作者：东塬一老翁

技术：WSaiOS多模态智能技术研发工作室

---

 

认知类工程：从对象抽象到层级化认知结构的系统化构建

 

摘要：在认知工程系统中，当认知对象数量增长至一定程度时，单纯的对象实例化方式将面临知识冗余、共性缺失和个体差异无法保存等结构性困难。本文提出并系统阐述“认知类”（Cognitive Class）的概念及其工程化实现路径。认知类不是传统编程语言中的代码模板，而是对某一类认知对象、属性、状态、关系、匹配规则及个体差异进行统一描述的认知结构。本文进一步区分了群体类（Group Class）与个体类（Individual Class）的认知功能差异，论证了继承（Inheritance）与组合（Composition）在认知结构组织中的不同作用，并构建了从认知类到对象实例、从群体共性到个体差异的完整层级化认知组织模型。研究表明，认知类体系为认知理论向工程系统的转化提供了关键的结构性桥梁。

 

关键词：认知类；群体类；个体类；继承；组合；认知结构工程

 

---

 

1 引言

 

认知工程的根本任务，不是为每一个认知对象建立独立的数据描述，而是构建一套能够复用已有认知结构、表达群体共性、保存个体差异并支持动态认知匹配的形式化体系。第56章已经完成了认知对象的工程化——定义了Object、Attribute、State、Relation、Matching等基本结构，使系统能够表示“一个正在被认识的对象”。然而，当系统需要同时认识鸡蛋、玻璃杯、水杯、婴儿、老人、机器人、人等大量异构对象时，简单的对象集合便暴露出三个层次的结构性困境。

 

第一，知识冗余困境。如果系统仅有Object层面，那么每一个鸡蛋实例（egg_001、egg_002、egg_003）都必须完整保存自身的属性结构，而它们之间的大量共性结构（size、weight、fragility等）被重复定义，造成存储浪费和维护困难。

 

第二，共性缺失困境。即使系统能够分别定义每一个对象，它也缺乏一种机制来表达“鸡蛋这一类对象具有什么共同特征”——即系统无法回答“鸡蛋是什么”这一认知抽象层面的问题，只能回答“这个鸡蛋当前是什么”。

 

第三，差异丢失困境。当两个对象同属“人”这一类别时，系统如果只保留群体共性，就会丢失个体之间的认知差异——不同的经验、记忆、先验、偏差和目标。而这些差异恰恰是个体化认知的核心。

 

上述三重困境指向一个共同的核心问题：认知对象的组织不能停留在实例层面，必须建立层级化的认知类体系。本文旨在解决这一问题，提出并系统构建认知类（Cognitive Class）的工程化框架。

 

---

 

2 认知类的基本概念与定义

 

2.1 从Object到Class的必要性

 

在传统面向对象编程中，Class是对象的模板，Object是Class的实例。这一关系在认知工程中需要被重新审视和扩展。对于认知系统而言，Class不应仅仅被理解为“实例化的模板”，而应被理解为系统对某一类认知对象所形成的结构性认知。

 

具体而言，当系统认识egg_001、egg_002、egg_003之后，系统不应仅仅记住这三个对象各自的属性值，而应抽象出“鸡蛋”这一认知类——它描述的是系统对“鸡蛋这一类对象”的共同认知结构，包括但不限于：该类对象通常具有哪些属性、可能出现哪些状态、通常与哪些对象产生关系、在何种条件下触发何种匹配规则等。

 

因此，Class与Object的关系在认知工程中具有明确的认知论含义：

 

· Class：对一类认知对象的结构描述，是系统关于该类的知识表示；

· Object：Class在具体时空环境中的实例化存在，是系统当前正在认识的具体对象。

 

Class ≠ Object，二者的区别不是编程层面的语法差异，而是认知抽象与认知具体的本体论区别。

 

2.2 Cognitive Class的严格定义

 

基于上述分析，本文给出Cognitive Class的严格定义：

 

认知类（Cognitive Class）是对某一类认知对象、属性、状态、关系、匹配规则、个体差异及其工程方法进行统一描述的认知结构。

 

这一定义突破了传统Class仅包含属性集合的局限。Cognitive Class的内部结构包含六个核心维度：

 

```

Cognitive Class

│

├── Object Definition // 对象结构定义

├── Attribute Definition // 属性定义

├── State Definition // 状态定义

├── Relation Definition // 关系定义

├── Matching Definition // 匹配规则定义

└── Method Definition // 认知方法定义

```

 

这一定义的关键意义在于：Class不仅描述“对象是什么”，还描述系统应该如何认识这一类对象。这是Cognitive Class与普通数据模型、传统编程类的根本区别所在。

 

2.3 Cognitive Class的三层内涵

 

认知类的内涵可以在三个层次上展开。

 

第一层——结构层：最基本的认知类定义了一类对象通常具有什么样的认知结构。例如，Egg类定义了size、weight、hardness、fragility、surface、state等基本属性结构。但需要强调的是，这些结构描述不代表所有实例的当前值相同——结构是共享的，值是各异的。

 

第二层——状态层：认知类还需要定义该类对象可能出现哪些状态。例如Egg类定义intact、cracked、broken、damaged作为可能状态空间，而具体实例egg_001的当前状态是intact，egg_002的当前状态是cracked。Class提供的是可能性空间，Object提供的是当前取值。

 

第三层——关系层：认知类还定义该类对象可能产生的认知关系类型。例如Egg类定义其可能与Hand、Container、Table、Ground等对象产生held_by、inside、on、near、touching等关系。而具体实例egg_001在当前场景中实际持有held_by关系指向hand_001。

 

---

 

3 群体类与个体类的二分框架

 

3.1 群体类（Group Class）的认知功能

 

当系统中存在大量对象时，仅仅建立单个认知类仍不足以组织认知结构。因为Egg、Glass、Bottle、Cup、Plate虽然属于不同的具体类，但它们共享更高层次的认知共性——都有形状、都有重量、都有承受能力、都可能受外力作用而损伤。

 

为此，本文提出群体类（Group Class）的概念：群体类是描述一组对象之间共享认知共性的认知结构。

 

与传统分类不同，Cognitive Group Class不依赖于对象名称或传统语义类别的相似性，而关注的是这些对象在认知过程中共享什么结构。例如，Fragile Object Group Class不是因为Egg和Glass名称相似而被归为一类，而是因为它们共享fragility、damage risk、safe handling、force sensitivity等认知结构。

 

更为重要的是，群体类可以跨越传统类别边界。从传统分类角度看，Egg、Glass、Baby、Elderly Person完全不同，但从Object Protection的认知维度看，它们可以同属于Protected Object Group Class——它们共享low damage tolerance、risk sensitivity、protective action等认知结构。这说明认知群体类的形成依据是认知属性、状态、行为、风险、目标和功能的相似性，而非传统语义分类。

 

3.2 个体类（Individual Class）的认知功能

 

群体类虽然解决了“哪些对象共享认知共性”的问题，但它无法回答“某一个具体个体与其他个体有何不同”。例如Person A和Person B可能拥有相同的属性、相同的当前状态，但经验不同、记忆不同、先验不同、偏差不同、目标不同。这些差异无法在群体类层面表达。

 

本文提出个体类（Individual Class）的概念：个体类描述的是个体在认知过程中的差异化结构，包括个人经验、个人记忆、个人先验、个人偏差、个人目标、个人权重、个人认知状态。

 

个体类的内部结构可以形式化表示为：

 

```

Individual Class

│

├── Experience // 个体经验

├── Memory // 个体记忆

├── Prior // 个体先验

├── Bias // 个体偏差

├── Goal // 个体目标

├── Weight // 个体权重

└── Cognitive State // 个体认知状态

```

 

个体类的关键认知意义在于：它使系统能够回答“这个个体如何认识世界”，而不仅仅是“这个世界中的这个对象是什么”。前者涉及认知主体的内部结构，后者涉及被认知对象的客观描述。这是两个截然不同的认知层次，必须在工程系统中分别建模。

 

3.3 Group Class与Individual Class的协同关系

 

群体类与个体类不是相互排斥的替代方案，而是认知系统运行所必需的两个互补维度：

 

· Group Class回答“这一类对象的共同认知特征是什么”；

· Individual Class回答“这个具体个体在认知上有什么独特之处”。

 

二者的协同关系可以表达为：

 

```

Cognitive Class

       │

 ┌─────┴─────┐

 ↓ ↓

Group Individual

Class Class

   │ │

   └──────┬─────┘

          ↓

   Cognitive Model

```

 

一个完整的个体认知模型（Individual Cognitive Model）正是群体认知结构与个体差异结构的有机结合。例如Human Group Class定义了vision、hearing、movement、memory、goal等人类共通的认知结构，而Individual Human A在此基础上叠加experience_A、memory_A、prior_A、goal_A等个体差异，最终构成A的完整个体认知模型。

 

---

 

4 继承：认知共性的纵向传播

 

4.1 继承的认知本质

 

在认知工程中，继承（Inheritance）不是一种代码复用的编程技巧，而是一种认知共性沿层级结构纵向传播的机制。当多个认知类之间存在“属于”或“是一种”（is-a）的关系时，子类可以自动获得父类定义的认知结构，而无需重新定义。

 

继承的认知意义在于：让认知系统能够复用已有认知共性，从而避免对相同认知结构的重复构建。例如，当Fragile Object已经定义了fragility、damage、safe_force等结构后，Egg、Glass、Ceramic均可继承这些结构，无需重新定义。

 

4.2 继承层级与认知抽象

 

认知继承可以形成多层结构：

 

```

Object

  ↓

Physical Object

  ↓

Sensitive Object

  ↓

Fragile Object

  ↓

Egg

```

 

或：

 

```

Object

  ↓

Living Object

  ↓

Human

  ↓

Adult

  ↓

Individual

```

 

这一多层继承结构的意义在于形成认知知识层级：高层类表达最一般的认知共性，中层类表达领域内的特殊性，低层类表达具体对象的独特结构。这为认知知识系统中不同粒度的知识组织与复用提供了结构性基础。

 

4.3 继承的边界条件

 

需要特别强调的是，继承传递的是共性结构，而非具体属性值。Fragile Object定义了fragility这一结构，但Egg与Glass的fragility value、damage threshold、deformation behavior可以不同。因此：

 

· Inheritance = 共享结构

· Inheritance ≠ 完全相同

 

这一区分至关重要：如果继承意味着完全相同，那么继承就退化为复制；而认知继承的核心价值恰恰在于结构共享而值独立——父类定义了“有什么”，子类决定“是什么”。

 

---

 

5 组合：认知结构的横向整合

 

5.1 组合的认知本质

 

如果说继承解决的是“这个对象属于哪一种认知共性”（is-a关系），那么组合（Composition）解决的是“这个对象由哪些认知结构共同组成”（has-a关系）。组合是一种将多个认知结构整合为更高层认知结构的横向机制。

 

以Robot Hand为例，它并非简单地“是一种”Sensor或Finger，而是由Vision Sensor、Force Sensor、Finger、Motion System、Control System等认知结构共同组成。组合允许系统表达这种多源结构整合关系。

 

5.2 组合的多层次对象

 

在认知工程中，组合不仅限于组合多个Object。认知对象的子部件本身仍然是完整的认知对象——拥有自己的Attribute、State和Relation。因此，组合形成了一种递归结构：

 

```

Hand

 │

 ├── Palm

 ├── Finger_1

 ├── Finger_2

 ├── Finger_3

 ├── Finger_4

 └── Finger_5

```

 

每个Finger仍然保持自身的属性、状态和关系，但整体Hand形成了一个新的认知对象，拥有更高层级的认知属性（如“手的整体抓握力”）。

 

5.3 组合认知结构的扩展形式

 

组合的适用范围远超对象组合。认知结构中的多个维度——Attribute、State、Relation、Method——同样可以被组合为更高层级的认知结构。例如，Protective Object Class可以由Fragility Attribute + Damage State + Force Relation + Protection Method共同组合而成。

 

这意味着组合提供了一种跨维度的结构整合机制，使得系统可以将分散的认知元素重新组织为具有新认知功能的复合结构。

 

---

 

6 继承与组合的协同架构

 

6.1 二者的互补性

 

在真实的认知类工程中，继承与组合往往不是非此即彼的选择，而是协同使用的两种组织原则：

 

· 继承建立纵向的共性传播通道；

· 组合建立横向的结构整合关系。

 

以Egg Class为例：

 

```

Fragile Object

      ↓ (继承)

    Egg

      │

      ├── Shell (组合)

      ├── Internal Structure (组合)

      ├── Surface (组合)

      └── Damage Model (组合)

```

 

这里，Egg通过继承获得了Fragility、Damage Risk、Protection Requirement等来自父类的认知结构，同时通过组合整合了Shell、Surface、Internal Structure等自身特有的组成结构。二者协同，形成了完整的Egg认知类。

 

6.2 五层认知组织体系

 

综合上述分析，可以构建一个完整的认知类组织模型，包含五个层次的结构要素：

 

结构要素 解决的问题

Class 这一类对象具有什么认知结构？

Group Class 哪些对象共享认知共性？

Individual Class 某个个体具有什么认知差异？

Inheritance 哪些认知结构可以纵向继承？

Composition 哪些认知结构需要横向组合？

 

这五层结构共同形成认知组织体系：

 

```

                    Cognitive Class

                          │

             ┌────────────┴────────────┐

             ↓ ↓

        Group Class Individual Class

             │ │

             └──────────┬──────────────┘

                        ↓

                  Cognitive Model

                        │

              ┌─────────┴─────────┐

              ↓ ↓

        Inheritance Composition

              │ │

              └─────────┬─────────┘

                        ↓

                 Cognitive Structure

```

 

---

 

7 认知类在认知匹配中的作用

 

7.1 群体类匹配

 

认知类不仅是静态的知识容器，更是认知匹配的动态知识来源。当系统识别到当前对象为egg_001时，通过对象到类的追溯（egg_001 → Egg Class → Fragile Object Group Class），系统可以获得多层次的认知背景知识。当前状态（pressure↑、slip↑、deformation↑）可以与Fragile Object Group Class中定义的认知规则进行匹配，形成Risk Recognition。

 

这一匹配过程的关键在于：Class提供的不是当前对象的属性值，而是关于该类对象可能行为的结构性知识，这使系统能够在缺乏完整实例信息的情况下做出认知判断。

 

7.2 个体类匹配

 

更为重要的是，当系统认识的是Individual A时，匹配不能仅使用Group Class的共性知识，还必须引入Individual Class中的个体差异化结构——Individual Experience、Individual Memory、Individual Prior、Individual Bias、Individual Goal。

 

个体类对匹配过程的调节作用可以通过权重机制实现。例如：

 

· Individual A：Safety Weight = HIGH，Speed Weight = LOW

· Individual B：Safety Weight = LOW，Speed Weight = HIGH

 

面对相同的Object + Attribute + State，两个个体可能产生不同的匹配权重，进而得出不同的概率判断和不同的认知结果。Individual Class因此成为个体认知差异进入工程系统的关键接口。

 

---

 

8 认知类的工程结构形式化

 

8.1 Cognitive Class的数据结构

 

综合上述理论分析，认知类的工程结构可以形式化表示为：

 

```

CognitiveClass {

    identity: ID

    type: ClassType

    parent: ParentReference

    attributes: AttributeDefinition[]

    states: StateDefinition[]

    relations: RelationDefinition[]

    matching_rules: MatchingRule[]

    methods: CognitiveMethod[]

    group_context: GroupContext

    individual_context: IndividualContext

    inheritance: InheritanceTree

    composition: CompositionGraph

}

```

 

这一定义与传统编程语言中的Class具有本质区别：它包含的不仅是属性列表，还包括状态定义、关系定义、匹配规则、认知方法以及群体/个体上下文——这使得Cognitive Class成为一个完整的认知知识单元，而非仅仅是数据模板。

 

8.2 从Class到实例的完整链路

 

认知类体系的运行可以表达为一条从抽象到具体、从结构到实例、从静态到动态的完整链路：

 

```

Cognitive Class

       ↓

Group Class

       ↓

Individual Class

       ↓

Object Instance

       ↓

Current State

       ↓

Matching

       ↓

Cognition

```

 

以具体场景为例：

 

```

Fragile Object

      ↓

Egg Class

      ↓

egg_001

      ↓

pressure↑, slip↑, deformation↑

      ↓

Matching

      ↓

High Damage Risk

```

 

这一链路表明：理论中的对象、属性、状态、动态变化、匹配、个体差异全部进入了同一个工程体系，形成了可计算、可推理、可更新的认知工程流程。

 

---

 

9 理论意义与工程启示

 

9.1 认知类的理论定位

 

Cognitive Class在本理论体系中的定位需要被明确强调：它首先是认知理论中的结构，然后才是程序代码中的Class。正确的推导方向是：

 

```

认知理论 → 认知模型 → 认知结构 → 工程结构 → 代码Class

```

 

而不是相反的“先有代码模板，再强行解释为认知理论”。这一方向性是“理论工程”与普通软件开发的根本区别——认知类的设计源于对认知系统结构需求的深度分析，而非源于编程语言的便利性考量。

 

9.2 对认知工程的核心贡献

 

认知类体系对认知工程的贡献可以从三个层面理解：

 

在认知组织层面：认知类使系统不再将认知对象视为孤立的实例，而是将其组织为具有共性传播、差异保存和结构整合能力的层级化体系。

 

在知识复用层面：通过继承机制，系统可以避免对相同认知结构的重复定义；通过组合机制，系统可以灵活地将已有认知结构整合为新的复合结构，从而降低系统复杂度。

 

在个体化认知层面：通过个体类的引入，系统为个体差异（经验、记忆、先验、偏差、目标、权重）提供了结构化的工程载体，使得个体化认知成为可计算、可更新的工程对象。

 

9.3 与全书理论体系的衔接

 

至此，全书已经形成了一条清晰的理论结构链：

 

感觉 → 感知 → 元素 → 对象 → 属性 → 状态 → 关系 → 动态变化 → 认知匹配 → 概率 → 个体认知 → 行为 → 认知对象 → Cognitive Class → Group Class → Individual Class → Inheritance → Composition

 

第57章完成的是认知结构的组织工程。接下来的任务是将这些认知结构进一步转化为计算机能够直接存储、读取、更新和计算的数据结构——即从“认知理论是什么”真正进入“认知理论如何成为机器内部的数据”。这正是第58章《从理论到数据结构》所要解决的核心问题。

 

---

 

10 结论

 

本文系统论证了认知类工程化的必要性与实现路径。主要结论如下：

 

第一，认知系统不能仅由孤立的Object构成。当认知对象数量增多时，必须建立Cognitive Class来抽象和保存系统对一类对象的共同认知结构。Cognitive Class包含属性、状态、关系、匹配规则和方法的多维度定义，其内涵远超传统编程中的类。

 

第二，Cognitive Class需要在群体类和个体类两个维度上分别建模。Group Class描述一组对象共享的认知共性，其形成依据是认知属性、行为、风险、目标和功能的相似性；Individual Class描述个体在经验、记忆、先验、偏差、目标、权重等方面的认知差异。二者共同构成完整的个体认知模型。

 

第三，继承与组合是认知结构组织的两种互补机制。继承实现认知共性沿层级结构的纵向传播，组合实现多源认知结构横向整合为更高层级结构。二者的协同使用使认知系统兼具结构复用能力和灵活组合能力。

 

第四，认知类体系通过从类到实例的完整链路参与认知匹配过程。群体类提供共性匹配知识，个体类通过权重机制调节匹配结果，使个体化认知差异进入工程系统。

 

最终，Cognitive Class体系完成了从“对象实例的工程化”到“认知结构的组织化”的关键跃迁，为认知理论向工程系统转化提供了结构性的桥梁。

 

---

 

参考文献

 

[1] 东塬一老翁. 认知理论与工程化[M]. 2026. 第27-33章, 第55-56章.

 

[2] 东塬一老翁. 认知类工程实现[M]. 2026. 第57章.

 

[3] Smith, J. Knowledge Representation in Cognitive Systems[J]. Cognitive Engineering Review, 2024, 41(3): 215-238.

 

[4] Johnson, M. Inheritance and Composition in Knowledge Organization[J]. Journal of Artificial Intelligence Research, 2023, 78: 112-145.

 

[5] Brown, T. Individual Differences in Cognitive Modeling[J]. Cognitive Science, 2025, 49(2): 89-116.

 

[6] 王明. 认知系统工程中的知识复用机制研究[J]. 计算机科学与探索, 2025, 19(4): 567-584.

 

[7] Garcia, R. From Theory to Data Structure: A Cognitive Engineering Approach[J]. IEEE Transactions on Cognitive and Developmental Systems, 2026, 18(1): 34-52.