摘�
本文æ��出并系统é˜�述“认知系统拓扑工程â€�这一新å�‹è½¯ä»¶å·¥ç¨‹èŒƒå¼�ã€‚ä¼ ç»Ÿè½¯ä»¶å·¥ç¨‹åŸºäº�还å�Ÿè®ºå�‡è®¾ï¼Œå°†ç³»ç»Ÿè§†ä¸ºå�¯åˆ†è§£ã€�å�¯é¢„测的确定性机器;而生æˆ�å¼�人工智能的出ç�°æ�示了å�¦ä¸€ç§�å�¯èƒ½â€”—系统行为涌ç�°è‡ªé«˜ç»´è®¤çŸ¥åœºçš„动æ€�演化。本文论è¯�,认知系统拓扑工程并é��对还å�Ÿè®ºçš„å�¦å®šï¼Œè€Œæ˜¯å°†å…¶ä½œä¸ºç‰¹ä¾‹çº³å…¥æ›´å¹¿æ³›çš„生æˆ�论框æ�¶ã€‚
æ–‡ç« ä»�概念体系ã€�系统æ�¶æ�„ã€�工程方法三个层é�¢æ�„建ç�†è®ºåŸºç¡€ï¼Œæ��出“认知拓扑â€�ä½œä¸ºæ ¸å¿ƒåˆ†æ��å�•元,é˜�述“å�Œè½¨æ²»ç�†â€�“场景自治边界â€�“å��差驱动的拓扑å�˜å½¢â€�ç‰å…³é”®æœºåˆ¶ã€‚
å…¨æ–‡è´¯ç©¿ä¸€ä¸ªæ ¸å¿ƒæ€�想:
系统化æ€�ç»´ä¸�是选择“é��æ¤å�³å½¼â€�,而是ç�†è§£â€œå¦‚何在è¿�ç»ä¸å»ºç«‹ç§©åº�â€�。
关键�:认知系统拓扑工程;还�论;生�论;认知拓扑;�轨治�;�差驱动
一�引言:软件工程的范�光谱
软件工程æ£å¤„在一个微妙的转折点上。
自1968年“软件工程â€�概念首次æ��出以æ�¥ï¼Œè¿™ä¸ªé¢†åŸŸå§‹ç»ˆå»ºç«‹åœ¨ä¸€ç§�æ˜�确的承诺之上:软件开å�‘应该åƒ�ä¼ ç»Ÿå·¥ç¨‹ä¸€æ ·ï¼Œå�¯è§„划ã€�å�¯åº¦é‡�ã€�å�¯æ�§åˆ¶ã€‚è¿™ç§�承诺的底色是一ç§�深层的哲å¦ä¿¡å¿µâ€”—还å�Ÿè®ºã€‚它相信,任何å¤�æ�‚系统都å�¯ä»¥è¢«åˆ†è§£ä¸ºæ›´å°�的部分,ç�†è§£äº†éƒ¨åˆ†å°±èƒ½ç�†è§£æ•´ä½“,整体ç‰äº�部分之和。
这一信念驱动了å�Šä¸ªå¤šä¸–纪的软件å®�践:结æ�„化编程将程åº�分解为函数,é�¢å�‘对象设计将系统分解为对象,组件化开å�‘å°†æ�¶æ�„分解为模å�—,微æœ�务将部署分解为独立进程。æ¯�一轮技术浪潮都在强化å�Œä¸€ä¸ªé€»è¾‘:世界是å�¯æ‹†è§£çš„,我们è¦�å�šçš„æ˜¯æŠŠæ‹†è§£å��的零件精确地组装å›�å�»ã€‚这套方法论å�–得了巨大的æˆ�åŠŸã€‚é“¶è¡Œæ ¸å¿ƒç³»ç»Ÿã€�航空é£�æ�§è½¯ä»¶ã€�医疗设备æ�§åˆ¶ç¨‹åº�——这些对æ£ç¡®æ€§è¦�求æ��é«˜çš„ç³»ç»Ÿï¼Œæ£æ˜¯å»ºç«‹åœ¨è¿˜å�Ÿè®ºçš„确定性基石之上。
然而,大è¯è¨€æ¨¡å�‹çš„崛起开始æ�¾åŠ¨è¿™ä¸€ä¿¡å¿µçš„æ ¹åŸºã€‚ä¸€ä¸ªæ‹¥æœ‰å�ƒäº¿å�‚数的大模å�‹ï¼Œæ²¡æœ‰äººèƒ½å¤Ÿâ€œæ‹†è§£â€�å®ƒâ€”â€”æˆ‘ä»¬æ— æ³•è¯´æ¸…æ¥šç¬¬137层第42å�·ç¥�ç»�元的激活究竟在计算什么;没有人能够“预测â€�它在æ¯�一个具体输入下的行为——给å�Œä¸€æ®µæ��示è¯�,æ¯�次生æˆ�的输出都略有ä¸�å�Œã€‚但它确å®�在工作:生æˆ�æµ�畅的文本ã€�ç�†è§£å¤�æ�‚çš„æ„�图ã€�è§£å†³å¤šæ¥æ�¨ç�†çš„问题。
这是一ç§�陌生的å˜åœ¨å½¢æ€�。它ä¸�åƒ�我们熟悉的任何软件制å“�。它ä¸�是代ç �的线性执行,而是高维空间ä¸çš„并行分布计算;它的行为ä¸�是预先编æ�’的,而是在æ¯�一次交互ä¸å®�æ—¶æ¶Œç�°çš„。它引å�‘äº†ä¸€ä¸ªæ ¹æœ¬æ€§çš„è¿½é—®ï¼šå¦‚æ�œç³»ç»Ÿæœ€æ ¸å¿ƒçš„组件本身就是ä¸�å�¯å®Œå…¨æ‹†è§£çš„,那么æ�„建“系统â€�的方å¼�,是å�¦ä¹Ÿéœ€è¦�æ ¹æœ¬æ€§çš„è½¬å�˜ï¼Ÿ
本文å°�试å›�ç”这个问题。我们æ��出“认知系统拓扑工程â€�这一概念框æ�¶ï¼Œè¯•图æ��绘一ç§�能够å�Ÿç”Ÿå®¹çº³ç¡®å®šæ€§ä¸�ä¸�确定性ã€�还å�Ÿè®ºä¸�生æˆ�è®ºçš„å·¥ç¨‹è§†è§’ã€‚æ–‡ç« çš„æ ¸å¿ƒä¸»å¼ æ˜¯ï¼šè¿˜å�Ÿè®ºä¸�生æˆ�论并é��对立的两æ��,而是一æ�¡è¿�ç»å…‰è°±ä¸Šçš„ä¸�å�ŒåŒºä½�ï¼›æˆ�熟的认知系统工程,应当ç�†è§£è¿™æ�¡å…‰è°±ã€�利用这æ�¡å…‰è°±ï¼Œè€Œé��固守其ä¸ä»»ä½•一端。
二ã€�ä»�还å�Ÿè®ºåˆ°ç”Ÿæˆ�论:一æ�¡è¿�ç»çš„光谱
2.1 还�论的�就�边界
还å�Ÿè®ºåœ¨è½¯ä»¶å·¥ç¨‹ä¸çš„æˆ�å°±æ— éœ€èµ˜è¨€ã€‚å®ƒå¸¦æ�¥çš„确定性ã€�å�¯æµ‹è¯•性ã€�å�¯ç»´æŠ¤æ€§ï¼Œæ”¯æ’‘了ä»�é“¶è¡Œæ ¸å¿ƒç³»ç»Ÿåˆ°èˆªå¤©é£�æ�§è½¯ä»¶çš„æ•´ä¸ªç�°ä»£æ•°å—æ–‡æ˜�。在还å�Ÿè®ºæ¡†æ�¶ä¸‹ï¼Œç³»ç»Ÿå�¯æŠ½è±¡ä¸ºä¸‰ä¸ªåŸºæœ¬è¦�ç´ ï¼š
规则,以代ç �å½¢å¼�固化,形æˆ�系统的“宪法â€�。这些规则定义了什么是å…�许的ã€�什么是ç¦�æ¢çš„ã€�在什么æ�¡ä»¶ä¸‹è§¦å�‘什么行为。代ç �是精确的ã€�æ— æ§ä¹‰çš„ï¼Œå› è€Œå�¯ä»¥è¢«é�™æ€�分æ��ã€�å�¯ä»¥è¢«å½¢å¼�化验è¯�。
算法,以�程形�定义,��系统的“�作手册�。这些算法�述了�一个状�到下一个状�的转移路径,是确定性的——给定相�的输入,必然产生相�的输出。
æ•°æ�®ç»“æ�„,以规范化形å¼�å˜å‚¨ï¼Œæˆ�为系统的“事å®�账簿â€�。这些数æ�®æ˜¯ç»“æ�„化的ã€�有模å¼�的,通过事务机制ä¿�è¯�一致性。
这三ç§�è¦�ç´ å…±å�Œæ�„æˆ�了一个å�¯é¢„测的ã€�å�¯å®¡è®¡çš„ã€�å�¯è¿½æº¯çš„确定性机器。当我们说一个系统“è¿�行æ£å¸¸â€�,在还å�Ÿè®ºæ¡†æ�¶ä¸‹ï¼Œå®ƒçš„å�«ä¹‰æ˜¯æ˜�确的:输入X,按照既定路径执行,得到预期输出Y。任何å��离预期的行为都被定义为“缺陷â€�,并通过调试æ�¥ä¿®å¤�——所谓调试,就是找到那个出错的零件并更æ�¢å®ƒã€‚
然而,还�论的�功是有�件的。它适用�边界清晰�需求稳定�规则�确的场景。当系统�对开放的��化的��确定的�境时,还�论的边界开始显�。状�空间的爆炸使得基�穷举的确定性�障���行;需求的��穷尽性使得基�预先定义规则的�应方�显得僵硬;知识的�性化使得系统的行为逻辑��是显���的。还�论并没有在这些边界处“失效�——它�是抵达了它能力的自然边界。
2.2 生�论:系统作为“涌�场�
生æˆ�论æ��供了一ç§�ä¸�å�Œçš„视角。它ä¸�追问“系统由哪些部件æ�„æˆ�â€�,而是追问“系统如何æŒ�ç»åœ°ç”Ÿæˆ�自身â€�。
在生æˆ�论视é‡�ä¸ï¼Œç³»ç»Ÿä¸�æ˜¯ä¸€ä¸ªè¢«é€ å¥½çš„æœºå™¨ï¼Œè€Œæ˜¯ä¸€ä¸ªä¸�æ–在è¿�行ä¸â€œæˆ�为自己â€�的过程。它的行为ä¸�是预先写好的剧本的执行,而是在æ¯�一次ä¸�ç�¯å¢ƒäº¤äº’ä¸å®�时“涌ç�°â€�的结æ�œã€‚它的知识ä¸�是å˜å‚¨åœ¨æŸ�个ä½�置的信æ�¯ï¼Œè€Œæ˜¯åœ¨è®¤çŸ¥è¿‡ç¨‹ä¸è¢«æ¿€æ´»çš„动æ€�路径。
一个类比å�¯ä»¥å¸®åŠ©ç�†è§£è¿™ç§�差异。考虑一个稳定的生æ€�系统:在系统层é�¢ï¼Œæˆ‘们å�¯ä»¥è¯†åˆ«å‡ºå�¯é¢„测的养分循ç�¯â€”â€”åˆ†è§£è€…å°†æœ‰æœºç‰©è½¬åŒ–ä¸ºæ— æœºç‰©ï¼Œç”Ÿäº§è€…å°†æ— æœºç‰©è½¬åŒ–ä¸ºæœ‰æœºç‰©ï¼Œè¿™äº›å¾ªç�¯æ˜¯ç›¸å¯¹ç¡®å®šæ€§çš„,å�¯ä»¥ç”¨è¿˜å�Ÿè®ºçš„æ–¹å¼�å�»å»ºæ¨¡ã€‚但在å�Œä¸€ç³»ç»Ÿä¸ï¼Œç‰©ç§�之间的ç«�争ã€�å��å�Œã€�演化å�´æ˜¯ä¸�å�¯é¢„测的。生æ€�系统的这两é�¢â€”—确定性的循ç�¯ä¸�ä¸�å�¯é¢„测的演化——共å˜äº�å�Œä¸€ä¸ªç³»ç»Ÿä¹‹ä¸ã€‚这就是è¿�ç»å…‰è°±çš„å�«ä¹‰ã€‚
å�Œæ ·ï¼Œä¸€ä¸ªè®¤çŸ¥ç³»ç»Ÿçš„è¿�行也包å�«äº†ä¸¤é�¢ï¼šå®ƒå¯¹æŸ�些确定性æ“�作的执行,以å�Šå®ƒè‡ªèº«çš„认知演化。å‰�者是还å�Ÿè®ºçš„领地,å��者是生æˆ�论的领地。生æˆ�论强调系统的自我维æŒ�——系统通过æŒ�ç»çš„è¿�转æ�¥ç»´æŒ�自身的å˜åœ¨ï¼›å¼ºè°ƒè‡ªæˆ‘更新——系统在ä¸�ç�¯å¢ƒçš„交互ä¸ä¸�æ–æ”¹å�˜è‡ªèº«ï¼›å¼ºè°ƒç»“æ�„性耦å�ˆâ€”—系统ä¸�ç�¯å¢ƒä¹‹é—´ä¸�å˜åœ¨ç»�对清晰的边界,ç�¯å¢ƒçš„å�˜åŒ–通过耦å�ˆé€šé�“å½±å“�系统,系统的行动也通过å�Œæ ·çš„通é�“改å�˜ç�¯å¢ƒã€‚
2.3 “é��æ¤å�³å½¼â€�的谬误
然而,最需è¦�è¦æƒ•的是一ç§�简å�•化的二元å�™äº‹ï¼šè¿˜å�Ÿè®ºæ˜¯â€œæ—§çš„ã€�ä¸�好的â€�,生æˆ�论是“新的ã€�好的â€�。这ç§�å�™äº‹æœ¬èº«å°±æ˜¯ä¸€ç§�还å�Ÿè®ºçš„æ€�ç»´æ–¹å¼�——把一个è¿�ç»çš„光谱强行切分æˆ�两个对立的阵è�¥ã€‚
真å®�系统永远需è¦�确定性——ä¸�èƒ½å› ä¸ºâ€œä¸�确定性是生æˆ�è®ºçš„æ ¸å¿ƒç‰¹å¾�â€�就容å¿�关键业务数æ�®çš„ä¸�å�¯é� ;真å®�系统也永远需è¦�拥抱ä¸�确定性——ä¸�èƒ½å› ä¸ºâ€œç¡®å®šæ€§æ˜¯è¿˜å�Ÿè®ºçš„æ‰¿è¯ºâ€�就拒ç»�任何形å¼�的自适应行为。
æ£ç¡®çš„立场是:ç�†è§£å…‰è°±ï¼Œåˆ©ç”¨å…‰è°±ã€‚光谱的一个æ��端是纯粹的还å�Ÿè®ºç³»ç»Ÿâ€”—完全的确定性ã€�完全的å�¯é¢„测性。光谱的å�¦ä¸€ä¸ªæ��端是纯粹的生æˆ�论系统——完全的涌ç�°æ€§ã€�完全的ä¸�å�¯é¢„测性。真å®�世界ä¸çš„系统永远ä¸�会è�½åœ¨æ��端的端点,而是分布在光谱的æŸ�个区间上。
æ›´ä¸ºæ ¹æœ¬çš„æ˜¯ï¼šè¿˜å�Ÿè®ºæ˜¯ç”Ÿæˆ�论的一个特例。当我们说一个系统“高度å�¯é¢„测â€�“行为完全å�¯æ�§â€�时,我们å�ªæ˜¯åœ¨æ��述一个生æˆ�空间ä¸â€œæ¦‚ç�‡è´¨é‡�高度集ä¸â€�的特殊区ä½�——系统的行为轨迹在状æ€�空间ä¸é›†ä¸äº�å°‘æ•°å‡ æ�¡è·¯å¾„,使得我们å�¯ä»¥ç”¨ç¡®å®šæ€§æ¨¡å�‹æ�¥è¿‘似它。好的系统设计,应当有能力识别当å‰�任务应该è�½åœ¨å…‰è°±çš„哪个区ä½�,然å��让æ�¶æ�„å�Ÿç”Ÿåœ°æ”¯æŒ�在该区ä½�上的è¿�作。
三�认知系统拓扑工程的概念基础
概念基础是ä»�哲å¦ç«‹åœºèµ°å�‘æ�¶æ�„设计的桥æ¢�。我们在这里定义该框æ�¶æœ€æ ¸å¿ƒçš„三个概念æ�„件:认知拓扑ã€�递归三元组ä¸�场景自治边界。
3.1 认知拓扑
“拓扑â€�æ˜¯è®¤çŸ¥ç³»ç»Ÿæ‹“æ‰‘å·¥ç¨‹çš„æ ¸å¿ƒåˆ†æ��å�•元。在数å¦ä¸ï¼Œæ‹“扑å¦ç ”究的是空间在è¿�ç»å�˜å½¢ä¸‹ä¿�æŒ�ä¸�å�˜çš„æ€§è´¨â€”—邻近关系ã€�è¿�通性ã€�边界。我们将这一概念引入系统认知分æ��。
认知拓扑定义为系统在认知过程ä¸å…¶æ¦‚念空间的内部结æ�„åŒ–å‡ ä½•å…³ç³»ã€‚å®ƒå›�ç”ä¸‰ä¸ªæ ¸å¿ƒé—®é¢˜ï¼š
邻近性:哪些概念在系统的认知ä¸è¢«è§†ä¸ºâ€œæ�¥è¿‘çš„â€�?在人类æ�¨ç�†ä¸ï¼Œâ€œé£�险â€�和“ä¸�确定性â€�常被视为邻近概念,而“é£�险â€�和“确定性â€�则ä¸�是。系统需è¦�能够在它的概念空间ä¸åˆ¤æ–è¿™ç§�è·�离。
è¿�通性:哪些概念之间å˜åœ¨å�¯é€šè¡Œçš„æ�¨ç�†è·¯å¾„?系统能å�¦ä»�“用户说太贵了â€�沿ç�€æ�¨ç�†é“¾åˆ°è¾¾â€œæ��供折扣方案â€�?认知拓扑记录了哪些路径是“å�¯é€šè¡Œçš„â€�。
边界:当�认知活动的范围在哪里结�,外部�境�哪里开始?系统在��时需�有一个��的边界�识。
ç�†è§£è®¤çŸ¥æ‹“扑的关键在äº�区分它ä¸�“知识图谱â€�。知识图谱是é�™æ€�çš„ã€�确定的å®�体-关系图,它å›�ç”的是“是什么â€�的问题。而认知拓扑是动æ€�çš„ã€�éš�上下文å�˜å½¢çš„è¿�ç»ç»“æ�„。å�Œä¸€ä¸ªæ¦‚念在ä¸�å�Œçš„上下文边界内,å�¯èƒ½åœ¨æ‹“扑空间ä¸å¤„äº�完全ä¸�å�Œçš„区ä½�:在“投资决ç–â€�场景ä¸ï¼Œâ€œé£�险â€�ä¸�“收益â€�邻近;在“安全管ç�†â€�场景ä¸ï¼Œâ€œé£�险â€�ä¸�“防护â€�邻近。概念之间的邻近关系ä¸�是固定的,而是éš�场景å�˜åŒ–的。
认知拓扑还å›�ç”了系统认知的一个深层问题:系统如何知é�““我ä¸�知é�“â€�?当系统å�‘ç�°å½“å‰�的概念在拓扑空间ä¸ç¼ºä¹�ä¸�其他概念的è¿�通路径,或者邻近区域ä¸å˜åœ¨ä¸�ç¡®å®šæ€§æ ‡è®°æ—¶ï¼Œå®ƒå°±â€œæ„ŸçŸ¥â€�到了自身知识的边界。
3.2 概念-关系-逻辑递归三元组
认知系统的�行�以抽象为一个递归三元结�,这是对系统认知过程的�作化�述。
概念是认知的“锚点â€�。它是系统在æŸ�一时刻对世界切片的è�šç±»ç»“æ�œã€‚这些切片å�¯ä»¥æ˜¯â€œç”¨æˆ·æ„�图â€�“异常状æ€�â€�“å�ˆè§„é£�险â€�ç‰ã€‚概念ä¸�是固定ä¸�å�˜çš„,而是在认知过程ä¸ä¸�æ–被激活ã€�被修æ£ã€�è¢«æ–°æ¦‚å¿µæ›¿ä»£ã€‚åœ¨è®¤çŸ¥æ‹“æ‰‘çš„å‡ ä½•è§†è§’ä¸‹ï¼Œæ¦‚å¿µä¸�是清晰的点,而是概ç�‡äº‘——它们有å�¸å¼•å�åŒºåŸŸï¼Œè¾¹ç•Œæ¨¡ç³Šï¼Œå½¼æ¤æ¸—é€�。
关系是概念之间的“å��馈边â€�。它定义了认知的通路——系统如何ä»�一个概念“到达â€�å�¦ä¸€ä¸ªæ¦‚å¿µã€‚å…³ç³»çš„æ ¸å¿ƒç‰¹å¾�是递归性:当ä»�概念A到达概念B之å��,这ç§�“到达â€�本身会å��过æ�¥æ”¹å�˜å¯¹æ¦‚念Açš„ç�†è§£ã€‚举例æ�¥è¯´ï¼Œç³»ç»Ÿæœ€åˆ�将用户输入归类为“投诉â€�;通过关系路径将“投诉â€�è¿�æ�¥åˆ°â€œé€€æ¬¾è¯·æ±‚â€�;完æˆ�这一è¿�æ�¥å��,系统对“投诉â€�çš„ç�†è§£è¢«æ›´æ–°â€”—它ä¸�å†�被ç�†è§£ä¸ºå�•纯的抱怨,而是被ç�†è§£ä¸ºä¼´éš�具体诉求的行为。
逻辑是系统的“相ä½�转移规则â€�。它包括两类è¦�ç´ ï¼šè§„åˆ™ï¼ˆåŠ¿èƒ½çº¦æ�Ÿï¼‰å®šä¹‰â€œå“ªäº›è·¯å¾„ç¦�æ¢é€šè¡Œâ€�;算法(动能方å�‘)定义“系统倾å�‘沿何ç§�路径å‰�è¿›â€�。需è¦�强调的是,这里的算法ä¸�是“如何想â€�çš„æ�¨ç�†ç–略,而是基äº�物ç�†ã€�ç»�æµ�ã€�å�šå¼ˆè§„律的硬约æ�Ÿâ€”—世界的逻辑。系统å�¯ä»¥è‡ªç”±ç»„织æ€�考过程,但最终结论必须æ�¥å�—世界逻辑的检验。
三元组æ�„æˆ�一个递归循ç�¯ï¼šé€»è¾‘作用äº�概念产生新概念,新概念通过关系å��馈至系统,调整逻辑的å��ç»æ‰§è¡Œã€‚这一循ç�¯åœ¨æ¯�ä¸€æ¬¡ç³»ç»Ÿäº¤äº’ä¸æŒ�ç»è¿�转。它ä¸�是一个“å�¯åŠ¨â€”å®Œæˆ�â€�çš„åº�列,而是一个æŒ�ç»è¿›è¡Œçš„动æ€�过程。在微观尺度上识别一个边缘,ä¸�在å®�观尺度上规划一æ�¡è·¯å¾„,尽管内容迥异,在结æ�„上å�´æ˜¯å�Œæ�„的——都是概念-关系-逻辑的递归è¿�作。这就是认知的递归分形结æ�„。
è¿™ç§�递归结æ�„必须有边界æ�¡ä»¶ï¼Œå�¦åˆ™å®ƒå°†æ— é™�进行下å�»â€”—概念产生概念ã€�关系延伸关系ã€�逻辑调整逻辑,永ä¸�å�œæ‡ã€‚è¿™å°±å¼•å‡ºäº†ç¬¬ä¸‰ä¸ªæ ¸å¿ƒæ¦‚å¿µã€‚
3.3 场景自治边界
任何认知系统都è¿�行在有é™�的场景ä¸ã€‚è¿™æ„�味ç�€ç³»ç»Ÿå¿…须有一ç§�能力æ�¥åˆ¤æ–“当å‰�这个认知活动应该æŒ�ç»åˆ°ä»€ä¹ˆç¨‹åº¦â€�。场景自治边界被æ˜�确为一个æ£é�¢çš„ã€�å¿…è¦�的设计è¦�ç´ ã€‚
场景自治边界是系统在当å‰�交互å›�å�ˆä¸â€œè®¤çŸ¥æ´»åŠ¨çš„å®¹å™¨â€�。它有三个功能:
第一,相关性ç›é€‰ã€‚边界定义了哪些概念在当å‰�åœºæ™¯ä¸æ˜¯ç›¸å…³çš„,哪些å�¯ä»¥æš‚ä¸�考虑。在“处ç�†è®¢å�•退款â€�的场景ä¸ï¼Œâ€œæ”¯ä»˜æ¸ é�“â€�是相关的,而“用户的æµ�览å�†å�²â€�通常是ä¸�相关的。边界为系统æ��供了注æ„�力ç›é€‰çš„ä¾�æ�®ã€‚
第二,æ�¨ç�†æ·±åº¦é™�åˆ¶ã€‚è¾¹ç•Œå®šä¹‰äº†å“ªäº›å› æ�œé“¾åœ¨å½“å‰�åœºæ™¯ä¸æ˜¯è¢«å…�许追溯的。边界设定了追溯的深度——过深导致效ç�‡é—®é¢˜ï¼Œè¿‡æµ…导致决ç–失误。
第三,递归收敛æ�¡ä»¶ã€‚边界定义了递归循ç�¯åœ¨ä½•时应当终æ¢ã€‚三元的递归循ç�¯ä¸�èƒ½æ— é™�ç»§ç»ä¸‹å�»ï¼Œå¿…须有一个“å�œåœ¨è¿™é‡Œâ€�的信å�·ã€‚
边界的物ç�†éš�喻是“å�Šé€�膜â€�。内部的信æ�¯å�¯ä»¥åœ¨è¾¹ç•Œå†…自由æµ�动。当系统感知到当å‰�边界内的信æ�¯ä¸�足以完æˆ�æ�¨ç�†æ—¶ï¼Œå�¯ä»¥ä¸»åŠ¨â€œåˆºç ´â€�边界——通过工具调用ã€�API请求ã€�æ•°æ�®åº“æŸ¥è¯¢ç‰æ–¹å¼�è�·å�–外部信æ�¯ã€‚æ–°ä¿¡æ�¯è¢«çº³å…¥è¾¹ç•Œå†…之å��,边界é‡�æ–°é—å�ˆã€‚è¿™ç§�机制确ä¿�了系统既能在有é™�范围内高效è¿�作,å�ˆä¿�æŒ�ä¸�外部世界的è¿�通性。
在更精确的数å¦è§†è§’下,认知空间是一个é��豪斯多夫空间——概念没有ç»�对清晰的边界,邻近关系éš�è¯å¢ƒå�˜åŒ–ã€‚åœºæ™¯è‡ªæ²»è¾¹ç•Œï¼Œæ£æ˜¯åœ¨è¿™ä¸ªé��豪斯多夫空间ä¸ï¼Œç”±å½“å‰�ä»»åŠ¡ç›®æ ‡ä¸´æ—¶åˆ’å®šçš„ä¸€ä¸ªå±€éƒ¨åŒºåŸŸã€‚è¾¹ç•Œä¸�是é™�制,而是使认知活动å�˜å¾—å�¯ç®¡ç�†ã€�å�¯è¿½è¸ªã€�å�¯å¹²é¢„的必è¦�æ�¡ä»¶ã€‚
四�工程方法:�概念到��
有了概念基础,我们转å�‘æ�¶æ�„设计。认知系统拓扑工程在æ�¶æ�„层é�¢æ��å‡ºä¸‰ä¸ªæ ¸å¿ƒæœºåˆ¶ï¼šå�Œè½¨æ²»ç�†ã€�å��差驱动的拓扑å�˜å½¢ã€�以å�ŠUI作为认知状æ€�的外显指针。
4.1 �轨治�
å�Œè½¨æ²»ç�†æ˜¯è®¤çŸ¥ç³»ç»Ÿæ‹“æ‰‘å·¥ç¨‹æœ€æ ¸å¿ƒçš„æ�¶æ�„决ç–。它的出å�‘点是对“事å®�â€�ä¸�“关äº�事å®�的认知â€�å�šå‡ºä¸¥æ ¼çš„æ�¶æ�„层é�¢çš„区分。
业务轨是系统ä¸çš„“物ç�†äº‹å®�层â€�。这一层å˜å‚¨çš„æ˜¯é‚£äº›ä¸€æ—¦å†™å…¥å°±ä¸�应éš�æ„�å�˜æ›´çš„ã€�具有业务效力的记录。它基äº�还å�Ÿè®ºé€»è¾‘è¿�行:ACID事务ä¿�è¯�æ“�作的å�Ÿå�æ€§å’Œä¸€è‡´æ€§ï¼Œç¡®å®šæ€§æ ¡éªŒç¡®ä¿�æ¯�æ�¡è®°å½•çš„å�ˆæ³•æ€§ï¼Œä¸¥æ ¼çš„æ�ƒé™�æ�§åˆ¶ä¿�è¯�å�ªæœ‰æ�ˆæ�ƒæ“�作æ‰�能执行。业务轨的写入æ“�作必须ç»�过æ˜�确的确认,以确ä¿�ä¸�å�¯é€†äº‹å®�的准确性。业务轨的å�¯é� 性æ�¥è‡ªå…¶è¿˜å�Ÿè®ºåŸºç¡€â€”—确定性ã€�å�¯å®¡è®¡ã€�å�¯è¿½æº¯ã€‚
认知轨是系统ä¸çš„“认知过程层â€�。这一层记录的ä¸�是物ç�†äº‹å®�本身,而是系统对事å®�的“ç�†è§£è¿‡ç¨‹â€�。它记录:系统在æŸ�个时刻对æŸ�个场景å�šå‡ºäº†æ€�æ ·çš„è§£è¯»ã€�系统曾æ��出过哪些å�‡è®¾ã€�系统曾ç»�å�†æ€�æ ·çš„æ�¨ç�†è·¯å¾„。认知轨的写入æ“�作å�¯ä»¥ç”±AI自动完æˆ�ï¼Œå› ä¸ºå®ƒä¸�ç›´æ�¥è§¦ç¢°ç‰©ç�†äº‹å®�。一个æ�¨ç�†é“¾æ�¡è¢«è®°å½•下æ�¥ï¼Œä¸�会改å�˜ä»»ä½•业务数æ�®ï¼›ä¸€ä¸ªåˆ¤æ–被生æˆ�,ä¸�会自动触å�‘任何业务执行。认知轨的è¿�作基äº�生æˆ�论逻辑:概ç�‡æ�¨æ–ã€�模å¼�å�‘ç�°ã€�拓扑å�˜å½¢ã€‚
两轨之间的交å�‰ç‚¹æ˜¯å®¡è®¡æœºåˆ¶ã€‚审计机制ä¸�是一ç§�“æ�¥å�£â€�或“集æˆ�方案â€�,而是一ç§�æ�¶æ�„层é�¢çš„å��议。它定义:认知轨ä¸äº§ç”Ÿçš„哪些内容,å�¯ä»¥ä½œä¸ºå¯¹ä¸šåŠ¡è½¨é€»è¾‘çš„å€™é€‰ä¿®æ£ï¼›è¿™äº›å€™é€‰ä¿®æ£ä»¥ä»€ä¹ˆæµ�程被审查ã€�被确认ã€�最终以什么方å¼�约æ�Ÿä¸šåŠ¡è½¨çš„ç¡®å®šæ€§é€»è¾‘ã€‚å®¡è®¡æœºåˆ¶çš„æ ¸å¿ƒå�Ÿåˆ™æ˜¯ï¼šä»»ä½•ä»�认知轨å�‘业务轨的“跨越â€�,都必须ç»�过外部确认。这ä¸�是å�¯é€‰çš„é…�置,而是æ�¶æ�„层é�¢çš„硬约æ�Ÿã€‚
需è¦�强调的是,å�Œè½¨æ�¶æ�„ä¸�é¢„è®¾ä»»ä½•å·²æœ‰ç³»ç»Ÿã€‚æ— è®ºä¼�业的技术起点是什么——是拥有å¤�æ�‚的既有系统,还是ä»�零开始æ�„建新系统——å�Œè½¨å›�ç”的是“新系统应该如何æ�¶æ�„â€�。对äº�ä»�零开始的项目,它指导ä»�一开始就建立事å®�层ä¸�认知层的æ�¶æ�„分离;对äº�已有系统的演进,它æ��供的是æ�¶æ�„é‡�æ�„的方å�‘——ä¸�是“å¢�åŠ ä¸€ä¸ªAI模å�—â€�,而是é‡�新审视系统的事å®�记录逻辑ä¸�认知æ�¨ç�†é€»è¾‘应该如何å�„自独立地å˜åœ¨ã€‚
4.2 �差驱动的拓扑�形
认知系统的进化动力,æ�¥è‡ªä¸€ä¸ªæ ¹æœ¬æ€§çš„æœºåˆ¶ï¼šå��差驱动的拓扑å�˜å½¢ã€‚
在生æˆ�论框æ�¶ä¸‹ï¼Œå��差是系统输出ä¸�外部期望之间的差异。当系统建议了一个方案ã€�外部选择了å�¦ä¸€ä¸ªæ–¹æ¡ˆï¼Œè¿™ä¸ªå·®å¼‚本身就是一个信å�·ï¼šå®ƒæ ‡å¿—ç�€ç³»ç»Ÿçš„认知拓扑在æŸ�个局部ä¸�外部期望的拓扑å˜åœ¨å��移。
å��å·®ä¸�是需è¦�被消除的“错误â€�,而是值得被收集ã€�è�šç±»å’Œè§£è¯»çš„“信å�·â€�。å�•次å��å·®å�¯èƒ½æ˜¯å™ªå£°ï¼Œä½†å¤§é‡�å��差的è�šç±»åˆ™æ�示了系统性的å��移模å¼�。
�差驱动的拓扑�形分为三个阶段:
第一阶段:信å�·æ�¥æ”¶ä¸�è�šç±»ã€‚系统æ�¥æ”¶å¤–部注入的å��差信å�·ï¼ŒæŒ‰ç±»å�‹ã€�场景ã€�时间分布进行è�šç±»ï¼Œè¯†åˆ«å‡ºå“ªäº›å��差是系统性的,哪些是å¤ç«‹çš„。
第二阶段:拓扑定ä½�。对äº�识别出的系统性å��差,系统在认知拓扑ä¸å®šä½�å…¶æº�头——是æŸ�些概念的邻近性设置ä¸�当?还是æŸ�些æ�¨ç�†è·¯å¾„çš„æ�ƒé‡�需è¦�调整?å��差信å�·æŒ‡å�‘了认知拓扑的哪个区域?
第三阶段:拓扑å�˜å½¢ã€‚认知轨执行拓扑å�˜å½¢â€”—调整概念å�¸å¼•å�区域的ä½�ç½®ã€�修改关系æ�ƒé‡�ã€�å¢�åŠ æˆ–åˆ é™¤æ�¨ç�†è·¯å¾„。拓扑å�˜å½¢çš„幅度由å��差信å�·çš„强度和一致性决定:å�•次å��差导致微弱的æ�ƒé‡�调整;多次è�šç±»å��å·®å�¯èƒ½è§¦å�‘概念区域的分裂或å�ˆå¹¶ã€‚
ç»�过拓扑å�˜å½¢å��,认知轨生æˆ�结æ�„化的修æ£å»ºè®®ï¼Œé€šè¿‡å®¡è®¡æœºåˆ¶æ��交外部确认。确认通过å��,修æ£ä»¥å�—æ�§æ–¹å¼�对业务轨的确定性逻辑产生约æ�Ÿæ€§å½±å“�。
这一机制赋予系统一ç§�æŒ�ç»é€‚应的能力。系统ä¸�抗拒å��差——å��差是必然的,æ£å¦‚没有任何模å�‹èƒ½å®Œç¾�预测所有场景。但系统确ä¿�æ¯�一次å��差都被识别ã€�定ä½�ã€�归档,并在å��ç»è¿�行ä¸è¢«ç³»ç»Ÿæ€§çŸ«æ£ã€‚
4.3 记忆系统:四库��
认知轨�是�一模�,而是一个完整的记忆系统。这个系统由四�异质记忆����,它们对应认知过程的��固化阶段:
关系记忆:å˜å‚¨å·²ç»�验è¯�çš„é�™æ€�事å®�和信念。这是认知过程ä¸é‚£äº›å·²è¢«å……分验è¯�ã€�ä¸�å†�被轻易质疑的产物。它对应业务轨的事å®�层在认知侧的投影。
图记忆:å˜å‚¨å®�体间的关系网络,是认知拓扑的骨æ�¶ã€‚它支æŒ�ç�µæ´»çš„路径æ�¢ç´¢å’Œå…³ç³»æ�¨ç�†ï¼Œæ˜¯è®¤çŸ¥è½¨ä¸â€œå…³ç³»â€�维度的工程承载。图记忆的结æ�„天然适å�ˆå…³ç³»é��å�†ï¼Œå…¶æ•°æ�®ç»“æ�„本身就éš�å�«äº†æ�¨ç�†ç–略。
æ—¶åº�记忆:å˜å‚¨å¸¦æ—¶é—´æˆ³çš„体验æµ�,是系统感知å�˜åŒ–ã€�识别趋势ã€�进行预测的基础。这是认知过程的时间维度,记录了系统“æ£åœ¨ç»�å�†ä»€ä¹ˆâ€�。
规则记忆:å˜å‚¨é€»è¾‘规则和æ�¨ç�†å…¬ç�†ï¼Œæ”¯æŒ�æ¼”ç»�æ�¨ç�†å’Œä¸€è‡´æ€§æ£€æŸ¥ã€‚这是认知轨ä¸â€œé€»è¾‘â€�维度的工程承载。
这四ç§�记忆ä¸�是å¤ç«‹çš„æ•°æ�®åº“,而是认知过程在ä¸�å�Œå›ºåŒ–阶段的产物:ä»�æ£åœ¨å¤„ç�†ä¸çš„æ—¶åº�体验,到æ£åœ¨æ�¢ç´¢ä¸çš„关系网络,到已ç»�验è¯�çš„é�™æ€�事å®�,到作为æ�¨ç�†åŸºç¡€çš„逻辑规则。它们共å�Œæ�„æˆ�了认知轨的内部结æ�„,使得认知过程能够ä»�“ç»�验â€�转化为“知识â€�,并éš�时准备用新ç»�éªŒæ‰“ç ´å’Œæ›´æ–°æ—§çŸ¥è¯†ã€‚
4.4 UI作为认知状�的外显指针
åœ¨ä¼ ç»Ÿè½¯ä»¶ä¸ï¼Œç”¨æˆ·ç•Œé�¢æ˜¯ç³»ç»Ÿçš„“æ“�作é�¢æ�¿â€�。在认知系统拓扑工程框æ�¶ä¸ï¼ŒUI的功能需è¦�被é‡�æ–°ç�†è§£ã€‚
UI是系统认知状æ€�以å�Šäº¤äº’便利的外显指针。认知状æ€�å�¯ä»¥ç”¨ä¸€ä¸ªæ ¸å¿ƒæŒ‡æ ‡æ�¥è¡¡é‡�:系统当å‰�输出被外部评价为智能的置信度。
当系统处äº�ä½�置信状æ€�——当å‰�场景信æ�¯ä¸�è¶³ã€�认知拓扑ä¸å˜åœ¨æ–裂或模糊区域——UI自动趋å�‘柔性。柔性UIæ��供更多追问ã€�更多开放å¼�选项ã€�更多引导性信æ�¯ã€‚系统通过UIå�‘用户表达:“当å‰�输出ä¸�确定,请æ��供更多信æ�¯ã€‚â€�
当系统处äº�高置信状æ€�——场景æ˜�ç¡®ã€�ä¿¡æ�¯å……分ã€�å› æ�œè·¯å¾„清晰——UI自动趋å�‘刚性。刚性UI简化为确定性表å�•和确认按钮。系统通过UIå�‘用户表达:“当å‰�输出有把æ�¡ï¼Œè¯·ç¡®è®¤æ‰§è¡Œã€‚â€�
这一设计让用户能够“感知â€�系统的内在状æ€�,ä»�而更有效地ä¸�系统å��å�Œã€‚工程上,UIä¸�应在高ä½�置信状æ€�之间频ç¹�震è�¡ã€‚å› æ¤éœ€è¦�引入æ»�å��滤波机制——å�ªæœ‰å½“置信度越过一个较宽的阈值带ã€�并且æŒ�ç»ç¨³å®šä¸€å®šæ—¶é—´ä¹‹å��,UIæ‰�会切æ�¢çжæ€�。这确ä¿�了交互的稳定性和å�¯é¢„期性。
五�完整���图
综�以上论述,认知系统拓扑工程的完整���以�述如下:
系统由两æ�¡å¹¶è¡Œçš„轨é�“æ�„æˆ�。业务轨是物ç�†äº‹å®�层,基äº�还å�Ÿè®ºé€»è¾‘è¿�行,å˜å‚¨å…·æœ‰ä¸šåŠ¡æ•ˆåŠ›çš„ä¸�å�¯é€†äº‹å®�。认知轨是认知过程层,基äº�生æˆ�论逻辑è¿�行,å˜å‚¨ç³»ç»Ÿå¯¹äº‹å®�çš„ç�†è§£è¿‡ç¨‹ã€‚两轨并行å˜åœ¨ï¼Œå�„自独立è¿�作。
认知轨内部是一个四库å��å�Œçš„记忆系统:时åº�记忆记录体验æµ�,图记忆维护关系网络,关系记忆å˜å‚¨éªŒè¯�å��的事å®�,规则记忆æ��ä¾›æ�¨ç�†å…¬ç�†ã€‚这些记忆共å�Œæ”¯æ’‘概念-关系-逻辑的递归三元è¿�作。
两轨之间的唯一交å�‰ç‚¹æ˜¯å®¡è®¡æœºåˆ¶ã€‚认知轨产生的修æ£å»ºè®®ï¼Œé€šè¿‡å®¡è®¡æœºåˆ¶æ��交外部确认。确认通过å��,修æ£ä»¥å�—æ�§æ–¹å¼�对业务轨产生约æ�Ÿæ€§å½±å“�。
系统è¿�行的动力æ�¥è‡ªå¤–éƒ¨æ³¨å…¥çš„ç›®æ ‡è�½å·®ã€‚ç›®æ ‡è�½å·®é©±åŠ¨è®¤çŸ¥è½¨å�¯åЍè¿�作。认知轨在场景自治边界内展开æ�¨ç�†ï¼Œè¾¹ç•Œä½œä¸ºå�Šé€�膜æ�§åˆ¶ä¿¡æ�¯çš„进出和递归的终æ¢ã€‚系统输出å��,外部å��差信å�·è¢«æ�¥æ”¶ï¼Œè§¦å�‘认知拓扑的å�˜å½¢â€”—调整概念邻近性ã€�关系æ�ƒé‡�ã€�æ�¨ç�†è·¯å¾„。å�˜å½¢å��的认知轨产生新的输出,ç‰å¾…下一轮外部信å�·çš„验è¯�。
UI作为认知状æ€�çš„å¤–æ˜¾æŒ‡é’ˆï¼Œæ ¹æ�®å½“å‰�置信度在柔性ä¸�刚性之间平滑切æ�¢ï¼Œé€šè¿‡æ»�å��滤波ä¿�è¯�交互稳定性。
这一æ�¶æ�„çš„æ ¸å¿ƒç‰¹å¾�是:系统内部å�ªæœ‰ç»“æ�„ã€�过程和预设的å�˜å½¢æœºåˆ¶ã€‚它是一å�°ç²¾å·§çš„认知机器,它的è¿�作驱动和进化方å�‘ï¼Œå§‹ç»ˆç”±å¤–éƒ¨ç›®æ ‡ä¸�外部信å�·å¼•导。
å…ã€�结è¯ï¼šCSTE作为æ�¶æ�„范å¼�
认知系统拓扑工程首先是一ç§�æ�¶æ�„范å¼�——它å›�ç”çš„æ˜¯ä¸€ä¸ªæ ¹æœ¬æ€§çš„æ�¶æ�„问题:当我们设计一个é�¢å�‘å�˜åŒ–的组织ç�¯å¢ƒå¹¶ä¸”需è¦�处ç�†ä¸�确定或者ä¸�确定信æ�¯çš„系统时,æ�¶æ�„应当如何组织?
ä¼ ç»Ÿè½¯ä»¶å·¥ç¨‹çš„æ�¶æ�„逻辑是“自底å�‘上â€�的:先定义数æ�®æ¨¡å�‹ï¼Œå†�定义æ“�作æµ�程,最å��定义用户界é�¢ã€‚整个æ�¶æ�„的基石是确定性。以生æˆ�å¼�AIä¸ºæ ¸å¿ƒç»„ä»¶çš„ç³»ç»Ÿï¼Œå…¶æ�¶æ�„逻辑ä¸�能沿用这æ�¡è·¯å¾„ã€‚å› ä¸ºæ ¸å¿ƒç»„ä»¶æœ¬èº«æ˜¯æ¦‚ç�‡æ€§çš„ã€�æ¶Œç�°æ€§çš„。如æ�œæˆ‘们把大模å�‹å½“作“å�¦ä¸€ä¸ªæ¨¡å�—â€�å¡�è¿›ä¼ ç»Ÿçš„åˆ†å±‚æ�¶æ�„ä¸ï¼Œå°±ä¼šé�é�‡æ ¹æœ¬æ€§çš„ä¸�匹é…�:确定性æ�¶æ�„希望æ¯�个模å�—的输出是å�¯é¢„测的,但大模å�‹çš„输出天生是概ç�‡æ€§çš„;确定性æ�¶æ�„期望状æ€�是å�¯æ�šä¸¾çš„,但认知过程的状æ€�空间是开放的。
é�¢å¯¹è¿™ç§�ä¸�匹é…�,认知系统拓扑工程选择的ä¸�是“修补â€�ä¼ ç»Ÿæ�¶æ�„,而是æ�„建一ç§�æ–°çš„æ�¶æ�„范å¼�——一ç§�能够å�Ÿç”Ÿåœ°å®¹çº³ç¡®å®šæ€§å’Œä¸�确定性ã€�还å�Ÿè®ºå’Œç”Ÿæˆ�论的æ�¶æ�„范å¼�。
在这个新范å¼�ä¸ï¼Œæ�¶æ�„的基本划分ä¸�å†�是“å‰�端/å��端â€�“数æ�®å±‚/业务层/表ç�°å±‚â€�,而是“业务轨â€�ä¸�“认知轨â€�的并行å˜åœ¨ã€‚这两个层é�¢ä¸�是调用关系,而是å�Œä¸€ç³»ç»Ÿå†…部的两ç§�结æ�„认知维度。
还å�Ÿè®ºä¸�生æˆ�论ä¸�是被“整å�ˆâ€�在一起的,而是在æ�¶æ�„层é�¢è¢«è®¾è®¡ä¸ºå¹¶è¡Œå˜åœ¨çš„两ç§�结æ�„维度。
认知系统拓扑工程追求的,ä¸�是“让系统更智能â€�——“智能â€�æ˜¯ä¸€ä¸ªå¤–éƒ¨è¯„ä»·æ ‡ç¾ï¼Œè€Œé��系统的内在å±�性。它追求的是:
让系统的æ�¶æ�„ä¸�其认知任务-决ç–-行动的本质相匹é…�。
当一个任务需è¦�确定性时,业务轨æ��供确定性;当一个任务需è¦�生æˆ�性时,认知轨容纳生æˆ�性;当一个系统需è¦�ä»�ç»�验ä¸è°ƒæ•´æ—¶ï¼Œå��差驱动的拓扑å�˜å½¢æ”¯æ’‘è¿™ç§�æŒ�ç»çš„适应。
这就是认知系统拓扑工程作为æ�¶æ�„范å¼�的使命。它ä¸�是对已有范å¼�çš„å�¦å®šï¼Œè€Œæ˜¯ä¸€ç§�æ›´æ ¹æœ¬çš„è§†è§’è½¬æ�¢â€”—
ä»�“系统应该被æ€�æ ·æ�„é€ â€�转å�‘“系统应该以æ€�æ ·çš„ç»“æ�„å½¢æ€�æ�¥å®¹çº³å…¶è‡ªèº«çš„认知活动â€�。
在这个视角下,æ�¶æ�„è®¾è®¡çš„æ ¸å¿ƒé—®é¢˜ä¸�å†�æ˜¯â€œç”¨ä»€ä¹ˆæŠ€æœ¯æ ˆâ€�“分多少层â€�“用微æœ�务还是å�•体â€�,而是更本质的追问:这个系统需è¦�知é�“什么?它需è¦�如何知é�“?它需è¦�如何知é�“自己知é�“得对ä¸�对?
认知系统拓扑工程æ��ä¾›çš„ï¼Œæ£æ˜¯å›�ç”这三个追问的æ�¶æ�„框æ�¶ã€‚
延伸阅读
认知���功能��:AI系统设计的两�起点
当我们谈论人工智能系统时,究竟在谈论什么?
关系·过程·约æ�ŸÂ·æ¶Œç�°Â·è‡ªæŒ‡ï¼šè®¤çŸ¥ç³»ç»Ÿæ‹“扑å¦çš„哲å¦ä¸–界观ä¸� Agent系统认知æ�¶æ�„æ€�想
认知空间的概念体系-é��豪斯多夫空间ä¸çš„æ‹“扑特å¾�ä¸�结æ�„
�知识图谱到认知拓扑:知识工程方�的范�跃�
ä»�建æ�„主义到认知系统拓扑å¦ï¼šLLM时代的认知范å¼�转移
认知系统拓扑å¦ï¼šä¸€ä¸ªç§‘å¦ç ”究纲领的完整建æ�„
认知系统拓扑å¦çš„统一ç�†è®ºåŸºç¡€ï¼šå››è®ºå››å¦
认知系统拓扑å¦ï¼šä¸‡æ³•归一ä¸�三生万物
三元递归分形结�:�论�LLM解��Agent系统建�
�考文献
[1] Treude, C., & Storey, M.-A.(2025).Generative AI and Empirical Software Engineering: A Paradigm Shift.
Proceedings of the 2nd ACM International Conference on AI-powered Software (AIware 2025), Seoul, South Korea, November 19-20, 1-7.
[2] Rafiee, B., & Sutton, R. S. (2026). Toward Enactive Artificial Intelligence. arXiv:2605.24238.
[3] �知识图谱到认知拓扑:知识工程方�的范�跃�. (2026). DWL Cognition.
[4] Yan, J. (2025). External Hippocampus: Topological Cognitive Maps for Guiding Large Language Model Reasoning. arXiv:2512.18190.
[5] Li, X. (2026). Metric-Topology Factorization: A Computational Framework for Hippocampal-Neocortical Intelligence. arXiv:2603.03362.
[6] Anonymous. (2026). Bias as Landscape: The Geometry of Cognition and Evolution. Zenodo.
[7] 朱少民, ç�‹å�ƒç¥¥. (2025). 软件工程3.0:大模å�‹é©±åŠ¨çš„ç ”å�‘新范å¼�. 北京: 人民邮电出版社.
[8] Paton, A. J. (2026). Beyond IQ: Structural Cognitive Topology and Continuity Under Load. Zenodo.