維納的控制論是個偉大的思想。這個理論誕生已經(jīng)80年了，但歷久彌新。時至今日，仍然為我們的數(shù)字化轉(zhuǎn)型提供指引。維納強調(diào)了信息感知、決策和執(zhí)行過程的統(tǒng)一與融合，是自動化的理論基礎(chǔ)，也是信息化智能化的理論基礎(chǔ)。

筆者發(fā)現(xiàn)：人們討論智能化時提到的概念和思想時，幾乎都能在自動化教科書或論文中看到類似或相關(guān)的思想：智能化強調(diào)模型，自動控制則幾乎離不開模型；智能化強調(diào)數(shù)據(jù)采集，現(xiàn)代控制理論強調(diào)狀態(tài)感知；智能化有信息集成，控制論里有串級控制；智能化有快速響應(yīng)，自動化有前饋控制、預(yù)測控制；智能化有CPS、數(shù)字孿生，自動化有內(nèi)?？刂啤⑹访芩诡A(yù)估；智能化有預(yù)測性維護，自動化有系統(tǒng)辨識、故障診斷....

但是，傳統(tǒng)的控制理論是有局限性的。有人在總結(jié)控制理論的脈絡(luò)和分支時，明顯地帶有這種局限性。這種局限性不利于智能化的推進、也不利于學(xué)科的建設(shè)和發(fā)展。有些自動化專業(yè)的老師，其實是不懂智能化的。

那么，控制理論的局限性在哪里呢？控制論的思想是偉大、廣博的，但把思想落到論文和教科書上、形成理論時，就變得狹隘了。

這種狹隘究竟在什么地方呢？一種顯然的局限性，就是幾乎所有能寫入論文和教科書上的東西，都要有個數(shù)學(xué)模型?！皵?shù)學(xué)是宇宙的語言，是上帝書寫世界的符號”。以數(shù)學(xué)模型為基礎(chǔ)的控制論，怎么會變得“狹隘”了呢？

現(xiàn)實中控制理論的局限性是顯然的：不論是狀態(tài)方程還是傳遞函數(shù)，背后的模型都是線性常微分方程組。以這種模型為基礎(chǔ)，控制理論的研究取得了巨大的成功。但是，這種成功也讓理論界形成了一種路徑依賴。后來的很多研究，都是沿著從這條思路向外拓展：從線性拓展到非線性；從常微分方程拓展到偏微分方程；從精確模型拓展到魯棒控制、模糊控制、隨機控制；從穩(wěn)定性分析、系統(tǒng)鎮(zhèn)定發(fā)展到優(yōu)化控制等等。

但是，這樣的路徑合理嗎？我在20多年前的博士論文研究的是非線性魯棒控制。做起來非常難，而能得到的結(jié)果卻非常有限。現(xiàn)在回想起來，沿著這樣的軌跡發(fā)展，控制論已從盛宴發(fā)展到殘羹冷炙，有些研究甚至可以說是垃圾。

以模型為核心的控制理論，到底有什么局限性呢？

“空間局限性”是個重要的方面。我們知道：網(wǎng)絡(luò)化是促進智能化的一個重要原因。網(wǎng)絡(luò)化的一個重要作用，是將“感知、決策、執(zhí)行”的范圍擴大了。從實踐的角度看，傳統(tǒng)控制理論的局限性，體現(xiàn)在空間尺度上：自動化往往針對小系統(tǒng)的，如閥門或設(shè)備。而信息化、智能化是針對大系統(tǒng)的，如車間、工廠、供應(yīng)鏈乃至社會體系。這種差別是有道理的。

殷瑞鈺院士經(jīng)常對我談一個哲學(xué)觀點：尺度變化引起方法論的變化。在戰(zhàn)爭理論中，戰(zhàn)略和戰(zhàn)術(shù)是不同的尺度。戰(zhàn)略上可以以弱勝強，但戰(zhàn)術(shù)上需要以強勝弱。即所謂戰(zhàn)略上藐視敵人、戰(zhàn)術(shù)上重視敵人。在工程技術(shù)領(lǐng)域，工程和技術(shù)是不同的尺度。大型工程領(lǐng)域的創(chuàng)新，往往要盡量減少局部的新技術(shù)、以便于掌控風(fēng)險。我們用這個觀點，可以看到傳統(tǒng)控制論的局限性。

傳統(tǒng)控制理論的局限性之一是過度依賴數(shù)學(xué)模型求解。

為什么需要呢？因為需要求解——有了模型才能求解。但是，在大系統(tǒng)背景下的管控活動中，人們會采用這種方式嗎？多數(shù)情況下并不是這樣?，F(xiàn)實的系統(tǒng)、尤其是大系統(tǒng)太復(fù)雜，求解的思路往往走不通。人們需要解決問題時，采用的往往是過去成功的經(jīng)驗。經(jīng)驗怎么得到的？很可能是猜出來、試出來。這種經(jīng)驗做法是不是最好的呢？不一定，但卻是能夠取得成功的。當然，工業(yè)人往往也不滿足于不理想的經(jīng)驗，工業(yè)人努力推動PDCA，把經(jīng)驗做得更好。在現(xiàn)代化企業(yè)中，這些成功的經(jīng)驗和知識往往被固化成標準來執(zhí)行。所以，現(xiàn)代工業(yè)是以標準化為基礎(chǔ)的。

換句話說：人或者計算機都不是現(xiàn)場求解的，而是把過去成功的“解”記下來。工業(yè)界的問題千變?nèi)f化，也有些問題需要人類現(xiàn)場求解。但人類的求解往往是些特殊的、簡化的算法，與傳統(tǒng)的模型求解算法并不一樣，往往也是經(jīng)驗積累的結(jié)果。這種差別，有些人工智能的文章中是有討論的，這里就不多講了。

傳統(tǒng)控制理論的另外一個局限性是“感知等于認知”。

控制系統(tǒng)收到的信息都有明確的含義。比如，某個傳感器15mA的信號代表120度，另外一個傳感器678的數(shù)字化信號代表2MPA的壓力。但是，在大系統(tǒng)、尤其是復(fù)雜、開放系統(tǒng)中，“感知等于認知”的要求不一定能滿足。自動化系統(tǒng)之所以能滿足，是因為人類需要給系統(tǒng)的運行創(chuàng)造一個相對穩(wěn)定的環(huán)境。系統(tǒng)大了以后，這個環(huán)境就不好創(chuàng)造了。

人或者動物，往往面對開放的系統(tǒng)。對人或者動物來說，感知往往不等于認知。比如，當?？吹揭恢焕匣r，得到的是“圖像信號”；它必須將這個信號轉(zhuǎn)化成“老虎”這樣的“符號信息”，才會感到害怕、才會做出逃跑的行動。這就需要從感知上升到認知。在開放系統(tǒng)中，智能體往往會面對預(yù)料之外的變化。這時，就需要識別這種變化的含義，才能與已有的知識結(jié)合起來，做出科學(xué)的決策。當自動化系統(tǒng)做不到這一點時，往往只能用在相對封閉的系統(tǒng)中。

一個工廠的自動化程度可以很高，而自動化的行為往往針對的都是預(yù)料之中的事情。但是，工廠里經(jīng)常會出現(xiàn)預(yù)料之外的事情：設(shè)備狀態(tài)不佳、上下游生產(chǎn)不暢通、操作不妥當、物料位置出現(xiàn)偏差等。要處理這些問題，都需要“感知到認知”的過程。對企業(yè)來說，“感知到認知”的轉(zhuǎn)化一直都是需要的。只是過去的時代是靠人來完成的：許多靠人眼識別的工作無法變成自動化，而信息化的決策主體是人、不是機器。

在筆者看來，智能化的一大進步，就是促進“感知到認知”。這里包括兩種做法：一種是幫助人類更好地實現(xiàn)“感知到認知”，一種機器自動實現(xiàn)“感知到認知”。具備認知能力之后，智能化就可以推進到相對開放的系統(tǒng)中去了。

總之，網(wǎng)絡(luò)化和數(shù)字化推動了智能化。其中，網(wǎng)絡(luò)化的作用是把系統(tǒng)放大了，我們需要用大系統(tǒng)、開放系統(tǒng)的思想方法對待“感知、決策與執(zhí)行的統(tǒng)一”。數(shù)字化的作用之一，是改變了一部分求解方法：更多的決策可以用計算機仿真的辦法實時求解。同時，通過“知識數(shù)字化”，還可以把人的“感知到認知”能力賦予計算機、把人類解決問題的辦法告訴計算機。

但是，推進智能化的過程，絕對不能忽視人的作用。從本質(zhì)上說，人類獲得知識和信息。
作者：郭朝暉(工學(xué)博士，教授級高工。企業(yè)研發(fā)一線工作20年；優(yōu)也科技信息公司首席科學(xué)家；東北大學(xué)、上海交大等多所院校兼職教授。國內(nèi)知名智庫、走向智能研究院的發(fā)起人之一。原寶鋼研究院首席研究員)