第8章　知识的重新定义

前七章建立了结构化智能的现实基础：

$Element→Object→Attribute→Value→Relation→State→SceneElement \rightarrow Object \rightarrow Attribute \rightarrow Value \rightarrow Relation \rightarrow State \rightarrow Scene$

这条链解决的是一个基础问题：

现实如何被结构化表示？

但是，能够表示现实，并不等于已经形成知识。

一个系统可以拥有大量数据、识别大量对象、计算大量状态，却仍然可能缺乏真正意义上的知识。

因此，结构化智能必须重新回答一个基础问题：

什么是知识？

本章不从传统哲学定义出发，而是从机器可表示、可计算、可匹配、可实例化的角度重新定义知识。

8.1 什么是知识

传统意义上的知识通常被描述为：

对事实、规律、经验和方法的认识。

但对于机器系统而言，这一定义仍然过于宽泛。

机器需要的不是一个抽象的“知道”，而是一种能够被存储、检索、计算和调用的结构。

因此，在 WSaiOS 理论中：

知识不是信息的简单累积，而是对象、属性、关系、状态、条件与方法之间形成的可计算映射结构。

可以定义：

$Knowledge={Object,Attribute,Relation,State,Condition,Method,Mapping}Knowledge = \{Object,Attribute,Relation,State,Condition,Method,Mapping\}$

其中最核心的是：

$Object↔Attribute↔Method\boxed{ Object \leftrightarrow Attribute \leftrightarrow Method }$

也就是说：

Object
   ↓
具有哪些 Attribute
   ↓
处于什么 State
   ↓
满足什么 Condition
   ↓
可以使用什么 Method

知识由此获得了结构关系和可执行意义。

例如：

Object:
Glass

Attribute:
Fragility = High

State:
Temperature = 80°C

Method:
HandleCarefully

这里真正构成知识的，并不是单独的：

Glass
80°C
Fragility

而是：

Glass
   │
   ├── Fragility → High
   │
   ├── Temperature → 80°C
   │
   └── Condition → High Temperature
                     ↓
                HandleCarefully

因此：

知识的核心不是“有什么”，而是“对象具有什么结构，以及这些结构如何映射到可计算的方法”。

8.2 数据与知识

数据是结构化智能的起点，但数据本身不是知识。

例如：

只是一个数值。

即使增加单位：

80°C

仍然主要是数据。

如果进一步确定：

Object = Glass01
Attribute = Temperature
Value = 80°C

形成：

$Glass01.Temperature=80∘CGlass01.Temperature=80^\circ C$

此时已经从孤立数据进入对象属性结构。

但仍然不一定形成完整知识。

如果系统进一步知道：

Glass01
Temperature = 80°C

Fragility = High

Condition:
Temperature > 60°C

Method:
HandleCarefully

那么就形成了具有方法映射的结构化知识。

因此可以形成：

Data
 ↓
Object Identification
 ↓
Attribute Assignment
 ↓
Relation Construction
 ↓
State Calculation
 ↓
Condition
 ↓
Method Mapping
 ↓
Knowledge

可以概括为：

$Data→Structure→Mapping→KnowledgeData \rightarrow Structure \rightarrow Mapping \rightarrow Knowledge$

8.3 数据不是知识的最小区别

数据主要回答：

“当前获得了什么值？”

知识回答：

“这个值属于什么对象、具有什么意义、与什么结构相关，以及可以产生什么方法映射？”

例如：

Temperature = 90°C

是数据。

而：

Object = Engine01
Temperature = 90°C
NormalRange = 20–80°C
State = Overheated
Method = Cooling

已经形成知识结构。

因此：

$Data≠KnowledgeData \neq Knowledge$

更准确地说：

$Knowledge=F(Data,Structure,Relation,Condition,Mapping)Knowledge=F(Data,Structure,Relation,Condition,Mapping)$

所以：

数据是知识的材料，结构和映射使数据获得知识属性。

8.4 信息与知识

信息比单纯数据具有更高的结构和语义。

例如：

Temperature = 90°C

相对于单独的：

已经具有更多信息。

但信息仍然不必然形成知识。

可以建立：

Data
   ↓
Information
   ↓
Knowledge

Data

表示：

原始或经过基础处理的数据值。

Information

表示：

具有一定上下文、语义和结构的数据。

Knowledge

表示：

能够形成稳定结构关系、条件判断以及方法映射的信息体系。

例如：

90°C

是 Data。

Engine01 temperature = 90°C

是 Information。

而：

Engine01
Temperature = 90°C
NormalRange = 20–80°C
State = Overheated
CoolingMethod = Available

则进一步形成 Knowledge。

因此：

$Information=Data+Context+MeaningInformation = Data+Context+Meaning$

而：

$Knowledge=Information+Structure+Relation+MappingKnowledge = Information+Structure+Relation+Mapping$

8.5 信息与知识的关键区别

信息可以描述现实。

知识则能够支持计算。

这是结构化智能体系中的重要区别。

例如：

Information:

Robot is near Box.

它告诉系统一个事实。

而知识可以进一步表示：

Robot01
   │
Near
   ↓
Box01

Distance < 50cm
        ↓
Reachable = True
        ↓
GraspCapability
        ↓
GraspMethod

此时结构已经能够参与：

状态判断
条件匹配
能力匹配
方法选择
行为生成

因此：

信息主要解决“描述”，知识进一步解决“计算与映射”。

8.6 知识与认知

知识和认知也不能混为一谈。

知识回答：

“系统具有什么结构化知识？”

认知回答：

“系统根据当前场景和已有知识，对当前现实形成了什么判断？”

因此：

$Knowledge≠CognitionKnowledge \neq Cognition$

例如系统具有：

Knowledge:

Glass
Fragile
HighTemperature
HandleCarefully

但当现实场景出现：

Glass01
Temperature = 85°C
Human01 approaching

系统需要结合当前 Scene：

Scene
+
Knowledge
        ↓
Cognition

形成：

Glass01 is currently hot and fragile.
Current handling risk is high.

这才是当前认知结果。

因此：

$Cognition=F(Scene,Knowledge,Goal,Constraint,Capability)Cognition= F(Scene,Knowledge,Goal,Constraint,Capability)$

知识是认知的基础之一，但知识本身不是认知。

8.7 知识与当前场景

第7章已经定义：

Scene 是当前现实的结构化表示。

而 Knowledge 是系统长期可复用的结构化知识。

两者存在重要区别：

Scene
= 当前现实

Knowledge
= 已形成的可复用结构

例如：

Scene:

Glass01
Temperature = 85°C
On(Table01)

而 Knowledge：

Glass
Fragility = High
Temperature > 60°C
    ↓
HandleCarefully

Scene 是具体实例。

Knowledge 是可复用结构。

二者结合：

$Scene+Knowledge→CognitionScene+Knowledge \rightarrow Cognition$

因此：

Reality
 ↓
Scene
 ↓
Knowledge Matching
 ↓
Cognition

8.8 结构化知识

由此可以正式定义本书的核心概念：

结构化知识，是由对象、属性、关系、状态、条件和方法按照明确映射关系组织形成，并能够被机器存储、检索、匹配、计算和实例化的知识结构。

形式化表示：

$K=(O,A,R,S,C,M,P)\boxed{ K=(O,A,R,S,C,M,P) }$

其中：

$OO$ ：Object
$AA$ ：Attribute
$RR$ ：Relation
$SS$ ：State
$CC$ ：Condition
$MM$ ：Method
$PP$ ：Mapping

其中：

$P:(O,A,R,S,C)→MP: (O,A,R,S,C) \rightarrow M$

即：

根据对象、属性、关系、状态和条件，形成对应的方法映射。

这是 WSaiOS 知识理论的重要基础。

8.9 知识的核心：Mapping

如果仅仅把：

Object
Attribute
Relation
State
Method

放在一起，仍然不能自动形成知识。

真正重要的是它们之间的：

Mapping（映射）

例如：

Object = Glass

Attribute:
Fragility = High

State:
Temperature = High

Condition:
Temperature > 60°C

        ↓ Mapping

Method:
HandleCarefully

因此：

$Knowledge≠{O,A,R,S,M}Knowledge \neq \{O,A,R,S,M\}$

而更接近：

$Knowledge=Structure+Relation+Mapping\boxed{ Knowledge= Structure+Relation+Mapping }$

其中 Mapping 是知识从“描述结构”进入“可计算结构”的关键。

8.10 知识的可计算性

结构化知识必须能够参与计算。

例如：

Knowledge:

Object = Battery
Attribute = Capacity
Value = 20%
Threshold = 30%

系统可以计算：

$20%<30%20\% < 30\%$

得到：

State = Low

进一步：

State = Low
        ↓
Condition
        ↓
Method = Recharge

形成：

$Knowledge→Calculation→State→MethodKnowledge \rightarrow Calculation \rightarrow State \rightarrow Method$

因此：

不能参与结构化计算的知识，在 WSaiOS 理论中很难成为完整的机器知识。

8.11 知识的可实例化性

结构化知识还有一个重要性质：

同一个知识结构可以应用于不同对象，并通过参数变化形成不同实例。

例如通用知识：

Object:
Container

Attribute:
Weight
Position
Material

Method:
Move(Container, Position, Force)

对于：

Box01

可以形成：

Move(Box01, PositionA, Force1)

对于：

Box02

则形成：

Move(Box02, PositionB, Force2)

因此：

$Knowledge→Parameter Extraction→Parameter Assignment→InstanceKnowledge \rightarrow Parameter\ Extraction \rightarrow Parameter\ Assignment \rightarrow Instance$

这就与下一篇的 Capability（能力）理论直接连接起来。

8.12 数据、信息、知识、认知的统一关系

至此，可以建立一个层级结构：

Reality
   ↓
Data
   ↓
Information
   ↓
Knowledge
   ↓
Cognition

其含义分别是：

Data
现实被测量后的值

Information
具有上下文和语义的数据

Knowledge
具有结构、关系、条件和映射的信息

Cognition
知识与当前场景、目标、约束等发生计算后的当前判断

形式化表示：

$Data→InformationData \rightarrow Information$ $Information→KnowledgeInformation \rightarrow Knowledge$ $Knowledge+Scene→CognitionKnowledge+Scene \rightarrow Cognition$

因此：

知识位于信息与认知之间，是从“描述现实”进入“理解现实”的结构化中间层。

8.13 WSaiOS 对知识的重新定义

综合本章，可以给出本书对 Knowledge 的正式定义：

知识，是关于对象、属性、关系、状态、条件以及可用方法之间结构化映射的信息体系。

进一步定义：

结构化知识，是能够被机器明确表示、存储、检索、匹配、计算，并通过参数化映射形成方法实例的知识结构。

其核心结构：

$Object↔Attribute↔Relation↔State↔Condition→Method\boxed{ Object \leftrightarrow Attribute \leftrightarrow Relation \leftrightarrow State \leftrightarrow Condition \rightarrow Method }$

其运行结构：

Scene
   ↓
Knowledge Matching
   ↓
Knowledge Structure
   ↓
Capability
   ↓
Cognition
   ↓
Method

8.14 本章核心结论

本章建立五个基本命题：

第一，数据不是知识。数据是知识形成的基础材料。

第二，信息也不等于知识。信息具有语义和上下文，而知识进一步具有稳定结构、关系和映射。

第三，知识不是简单的信息集合，而是结构化关系与映射体系。

第四，知识与认知不同。知识提供可复用的结构，认知是在当前场景中调用知识并进行计算后的结果。

第五，结构化知识的核心价值在于可计算、可匹配、可实例化。

最终形成：

$Data→Information→Knowledge→Cognition\boxed{ Data \rightarrow Information \rightarrow Knowledge \rightarrow Cognition }$

以及本书目前最重要的一条知识链：

$Scene+Knowledge+Goal+Constraint→Cognition\boxed{ Scene + Knowledge + Goal + Constraint \rightarrow Cognition }$

而知识内部的核心结构是：

$Object+Attribute+Relation+State+Condition→Method\boxed{ Object + Attribute + Relation + State + Condition \rightarrow Method }$

这意味着，知识不再只是“知道某件事情”，而是成为能够连接现实结构、认知计算和可执行方法的机器结构。

下一章 第9章　对象—属性—方法映射 将进一步把本章提出的 Mapping 单独抽取出来，研究：

$Object→Attribute→Method\boxed{ Object \rightarrow Attribute \rightarrow Method }$

为什么这一映射可以成为结构化知识和后续 Capability 形成的核心机制。

第8章 知识的重新定义

第8章 知识的重新定义

8.1 什么是知识

8.2 数据与知识

8.3 数据不是知识的最小区别

8.4 信息与知识

Data

Information

Knowledge

8.5 信息与知识的关键区别

8.6 知识与认知

8.7 知识与当前场景

8.8 结构化知识

8.9 知识的核心：Mapping

8.10 知识的可计算性

8.11 知识的可实例化性

8.12 数据、信息、知识、认知的统一关系

8.13 WSaiOS 对知识的重新定义

8.14 本章核心结论