郭朝晖谈智能化与控制理论的局限性

2021/4/1 5:26:19 人评论 次浏览 分类:热点聚焦  文章地址:http://yunrun.com.cn/news/3676.html

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,人类获得知识和信息。
作者:郭朝晖(工学博士,教授级高工。企业研发一线工作20年;优也科技信息公司首席科学家;东北大学、上海交大等多所院校兼职教授。国内知名智库、走向智能研究院的发起人之一。原宝钢研究院首席研究员)

共有访客发表了评论 网友评论

  客户姓名:
邮箱或QQ:
验证码: 看不清楚?