知识，也可以修改状态转换策略。

形成：

Experience
 ↓
Learning
 ↓
Transition Update

105.34 Cognitive State Machine 的异常路径

现实世界不会总是按照正常路径运行。

例如：

Perceived
 ↓
Recognition Failed

此时不能继续：

Recognized

而应该：

Recognition Failed
 ↓
Unknown

或者：

Perceived
 ↓
Need More Information
 ↓
Human Interaction

因此状态机必须定义：

Failure State
Recovery State
Retry State
Waiting State
Human Control State

105.35 Waiting State

机器有时不能立即继续。

例如：

等待人的回答
等待环境变化
等待设备响应
等待数据
等待反馈

因此可以定义：

Waiting

状态：

Current State
 ↓
Waiting
 ↓
Event
 ↓
Resume

105.36 Pause State

认知过程可能被暂停：

Running
 ↓
Pause

暂停后：

Memory
State
Context
Goal

都应该保持。

然后：

Resume

继续原来的认知过程。

因此：

Pause
≠
Reset

105.37 Reset 与 Restart

如果认知过程发生严重错误，可以：

Reset

重新建立认知状态。

例如：

Invalid Cognitive Structure
 ↓
Reset
 ↓
Unknown

也可以：

Restart

从某一个已知状态重新开始。

因此：

Pause
Resume
Reset
Restart

都属于认知状态机的基本控制能力。

105.38 Cognitive State Machine 的运行循环

可以形成完整循环：

                  ┌──────────────┐
                  │    Unknown   │
                  └──────┬───────┘
                         ↓
                     Perceived
                         ↓
                    Recognized
                         ↓
                      Matched
                         ↓
                     Evaluated
                         ↓
                      Decided
                         ↓
                       Acted
                         ↓
                      Feedback
                         ↓
                      Learned
                         ↓
                   State Update
                         │
                         └────────→ New Cognition

这不是：

一次执行

而是：

持续运行的机器认知循环。

105.39 Cognitive State Machine 的工程模型

工程上可以建立：

CognitiveStateMachine
│
├── StateManager
├── TransitionManager
├── EventManager
├── ConditionEvaluator
├── ProcessController
├── ContextManager
├── HistoryManager
└── HumanControl

其中：

StateManager

管理当前状态。

TransitionManager

管理状态转换。

EventManager

处理认知事件。

ConditionEvaluator

判断转换条件。

ProcessController

调用认知过程。

HistoryManager

记录状态历史。

HumanControl

确保人工最高权限。

105.40 Cognitive State Machine 与 MVC/OOP

从工程实现角度，认知状态机非常适合使用：

Object-Oriented Programming

进行实现。

例如：

CognitiveState
CognitiveTransition
CognitiveEvent
CognitiveContext
CognitiveProcess
CognitiveStateMachine

都可以成为对象。

结构：

CognitiveStateMachine
        │
        ├── State
        ├── Event
        ├── Transition
        ├── Condition
        └── Context

这样可以与前面研究的：

Object
Method
Class
Relation
State

自然连接。

105.41 State Object

例如：

State

本身就是一个对象：

State
{
    id
    name
    type
    context
    attributes
}

例如：

State:
Recognized

同时：

Object:
Supplier A

于是：

Supplier A
 ↓
Recognized

形成：

Object-State Relation

105.42 Transition Object

状态转换也可以成为对象：

Transition
{
    from
    event
    condition
    method
    to
}

例如：

Recognized
 ↓
Evaluate
 ↓
Evaluated

这里：

Evaluate

可以对应：

Cognitive Method

于是：

State
 ↓
Method
 ↓
State

形成动态认知结构。

105.43 State Machine 与 Method

第100章：

Goal
 ↓
Decision
 ↓
Method

本章进一步：

State
 ↓
Method
 ↓
Next State

例如：

Recognized
 ↓
EvaluateObject()
 ↓
Evaluated

因此 Method 不仅可以：

完成一个任务。

还可以：

推动认知状态发生转换。

105.44 State Machine 与 Behavior

同样：

Decision
 ↓
Method
 ↓
Behavior

行为完成以后：

Behavior
 ↓
Result
 ↓
Feedback
 ↓
State Transition

因此：

Behavior

是状态机中的实际外部行为节点。

105.45 Cognitive State Machine 的完整关系

现在可以形成：

Input
 ↓
Perception
 ↓
State
 ↓
Cognitive Process
 ↓
Method
 ↓
Transition
 ↓
Next State
 ↓
Behavior
 ↓
Feedback
 ↓
Learning
 ↓
State Update

所以：

状态机把机器认知的静态结构真正转换成了动态运行过程。

105.46 认知状态机不是人工大脑的神经模拟

这里必须明确 WSaiOS 的理论边界。

Cognitive State Machine 研究的是：

机器认知状态

而不是：

人脑神经元

它不需要模拟：

Neuron
Synapse
Brain Region

而是模拟：

Symbol
Element
Relation
Object
State
Memory
Experience
Decision
Behavior

因此：

这是认知功能与逻辑过程的工程模拟，而不是生物神经结构复制。

105.47 与神经网络模型的区别

神经网络通常通过：

Input
 ↓
Weights
 ↓
Activation
 ↓
Output

形成模型行为。

而 WSaiOS 的 Cognitive State Machine：

Symbol
 ↓
Element
 ↓
Relation
 ↓
Object
 ↓
State
 ↓
Condition
 ↓
Transition
 ↓
Method
 ↓
Behavior

状态转换具有明确结构。

因此：

Neural Model
=
参数驱动的计算模型

Cognitive State Machine
=
状态、条件、关系驱动的认知过程模型

105.48 与大模型的区别

大模型可以：

Input
 ↓
Model Inference
 ↓
Generated Output

但它不天然要求：

Explicit Cognitive State
Explicit State Transition
Explicit Individual Memory
Explicit Cognitive Process
Explicit Behavior State

而 WSaiOS-ICAI 要求：

Individual
 ↓
Cognitive State
 ↓
Cognitive Process
 ↓
State Transition
 ↓
Experience
 ↓
Learning

因此：

机器的“认知过程”必须能够被系统明确表示和追踪。

105.49 Cognitive State Machine 的核心价值

这一章完成了一个重要转换：

认知结构
 ↓
认知过程
 ↓
认知状态
 ↓
状态转换
 ↓
持续运行

于是机器不再只是：

“处理一次信息”

而开始成为：

“持续处于某种认知状态，并不断发生认知状态变化的机器个体”

105.50 Machine Individual 的动态性

第69章以后研究的是：

Individual Artificial Intelligence

如果 Individual 只是：

固定数据

那么它并不能真正体现：

个体

而 Cognitive State Machine 使：

Individual

拥有：

Current State
State History
State Transition
Experience
Behavior
Learning

因此：

状态连续性使机器个体真正具有了动态存在。

105.51 Individual Cognitive State

可以进一步定义：

Individual Cognitive State

它不只是：

Current State

而是：

Individual
+
Context
+
Goal
+
Objects
+
Knowledge
+
Memory
+
Experience
+
Current Cognitive Process
+
Current Behavior

形成一个完整的：

个体当前认知状态。

105.52 从状态到个体连续性

如果机器今天：

Recognized

明天重新启动以后仍然知道：

过去发生过什么
当前任务是什么
之前处于什么状态
为什么做出上一次决策

那么：

State
+
Memory

就形成：

Individual Continuity

这也是 ICAI 与普通 Stateless AI 的重要区别。

105.53 Cognitive State Machine 与 Individual Memory

因此第93章：

Individual Memory

在本章得到进一步工程化：

State History
 ↓
Individual Memory

不同 Individual：

Individual A
 ↓
State History A

Individual B
 ↓
State History B

不能默认混合。

所以：

认知状态机必须运行在具体 Individual 的认知空间中。

105.54 Cognitive State Machine 与 Cognitive Space

完整关系：

Individual
 ↓
Cognitive Space
 ↓
Cognitive State
 ↓
Cognitive State Machine

因此：

Cognitive Space

是认知空间，

Cognitive State Machine

是这个空间中的动态运行机制。

105.55 Cognitive State Machine 与 Cognitive Center

现在可以把103—105章统一起来：

Individual
      ↓
Cognitive Center
      ↓
Cognitive Coordination
      ↓
Cognitive State Machine
      ↓
Cognitive Modules
      ↓
Cognitive Process

其中：

Center
=
中枢

Coordination
=
协调

State Machine
=
状态运行

Module
=
认知能力

Process
=
认知过程

这五者共同构成机器认知运行基础。

105.56 完整机器认知状态循环

最终可以建立：

                         HUMAN
                           ↓
                        INPUT
                           ↓
                     PERCEPTION
                           ↓
                        SYMBOL
                           ↓
                       ELEMENT
                           ↓
                        OBJECT
                           ↓
                         STATE
                           ↓
                COGNITIVE STATE MACHINE
                           ↓
                     RECOGNITION
                           ↓
                       MATCHING
                           ↓
                    INTERPRETATION
                           ↓
                      UNDERSTANDING
                           ↓
                      EVALUATION
                           ↓
                       DECISION
                           ↓
                        METHOD
                           ↓
                       BEHAVIOR
                           ↓
                        RESULT
                           ↓
                       FEEDBACK
                           ↓
                      EXPERIENCE
                           ↓
                       LEARNING
                           ↓
                    STATE UPDATE
                           ↓
                 COGNITIVE CENTER
                           ↓
               COGNITIVE COORDINATION
                           ↓
                  NEXT COGNITIVE STATE
                           │
                           └──────────────→

这条链开始形成一个真正的：

Machine Cognitive Runtime。

105.57 本章最终结论

第105章最核心的结论可以定义为：

机器认知不是一组静态功能，而是一个由认知状态、认知事件、状态条件、状态转换和认知过程组成的动态系统。

因此：

Machine Cognition
=
Cognitive State
+
Cognitive Process
+
State Transition
+
Memory
+
Feedback
+
Learning

而：

Cognitive State Machine

就是负责让这一过程：

持续
运行
转换
回退
分支
暂停
恢复
学习
更新

的基础机制。