第126章 Cognitive Element

认知元素

上一章建立了 Multivariate Perception（多元感知）。

机器面对现实对象时，并不是接收到一个单独的数据，而是同时获得：

Position
Orientation
Distance
Velocity
Contact
Force
Fragility
Obstacle
Hand State
...

这些不同维度的数据共同形成：

Current Perception

但是，一个更加基础的问题随之出现：

Current Perception 进入认知系统以后，究竟以什么形式被机器保存、处理和组合？

如果直接把整组感知数据称为“对象”，那么机器实际上跳过了一个非常重要的中间层。

因此，本章建立：

Perception
    ↓
Cognitive Element

即：

认知元素，是现实信息进入机器认知系统以后形成的最基础认知单位。

126.1 从 Perception 到 Element

感知不是认知元素。

这是本章首先需要明确的区别。

例如机器通过传感器观察到一个鸡蛋：

Camera
+
Depth Sensor
+
Force Sensor
+
Position Sensor

得到：

Position = (120, 80, 30)
Orientation = ...
Distance = 35cm
Velocity = 0
Contact = TRUE
Force = 0.8N
Fragility = HIGH

这些数据首先构成：

Perception

但认知系统并不应该永远以整个 Perception 作为不可分割的数据块进行处理。

系统需要将其中具有独立认知意义的信息抽取出来：

Position
Velocity
Contact
Force
Fragility
Orientation
Distance

于是：

Perception
      ↓
Element Extraction
      ↓
Cognitive Elements

例如：

Element:
    type = Position
    value = (120,80,30)

以及：

Element:
    type = Velocity
    value = 0

以及：

Element:
    type = Contact
    value = TRUE

因此：

Perception 是一次感知形成的整体状态，而 Element 是从感知状态中分离出来、能够独立参与认知运算的信息单位。

126.2 Cognitive Element 的定义

可以定义：

Cognitive Element =
Type
+
Value
+
State
+
Source
+
Time
+
Confidence

最基本形式可以表示为：

E = (T, V)

其中：

T = Element Type
V = Element Value

例如：

E1 = (Position, 120,80,30)

E2 = (Velocity, 0)

E3 = (Contact, TRUE)

E4 = (Force, 0.8N)

E5 = (Temperature, 36.5°C)

进一步扩展：

E =
{
    type,
    value,
    state,
    source,
    timestamp,
    confidence
}

这样，Element 就不再只是一个普通变量。

它成为：

具有认知语义的数据单位。

126.3 为什么普通 Data 不等于 Cognitive Element

机器系统中已经存在：

Data
Variable
Value
Signal
Measurement
Feature

为什么还需要提出：

Cognitive Element

因为这些概念解决的问题不同。

例如：

36.5

只是一个：

Value

如果定义：

Temperature = 36.5°C

它成为一个：

Measurement

而如果进入认知系统：

Temperature
=
36.5°C
+
Sensor
+
Time
+
Confidence
+
Context

它就可以成为：

Cognitive Element

因此：

Data
 ↓
Meaning
 ↓
Cognitive Element

认知元素的关键不是“数据更复杂”。

而是：

数据获得了可以参与认知过程的结构和语义。

126.4 Element 的最小结构

为了建立一个可工程实现的认知系统，不能把 Element 定义得无限复杂。

因此可以建立一个最小模型：

Element
{
    type
    value
}

例如：

{
    type: "position",
    value: [120,80,30]
}

或者：

{
    type: "contact",
    value: true
}

或者：

{
    type: "pressure",
    value: 0.8
}

这是：

Minimal Cognitive Element

然后根据系统需要增加：

source
timestamp
confidence
state
relation

形成：

Extended Cognitive Element

这种设计非常重要。

因为：

认知系统首先需要定义最小认知单位，然后再向其增加属性，而不是一开始建立一个不可控制的巨大数据结构。

126.5 Cognitive Element 的类型

现实世界产生的信息具有不同性质。

因此认知元素可以按照信息类型进行分类。

1. Spatial Element

空间元素：

Position
Distance
Depth
Size
Area
Volume

例如：

Position = (100,50,20)
Distance = 30cm

2. Motion Element

运动元素：

Velocity
Acceleration
Direction
Trajectory
Movement

例如：

Velocity = 2m/s
Direction = LEFT

3. Shape Element

形状元素：

Edge
Contour
Shape
Size
Curvature

例如：

Shape = Oval
Edge = Detected

4. Contact Element

接触元素：

Contact
Collision
Touch
Grip
Attachment

例如：

Contact = TRUE

5. Force Element

力元素：

Force
Pressure
Torque
Tension
Compression

例如：

Pressure = 0.8N

6. Thermal Element

热元素：

Temperature
Heat
ThermalGradient

例如：

Temperature = 36.5°C

7. Acoustic Element

声音元素：

Sound
Frequency
Amplitude
Direction
Duration

例如：

Frequency = 800Hz
Amplitude = ...

8. Visual Element

视觉元素：

Brightness
Color
Edge
Texture
Pattern
Motion

这些元素可以来自视觉感知系统。

9. State Element

状态元素：

Open
Closed
Moving
Stopped
Broken
Stable
Unstable

例如：

DoorState = OPEN

126.6 Element 不是 Object

这是整个认知架构中非常重要的一条边界：

Element ≠ Object

例如：

Position
Velocity
Force
Temperature
Contact

都不是完整对象。

它们只是描述对象的不同认知元素。

例如：

Egg

可以由：

Shape
+
Position
+
Orientation
+
Velocity
+
Contact
+
Force
+
Fragility

共同描述。

因此：

Elements
    ↓
Object Representation

对象不是最底层。

对象是更高层的认知结构。

126.7 Element 是 Object 的组成基础

可以建立：

Element
   ↓
Element Group
   ↓
Object
   ↓
Object State
   ↓
Object Model

例如：

Position
Orientation
Shape
Color
Weight
Contact
Fragility

组合：

        Object
          │
 ┌────────┼────────┐
 ↓        ↓        ↓
Shape   Position  Force
 ↓        ↓        ↓
Oval    Table     0.8N

机器并不是直接“看到一个鸡蛋”。

更准确地说：

Sensors
   ↓
Perception
   ↓
Elements
   ↓
Relations
   ↓
Object

因此：

对象是认知系统通过元素及其关系构建出来的，而不是认知系统最底层天然存在的单位。

126.8 Element 与 Feature 的区别

机器视觉中经常使用：

Feature

例如：

Edge Feature
Corner Feature
Texture Feature
Color Feature

Cognitive Element 与 Feature 有相似之处，但并不完全相同。

Feature 通常回答：

数据中有什么可计算的特征？

Cognitive Element 则回答：

这个信息是否能够作为认知过程中的独立单位存在？

例如：

Edge

可以是视觉 Feature。

但进入认知系统以后：

Edge
+
Position
+
Direction
+
Object Association

就可以成为认知元素。

因此：

Feature
    ↓
可能成为
    ↓
Cognitive Element

并不是：

Feature = Cognitive Element

126.9 Element 必须具有 Identity

如果系统不断产生：

Position
Position
Position
Position

那么机器必须能够区分它们。

因此一个实际的 Cognitive Element 应该具有：

Element ID

例如：

E1001
E1002
E1003

形成：

E1001
type = Position
value = (120,80,30)

E1002
type = Velocity
value = 0

E1003
type = Contact
value = TRUE

这样认知系统就能够进行：

Create
Update
Compare
Delete
Track
Relate

126.10 Element 必须具有时间

现实世界不是静态数据库。

同一个元素会变化：

Position(t1)
Position(t2)
Position(t3)

例如：

Position = (100,50,20)

随后：

Position = (102,50,20)

再随后：

Position = (105,50,20)

如果没有时间：

Position = 105

机器不知道：

这是当前值，还是过去值？

因此：

Element
+
Timestamp

构成：

Temporal Cognitive Element

这也为后面的：

State
Change
Event
Prediction
Learning

提供基础。

126.11 Element 必须具有来源

不同传感器可能产生不同数据。

例如：

Camera → Position
Lidar  → Position
GPS    → Position

三个系统都可能产生：

Position

但它们并不一定相同。

因此：

Element
{
    type: Position
    value: ...
    source: Camera
}

与：

Element
{
    type: Position
    value: ...
    source: Lidar
}

是两个不同的认知证据。

因此可以进一步建立：

Source
 ↓
Perception
 ↓
Element

126.12 Element 的 Confidence

机器感知永远可能存在不确定性。

例如：

Object = Egg
Confidence = 0.97

或者：

Position Confidence = 0.82

因此：

Element
+
Confidence

使机器能够区分：

Known

与：

Possibly Known

这对于认知系统非常重要。

因为机器不应该简单地把：

Sensor Output

全部当成：

Truth

而应该保存：

Value
+
Confidence

形成：

Evidence

126.13 Element 的 State

元素本身也可能具有状态。

例如：

Contact

不是简单的：

TRUE

它可能经历：

Unknown
↓
Detected
↓
Active
↓
Released
↓
Inactive

同样：

Position

可以具有：

Stable
Changing
Uncertain
Lost

因此：

Element
=
Value
+
State

使元素成为一个能够随时间变化的认知单位。

126.14 Element 的生命周期

认知元素不是永久存在的。

它可以经历：

Created
   ↓
Observed
   ↓
Updated
   ↓
Confirmed
   ↓
Changed
   ↓
Invalidated
   ↓
Removed

例如：

Contact = TRUE

随后：

Contact = FALSE

系统不应该简单删除历史信息。

而应该记录：

Contact Element

发生了：

State Change

因此：

Element
 ↓
Element State
 ↓
Element Change

最终可以产生：

Event

126.15 Element 与 Event

Event 不是 Element。

例如：

Contact = TRUE

是：

Element

而：

Contact Changed

是：

Event

可以表示：

Previous Element
        ↓
     Change
        ↓
Current Element

即：

Element(t1)
      ↓
   Difference
      ↓
Element(t2)
      ↓
    Event

因此：

Element

是状态信息单位，

而：

Event

是状态变化单位。

这一区分对于后面的：

Temporal Cognition
Event Cognition
Cognitive State Machine

非常重要。

126.16 Element 与 Relation

单个元素只能表达有限的信息。

例如：

Position = (100,50,20)

它本身并不能告诉机器：

这个位置属于什么？

因此需要：

Element
+
Relation

例如：

Position
    ↓ belongs_to
Egg

或者：

Contact
    ↓ between
Hand ↔ Egg

或者：

Position
    ↓ relative_to
Table

于是认知结构逐渐形成：

Element
   +
Relation
   ↓
Structured Cognition

126.17 Element → Object 的形成

可以进一步定义对象形成过程：

Perception
     ↓
Element Extraction
     ↓
Element Set
     ↓
Relation Detection
     ↓
Object Construction

例如系统获得：

Shape = Oval
Position = (120,80,30)
Color = White
Velocity = 0
Contact = TRUE
Force = 0.8N
Fragility = HIGH

然后发现：

Shape
Position
Color
Force
Fragility

之间具有稳定关系。

系统于是形成：

Object O1

其内部：

O1
├── Shape
├── Position
├── Color
├── Velocity
├── Contact
├── Force
└── Fragility

所以：

Object 是 Element 的组织结果。

126.18 Element → State

对象形成以后，还可以产生对象状态：

Object
 ↓
Current Elements
 ↓
Current State

例如：

Egg
Position = Table
Velocity = 0
Contact = TRUE
Force = 0.8N

形成：

Egg State =
Stable

如果：

Velocity > 0

则可能形成：

Egg State =
Moving

因此：

Element
 ↓
State

是认知系统中的重要转换。

126.19 Element → Decision

更高层的认知过程可以继续建立：

Elements
   ↓
Object
   ↓
State
   ↓
Evaluation
   ↓
Decision

例如：

Fragility = HIGH
Force = INCREASING
Velocity = DOWNWARD

形成：

Risk = HIGH

随后：

Decision = Reduce Force

因此最终形成：

Perception
 ↓
Element
 ↓
Object
 ↓
State
 ↓
Evaluation
 ↓
Decision
 ↓
Action

这与传统“输入 → 黑箱模型 → 输出”的系统有本质区别。

WSaiOS 的认知过程可以被拆解为可观察、可追踪的结构。

126.20 Cognitive Element 的核心工程模型

综合前面的定义，可以建立：

CognitiveElement
{
    id
    type
    value

    state

    source
    timestamp
    confidence
}

进一步加入：

relations[]

形成：

CognitiveElement
{
    id
    type
    value
    state
    source
    timestamp
    confidence
    relations
}

例如：

{
    id: E1001,

    type: Position,

    value: {
        x: 120,
        y: 80,
        z: 30
    },

    state: Stable,

    source: DepthSensor,

    timestamp: T10001,

    confidence: 0.96
}

这已经可以成为一个真正的工程数据结构。

126.21 Cognitive Element 的层级

认知元素本身还可以形成不同层级。

Level 1：Raw Element

直接来自传感器：

Temperature = 36.5
Pressure = 0.8
Distance = 30

Level 2：Perceptual Element

经过感知处理：

EdgeDetected
ObjectBoundary
MotionDetected
ContactDetected

Level 3：Semantic Element

具有更高语义：

Fragile
Stable
Moving
Open
Broken

Level 4：Cognitive Element

进入完整认知体系：

Fragility
+
State
+
Context
+
Relation
+
Confidence

于是形成：

Raw Data
   ↓
Perceptual Element
   ↓
Semantic Element
   ↓
Cognitive Element

这为后续建立：

Semantic Cognition
Object Cognition
State Cognition

提供基础。

126.22 Element 不是越大越好

认知元素设计中存在一个重要原则：

Element 必须足够小，才能独立处理；又必须足够有意义，才能参与认知。

如果太小：

0.0001

这样的数据没有独立认知意义。

如果太大：

Entire Scene

又失去了元素的基本属性。

因此：

Cognitive Element

必须位于：

Raw Data
        ↓
    Element
        ↓
    Object
        ↓
    Situation

之间的合理尺度。

126.23 Cognitive Element 的基本原则

可以建立七条基本原则。

原则一：独立性

Element 应能够作为独立的信息单位存在。

原则二：可识别性

Element 应具有明确类型。

原则三：可更新性

Element 应能够随着现实变化而更新。

原则四：可追踪性

Element 应能够追踪来源和时间。

原则五：可组合性

多个 Element 可以组合成为 Object。

原则六：可关联性

Element 可以通过 Relation 与其他 Element 建立关系。

原则七：可失效性

过时或错误 Element 必须能够被标记为：

Invalid
Expired
Lost
Uncertain

这七条原则共同定义了：

Cognitive Element Architecture

126.24 从数据系统到认知系统

传统数据系统通常是：

Input
 ↓
Database
 ↓
Query
 ↓
Output

而认知系统需要：

Reality
 ↓
Perception
 ↓
Element
 ↓
Relation
 ↓
Object
 ↓
State
 ↓
Evaluation
 ↓
Decision
 ↓
Action
 ↓
Feedback

其中：

Element

承担一个非常关键的角色。

它把：

感知数据

转换为：

可参与认知运算的结构化信息。

因此可以把它理解为：

现实世界与机器认知世界之间的第一层结构化接口。

126.25 Cognitive Element 的完整链条

到这里，可以得到：

Reality
   ↓
Sensor
   ↓
Signal
   ↓
Perception
   ↓
Cognitive Element
   ↓
Relation
   ↓
Object
   ↓
Object State
   ↓
Situation
   ↓
Evaluation
   ↓
Decision
   ↓
Action
   ↓
Feedback

其中：

Signal

描述机器获得了什么信号。

Perception

描述机器当前感知到了什么。

Element

描述感知中有哪些独立的认知单位。

Object

描述这些元素组合出了什么对象。

State

描述对象当前处于什么状态。

Situation

描述多个对象及其状态形成了什么现实情境。

于是，认知结构开始真正建立起来。

126.26 本章核心定义

最终可以给出 WSaiOS-ICAI 对 Cognitive Element 的定义：

Cognitive Element 是现实信息经过感知系统进入机器认知空间后形成的、具有明确类型、值、状态以及可追踪属性，并能够独立参与关系构建、对象形成、状态判断、推理与决策的最小结构化认知单位。

形式化表示：

CE =
(Type
+
Value
+
State
+
Source
+
Time
+
Confidence)

而认知系统的基本构造过程可以表示为：

Perception
      ↓
Cognitive Elements
      ↓
Relations
      ↓
Objects
      ↓
States
      ↓
Situations
      ↓
Cognition

因此，本章真正建立的不是一个新的数据结构名称，而是一个重要的认知层级：

             Reality
                ↓
            Perception
                ↓
       ┌────────────────┐
       │    Element     │
       └────────────────┘
                ↓
            Relation
                ↓
             Object
                ↓
              State
                ↓
           Situation
                ↓
           Cognition

Cognitive Element 是 WSaiOS-ICAI 从“感知数据”进入“机器认知”的第一块基石。

而一旦 Element 被建立，下一个问题便自然出现：

一个 Element 单独存在时只有局部意义，那么多个 Element 之间究竟如何形成稳定的认知结构？

这将进入下一层：

Cognitive Element
        ↓
Cognitive Relation

即 第127章：Cognitive Relation——认知关系。

第126章 Cognitive Element 认知元素