基于全局時間的意識與潛意識的并行決策算法模型

劉峰 楊峰 孫鈺

一、概述在互聯網發展過程中，面向主體的人工智能系統研究也越來越廣泛，在認知主體研究過程中，我們把認知主體的決策分為兩個部分，認知主體的觀點集和決策集。觀點集是把信息進行加工催化產生的分析事物利弊和適用性的有效信息。決策集則是對觀念做篩選后產生的對決策有用的觀點產生決策的集合。決策集有意愿集和目標集組成。這個模型我們定義為L-Y模型（圖1）。圖1是L-Y模型的結構概覽，其中包括：包含意識與潛意識的觀點集、意愿集、目標集和潛在觀點集、潛在意愿集、潛在目標集，以及在決策輸出前的約束集。以及各個集合之間的邏輯關系。 如人思考一樣從感知到做出決策這是一個非常復雜的過程，這個過程是動態的過程，受到各種因素的影響。但是從時間維度上看我們可以把這個過程定義為有生命的周期性循環的過程。現實中我們生活的行為活動受到時間這一參數的影響，引入時間這個概念參數是從時間維度上更好的完善這個模型。另外，我們在建立決策模型的過程中我們增加了對潛意識的思考，此次我們建立決策模型時建立了與之對應的潛意識決策模型。意識與潛意識并行處理觀點集合的內容，當潛在的觀點命中率到達一定閾值時，潛在觀點則產生影響，升級潛在的觀點的優先級，逐步計算升級，從而最終影響到決策結果。二、模型闡述L-Y決策模型包括觀點集和決策集，決策集由意愿集和目標集組成。潛意識部分參照L-Y決策模型，兩個決策模型組成L-Y并行決策模型。為了便于理解，首先我們將文中的一些概念先做一定的闡述。1.觀點（Viewpoint）：觀點是處于一定立場，分析事物利弊和適用性的表達。代表了認知主體的信息狀態，觀點是主體對信息加工和催化后的有效信息，含描述環境特性的數據和描述自身功能的數據，是主體進行思維活動的基礎。觀點也可以包括推理規則，允許向前鏈接以產生新的觀點。觀點隨著信息的迭代來進行不斷的更新。主體有維護自身觀點集平衡的意愿。即當認知主體收到的信息經過催化稱為新的觀點，新的觀點與觀點集中的觀點產生矛盾時，認知主體會對不同的觀點進行比較，直到產生認知主體所認可的觀點，這個認可的觀點會進入到觀點集中。2.意愿（Willing）：意愿是主體的最初動機，最初的意愿是想要達到某個特定的目標和方向，然后盡自己的能力去達成那個目標和方向。是其希望達到的狀態或希望保持的狀態的集合。主體希望達到的狀態，由此可以激發系統的規劃和行動。主體可以擁有互不相容的意愿，而且也不需要相信它的意愿是絕對可以實現的。3.目標（Target）目標是對活動預期結果的主觀設想，也是活動的預期目的，為活動指明方向。具有維系組織各個方面關系構成系統組織方向核心的作用。最明顯的性質是它將導致行為。目標是承諾實現的意愿中選取的當前最需要完成或者最適合完成的一個，是當前主體將要正在實現的目的，它是屬于思維狀態的意向。當前意愿對主體的當前動作具有指導性的作用。4.潛在觀點（Potential view）潛在觀點：在觀點和潛在觀點之間是共存的，觀點集是現在狀態下數據篩選后產生的有效的適用的數據，他的有效性和適用性對比其他數據命中率較高的數據集合，而潛在的觀點集則是數據篩選后有效的適用性對比其他數據較低的數據集合。觀點集和潛在觀點集都是對應某時間點的一個狀態數據集合。他們隨著信息和時間不斷變化而變化是動態的集合。潛在意愿和潛在目標與潛在觀點類似，他們在同一時刻都保持自身狀態。5.約束集（Constraint set）約束集是參照潛意識與意識而產生的行為約束的集合，目標的實現受約束集制約，制約的條件可以參照資源、檢驗教訓、社會規則體系、人為定義的規則體系等來制定。不經過約束集合產生的行為下意識行為，所以模型中不做輸出選擇。約束集的增加是對目標產生輸出的制約，不符合規則的輸出在約束集后過濾掉。L-Y并行決策模型分為代表意識和潛意識的兩部分，代表意識的有觀點集、意愿集和目標集等組成。潛意識有潛在觀點集、潛在意愿集和潛在目標集組成。信息處理過程為，當信息輸入后對事件相關聯的認知催化成了觀點集中的觀點，在觀點集篩選后的觀點組成了潛在觀點集。觀點集中的觀點經過計算被命中的觀點經過轉化形成意愿集，而并行的潛在觀點也同時可以形成潛在意愿集。同時意愿集通過計算被命中的意愿通過催化成目標集，而并行的潛在意愿也同時可以形成潛在目標集合。最后經過計算命中的目標計算輸出后結果進入約束集。在此模型中只有保持觀點集和決策集的動態理性平衡才能有效的解決問題。所謂的理性平衡是指在經過一個周期的計算，觀點集、意愿集和目標集的數據都符合計算閾值的條件，并無新的信息輸入或輸入的信息對各個集合不產生變化，在動態環境下此時間點的各個集合（觀點集、意愿集和目標集）達到理性平衡。三、時間維度的考慮現實生活中，時間是思考過程或事件中是一個重要的因素。如一個人喜歡看足球比賽，今天他早上得到消息晚上有一部新的電影上映，他決定晚上去看電影。不過他下午得到消息今天晚上有一場他喜歡球隊的實況轉播比賽，比賽的時間和電影的時間正好沖突。相對比較后他最后做了決定去看實況足球比賽，電影明天去看。以L-Y決策模型為例不考慮時間的影響此次結果可能就是去看電影，而現實中隨著時間影響在產生結果也是有變化的。如果不考慮時間因素，L-Y決策模型中沒有時間做參照，就不能產生更加合理的結果。所以為了更好的考慮時間對主體的決策，我們引入時間參數作為模型的補充，建立更加合理的L-Y決策模型。基于生命周期的L-Y決策模型定義：對于L-Y決策模型我們可以整個過程中從感知輸入到輸出，整個過程所消耗的時間定義為主體一次運行（思考）的生命周期（TC）。相對于整個過程，在L-Y決策模型中我們引入時間點有序集合參數Ti（i=0，1，2……，n），Ti對應某個時間點。相對時間參數Ti，現實世界中的時間量我們設為TJ。比如開始時間i=0，T0=0，現實世界中與之對應的時間為TJ=14：00，那么T0開始時間為14：00。在理論狀態，一個事件從數據輸入開始我們時間點為TIN=0，到輸出時間點為Tout=TC，過程中間特定時間點成為一個狀態點TX（V，W，T）。Ttar：當目標集中目標經過計算后得出到達規定的閾值的時間點。目標確定到行為輸出還需經歷約束集約束，才產生最終輸出。從數據輸入到決策輸出我們可以認為是一個動態的過程，這個動態的過程我們可以認為是保持觀點、意愿和目標的理性平衡過程，當到達目標選擇的時刻Ttar，主體的狀態為Ttar（V，W，T）當此時沒有新的輸入或其他影響狀態量的輸入，就直接進行抉擇和行為輸出。當有產生影響狀態量的數據輸入時，則進行第二次狀態量的平衡（重新計算各個集合狀態）。認知主體是不斷接收到新的信息的，當新的信息沒有催化產生新的觀點，此時認知主體的觀點集合狀態為平衡態，認知主體的意愿集、目標集也是如此。當輸入的信息催化成新的觀點，觀點集就要將新的觀點和已有觀點集中的觀點做集合狀態更新，知道新的觀點被觀點集合做補充或舍棄，新的觀點如果對意愿集合產生影響，催化成新的意愿，意愿集合也要做狀態平衡，目標集合也一樣，行為輸出前只有滿足（V，W，T）這三個集合是平衡態的時候才會產生行為輸出。現實生活中我們可以簡單把的事件（或決策過程）分為兩類：受時間制約的事件或不受時間制約的事件，具體如早上7點我要去上班，今天晚上6點的火車去某地或今天電影19：00開始20：30結束。此類為受時間制約的活動。其他如我要去買個手機（現在買或一周后買沒有時間約束），我要思考某個問題。此類為不受時間制約的活動。相對于這2類情況我們分別做出不同的考慮。時間約束量：Te時間完成的時間約束條件，比如事件開始時間為13：00，結束時間為13：30，Te=30分。如圖2所示，對于不受時間約束的活動（或思考），在L-Y決策模型來說，時間是動態的在現實世界中的時間是不斷前行的，在某個時間點上主體的狀態我們用TX{V，W，T}來表示。假設（Vie）為所有可能觀點集合，（Wil）為所有可能意愿的集合，（Ter）為所有可能的目標集合。在任意時刻，一個主體的狀態表示為（V，W，T）其中 。前面我們把主體從感知輸入到輸出，整個過程所消耗的時間定以為主體一次運行（思考）的生命周期（TC）。 從數據輸入到決策輸出我們可以認為是一個動態的過程，這個動態的過程我們可以認為是保持觀點、意愿和目標的理性平衡過程，當到達目標選擇的時刻Ttar，主體的狀態量為Ttar（V，W，T）當此時沒有新的輸入或其他影響狀態量的輸入，就直接進行抉擇和行為輸出。當有產生影響狀態量的數據輸入時，則進行二次狀態量的平衡。直到達到平衡狀態Ttar1（V，W，T），如圖3所示。當循環超過特定時間我們也可以做處理請求超時。 如圖4所示，對于有時間約束的活動（或思考），這個時間約束我們可以計算出時間約束量假設為Te。我們可以把TIN=0與現實世界中的時間TJ做投影，TIN=TJ（如開始時間TIN=0，TJ=14：00，TIN=14：00）。當Te=Tc時，我們可以在TJ=Ttar暫時不做選擇，繼續等待或持續狀態的動態平衡，等到時間TJ=Tout-Tc開始狀態平衡讓后進行選擇輸出。 四、模型的計算公式與模擬數據采樣分為觀點集、意愿集和目標集以及潛在觀點集、意愿集和目標集的狀態數據；我們假定以計算公f（x+1）=r[min，max]*w+f（x）為例模擬各個狀態中數據命中率，f（x）和f（x+1）用來表示概率遞增迭代的過程x=0表示起始輪，x>=0且x為整數，圖5中為一個狀態點的各個集合的數據狀態，以及決策過程中潛在集合對決策過程的影響。如圖5在觀點集中命中過程1中觀點2數據命中率超過觀點1，觀點2的等級提升升級為觀點1，數據經過遞增迭代進入下一輪數據命中率計算。圖中潛在意愿5信息催化過程1中數據命中率超過意愿4，潛在意愿5轉化為意愿4，數據重新加權重進入下一輪數據命中率計算。當觀點集中的數據命中率命中超過閾值時，觀點升命中轉化成意愿，同理當意愿命中率達到閾值，目標轉化為目標。 上述算法的模擬實現過程如下：1.觀點2在命中過程1數值超過觀點1，那么觀點2下一輪命中計算升級為觀點1。2.當經過22輪命中計算后達到閾值，觀點1被命中，經過催化觀點1轉化為意愿。觀點和潛在的觀點經過催化后同樣可以轉化為潛在的觀點。3.潛在的意愿（觀點或目標）同樣可以升級為意愿。潛在意愿5在信息催化1的數值超過意愿4，下一輪中升級為意愿4.4.意愿通過催化15輪后，命中率達到閾值，意愿1轉化為目標。5.同理意愿通過15輪催化后，命中率達到閾值，目標1命中。命中的目標經過約束集選擇后產生輸出結果。7.如果經過一定循環觀點（意愿或目標）達不到命中率閾值，我們則可視為時間截止，未產生有效目標，不能產生有效輸出。需要補充的是，加入時間參數的模型則根據圖3、圖4、圖5是對應在時間維度來解決有時間約束和無時間約束的情況。