回到原始的场景中思考

我认识几位非常睿智的前辈和朋友。如殷瑞钰院士、何麟生先生、王洪水先生、宁振波先生。我后来意识到，他们其实都有一个共同的特点：在某个地方、单位或领域，他们是最初的开拓者、创新者。开拓者、创新者面对现实的困难时，没有人告诉他们应该怎么办，他们必须自己把问题搞清楚。开拓和创新的过程，也让他们与众不同。  

学校的学习，往往是学习前人沉淀下来的知识。我很早就意识到：学校中的学习，与在创新过程中的学习，大有不同。比如，对学校的学生来说，牛顿三定律非常简单，10多岁的孩子都能学会。但是，提出这些定律的，却是人类历史上最伟大的科学家。我们很容易学懂牛顿三定律，却难以具备牛顿的创新能力。  

人们可以解剖一具尸体，却无法通过解剖看到它的灵魂。同样，我们可以学习牛顿三定律，却难以通过学习这些理论获得牛顿的创新能力。  

怎样才能学习前人的创新能力呢？我发现了一条途径：尝试着回到当时的场景中，去理解他们当时遇到的困惑和问题。也就是说，要学习历史。殷瑞钰、何麟生、王洪水、宁振波等先生都曾经多次和我谈起他们当年遇到的困境，让我收获颇多。读书时，我也用这样的办法，去理解牛顿力学。  

大约10年前，我思考智能制造理论时，有个问题再次困扰我：控制论是智能制造的理论基础，来自于维纳的天才贡献。但维纳的天才，到底体现在什么地方呢？  

其实，控制论和牛顿力学有个共同的特点：普遍性、一般性。牛顿力学针对任意的“物质”，而控制论则针对任意的“系统”。  

《控制论》的副标题是《关于在动物和机器中控制与通信的科学》。维纳把机器和动物两个学科的问题，统一在同一个体系中进行研究，就是个非常伟大的创举。这就为机器的自动化和智能化奠定了基础。进一步，维纳指出：人类学、社会学、经济学都是控制论的分支。事实上，任何一个人类组织，包括企业、国家都可以抽象成一个“系统”。控制论把“系统”作为研究的主体，正如牛顿力学把“质点”作为研究的主体。  

在控制论的体系中，涉及到两个最关键的要素：控制和通信。它们的地位，大概可以相当于牛顿力学中的力、时间、距离这些基本概念。我曾经注意到：TRIZ理论（技术创新）中，抽象系统最基本的输入是“能量”；而在控制理论中，抽象系统最基本的输入是“信息”。在我看来，牛顿力学中的“能量”与控制论中的“信息”，重要性是相当的。  

研究控制和通信的目的，是获取和利用信息。与牛顿力学理论相比，控制论的系统存在一个“目的”：抵御熵增。通俗地说，就是要更好地生存。比如，动物要更好地活着、组织要更好地发展。这并不奇怪：如果没有目的性，谈何智能呢？  

前些年我还有一个困惑：维纳为什么对“反馈”情有独钟？  

在控制理论中，利用信息有两种基本方式：前馈和反馈。在智能制造领域、在采用PLC控制时，前馈都是一种非常重要的应用方式。在我看来，工业4.0之“信息集成”的主要作用，就是打通前馈的通道。我觉得，前馈是一种比反馈更基本的信息处理方式。  

维纳为什么对“反馈”情有独钟？我想一个重要的原因是：“反馈”比“前馈”更加复杂、研究过程也更有意思。  

“前馈”往往是用信息驱动一套完整的行动；而“反馈”则是在行动的过程中不断获取信息、并不断修正行动。一般来说，数学家喜欢研究这种相对复杂的做法，因为研究过程更有“味道”。  

反馈的重要性也是显然的：在“调节”、“跟随”两类常见的控制问题中，反馈往往是必须的。“反馈”确实有很多优点。比如，对模型精度的依赖性低、反馈可以降低信息不准确带来的危害、反馈可以应对执行过程中的干扰等。  

今天早晨，女儿跟着节目学成语：吃一堑长一智。这个过程其实就是通过反馈形成知识。事实上，创新者获得知识的过程，都是在实践中通过反馈获得的，与书本上的学习完全不一样。当我们强调“实践是检验真理的唯一标准”、强调“摸着石头过河”时，其实也是在强调依靠反馈。AI中的学习算法，其实也是用了这种机制。  

人类的知识有限，只能通过实践中的反馈获得。我在《知行》一书中强调“演进”，其实也是基于这样的认识。我们知道：现代工业的发展，PDCA起到了极大的促进作用。而PDCA，本质上就是一个反馈的过程。本人在讲授工业大数据建模时，一直强调“模仿+修正”这类方法的重要性和一般性，其实也是在讲反馈。总之，“前馈”作用和意义都很大，但对“反馈”的研究往往更有意思。

    当前，人类进入了AI时代，我国也进入了创新的时代。要适应社会的发展，我们需要有点哲学思考能力。