漸進式
系統透過學習、經驗與不同發展階段逐步累積能力，增刪知識不需要「重新訓練」。
圖 01系統 / 域
資訊↓
輸入介面解讀
注意力域
L語言
I推論
T實體
↺ 學習 / 改變
形成意圖行動介面
↓行動
智能系統取得輸入，根據經驗推論，經由學習發生可持續的改變，並以行動嘗試達成意圖。
01 / 定義
智能系統藉由感官取得輸入、根據經驗進行推論、經由學習發生可持續的改變、且行動以嘗試達成意圖。
「高階智能系統」不是「高級」，而是一個研究方向。
高階方法以容易理解的高層次架構描述智能系統的運作，與低階方法視角不同、各有擅長，兩者必須兼容並濟、交替使用。
高效使用資料
系統需要的資訊輸入不比人類個體成長過程中需要的資料多，而不是「整個網路上的資料」。
結構透明
所有推論過程、行動決定都以接近自然語言的方式進行，即時顯示、完全可稽核。
02 / 架構
從語言
到行動
RAISE 以可由語言理解的方式表示知識，進一步描述資訊如何經過推論、學習與意圖，轉化成可觀察的行動。
語言
將人類日常的自然表達轉換成結構化的「真值語句」。
推論
使用規則來建構推論鏈，從已知認識未知。
實體
把真值依據描述的實體分組，形成重複進行的辨認模式。
域
指定真值成立的時間、地點等效力邊界。
學習
增添新真值與消解矛盾的過程中，系統發生可持續的改變。
行動
系統透過設定目標並採取行動來提升效益，實現不同於 LLM 的自發性。
兩個互補尺度
高階描述思維，
低階實現身體。
知識、推論、學習、設定意圖與決定行為。
↕混合系統
處理視覺、聽覺訊號轉換成文字的過程。
03 / 本書
完整理論
一目瞭然
本書從理論上的完全系統開始，逐步進入真實智能系統所面對的限制、決策、行動與學習。
第一部分完全系統的理論基礎
00
高階智能系統理論的發展
理論自語言研究出發，逐步形成高階框架。
↗01L 系統
點號、斜線與錢號標記，以及真值語句。
↗02I 系統
規則、推論矩陣與推論鏈。
↗03T 系統與 LIT 架構
實體、概念中介、知識樹與 ECTSI 階層。
↗04域
真值的效力邊界、域的表記與演序。
↗05系統
介面、觀察域、行動域、功能與同構。
↗第二部分不完全系統
04 / 閱讀
第一版
完整預印本
《高階智能系統（一）高階智能系統理論》闡述高階智能系統理論的邊界、重要概念與工具、演變及未來展望。
- 頁數
- 221 頁
- 格式
- PDF · 3.1 MB
- 狀態
- 第一版 · 預印本
06 / 發展
理論演變
高階智能系統理論的發展並非一條直線；多數早期概念已經棄而不用，或為更貼近本質、更為優美的設計所取代。
LIT 架構
以語言、實體與推論作為理論發展的出發點。
真值與域
確立真值語句、推論矩陣，以及真值的效力邊界。
系統、意圖與行動
以注意力域及意圖初步解釋智能系統的決策與行動。
同構與演序
提出系統的構造、同構、解釋力、演序與矛盾消解。
穩定度
檢視高階方法與大型語言模型的協作，提出 @ 標記與穩定度。
不完全系統
提出推論距離與後撤堆疊，重新編排理論並完成第一版預印本。
07 / 拋磚引玉
歡迎指教
期待質疑
高階智能系統理論框架發展仍處萌芽階段，期待所有領域先進指教、批評，以及有志之士投入改進。
rkc@raise-theory.com 意見、勘誤與合作