下载掌阅APP，畅读海量书库
立即打开
控制论的创立不仅是一门横断科学诞生的标志，而且其本身也是一门具有科学方法论性质的科学。控制论和信息论构成了人工智能研究方法的主体，并已经显示了其巨大的威力。下面我们一起来了解控制论方法与人工智能的关系。
控制论是在20世纪30年代到40年代逐步形成的一门独立的学科。在控制论发展的短暂历史中，我们可以将其分为经典控制理论和现代控制理论。
1）萌芽阶段
早在古代，劳动人民就凭借在生产实践中积累的丰富经验和对反馈概念的直观认识，发明了许多闪烁着控制理论智慧火花的杰作。如果要追溯自动控制技术的发展历史，那么早在两千年前的中国就有了自动控制技术的萌芽。例如，两千年前我国发明的指南车（见图1-8），就是一种开环自动调节系统。它利用差速齿轮原理，以及齿轮传动系统，根据车轮的转动，由车上木人指示方向。不论车子转向何方，木人的手始终指向南方，即“车虽回运而手常指南”。
图1-8 指南车
2）起步阶段
随着科学技术与工业生产的发展，到17、18世纪，自动控制技术逐渐应用到现代工业中。1681年，法国物理学家、发明家巴本（Papin）发明了用作安全调节装置的锅炉压力调节器。1765年，俄国人普尔佐诺夫（Polzunov）发明了蒸汽锅炉水位调节器。1788年，英国人瓦特（Watt）在他发明的蒸汽机上使用了离心调速器，解决了蒸汽机的速度控制问题，也引起了人们对控制技术的重视。离心调速器有两个飞球，转起来以后，因为离心力，飞球就往外胀；飞球胀开以后，下面的套筒就往上升，套筒的移动带动执行机构动作起来。这是最早的瓦特的离心调速器。自动控制技术的逐步应用，加速了第一次工业革命的步伐。
3）发展阶段
实践中出现的问题，促使科学家从理论上进行探索研究。1868年，英国物理学家麦克斯韦（Maxwell）通过对调速系统线性常微分方程的建立和分析，解释了瓦特蒸汽机速度控制系统中出现的剧烈振荡的不稳定问题，提出了简单的稳定性代数判据，开辟了用数学方法研究控制系统的途径。
此后，英国数学家劳斯（Routh）和德国数学家胡尔维茨（Hurwitz）把麦克斯韦的思想扩展到高阶微分方程描述的更复杂的系统中，两人分别在1877年和1895年提出了直接根据代数方程的系数判别系统稳定性的准则：两个著名的稳定性判据—劳斯判据和胡尔维茨判据。这些方法基本上满足了20世纪初期控制工程师的需要，奠定了经典控制理论中时域分析法的基础。
由于第二次世界大战需要控制系统具有准确跟踪与补偿能力，因此1932年，美国物理学家奈奎斯特（Nyquist）提出了频域内研究系统的频率响应法，建立了以频率特性为基础的稳定性判据，为具有高质量的动态品质和静态准确度的军用控制系统提供了所需的分析工具。
随后，伯德（Bode）和尼科尔斯（Nichols）在20世纪30年代末和40年代初进一步将频率响应法加以发展，形成了经典控制理论的频域分析法。建立在奈奎斯特的频率响应法和伊万斯的根轨迹分析法基础上的理论，称为经典控制理论（或称古典控制理论、自动控制理论），为工程技术人员提供了一个设计反馈控制系统的有效工具。
4）标志阶段
1947年，控制论的奠基人美国数学家维纳（Weiner）把控制论引起的自动化同第二次工业革命联系起来，并于1948年出版了《控制论—关于在动物和机器中控制与通讯的科学》。该书论述了控制理论的一般方法，推广了反馈的概念，为控制理论这门学科奠定了基础。
1948年，美国科学家伊万斯（Evans）创立了根轨迹分析法，为分析系统性能随系统参数变化的规律性提供了重要工具，被广泛应用于反馈控制系统的分析、设计中。我国著名科学家钱学森将控制理论应用于工程实践，并于1954年出版了《工程控制论》。
从20世纪40年代到50年代末，经典控制理论的发展与应用使整个世界的科学水平出现了巨大的飞跃，几乎在工业、农业、交通运输及国防建设的各个领域都广泛采用了自动化控制技术。
第二次世界大战期间，反馈控制方法被广泛用于设计研制飞机自动驾驶仪、火炮定位系统、雷达天线控制系统及其他军用系统。这些系统的复杂性和对快速跟踪、精确控制的高性能追求，迫切要求拓展已有的控制技术，促使了许多新的见解和方法的产生。同时，还促进了对非线性系统、采样系统及随机控制系统的研究。因此，可以说工业革命和战争促使了经典控制理论的发展。
以传递函数作为描述系统的数学模型，以时域分析法、根轨迹法和频域分析法为主要分析设计工具，是经典控制理论的基本框架。到20世纪50年代，经典控制理论发展到相当成熟的地步，形成了相对完整的理论体系，为指导当时的控制工程实践发挥了极大的作用。
经典控制理论主要用于解决反馈控制系统中控制器的分析与设计的问题。反馈控制系统的简化原理如图1-9所示。以炉温控制为例，受控对象为炉子；输出变量为实际的炉子温度；输入变量为给定常值温度，一般用电压表示。炉温用热电偶测量，代表炉温的热电动势与给定电压相比较，两者的差值电压经过功率放大后用来驱动相应的执行机构进行控制。
图1-9 反馈控制系统的简化原理
20世纪50年代中期，随着科学技术及生产力的发展，特别是空间技术的发展，迫切需要解决复杂的多变量系统、非线性系统的最优控制问题（如火箭和宇航器的导航、跟踪和着陆过程中的高精度、低消耗控制，到达目标的控制时间最小等）。实践的需求推动了控制理论的进步，同时，计算机技术的发展也从计算手段上为控制理论的发展提供了条件，适合于描述航天器的运动规律，又便于计算机求解的状态空间模型成为主要的模型形式。
1956年，美国数学家贝尔曼（Bellman）提出了离散多阶段决策的最优性原理，创立了动态规划。之后，贝尔曼等人提出了状态分析法，并于1964年用离散多阶段决策的动态规划法解决了连续动态系统的最优控制问题。美国数学家卡尔曼（Kalman）等人于1959年提出了著名的卡尔曼滤波器，1960年又在控制系统的研究中成功地应用了状态空间法，提出了系统的能控性和能观测性问题。1956年，苏联科学家庞特里亚金（Pontryagin）提出极大值原理，并于1961年证明并发表了极大值原理。极大值原理和动态规划为解决最优控制问题提供了理论工具。
20世纪60年代初，一套以状态方程作为描述系统的数学模型，以最优控制和卡尔曼滤波为核心的控制系统分析、设计的新原理和方法基本确定，现代控制理论应运而生。进入20世纪60年代，英国控制理论学者罗森布洛克（Rosenbrock）、欧文斯（Owens）和麦克法轮（MacFarlane）研究了使用于计算机辅助控制系统设计的现代频域法理论，将经典控制理论传递函数的概念推广到多变量系统，并探讨了传递函数矩阵与状态方程之间的等价转换关系，为进一步建立统一的线性系统理论奠定了基础。
20世纪70年代，瑞典控制理论学者奥斯特隆姆（Astrom）和法国控制理论学者朗道（Landau）在自适应控制理论和应用方面做出了贡献。与此同时，关于系统辨识、最优控制、离散时间系统和自适应控制的发展大大丰富了现代控制理论的内容。
现代控制理论是在20世纪50年代中期迅速兴起的空间技术的推动下发展起来的。空间技术的发展迫切要求建立新的控制原理，以解决诸如把宇宙火箭和人造卫星用最少燃料或最短时间准确地发射到预定轨道一类的控制问题。这类控制问题十分复杂，采用经典控制理论难以解决。1958年，苏联科学家庞特里亚金提出了名为“极大值原理”的综合控制系统的新方法。在这之前，美国学者贝尔曼于1954年创立了动态规划，并在1956年应用于控制过程。他们的研究成果解决了空间技术中出现的复杂控制问题，并开拓了控制理论中最优控制理论这一新的领域。1960—1961年，美国学者卡尔曼和布什建立了卡尔曼-布什滤波理论，因而有可能有效地考虑控制问题中所存在的随机噪声的影响，扩大控制理论的研究范围，包括更为复杂的控制问题。几乎在同一时期，贝尔曼、卡尔曼等人把状态空间法系统地引入控制理论中。状态空间法对揭示和认识控制系统的许多重要特性具有关键的作用。其中能控性和能观测性尤为重要，成为控制理论的两个最基本的概念。到20世纪60年代初，一套以状态空间法、极大值原理、动态规划、卡尔曼-布什滤波为基础的分析和设计控制系统的新的原理和方法已经确立，这标志着现代控制理论的形成。
控制论的创立，不仅是一门横断科学诞生的标志，而且是一门具有科学方法论性质的科学。创立控制论的目的在于创造一种语言和技术，使我们有效地研究一般的控制和通信问题，同时也在寻找一种恰当的思维方法和技术，以便控制和通信问题的各种特殊表现都能借助一定的概念加以分类。
对于20世纪50年代形成的一门边缘学科—人工智能科学，控制论和信息论构成了其研究方法的主体，并已经显示了其巨大的威力。下面仅就模拟、反馈及黑箱等控制方法的几个主要方面，讨论其与人工智能科学的关系。
1）模拟是人工智能研究的基本方法
控制论的创始者维纳等人发现，在结构和形态上存在着明显差异的事物间，又存在着某种同一性，在人和机器这两个不同的系统中也是如此。由于这个发现，维纳等人把人的行为、目的等概念引入机器，同时又把通信工程的信息和自动控制工程的反馈概念引进活的有机体，从而产生了功能模拟的科学方法。
人工智能就是研究如何使计算机去做过去只有人才能做的具有智能的工作，其中心目标就是使计算机更有用及探讨智能的原理。计算机的硬件和软件能够把思维的物质手段和思维的物质外壳—语言、算法结合起来，能自动地高速进行复杂的信息处理，这就使得对人类智能的某些方面的模拟成为可能。下面将从智能模拟的几个主要方面—感知、联想、记忆、思维及输出效应的研究，来说明模拟方法在人工智能科学中的应用。
（1）对感知的模拟，包括对人的视、听、嗅、触各器官对外界信息的感觉效应的模拟。人工智能最早的研究领域之一—模式识别，就属于此类，它的目标是模拟人的感觉器官，完成对于外界信息的获取、分析与理解。
图像和物景的识别是对人的视觉的模拟，目前已能识别英文印刷体和某些手写体，识别白细胞和癌细胞，有人用自相关函数抽取图像的方法，通过选取三类小汽车模型、101个样本，进行统计分析，识别率最高可达95%，总识别率可达78%。
语言的识别是对人的听觉的模拟。早期的系统仅能识别50～100个孤立的字，现在已能识别按随意方式排列的几百个复杂句子，速度可达60字/分钟。有人给出了最小距离、二维Walhs变换及离散Bayes决策三种语言识别方法。利用这些方法，识别率高达90%。
（2）联想记忆的模拟是人工智能的一大重要课题。将来的计算机应该成为更多模拟人类联想与学习功能的人工智能装置，而联想是自学习与思维控制程序自生成的重要基础之一。如何建立联想的数学模型？我国现代著名数学家、科学家、哲学家吴学谋提出了泛系分析方法，其出发点是人脑中的世界是外部世界的一个泛系投影或泛系模拟，也是学习外部世界的一个内部背景。外部世界通过感官与人的实践，一直在给内部世界增加某种广义影泛系或拟子泛系，这一输入的泛系又在内部世界中泛系赋形，使内部世界进行自组织而逐步趋于完整。联想就是一种广义的赋形自组织过程。基于这个出发点，人们又提出了半等价泛系，鸟瞰式半等价泛系及自组织程序泛系自动机等联想模型。应该指出的是，由于联想的复杂性，对于联想的模拟还是一个相当艰巨的任务。
（3）输出效应的模拟。对人的发声器官的模拟，已经是一个人工智能系统的必备部分。语言的产生如此复杂，以致其数学模型无法用解析式描述。有人采用双音素为声元素，在频率域上进行合成无限汉语词汇的模拟研究。这项研究按照声学特性把语言区分为浊音、摩擦音和爆破音，借助于波形图或频谱图，把声道系统与声源近似地描述为一个线性系统，即把声音输出在数学上表示为激励源和声道传输函数的卷积，由此得出一个语言合成的简化模型图，如图1-10所示。
图1-10 语言合成的简化模型
利用上述办法，在计算机上实现了一个汉语语音合成系统，合成了一篇约40个汉字的短文，经10个中国人测听，句子可懂度平均达90%，最高达97%。
（4）思维的模拟。对人类思维的研究是人工智能科学中的核心问题。目前，这方面的研究主要是在生理学和心理学两个方面。其中，生理学派就是采用功能模拟方法，它试图建立思维的生理学模型，通过微观的方法，直接模拟人脑和神经系统的结构及其功能。关于这方面，20世纪50年代末出现的模仿神经系统局部结构与功能的感知机曾风行于60年代。尽管以后的一段时间处于低潮，日本及西方一些科学工作者仍做了不少工作，出现了凯布林斯基的视觉信息处理脑模型及马尔的大脑新皮层理论等。我国的一些学者也开展了这方面的研究，他们以语言信息为线索，通过思维的“反射弧系”和“中枢分析综合图”来研究人的思维过程，已提出了多层分集神经元网络，并应用到质谱分析中，取得了较好的效果。综上所述，人工智能科学的各主要研究方向均是采用模拟方法。功能模拟与智能模拟方法是人工智能研究的最基本方法。人工智能的实质，就是人类智能的机器模拟。
2）反馈方法的广泛应用
反馈方法是控制系统的一种方法。把系统输送出去的信息作用于被控制对象后产生的结果再输送回来，并对信息再输出发生影响的过程，称为“反馈”。运用反馈的概念去分析和处理问题的方法称为“反馈方法”。它是一种用系统活动的结果来调整系统活动的方法。
借助流程图构造实际问题的数学模型，进而借助计算机语言，通过计算机的运算来解决问题。图1-11中，以信息处理为主体，首先输入原始信息、设置处理目标，而后进入信息处理过程，信息处理得到的结果再与设定目标比较，如果目标达到，则输出结果；否则，修改参数，回到输入端，再次进入信息处理过程。如此循环、调节，直至获得令人满意的结果，这就是利用系统活动的结果来调整系统的活动，即根据过去的操作来调整未来的行动。可见，它是反馈方法的具体体现。
在人工智能科学中，学习系统的建立，不仅是本门学科的重要研究内容，也是控制系统的主要形式之一。它与自适应、自组织系统有着密切的联系。正因为如此，控制论方法在研究学习系统时也得到其应有的发挥。
学习系统就是在与环境的相互作用中，不断使知识完善化的系统，其一般结构如图1-12所示。图中，环境、知识库、工作环节和学习环节是学习系统的必要组成部分。环境，这里是指外界，即根据过去的操作情况来调整未来的信息来源，是系统的输入；知识库，用来存储系统通过学习获得的各种知识；工作环节，即决策或执行环节，它利用已有的知识做出决定或行动；学习环节，是学习系统的核心部分，它对信息进行搜索控制、逻辑思考，以产生、修改及补充知识；监督环节，主要用来评判学习效果，指导学习环节工作以及指导选择环节工作；选择环节，是指环境选取有典型意义的事例，作为训练集来训练机器掌握必要的知识，以提高学习效率。
图1-11 计算机解题流程示意图
图1-12 学习系统的一般模型
如何使工作环节产生的决策最佳？这里利用的就是反馈的方法。首先设置反馈环节，对决策进行评判，再经学习环节进行逻辑思考，直至获得最佳决策。如果是在线学习，则经过学习产生的决策输出到环境中是否符合客观实际，又要将决策的环境效应反馈给学习环节进行调节，以产生新的最佳决策。利用上述原理建立的判断推理的产生式学习与决策系统—PLADS，对若干事物进行机器学习与决策试验，取得了成效。以上仅是人工智能科学中应用反馈方法的几个例子。实际上，在人工智能领域许多方面，如感知、思维和机器人等问题的研究，都广泛地应用了反馈方法。
3）黑箱方法的独到之处
人脑是智能活动的物质基础。要真正了解人的智能活动的奥秘，必须彻底地了解人脑及其活动的机制。然而，人脑是如此复杂，以致“在整个宇宙中没有什么已知的东西可与之比拟”。遗憾的是，人脑创造了科学，但科学迄今尚不能解释人脑的机制。因此，对人脑的研究是人工智能科学的关键。但是，到目前为止，对人脑及其活动的机制还不能用直接观测的方法进行研究。在这种情况下，控制论的黑箱方法就显示出它的独到之处了。
简单地讲，黑箱就是其内部结构还不清楚，但可通过外部观测和试验去认识其功能和特性的客体。黑箱方法，即不打开黑箱，而通过外部观测和试验，利用模型进行系统分析，通过信息的输入和输出来研究黑箱的功能和特性，探索其结构和机理。它着重于研究整体功能和动态特性。
1936年，24岁的奇才图灵提出了理想计算机模型（即图灵机），创立了自动机理论，这个理论也是人工智能科学的一个理论基础。实际上，图灵机就是黑箱理论的典型应用。黑箱具有记忆功能，即具有内部状态—内态，具有内态的黑箱称为有限自动机，“有限”指黑箱的内态有限，“自动”即黑箱能自动根据输入改变它的内态。有限自动机加上无限长输入、输出带及无限容量的辅助存储器，即构成了图灵机。这种抽象的模型，不需要了解其内部结构，只需将信息输入有限状态控制器来控制输出，即侧重于整体功能和动态特性的研究。自从第一台电子计算机诞生以来，自动机理论一直推动着计算机科学的飞速发展。
对人类思维的研究是人工智能研究的核心问题，它的生理学派是采用功能模拟方法。然而，人脑的极其复杂性决定了寻找其数学模型的艰巨性，使得人们不得不去寻找其他途径。因此，诞生了目前已成为人工智能研究主流的心理学派。心理学派不是依靠理论推导去寻求人脑结构的数学模型，而是靠人们总结出来的一些解决问题的有效经验，如策略、技巧、窍门、法则和简化步骤等，把这些经验性的东西写成规则形式来模拟人的思维活动。实际上，就是把人脑看作一个黑箱，通过这个黑箱的外部特性去研究其输入和输出间的关系。根据这种思想，1976年美国数学家阿佩尔等人证明了124年来未能解决的四色定理，引起了世界轰动。
1979年，我国李太航提出了用意识胞来表示、利用和获取知识的新设想。这个方法可以用来有效地描述和实现人的明晰或模糊的思维推理过程。这种原理和方法已经成功地应用到上海计算所研制的“中医智能计算机系统”中。由于意识胞思维模型简单而又完美地解决了知识的表示、利用和获取问题，所以它是一个很有前途的理论分支。由此可见，黑箱方法在人工智能中的应用是得天独厚且卓有成效的。
维纳等人所创立的控制论，从战略思想上看有独到之处，从科学史的角度来看，它从昔日科学家的研究程式“物质—能量”一跃而为对“信息—系统”的控制和通信的研究，打通了各门科学之间，如自然科学、技术科学、工程科学、数学和社会科学之间相互联系的途径。因而，它是方法论上的一个创新。
作为一门涉及计算机科学、信息科学、控制科学、系统科学、数学、心理学、电子学、生物学、语言学和哲学等学科的综合性边缘学科—人工智能，控制论和信息论是它的重要理论基础，而控制论方法则给它提供了最基本、最主要的研究手段。尽管目前的智能模拟距离人的智力还很遥远，然而，自然界中整个运动的统一，现在已经不再是哲学论断，而是自然科学的事实了。控制论和信息论的原理和方法给人工智能的研究展现了灿烂的前景，可以相信，它必将结出丰硕之果。