结构化知识、认知匹配与外部行动技术体系
——WSaiOS / SAI / ICAI阶段性技术资料
一、技术背景
本技术体系以结构型人工智能(Structural AI,SAI)为理论基础,以个体认知人工智能(Individual Cognitive AI,ICAI)作为认知实现方向。
其基本思想不是首先从语言生成出发,而是从元素结构出发建立人工智能系统。
系统首先通过人工定义对象、字段、属性、状态、关系、场景、知识、能力和方法等结构,使现实世界中的信息能够形成明确的元素结构。
在此基础上,再由认知系统根据个体的状态、需求和场景进行元素匹配、关系分析、方法调用、计算、判断和决策,最终向外部系统或设备提供行动结果。
因此形成:
结构 → 关系 → 匹配 → 组合 → 行动
这一基本技术路线。
二、核心技术思想
2.1 结构是人工智能形成的基础
本体系中的“结构”不是简单地把已有数据存成表格,也不是单纯使用结构化数据。
这里的结构是对现实对象及其内部组成关系进行明确描述。
基本结构可以包括:
对象
├── 属性
├── 状态
├── 关系
├── 场景
├── 知识
├── 能力
└── 方法
在具体系统中,还可以继续扩展:
条件
参数
行为
行动
反馈
结果
因此,人工智能处理的基本单位不是单纯的文字,而是具有结构关系的元素。
三、人工定义元素结构
3.1 人工定义是结构形成的起点
系统并不首先自行决定“什么是对象”“对象有哪些字段”。
这些基础结构首先由人进行定义。
例如人工可以定义:
对象:信任
字段:
├── 主体
├── 客体
├── 信任程度
├── 信任依据
├── 信任条件
├── 信任状态
├── 历史行为
├── 风险
├── 关系
└── 验证结果
同样,也可以人工定义:
对象:情感
字段:
├── 主体
├── 对象
├── 情感类型
├── 情感强度
├── 当前状态
├── 触发因素
├── 持续时间
├── 场景
├── 需求
├── 行为倾向
└── 行为结果
“意识”“信仰”“信用”等,也可以按照具体应用需求建立相应的对象结构。
这里的关键不是给概念贴标签,而是把概念转化为可以继续描述、关联、判断和计算的元素结构。
四、针对不同个体状态和需求定义结构
本体系进一步提出:
元素结构不必对所有个体、所有场景固定不变,而可以根据不同个体、不同状态、不同需求进行人工定义。
基本过程:
个体
↓
当前状态
↓
当前需求
↓
相关场景
↓
确定需要处理的对象
↓
人工定义对象字段
↓
建立元素结构
↓
建立元素之间的关系
因此可以形成:
基础元素结构
个体化元素结构
场景化元素结构
状态化元素结构
需求化元素结构
这使系统能够针对不同对象和不同情况建立不同的认知基础。
五、结构化知识的形成
人工定义结构以后,学习系统负责将外部资料逐步转换成结构化知识。
基本过程:
资料
↓
元素提取
↓
对象识别
↓
字段对应
↓
属性形成
↓
状态形成
↓
关系形成
↓
场景形成
↓
知识形成
↓
方法关联
因此,知识不再只是文章、段落或文本集合。
在本体系中:
知识是由对象、属性、状态、关系、场景以及相关方法形成的结构化信息。
也可以进一步理解为:
知识 = 对象—属性—方法映射结构化信息
六、学习系统与认知系统的分工
今天进一步明确了一个重要的系统边界:
学习系统不是直接控制外部设备的系统。
正确的系统关系是:
学习系统
↓
结构化知识与方法
↓
认知系统
↓
认知匹配、计算、判断、决策
↓
外部系统 / 外部设备
因此三个层次具有不同职责。
6.1 学习系统
主要负责:
资料
↓
元素
↓
结构
↓
关系
↓
知识
↓
方法
最终形成可供认知系统调用的结构化知识基础。
6.2 认知系统
主要负责:
个体状态
+
需求
+
场景
+
结构化知识
+
能力
+
方法
+
条件
+
参数
↓
元素匹配
↓
关系匹配
↓
方法组合
↓
计算
↓
判断
↓
决策
认知系统不是简单搜索知识,而是根据当前状态和需求,对结构化元素进行匹配、组合和计算。
6.3 外部系统和设备
认知系统产生决策和行动结果后,才提供给外部设备或其他执行系统。
认知结果
↓
行动方案 / 行动参数
↓
外部设备
↓
实际执行
↓
执行状态
↓
执行结果
七、标准方法与基本计算
本体系中的方法不需要为每一个业务场景都重新创造一种“AI函数”。
基础方法可以建立在普通计算机语言的基本运算和逻辑基础上。
例如:
+
-
*
/
%
比较:
==
!=
>
<
>=
<=
逻辑:
AND
OR
NOT
条件:
IF
ELSE
在此基础上形成通用方法:
比较()
计算()
判断()
匹配()
概率()
排序()
验证()
这些方法可以调用对象、属性、状态、关系、条件和参数。
进一步通过方法组合形成更加复杂的处理过程。
因此:
复杂能力可以由基础方法、结构化元素、条件和参数组合形成。
八、概率在体系中的位置
本体系可以使用概率计算,但概率不是整个认知体系的基础。
概率属于方法中的一种计算机制。
例如:
候选结果
↓
条件计算
↓
概率计算
↓
结果排序
↓
验证
↓
判断
这里的概率用于对已经形成结构的候选结果进行计算和比较,而不是把整个系统建立在连续预测信息序列的基础上。
因此:
概率是计算工具之一,而不是认知结构本身。
九、认知匹配不是单纯的语言匹配
今天进一步明确:
认知匹配不能简单理解为“语言匹配”或“语义相似”。
语言只是信息进入系统的一种形式。
真正进入认知过程的是经过结构化后的元素。
认知匹配可以涉及:
对象匹配
属性匹配
状态匹配
关系匹配
场景匹配
知识匹配
能力匹配
方法匹配
行为匹配
行动匹配
条件匹配
参数匹配
因此,认知系统真正处理的是:
多维元素结构之间的关系与匹配。
十、状态是元素结构的重要组成部分
状态不是结构之外额外增加的一层。
一个对象本身就可以具有状态。
例如:
对象
├── 属性
├── 状态
├── 关系
├── 场景
└── 方法
状态还可以随着时间、行为、关系和外部条件发生变化。
因此:
对象
↓
状态变化
↓
关系变化
↓
需求变化
↓
匹配变化
↓
判断变化
↓
决策变化
↓
行为变化
这为处理动态个体、动态环境和动态需求提供了结构基础。
十一、情感、意识、信仰、信任、信用的结构化处理
本体系并不需要把这些概念排除在人工智能结构之外。
它们都可以由人工根据具体应用场景定义为元素对象。
例如:
情感
意识
信仰
信任
信用
都可以继续定义:
对象
属性
状态
关系
场景
条件
参数
行为
结果
方法
因此系统可以对这些对象进行结构化描述、关系建立、状态计算和行为判断。
需要明确的是:
系统对情感、意识等对象进行结构化建模和计算,并不等同于宣称机器本身产生了人类主观体验。
这里研究的是:
可结构化描述的状态、关系、需求、行为和行动逻辑。
十二、从个体状态到认知决策
由前面的结构可以形成更加完整的个体认知过程:
个体
↓
个体当前状态
↓
个体需求
↓
场景
↓
相关元素
↓
结构化知识
↓
元素匹配
↓
关系匹配
↓
能力匹配
↓
方法匹配
↓
方法组合
↓
计算
↓
判断
↓
决策
↓
行为
↓
行动
这个过程并不是单纯回答一个语言问题,而是针对具体个体状态和需求形成行动逻辑。
十三、认知系统与外部设备形成闭环
完整的工程体系可以进一步形成:
┌──────────────┐
│ 学习系统 │
└──────┬───────┘
│
结构化知识 / 方法
↓
┌──────────────┐
│ 认知系统 │
└──────┬───────┘
│
匹配 / 计算 / 判断 / 决策
↓
┌──────────────┐
│ 外部系统/设备 │
└──────┬───────┘
│
执行 / 行动
↓
状态反馈
│
└──────────→ 认知系统
│
↓
学习系统
因此形成:
学习 → 认知 → 决策 → 行动 → 反馈 → 再学习
这是一个完整的闭环结构。
十四、技术体系的核心分层
经过今天的讨论,可以暂时形成以下三层:
第一层:结构化知识层
解决:
“系统知道什么,以及这些知识由什么元素构成。”
核心:
对象
属性
状态
关系
场景
知识
能力
方法
第二层:认知计算层
解决:
“面对当前个体、状态、需求和场景,如何进行匹配、计算、判断和决策。”
核心:
匹配
组合
计算
概率
判断
验证
决策
第三层:行动执行层
解决:
“认知结果如何进入现实环境并产生实际行动。”
核心:
行动
参数
控制
执行
状态
反馈
十五、技术闭环的总体表达
可以将目前形成的技术路线概括为:
人工定义
↓
元素结构
↓
结构化学习
↓
结构化知识
↓
个体状态 / 需求 / 场景
↓
认知匹配
↓
方法组合
↓
计算
↓
判断
↓
决策
↓
行为 / 行动
↓
外部设备执行
↓
结果反馈
↓
学习更新
进一步浓缩为:
结构 → 学习 → 知识 → 认知 → 决策 → 行动 → 反馈 → 学习
十六、与传统语言生成路线的根本区别
本技术体系不以语言生成作为人工智能的核心形成机制。
语言可以作为输入或输出形式,但系统核心处理对象是:
元素结构、状态、关系、条件、参数、知识、能力和方法。
因此,本体系的技术核心是:
从结构化元素出发,通过关系、匹配、方法和计算形成认知,再由认知形成决策和行动。
而不是把人工智能的核心建立在语言序列生成之上。
任何外部技术是否值得借鉴,都应当经过独立分析和技术判断,不能因为某种技术流行而改变本体系的基本结构路线。
十七、现阶段技术价值
今天形成的一个重要认识是:
结构化知识本身不是最终目标。
结构化知识的真正作用,是成为认知系统进行认知匹配和方法计算的基础。
因此:
学习系统
= 建立结构化知识基础
认知系统
= 使用结构化知识进行认知
外部设备
= 执行认知产生的行动
反馈
= 重新进入认知和学习
这样,学习系统、认知系统和外部设备不再是三个孤立系统,而形成一个具有明确职责边界的整体技术体系。
十八、阶段性结论
目前形成的技术路线可以概括为:
人工定义元素结构,根据不同个体、状态、需求和场景建立相应的结构化知识;认知系统基于这些结构进行元素、关系、能力、方法、条件和参数的匹配与计算,形成判断和决策;认知结果进一步提供给外部系统或设备执行,并将实际状态和执行结果反馈回来,形成学习—认知—行动—反馈闭环。
其核心不是让系统“像人一样说话”,而是让系统能够:
有结构地认识对象,有关系地组织知识,有方法地进行计算,有条件地进行判断,有依据地形成决策,并能够把决策转化为行动。
这构成了当前 SAI / ICAI 工程体系进一步发展的一个重要技术基础。