第一章 结构智能的提出
1.1 从信息处理到结构形成
人工智能的发展,本质上始终围绕一个核心问题展开:机器如何获得处理信息、解决问题和完成任务的能力。
从早期的符号主义系统,到专家系统,再到机器学习、深度学习以及以大语言模型为代表的新一代人工智能,人工智能不断改变其处理信息的方式。系统可以从数据中提取特征,可以通过参数学习形成模型,可以通过概率关系进行预测,也可以通过语言表示完成复杂的信息生成与交互。
然而,当人工智能系统越来越复杂,一个更加基础的问题逐渐显现出来:
智能究竟是从哪里产生的?
如果智能仅仅来自数据数量的增加,那么拥有更多数据的系统应该必然拥有更高层次的智能;如果智能主要来自参数规模,那么扩大参数规模就应该能够无限制地推动智能增长;如果智能主要来自语言生成,那么能够生成更加流畅语言的系统就应该等同于具有更加完整的认知能力。
但实际情况并非如此。
数据本身不是知识。
参数本身不是概念。
语言本身也不是认知。
一个系统即使拥有大量数据、巨大的参数规模以及强大的语言生成能力,如果不能将信息组织成为能够被识别、关联、匹配、计算和调用的内部结构,那么它所拥有的信息仍然难以直接转化为稳定的问题解决能力。
因此,必须进一步追问:
信息经过什么过程,才能成为可使用的知识?知识经过什么过程,才能形成解决问题的能力?
WSaiOS-SI 对这一问题的回答,是从“结构”开始。
结构智能并不首先把智能理解为数据规模、模型规模或参数规模,而是把信息能够形成可操作结构的能力视为智能形成的重要基础。
由此,建立一个独立的理论概念:
Structural Intelligence——结构智能。
结构智能所研究的,不是单纯“系统拥有多少信息”,而是研究系统如何把信息组织成结构,以及这些结构如何进一步进入匹配、运算、认知、决策和行动过程。
1.2 为什么需要“结构智能”
传统人工智能理论已经建立了大量关于数据、算法、模型、学习、推理和决策的方法,但这些概念通常分别解决不同层面的问题。
数据回答的是:
系统获得了什么信息?
算法回答的是:
系统如何处理信息?
模型回答的是:
系统如何表示和计算信息之间的关系?
参数回答的是:
模型通过什么数值状态表达学习结果?
概率回答的是:
在不确定条件下,不同结果具有怎样的可能性?
语言模型则进一步回答:
系统如何根据语言上下文生成新的语言序列?
这些机制都具有重要意义。
但是,在一个真正能够持续学习、理解复杂对象、形成知识并解决现实问题的智能系统中,还存在一个更加基础的层面:
信息究竟以什么结构存在?
例如,一个现实中的企业并不是一个没有内部组成的“词”。
企业可能包含:
企业名称、企业类型、所在地、产品、市场、客户、员工、供应链、生产能力、销售渠道、技术能力以及经营方法。
进一步而言,企业的“产品”也不是一个孤立的名称。
一个产品可能具有:
产品名称、型号、材料、规格、性能、价格、应用场景、目标市场以及生产方法。
而“价格”也不是一个静态字符串。
价格可以参与计算。
产品数量可以与单价进行运算。
成本可以与销售价格进行比较。
市场需求可以与产品供应能力进行匹配。
产品属性可以与用户需求进行匹配。
因此,当信息进入真实的问题解决过程时,信息并不是以孤立数据的形式发挥作用,而是以具有组成关系、属性关系、行为关系和运算关系的结构发挥作用。
这意味着:
智能系统真正需要处理的,不只是信息,而是信息形成之后的结构。
结构决定信息如何被组织。
结构决定信息之间如何发生关系。
结构决定哪些信息可以被调用。
结构决定哪些信息可以参与运算。
结构决定不同知识之间能否进行匹配。
结构也决定一个系统能否从已有知识形成新的解决方法。
因此,WSaiOS-SI 不把结构看作智能系统中的附属数据组织方式,而是把结构提升到智能理论的基础层。
1.3 信息不是智能,结构是信息进入智能过程的条件
必须首先区分三个不同概念:
信息、知识与智能。
信息是系统获得的内容。
知识是经过组织、关联和结构化之后能够被使用的信息。
智能则表现为系统能够根据需求调用、匹配、运算和组合已有知识,并形成解决问题的决策与方法。
因此,可以表示为:
信息 → 结构化知识 → 能力 → 决策 → 行动
这里的关键并不是简单地把信息存储起来,而是让信息进入一种可计算、可匹配、可调用、可组合的结构状态。
例如:
“某产品价格为100元。”
这首先是一条信息。
如果系统进一步建立:
产品
→ 产品名称
→ 产品价格
→ 产品数量
→ 产品市场
→ 产品销售方法
那么价格就不再是孤立信息,而成为产品结构中的一个属性。
当系统进一步建立:
产品数量 × 产品单价 = 产品销售金额
那么价格属性便进入运算结构。
当系统再建立:
客户需求
→ 产品类型
→ 产品规格
→ 价格范围
→ 应用场景
那么产品属性又进入需求匹配结构。
最终,当系统面对一个新的用户需求时,可以从已有结构中寻找对应对象,读取对象属性,调用相关方法,通过属性之间的匹配和运算形成解决方案。
此时,系统处理的已经不是一条孤立的信息,而是一套能够运行的知识结构。
因此,结构智能提出一个重要判断:
信息只有进入可组织、可关联、可运算、可调用的结构之后,才真正获得持续参与智能过程的能力。
1.4 结构是智能系统中的基本组织单位
WSaiOS-SI 进一步提出:
结构不是知识的外部包装,而是知识存在和运行的基本组织形式。
为了实现这一理论,WSaiOS-SI 将现实世界中的知识进一步分解为基本结构单位。
这种基本结构单位可以称为:
元素(Element)。
元素不是简单的字符,也不是传统意义上的 token。
Token 主要解决语言序列的切分与表示问题,而 WSaiOS-SI 中的元素承担的是更加广泛的结构功能。
一个元素可以代表一个现实中的机构、单位、产品、人物、地点、概念、属性、关系、方法或其他能够参与结构组织的对象。
例如:
“深圳某制造企业”
可以形成一个机构单位元素。
这个机构元素可以进一步拥有:
- 名称
- 类型
- 所在地
- 行业
- 产品
- 技术
- 市场
- 客户
- 生产能力
这些内容并不是简单堆积在一起,而是构成一个具有内部关系的结构。
因此:
元素 → 对象 → 属性 → 方法 → 关系 → 结构
构成了 WSaiOS-SI 对知识组织的重要基础。
1.5 对象是结构中的可识别实体
在结构智能体系中,**对象(Object)**是能够被系统独立识别、保存、关联和调用的结构实体。
对象可以对应现实世界中的实体,也可以对应抽象概念。
例如:
企业可以是一个对象。
产品可以是一个对象。
客户可以是一个对象。
市场可以是一个对象。
订单可以是一个对象。
一个产品对象并不是只有“产品名称”这一项信息。
它可以具有多个属性。
例如:
Product
├── name
├── model
├── material
├── specification
├── price
├── market
└── application
其中,Product 是对象。
name、model、material、specification、price、market、application 是对象属性。
这种组织方式使知识不再表现为大量相互孤立的信息,而成为能够被系统识别和操作的对象结构。
这也是 WSaiOS-SI 与单纯信息存储系统的重要区别。
传统数据库当然也可以存储字段。
但是结构智能研究的重点并不只是“字段存在哪里”,而是:
对象为什么具有这些属性?属性之间具有什么关系?属性如何参与运算?对象如何与其他对象匹配?对象如何进入问题解决过程?
因此,对象并不是静态的数据容器。
对象是结构智能中可以进入认知和计算过程的基本实体。
1.6 属性使对象获得具体状态
对象本身只能表示“是什么”,而属性进一步描述“具有什么”。
例如:
Product
只表示一个产品对象。
而:
Product
├── name = Solar Generator
├── capacity = 2000Wh
├── price = 999
├── market = USA
则使这个产品对象具有具体状态。
因此,属性是对象内部的重要结构单位。
属性可以保存名称,也可以保存数值、文本、范围、关系以及其他结构。
更重要的是:
属性值不是只能被读取,还可以参与运算。
例如:
price = 999
quantity = 10
通过方法:
calculateTotal(price, quantity)
可以形成:
total = price × quantity
于是:
999 × 10 = 9990
此时,属性已经从静态信息进入计算过程。
这正是结构智能的重要特征:
结构中的知识不仅可以被储存,还可以被运行。
1.7 方法使结构从静态知识进入动态运算
如果对象只有属性,那么它仍然主要是一种静态结构。
结构智能进一步引入:
方法(Method)。
方法描述对象能够执行的操作。
例如:
Product
├── price
├── quantity
└── calculateTotal()
其中:
calculateTotal()
可以读取对象属性:
price
quantity
并执行:
price × quantity
得到新的结果。
因此,方法并不是简单的程序函数。
在结构智能理论中,方法是结构内部知识进入运算过程的机制。
对象提供运算主体。
属性提供运算数据。
方法提供运算规则。
三者共同形成可运行的结构:
对象 + 属性 + 方法 = 可运行知识结构
这与传统的静态知识库存在本质区别。
传统知识库可能记录:
“产品价格为999。”
而结构智能系统不仅记录这一知识,还能够理解:
这是某个产品对象的 price 属性;
price 可以被某个方法读取;
price 可以与 quantity 进行运算;
运算结果可以形成新的属性或新的知识;
新的结果又可以继续参与后续结构匹配。
因此,结构智能并不把知识理解为“存储的内容”,而是把知识理解为:
能够在结构内部被识别、调用、运算和组合的内容。
1.8 结构关系决定知识如何发生作用
单独的对象、属性和方法仍然不足以构成完整智能。
因为现实世界中的对象并不是彼此孤立的。
企业拥有产品。
产品属于某个市场。
客户产生需求。
需求对应产品。
产品具有价格。
订单包含产品。
供应链连接企业与供应商。
因此,结构智能必须进一步处理:
对象与对象之间的关系。
例如:
Customer
↓ needs
Product
↓ has
Price
↓ calculated by
Method
或者:
Company
↓ produces
Product
↓ sold in
Market
↓ contains
Customer
当这些关系形成之后,系统获得的不再是一个个独立对象,而是一张能够表达现实世界关系的结构网络。
因此,结构智能中的结构至少包含:
元素、对象、属性、方法以及关系。
它们共同构成知识的可运行形式。
1.9 从结构到匹配
结构存在的意义并不是为了建立更加复杂的数据库,而是为了让系统能够解决问题。
问题首先表现为一种需求结构。
例如用户提出:
“寻找适合美国市场、2000Wh容量、价格在1000美元以内的储能产品。”
这个问题不是一个单独的词,而是一组约束:
Market = USA
Capacity = 2000Wh
Price <= 1000
Product = Energy Storage
系统需要从已有知识结构中寻找满足这些条件的对象。
因此,智能过程首先表现为:
需求结构与知识结构之间的匹配。
如果系统拥有:
Product A
Market = USA
Capacity = 2000Wh
Price = 999
那么:
需求结构
↓
结构匹配
↓
Product A
便可以成立。
这种匹配不是简单的关键词匹配。
因为:
“USA”
可能是市场属性。
“2000Wh”
可能是容量属性。
“1000美元以内”
是价格约束。
“储能产品”
是对象类别。
只有理解这些信息在结构中的位置,系统才能真正完成有效匹配。
因此,结构智能认为:
理解的一个重要表现,就是能够确定信息在结构中的位置,并使不同结构之间建立可计算的对应关系。
1.10 从匹配到运算
匹配只是智能过程的一部分。
现实问题通常还要求系统进行计算。
例如:
用户要求:
“预算为10000美元,最多购买多少台价格999美元的设备?”
系统需要首先匹配:
预算 → 10000
产品价格 → 999
然后调用计算方法:
calculateQuantity(budget, price)
执行:
10000 ÷ 999
得到:
10
于是结构进入运算。
因此:
匹配解决“找到什么”。
运算解决“如何处理”。
两者结合,结构才开始形成真正的问题解决能力。
1.11 从运算到认知
结构智能进一步提出:
认知不是单独存在于系统中的神秘过程,而是结构之间持续匹配、关联、运算和组合所形成的高级状态。
当系统面对需求时,它需要:
识别需求中的元素;
确定元素对应的对象;
读取对象属性;
寻找相关结构;
调用相关方法;
执行必要运算;
比较不同结果;
形成新的结构关系。
这个过程可以表示为:
需求 → 元素识别 → 结构匹配 → 属性读取 → 方法调用 → 运算 → 结果形成 → 结构更新
当这一过程能够稳定运行时,系统便不再只是“知道某些信息”,而开始具有面向问题的结构认知能力。
因此,结构智能中的“认知”并不是简单的语言理解,也不是信息检索本身。
它是:
系统对结构及其关系进行识别、匹配、运算和组合,并由此形成问题状态理解的过程。
1.12 从认知到决策
认知解决的是:
当前问题是什么?
决策解决的是:
应该采取什么方法?
例如,系统识别出:
用户需要美国市场的某类产品;
预算为10000美元;
需要10台;
已有产品A满足技术条件;
产品B价格更高但性能更强。
系统便需要进一步比较不同结构产生的结果。
这意味着决策不是凭空产生的。
决策来自:
需求结构 + 知识结构 + 能力结构 + 运算结果
之间的综合关系。
因此,可以表示为:
需求结构 → 知识匹配 → 能力匹配 → 运算比较 → 决策结构
这里出现一个非常重要的概念:
能力结构。
知识告诉系统:
“世界是什么样。”
能力结构告诉系统:
“系统能够做什么。”
一个系统即使拥有大量知识,如果不能把知识匹配给自身能力,就无法真正完成任务。
因此,结构智能把智能形成过程进一步定义为:
将需求结构与知识结构进行匹配,再将匹配得到的知识结构与能力结构进行匹配,最终形成解决问题的决策与方法。
1.13 从决策到行动
智能不能停留在内部表示。
如果一个系统完成了识别、匹配、计算和决策,却无法形成行动方法,那么它仍然只是一个内部推理系统。
因此,结构智能最终需要进入:
行动。
行动可以表现为:
调用程序;
生成文件;
执行设备控制;
输出方案;
发送信息;
调用外部系统;
修改数据;
执行任务。
因此,结构智能形成完整闭环:
信息 → 结构 → 匹配 → 运算 → 认知 → 决策 → 行动
行动结果又会产生新的信息。
新的信息再次进入结构。
于是形成:
信息 → 结构 → 能力 → 决策 → 行动 → 新信息 → 新结构
这构成结构智能持续运行的基本循环。
1.14 结构智能与传统人工智能表示方式的区别
结构智能并不否定数据、模型、参数、概率、语言等人工智能技术。
相反,这些技术都可以成为结构智能的组成技术。
但 WSaiOS-SI 对它们的定位不同。
数据可以成为结构的来源。
语言可以成为结构形成的输入。
模型可以成为结构处理的计算机制。
参数可以成为模型状态的一部分。
概率可以成为不确定结构中的计算方式。
算法可以成为结构运算的方法。
但是:
它们都不是结构本身。
结构智能真正关注的是这些技术最终如何进入一个能够被识别、匹配、运算、组合和调用的结构系统。
因此,结构智能不是简单提出一种新的数据格式,也不是把面向对象编程直接改名为人工智能。
它所提出的是一个更高层次的理论问题:
智能系统的基本知识单位究竟应该是什么?
WSaiOS-SI 的回答是:
智能系统需要以结构化元素作为知识形成的基础,以对象、属性、方法和关系构成可运行知识结构,并通过需求结构、知识结构和能力结构之间的匹配与运算形成认知、决策和行动能力。
1.15 结构智能的基本定义
基于以上理论,可以对 Structural Intelligence 作出初步定义。
定义一:结构智能
结构智能(Structural Intelligence,SI)是以结构形成为智能基础,使信息能够通过元素、对象、属性、方法及关系形成可识别、可关联、可匹配、可运算、可调用和可组合的知识结构,并通过知识结构与需求结构、能力结构之间的动态匹配与运算形成认知、决策和行动能力的智能理论。
这一概念包含几个核心层次。
第一,结构形成。
信息必须能够形成结构。
第二,结构可操作。
结构必须能够被识别、调用、匹配和运算。
第三,结构可组合。
不同知识结构可以形成更高层级结构。
第四,结构与需求匹配。
系统需要根据问题需求寻找适合的知识结构。
第五,结构与能力匹配。
系统需要判断自身能力能够如何利用这些知识结构。
第六,结构产生决策。
知识与能力经过运算后形成解决问题的方法。
第七,决策进入行动。
最终结构必须能够作用于现实任务。
1.16 结构智能的核心命题
由上述定义,可以进一步提出结构智能的核心命题:
智能不是信息的数量,而是信息形成结构并参与结构运行的能力。
进一步可以表达为:
没有结构,信息难以形成稳定知识;没有可运行结构,知识难以形成能力;没有结构之间的匹配与运算,能力难以形成决策;没有决策进入行动,智能难以完成闭环。
因此,结构智能将“结构”放置在智能形成过程的中心位置。
它并不是认为所有智能都可以简单还原成结构,而是认为:
任何能够持续发挥作用的智能,都必须以某种组织形式保存、调用和运行其知识与能力。
这种组织形式,就是结构。
1.17 结构智能的理论起点
因此,《WSaiOS结构智能(WSaiOS-SI)理论工程》的理论起点并不是:
“如何让机器获得更多数据?”
也不是:
“如何让模型拥有更多参数?”
而是:
如何使信息形成能够运行的结构,并使结构形成智能。
从这个起点出发,智能系统的设计逻辑将发生根本变化。
系统首先需要理解:
什么是元素。
然后理解:
元素如何形成对象。
进一步理解:
对象如何拥有属性。
进一步理解:
属性如何参与方法。
进一步理解:
对象之间如何建立关系。
进一步理解:
多个结构如何形成知识结构。
再进一步理解:
需求如何形成需求结构。
以及:
知识结构如何与需求结构进行匹配。
最终:
知识结构如何进入能力结构,并形成认知、决策和行动。
由此,结构智能不再把智能理解为单一模型产生的结果,而把智能看作一个持续运行的结构系统。
1.18 结构智能的最终理论指向
结构智能的提出,意味着人工智能研究可以从“模型中心”进一步进入“结构中心”。
模型仍然重要。
算法仍然重要。
数据仍然重要。
参数仍然重要。
语言仍然重要。
但是,在这些技术之上,需要建立一个能够解释知识如何形成、能力如何形成以及智能如何运行的结构层。
WSaiOS-SI 正是在这一层面建立理论。
它试图回答的根本问题是:
一个系统为什么能够从信息中形成知识,从知识中形成能力,从能力中形成决策,并最终形成解决问题的行动?
结构智能给出的第一性回答是:
因为信息被组织成为结构,结构能够被匹配和运算,知识结构能够与能力结构结合,并在需求驱动下持续形成认知、决策和行动。
因此:
Structural Intelligence(结构智能)
不是对现有人工智能名称的简单替换。
它代表一种不同的智能理论观察角度:
从信息研究智能,进一步进入结构研究智能;从结构研究知识,从知识研究能力,从能力研究决策,从决策研究行动。
这构成 WSaiOS-SI 理论工程的起点。
而在这个理论起点上,“元素”将不再只是信息的组成部分,而将成为整个结构智能体系中最基础的结构单位;“对象、属性、方法、关系”也不再只是软件工程中的编程概念,而将被进一步提升为知识结构和智能运行结构中的基本理论构件。
由此,结构智能正式建立其理论基础:
以元素为基本结构单位,以对象为结构实体,以属性描述对象状态,以方法实现结构运算,以关系连接结构,以匹配形成认知,以运算形成能力,以决策形成行动,并通过持续的结构循环实现智能。