软件智能：aaas系统中AI众生的“世”和“界” 之1-AI区划的求实所据和得名所依

本篇是“ AI众生的‘世’和‘界’”篇的进一步描述。链接如下：

软件智能：aaas系统中AI众生的“世”和“界”_ChuanfangChen的博客-CSDN博客

序

整个aaas系统是作为AI的微服务来设计，并预期实现为AI的微中台以便为应用程序as a service 提供一个作为AI的微工厂的软件智能的加工生产线-针对不同应用目的和各种资源(物料、人员、设备和能源)状况的 不同粒度级别的具有某种自主权的 一个灵活可定制的个性化的软件过程的生产线。

前面给出的概观总表提供了AI的微服务编制的服务内容，其主要的三张主表整体描述了一个AI框架。

昨天给出的九宫格给出了 AI微服务编排要遵循的原则和大体上的实现原理。其主体的九宫格给出的是不同的AI区划。

为了方便后面的描述，给这个提供“界”的“九宫格诠释图”起一个配得上站在“概观“总表的对面的名称，就叫做“大纲”。“概观overview“(页面外观，给出 不同分组的选项列表，将它们安排在一个功能层次结构并列出 它们的联系。) 和“大纲outline”（大纲视图  决定页面布局 ，作为不同收集的选择）。

AI区划的所据[横切]和所依[纵切]

 按照业务建模的不同应用级别横向划分-Extending 和formalizing的分类法

AI区划的这个划分按照业务建模的不同应用级别横向划分了AI的不同功能的能力水平(前面所说的创新能力competence )级别–在九宫格的左侧，是分别对应于三个建模级别m3~m1的 特征分析、结构分析和基于规则的系统的三个不同AI能力层次。其中m3是应用模型级别， 三者之间形成内联结构上的级联关系。从m1到m3每一个都为后面一个提供自己到它的一个连接–一个 即是多关口junctures的中介（Mediating）又是多关口的组成（Compose）的Nexus实体–作为它的结构奠基。m1(基于规则的系统的建模)的基础是左上角 的那个大方框，是m0级别。m0级别是整个业务建模的基底(初始原点）。

（这个大方框的本色应该是黑色，即应该用黑色填充，和九宫格的正中心一个颜色。）

在aaas中，业务建模过程是 被视为在某个时间间隔内的一个连续(a continuant )的认知(a prehension）的一个连续流体，从m0开始到m3，最后在m3级别上为应用程序application提供一个开发架构-Zachman框架的一个典型实例，将其detailed cell metamodel中的detailed cell 实现为AI的公共的ITIL(基础设施库），通过时间投影的非单调推理为复合命题推理构建其逻辑方阵的派生类型。

• 组合体Composite：一个内部的认知中的(预测)实体（ an intrinsic prehending entity），称为 a composite，承担了与它自身的每个组件component 的一个关系。它的亚型通过理解prehension的种类来区分：一个整体a whole是由它的各个部分组成; 以及基底（a substrate）是支持依赖属性的根本(潜在的，underlying )材料，如尺寸，重量，形状或颜色。

原先的图：

Zachman框架

其原始ISA框架(the original ISA framework）是由m1级别建模的，它通过四个坐标系之间的空间转的多模态推理为复合命题推理构建其逻辑方阵的的基础类型。

Zachman框架提供了一种分类法classification，用于将描述真实世界的概念与描述信息系统及其实现的概念联系起来。具体可以自上而下或自下而上。

民间标准或论坛标准Masko

以上过程还是利益相关者之间建立民间标准或协会标准（价值标准或论坛标准）的一个典型过程。 这里暂时将民间标准或协会标准使用单词Masko来表示–由于暂时还没有找到一个合适的单词。

 根据管理决策的不同目的规模纵向区分-决策与分析的聚类法

同时还根据管理决策的不同目的规模纵向区分了AI的不同成熟度的可靠性能力(前面所说的执行能力或维持能力performance)。在九宫格的上面，是分别相对于智能起作用的三个的时间段的不同策略–预先分组（回调）、事中自主（即时调用）、事后分析（延迟调用） –的三种推理–非单调推理、复合命题推理和多模态推理，决定了AI组件的调用策略。三者之间是行为（过程process）上的 层叠关系。其中中间的即时调用是应用程序(AI组件)的默认的调用策略，是AI维持能力的关键。通过它的左翻、右翻就可以得到另外两种执行能力。即，一个应用的即时调用模型 是一个janus-like结构，它背靠的就是左上角的那个大方框。

• 组件Component：一个内在的实体(an intrinsic prehended entity)，被称为一个组件。承担了与它生来就存在于其中的那个组合体的一个关系。它的亚型包括其存在与整体无关的部分parts，以及没有基底substate就不能存在的属性properties。

法律上标准Dejure

以上过程还是决策者（当权者，管理者，决定者和立法者）建立法律上标准Dejure 的一个经典的过程。

 Somers-Dick 矩阵

在对各种case关系或主题角色的系统进行分析和总结之后，将它们组织成一个矩阵，顶部有四种类型的参与者，旁边有六类动词。

前面的文章中介绍过的Somers-Dick 矩阵，贴过来方便查看。

图7 作为参与者四种类型的子类型的主题角色

Somers-Dick 矩阵提供了一种聚类法Cluster。

聚类法Cluster

聚类法是研究（样品或指标）分类问题的一种统计分析方法，同时也是数据挖掘的一个重要算法。聚类法以相似性为基础，在一个聚类中的模式之间比不在同一聚类中的模式之间具有更多的相似性。

通过划分不同规数据规模的数据集(九宫图 左侧 自下而上  )来区别不同的各种构型的聚类–适合使用特征分析发现的 球状簇、适合使用结构分析发现的复杂形状的簇以及基于分类规则的扩展簇。

另一个选择

可以将矩阵的四列-参与者值类型— 发起者Initiator，资源Resource，目标Goal 和 本质Essence与亚里士多德的四个原因种类 联系起来。

• 起因efficient caus：“由此发起变化或状态”；
• 实质因(基因)material cause：“物质或底物”；
•  终因final cause：“目的或效益，是任何代generation 或运动motion的目标goal ”；
•  本质因(成因)formal cause：这是“本质（ousia）或它是什么“。

本篇结语和下一篇规划

矩阵的四列更好地描述了一个行动的参与者，而 四个原因则更好的划分了一个活动的代理者( 媒体)。前者便于分类，可以很方便的将其和AI区划的横向划分中的分类法相对应（内嵌于专题中的 负个体化 ），后者则易于理解( “世”和“界”交织的集类–下一篇的主题，术业专攻的正个体化 )，可以很容易的将它们对应到概观总表中的三张主表中。

从以上描述，基本能看出来 AI众生的“世”和”界”是如何 交织相涉的。

这个交织相涉的显示表达 体现在 概观总表的顶表中。是外在的一个相关项Correlative。

• 相关项(关联项)Correlative：一个外在的预言或已把握的实体称为一个相关项(an extrinsic prehending or prehended entity)，承担了与自身之外的事物的一个关系。例子包括母亲和孩子，律师和客户，或雇主和雇员。一个关联项可以被认为是一个把握(猜想)的预言实体prehending 或者相反的把握(预言)的被预言(已把把握的)的实体。

Composite、Correlative和Component 适用于某些观察者观察实体的方式的三分法。

下一篇将通过简述 概观总表的顶表 来简明 AI众生的“世”和”界”是如何 交织相涉的。

一切AI众生：织妄相成  身中贸迁 世界相涉。

【—-未完待续———–】

文章知识点与官方知识档案匹配，可进一步学习相关知识云原生入门技能树首页概览8634 人正在系统学习中