•  
     
    當前位置: 首頁 » 新聞資訊 » 科普園地 » 正文

    智能化與控制理論的局限性

    放大字體  縮小字體 發布日期:2021-04-07  來源:化學與材料科學  瀏覽次數:40
    核心提示:維納的控制論是個偉大的思想。這個理論誕生已經80年了,但歷久彌新。時至今日,仍然為我們的數字化轉型提供指引。維納強調了信息
         維納的控制論是個偉大的思想。這個理論誕生已經80年了,但歷久彌新。時至今日,仍然為我們的數字化轉型提供指引。維納強調了信息感知、決策和執行過程的統一與融合,是自動化的理論基礎,也是信息化智能化的理論基礎。

    筆者發現: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的思想:智能化強調模型,自動控制則幾乎離不開模型;智能化強調數據采集,現代控制理論強調狀態感知;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,自動化有前饋控制、預測控制;智能化有CPS、數字孿生,自動化有內模控制、史密斯預估;智能化有預測性維護,自動化有系統辨識、故障診斷.... 

    但是,傳統的控制理論是有局限性的。有人在總結控制理論的脈絡和分支時,明顯地帶有這種局限性。這種局限性不利于智能化的推進、也不利于學科的建設和發展。有些自動化專業的老師,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,都要有個數學模型。“數學是宇宙的語言,是上帝書寫世界的符號”。以數學模型為基礎的控制論,怎么會變得“狹隘”了呢?

     現實中控制理論的局限性是顯然的:不論是狀態方程還是傳遞函數,背后的模型都是線性常微分方程組。以這種模型為基礎,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;從穩定性分析、系統鎮定發展到優化控制等等。

    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,而能得到的結果卻非常有限。現在回想起來,沿著這樣的軌跡發展,控制論已從盛宴發展到殘羹冷炙,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:網絡化是促進智能化的一個重要原因。網絡化的一個重要作用,是將“感知、決策、執行”的范圍擴大了。從實踐的角度看,傳統控制理論的局限性,體現在空間尺度上:自動化往往針對小系統的,如閥門或設備。而信息化、智能化是針對大系統的,如車間、工廠、供應鏈乃至社會體系。這種差別是有道理的。

     殷瑞鈺院士經常對我談一個哲學觀點:尺度變化引起方法論的變化。在戰爭理論中,戰略和戰術是不同的尺度。戰略上可以以弱勝強,但戰術上需要以強勝弱。即所謂戰略上藐視敵人、戰術上重視敵人。在工程技術領域,工程和技術是不同的尺度。大型工程領域的創新,往往要盡量減少局部的新技術、以便于掌控風險。我們用這個觀點,可以看到傳統控制論的局限性。

    傳統控制理論的局限性之一是過度依賴數學模型求解。

     為什么需要呢?因為需要求解——有了模型才能求解。但是,在大系統背景下的管控活動中,人們會采用這種方式嗎?多數情況下并不是這樣。現實的系統、尤其是大系統太復雜,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驗。經驗怎么得到的?很可能是猜出來、試出來。這種經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,工業人往往也不滿足于不理想的經驗,工業人努力推動PDCA,把經驗做得更好。在現代化企業中,這些成功的經驗和知識往往被固化成標準來執行。所以,現代工業是以標準化為基礎的。

    換句話說:人或者計算機都不是現場求解的,而是把過去成功的“解”記下來。工業界的問題千變萬化,也有些問題需要人類現場求解。但人類的求解往往是些特殊的、簡化的算法,與傳統的模型求解算法并不一樣,往往也是經驗積累的結果。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。

    傳統控制理論的另外一個局限性是“感知等于認知”。

     控制系統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的數字化信號代表2MPA的壓力。但是,在大系統、尤其是復雜、開放系統中,“感知等于認知”的要求不一定能滿足。自動化系統之所以能滿足,是因為人類需要給系統的運行創造一個相對穩定的環境。系統大了以后,這個環境就不好創造了。

    人或者動物,往往面對開放的系統。對人或者動物來說,感知往往不等于認知。比如,當牛看到一只老虎時,得到的是“圖像信號”;它必須將這個信號轉化成“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。在開放系統中,智能體往往會面對預料之外的變化。這時,就需要識別這種變化的含義,才能與已有的知識結合起來,做出科學的決策。當自動化系統做不到這一點時,往往只能用在相對封閉的系統中。

    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料之中的事情。但是,工廠里經常會出現預料之外的事情:設備狀態不佳、上下游生產不暢通、操作不妥當、物料位置出現偏差等。要處理這些問題,都需要“感知到認知”的過程。對企業來說,“感知到認知”的轉化一直都是需要的。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“感知到認知”,一種機器自動實現“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中去了。

    總之,網絡化和數字化推動了智能化。其中,網絡化的作用是把系統放大了,我們需要用大系統、開放系統的思想方法對待“感知、決策與執行的統一”。數字化的作用之一,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。從本質上說,獲得知識和信的開放性、靈活性人類是最本質的優勢。

     
     
    [ 新聞資訊搜索 ]  [ 加入收藏 ]  [ 告訴好友 ]  [ 打印本文 ]  [ 關閉窗口 ]

     
    0條 [查看全部]  相關評論

     
    推薦圖文
    推薦新聞資訊
    點擊排行
     
     
    91在线视频观看 - 视频 - 在线观看 - 影视资讯 - 5g影院