基于全局时间的意识与潜意识的并行决策算法模型
2019-10-21刘峰杨峰孙钰
刘峰 杨峰 孙钰
一、概述在互联网发展过程中，面向主体的人工智能系统研究也越来越广泛，在认知主体研究过程中，我们把认知主体的决策分为两个部分，认知主体的观点集和决策集。观点集是把信息进行加工催化产生的分析事物利弊和适用性的有效信息。决策集则是对观念做筛选后产生的对决策有用的观点产生决策的集合。决策集有意愿集和目标集组成。这个模型我们定义为L-Y模型（图1）。图1是L-Y模型的结构概览，其中包括：包含意识与潜意识的观点集、意愿集、目标集和潜在观点集、潜在意愿集、潜在目标集，以及在决策输出前的约束集。以及各个集合之间的逻辑关系。 如人思考一样从感知到做出决策这是一个非常复杂的过程，这个过程是动态的过程，受到各种因素的影响。但是从时间维度上看我们可以把这个过程定义为有生命的周期性循环的过程。现实中我们生活的行为活动受到时间这一参数的影响，引入时间这个概念参数是从时间维度上更好的完善这个模型。另外，我们在建立决策模型的过程中我们增加了对潜意识的思考，此次我们建立决策模型时建立了与之对应的潜意识决策模型。意识与潜意识并行处理观点集合的内容，当潜在的观点命中率到达一定阈值时，潜在观点则产生影响，升级潜在的观点的优先级，逐步计算升级，从而最终影响到决策结果。二、模型阐述L-Y决策模型包括观点集和决策集，决策集由意愿集和目标集组成。潜意识部分参照L-Y决策模型，两个决策模型组成L-Y并行决策模型。为了便于理解，首先我们将文中的一些概念先做一定的阐述。1.观点（Viewpoint）：观点是处于一定立场，分析事物利弊和适用性的表达。代表了认知主体的信息状态，观点是主体对信息加工和催化后的有效信息，含描述环境特性的数据和描述自身功能的数据，是主体进行思维活动的基础。观点也可以包括推理规则，允许向前链接以产生新的观点。观点随着信息的迭代来进行不断的更新。主体有维护自身观点集平衡的意愿。即当认知主体收到的信息经过催化称为新的观点，新的观点与观点集中的观点产生矛盾时，认知主体会对不同的观点进行比较，直到产生认知主体所认可的观点，这个认可的观点会进入到观点集中。2.意愿（Willing）：意愿是主体的最初动机，最初的意愿是想要达到某个特定的目标和方向，然后尽自己的能力去达成那个目标和方向。是其希望达到的状态或希望保持的状态的集合。主体希望达到的状态，由此可以激发系统的规划和行动。主体可以拥有互不相容的意愿，而且也不需要相信它的意愿是绝对可以实现的。3.目标（Target）目标是对活动预期结果的主观设想，也是活动的预期目的，为活动指明方向。具有维系组织各个方面关系构成系统组织方向核心的作用。最明显的性质是它将导致行为。目标是承诺实现的意愿中选取的当前最需要完成或者最适合完成的一个，是当前主体将要正在实现的目的，它是属于思维状态的意向。当前意愿对主体的当前动作具有指导性的作用。4.潜在观点（Potential view）潜在观点：在观点和潜在观点之间是共存的，观点集是现在状态下数据筛选后产生的有效的适用的数据，他的有效性和适用性对比其他数据命中率较高的数据集合，而潜在的观点集则是数据筛选后有效的适用性对比其他数据较低的数据集合。观点集和潜在观点集都是对应某时间点的一个状态数据集合。他们随着信息和时间不断变化而变化是动态的集合。潜在意愿和潜在目标与潜在观点类似，他们在同一时刻都保持自身状态。5.约束集（Constraint set）约束集是参照潜意识与意识而产生的行为约束的集合，目标的实现受约束集制约，制约的条件可以参照资源、检验教训、社会规则体系、人为定义的规则体系等来制定。不经过约束集合产生的行为下意识行为，所以模型中不做输出选择。约束集的增加是对目标产生输出的制约，不符合规则的输出在约束集后过滤掉。L-Y并行决策模型分为代表意识和潜意识的两部分，代表意识的有观点集、意愿集和目标集等组成。潜意识有潜在观点集、潜在意愿集和潜在目标集组成。信息处理过程为，当信息输入后对事件相关联的认知催化成了观点集中的观点，在观点集筛选后的观点组成了潜在观点集。观点集中的观点经过计算被命中的观点经过转化形成意愿集，而并行的潜在观点也同时可以形成潜在意愿集。同时意愿集通过计算被命中的意愿通过催化成目标集，而并行的潜在意愿也同时可以形成潜在目标集合。最后经过计算命中的目标计算输出后结果进入约束集。在此模型中只有保持观点集和决策集的动态理性平衡才能有效的解决问题。所谓的理性平衡是指在经过一个周期的计算，观点集、意愿集和目标集的数据都符合计算阈值的条件，并无新的信息输入或输入的信息对各个集合不产生变化，在动态环境下此时间点的各个集合（观点集、意愿集和目标集）达到理性平衡。三、时间维度的考虑现实生活中，时间是思考过程或事件中是一个重要的因素。如一个人喜欢看足球比赛，今天他早上得到消息晚上有一部新的电影上映，他决定晚上去看电影。不过他下午得到消息今天晚上有一场他喜欢球队的实况转播比赛，比赛的时间和电影的时间正好冲突。相对比较后他最后做了决定去看实况足球比赛，电影明天去看。以L-Y决策模型为例不考虑时间的影响此次结果可能就是去看电影，而现实中随着时间影响在产生结果也是有变化的。如果不考虑时间因素，L-Y决策模型中没有时间做参照，就不能产生更加合理的结果。所以为了更好的考虑时间对主体的决策，我们引入时间参数作为模型的补充，建立更加合理的L-Y决策模型。基于生命周期的L-Y决策模型定义：对于L-Y决策模型我们可以整个过程中从感知输入到输出，整个过程所消耗的时间定义为主体一次运行（思考）的生命周期（TC）。相对于整个过程，在L-Y决策模型中我们引入时间点有序集合参数Ti（i=0，1，2……，n），Ti对应某个时间点。相对时间参数Ti，现实世界中的时间量我们设为TJ。比如开始时间i=0，T0=0，现实世界中与之对应的时间为TJ=14：00，那么T0开始时间为14：00。在理论状态，一个事件从数据输入开始我们时间点为TIN=0，到输出时间点为Tout=TC，过程中间特定时间点成为一个状态点TX（V，W，T）。Ttar：当目标集中目标经过计算后得出到达规定的阈值的时间点。目标确定到行为输出还需经历约束集约束，才产生最终输出。从数据输入到决策输出我们可以认为是一个动态的过程，这个动态的过程我们可以认为是保持观点、意愿和目标的理性平衡过程，当到达目标选择的时刻Ttar，主体的状态为Ttar（V，W，T）当此时没有新的输入或其他影响状态量的输入，就直接进行抉择和行为输出。当有产生影响状态量的数据输入时，则进行第二次状态量的平衡（重新计算各个集合状态）。认知主体是不断接收到新的信息的，当新的信息没有催化产生新的观点，此时认知主体的观点集合状态为平衡态，认知主体的意愿集、目标集也是如此。当输入的信息催化成新的观点，观点集就要将新的观点和已有观点集中的观点做集合状态更新，知道新的观点被观点集合做补充或舍弃，新的观点如果对意愿集合产生影响，催化成新的意愿，意愿集合也要做状态平衡，目标集合也一样，行为输出前只有满足（V，W，T）这三个集合是平衡态的时候才会产生行为输出。现实生活中我们可以简单把的事件（或决策过程）分为两类：受时间制约的事件或不受时间制约的事件，具体如早上7点我要去上班，今天晚上6点的火车去某地或今天电影19：00开始20：30结束。此类为受时间制约的活动。其他如我要去买个手机（现在买或一周后买没有时间约束），我要思考某个问题。此类为不受时间制约的活动。相对于这2类情况我们分别做出不同的考虑。时间约束量：Te时间完成的时间约束条件，比如事件開始时间为13：00，结束时间为13：30，Te=30分。如图2所示，对于不受时间约束的活动（或思考），在L-Y决策模型来说，时间是动态的在现实世界中的时间是不断前行的，在某个时间点上主体的状态我们用TX{V，W，T}来表示。假设（Vie）为所有可能观点集合，（Wil）为所有可能意愿的集合，（Ter）为所有可能的目标集合。在任意时刻，一个主体的状态表示为（V，W，T）其中 。前面我们把主体从感知输入到输出，整个过程所消耗的时间定以为主体一次运行（思考）的生命周期（TC）。 从数据输入到决策输出我们可以认为是一个动态的过程，这个动态的过程我们可以认为是保持观点、意愿和目标的理性平衡过程，当到达目标选择的时刻Ttar，主体的状态量为Ttar（V，W，T）当此时没有新的输入或其他影响状态量的输入，就直接进行抉择和行为输出。当有产生影响状态量的数据输入时，则进行二次状态量的平衡。直到达到平衡状态Ttar1（V，W，T），如图3所示。当循环超过特定时间我们也可以做处理请求超时。 如图4所示，对于有时间约束的活动（或思考），这个时间约束我们可以计算出时间约束量假设为Te。我们可以把TIN=0与现实世界中的时间TJ做投影，TIN=TJ（如开始时间TIN=0，TJ=14：00，TIN=14：00）。当Te
