共赢街亭(三)：优化FSM模型

1. 前言：

在上期里，介绍了红绿灯系统的FSM与街亭系统的FSM了。表面上看来，两者是非常相似的。然而，两者之间有一个很关键性的差异，就是：

l   对于红绿灯系统遭受突发事件，冲击后的红绿灯系统的FSM，是人们能明确预知的，所以能有效处置，而恢复正常，不致于失控。

l   然而，对于街亭系统遭受司马懿的攻击事件，人们对于冲击后的街亭系统的状态变化和转移规律，人们比较难以预知和掌控。例如，马谡对于<水源被控>突发事件的冲击的影响，就比较乐观能击退敌军而恢复正常状态。而王平对于<水源被控>突发事件的冲击的影响，则比较悲观会军心涣散而进入街亭失控状态。亦即，马谡与王平两位前线指挥官，面对同一突发事件，两人对冲击后的街亭系统FSM的预估是不同的。

这说明了，在面对外来突发事件的冲击，人们对于红绿灯系统的可控性比较高，所以人们心中的<红绿灯FSM>比较明确。相对地，人们对于街亭系统的不确定性比较高，所以马谡和王平两位第一线专家心中的<街亭FSM>，就不一致了。

2. 把马谡和王平的FSM，融合起来

马谡和王平都是第一线战场的专家，都把各自的专家智能(知识)注入战场(系统)的未来局势(状态)演变的预测上，并能以FSM来表达之。所以，马谡的街亭FSM蕴含有其专家知识；而王平的街亭FSM也蕴含其专家知识。

此时，可以把马谡心中FSM和王平心中FSM，两者融合起来实践一项重要的功能：把两位专家的战场知识(Domain Knowledge)汇合起来，来强化对系统未来演变的预测，来支持更优越的决策。

经由这过程，融合出优化的FSM，其汇集了更多专家知识，将能训练出更优秀的Agent(智能体)，表现出更优质的自主决策能力。

3. 演练FSM的融合：以街亭为例

    FSM只是模型(Model)，表达出专家对系统未来演变的预测和评估，其并不一定与未来的真实情境完全一致。例如，街亭在一年四季的天候环境中，也可能因夏季干旱而导致<失去水源>的突发事件。这事件会让街亭从一般的<正常>状态而转移到<缺水>状态。

    由于天有难测之风云，所以每次处于缺水的时间长度也不同，可能会迅速恢复正常状态，也可能持续缺水而导致街亭失控。于是，就能以机率性状态机(Probabilistic FSM来表示之(图1)。

图1 

这种机率性FSM能够模拟更真实、更不确定的事物和环境。在状态转移方面，每个(状态, 事件/动作)都会对应一组可能的<下一状态>及其<机率>，例如：

   ("缺水", "自然演化") ➜ [("正常", 0.2), ("缺水", 0.5), ("失街亭", 0.3)]

    这项FSM表达了街亭的一般自然演变规律，人们(包含专家)也能从经验中获得共识。

上图1是关于自然环境的突发事件(俗称：天灾)。接着，就来看看另一种人为的突发事件(俗称：人祸)，例如：<敌人入侵>事件，导致水源被控而进入缺水状态。由于敌人的行为是不确定的，可能会产生对街亭的更多影响事件，例如：敌军进逼施压而升高战况。因而，出现王平与马谡两位战场专家的评估不同，其心中的FSM也不同。例如，马谡FSM如下图所示(图2)。

图2 

    在马谡心中的街亭FSM可能是：n  水源被控 → 激发士兵愤慨 → 凭山势居高临下 → 轻易击退敌人 → 恢复正常。

 这FSM也正表达出马谡对于这项人为突发事件的预测是比较乐观的。接着，来看看王平对于这项人为突发事件的预测是比较悲观的，如下图所示(图3)。

图3 

    在王平心中的街亭FSM可能是：n   水源被控 → 缺水扩大 → 军心动摇 → 指挥失效 → 阵地崩溃 → 街亭失守

     其中，马谡与王平的差异，不只是情绪上的乐观与悲观，而是他们对「袭击后状态转移规律」的模型不同。表达出两人对同一个事件「水源被控」有不同的状态转移预测不同。

    所以，FSM并不是客观唯一的图，而是专家对系统可能变化的建模而已。此时，使用机率性FSM并不是为了预言唯一结果，而是为了帮助Agent看见多种可能结果，并比较各结果的风险。它是一项风险决策工具。 

此时，就可以把马谡FSM和王平FSM，两张图融合成为一张，就成为融合的街亭FSM了，如下图所示(图4)。

图4

    在真实世界中，这FSM里机率值往往不是一开始就知道的，而是根据经验、情报、历史案例、专家判断逐步估计出来的。 

4. 结语

     红绿灯FSM与街亭FSM都会面对突发事件，但两者有一个重要差异：红绿灯系统遭受突发事件后，例如停电、传感器故障或交通事故，其后续状态与转移规律通常是人们事先设计好的。因此，系统可以进入闪黄灯、全红灯、人工接管或维修模式，最后再恢复正常循环。换言之，红绿灯的「袭击后FSM」是可预知、可设计、可控管的。

    然而，街亭系统遭受司马懿军事攻击后，情况就不同了。当魏军控制水源、围困山上蜀军时，街亭系统后续会如何变化，并不是完全可预知的。马谡心中的街亭FSM，可能认为蜀军仍可凭借山势固守，等待机会反击，最后恢复稳定；但王平心中的街亭FSM，则可能认为水源被控会导致缺水、军心涣散、指挥失效，最后进入街亭失控状态。

本文演示了一项优化FSM的途径：藉由融合FSM来汇聚不同专家的知识，来支持智能体(Agent)的训练，优化其自主决策能力。在下一期，将会把这FSM映像到知识图(Knowledge Graph)，以便汇入更多专家智慧，例如汇入更孔明的<要道扎营>战略性专家智慧，更加优化KG，持续提升Agent的决策质量。