智能化与控制理论的局限性

维纳的控制论是个伟大的思想。这个理论诞生已经80年了，但历久弥新。时至今日，仍然为我们的数字化转型提供指引。维纳强调了信息感知、决策和执行过程的统一与融合，是自动化的理论基础，也是信息化智能化的理论基础。

笔者发现：人们讨论智能化时提到的概念和思想时，几乎都能在自动化教科书或论文中看到类似或相关的思想：智能化强调模型，自动控制则几乎离不开模型；智能化强调数据采集，现代控制理论强调状态感知；智能化有信息集成，控制论里有串级控制；智能化有快速响应，自动化有前馈控制、预测控制；智能化有CPS、数字孪生，自动化有内模控制、史密斯预估；智能化有预测性维护，自动化有系统辨识、故障诊断....

但是，传统的控制理论是有局限性的。有人在总结控制理论的脉络和分支时，明显地带有这种局限性。这种局限性不利于智能化的推进、也不利于学科的建设和发展。有些自动化专业的老师，其实是不懂智能化的。

那么，控制理论的局限性在哪里呢？控制论的思想是伟大、广博的，但把思想落到论文和教科书上、形成理论时，就变得狭隘了。

这种狭隘究竟在什么地方呢？一种显然的局限性，就是几乎所有能写入论文和教科书上的东西，都要有个数学模型。“数学是宇宙的语言，是上帝书写世界的符号”。以数学模型为基础的控制论，怎么会变得“狭隘”了呢？

现实中控制理论的局限性是显然的：不论是状态方程还是传递函数，背后的模型都是线性常微分方程组。以这种模型为基础，控制理论的研究取得了巨大的成功。但是，这种成功也让理论界形成了一种路径依赖。后来的很多研究，都是沿着从这条思路向外拓展：从线性拓展到非线性；从常微分方程拓展到偏微分方程；从精确模型拓展到鲁棒控制、模糊控制、随机控制；从稳定性分析、系统镇定发展到优化控制等等。

但是，这样的路径合理吗？我在20多年前的博士论文研究的是非线性鲁棒控制。做起来非常难，而能得到的结果却非常有限。现在回想起来，沿着这样的轨迹发展，控制论已从盛宴发展到残羹冷炙，有些研究甚至可以说是垃圾。

以模型为核心的控制理论，到底有什么局限性呢？

“空间局限性”是个重要的方面。我们知道：网络化是促进智能化的一个重要原因。网络化的一个重要作用，是将“感知、决策、执行”的范围扩大了。从实践的角度看，传统控制理论的局限性，体现在空间尺度上：自动化往往针对小系统的，如阀门或设备。而信息化、智能化是针对大系统的，如车间、工厂、供应链乃至社会体系。这种差别是有道理的。

殷瑞钰院士经常对我谈一个哲学观点：尺度变化引起方法论的变化。在战争理论中，战略和战术是不同的尺度。战略上可以以弱胜强，但战术上需要以强胜弱。即所谓战略上藐视敌人、战术上重视敌人。在工程技术领域，工程和技术是不同的尺度。大型工程领域的创新，往往要尽量减少局部的新技术、以便于掌控风险。我们用这个观点，可以看到传统控制论的局限性。

传统控制理论的局限性之一是过度依赖数学模型求解。

为什么需要呢？因为需要求解——有了模型才能求解。但是，在大系统背景下的管控活动中，人们会采用这种方式吗？多数情况下并不是这样。现实的系统、尤其是大系统太复杂，求解的思路往往走不通。人们需要解决问题时，采用的往往是过去成功的经验。经验怎么得到的？很可能是猜出来、试出来。这种经验做法是不是最好的呢？不一定，但却是能够取得成功的。当然，工业人往往也不满足于不理想的经验，工业人努力推动PDCA，把经验做得更好。在现代化企业中，这些成功的经验和知识往往被固化成标准来执行。所以，现代工业是以标准化为基础的。

换句话说：人或者计算机都不是现场求解的，而是把过去成功的“解”记下来。工业界的问题千变万化，也有些问题需要人类现场求解。但人类的求解往往是些特殊的、简化的算法，与传统的模型求解算法并不一样，往往也是经验积累的结果。这种差别，有些人工智能的文章中是有讨论的，这里就不多讲了。

传统控制理论的另外一个局限性是“感知等于认知”。

控制系统收到的信息都有明确的含义。比如，某个传感器15mA的信号代表120度，另外一个传感器678的数字化信号代表2MPA的压力。但是，在大系统、尤其是复杂、开放系统中，“感知等于认知”的要求不一定能满足。自动化系统之所以能满足，是因为人类需要给系统的运行创造一个相对稳定的环境。系统大了以后，这个环境就不好创造了。

人或者动物，往往面对开放的系统。对人或者动物来说，感知往往不等于认知。比如，当牛看到一只老虎时，得到的是“图像信号”；它必须将这个信号转化成“老虎”这样的“符号信息”，才会感到害怕、才会做出逃跑的行动。这就需要从感知上升到认知。在开放系统中，智能体往往会面对预料之外的变化。这时，就需要识别这种变化的含义，才能与已有的知识结合起来，做出科学的决策。当自动化系统做不到这一点时，往往只能用在相对封闭的系统中。

一个工厂的自动化程度可以很高，而自动化的行为往往针对的都是预料之中的事情。但是，工厂里经常会出现预料之外的事情：设备状态不佳、上下游生产不畅通、操作不妥当、物料位置出现偏差等。要处理这些问题，都需要“感知到认知”的过程。对企业来说，“感知到认知”的转化一直都是需要的。只是过去的时代是靠人来完成的：许多靠人眼识别的工作无法变成自动化，而信息化的决策主体是人、不是机器。

在笔者看来，智能化的一大进步，就是促进“感知到认知”。这里包括两种做法：一种是帮助人类更好地实现“感知到认知”，一种机器自动实现“感知到认知”。具备认知能力之后，智能化就可以推进到相对开放的系统中去了。

总之，网络化和数字化推动了智能化。其中，网络化的作用是把系统放大了，我们需要用大系统、开放系统的思想方法对待“感知、决策与执行的统一”。数字化的作用之一，是改变了一部分求解方法：更多的决策可以用计算机仿真的办法实时求解。同时，通过“知识数字化”，还可以把人的“感知到认知”能力赋予计算机、把人类解决问题的办法告诉计算机。

但是，推进智能化的过程，绝对不能忽视人的作用。从本质上说，获得知识和信的开放性、灵活性人类是最本质的优势。

版权声明：

原创文章，作者郭朝晖，来源蝈蝈创新随笔，本文已经授权，欢迎分享，如需转载请联系作者。