智能控制五十年回顧與展望:傅京孫的初心與薩里迪斯的雄心

王飛躍

五十多年前,美籍華人傅京孫教授(見圖1)在IEEE自動控制匯刊上發表長文[1],全面深入地綜述并展望了學習控制的現狀與未來.之后,他意猶未盡,于1971年初又補充了一篇短文[2]“學習控制系統與智能控制系統:人工智能與自動控制的交叉”,進一步討論人工智能方法與技術在控制和自動化中深入且系統化的應用之途徑.就是這篇短文,正式開啟了“智能控制(Intelligent control)”這一嶄新的多學科交叉研究領域.

圖1 智能控制之父傅京孫與薩里迪斯Fig.1 The father of intelligent control:Fuand Saridis

盡管在文獻[2]之前,已有許多人提出將人工智能與自動控制結合,甚至已有“人工智能控制(Artificial intelligence control)”的說法出現[3],特別是在機器人系統的研究方面,控制理論與人工智能更是早已被密切地聯系在一起[4?6].但在科學文獻上,是傅京孫第一次提出“智能控制”一詞并給出清楚的定義,認為人工智能與控制工程的有機結合,必將導致從學習控制到智能控制的自然延伸和發展.傅京孫的遠見和愿景,激發了研究人員對智能控制的廣泛興趣,成為推動此領域研究的催化劑.

隨后,從70年代初直到90年代中期,傅先生的同事薩里迪斯教授(見圖1)及其學生以信息論中的熵概念為核心,引入運籌學和決策論,提出了智能控制系統的分層遞階結構和學習算法,闡述了傳統控制、學習控制、自組織控制、自適應控制、機器人控制和智能控制之間的天然聯系(如圖2所示),并組織相應專業學會、研討會、國際學術會議與期刊,為這一新興領域的早期發展與成長壯大作出了重要貢獻[7–15].

圖2 智能控制學科的定義與框架Fig.2 Saridis＇ inspiration for intelligent control

實際上,智能控制與人工智能同根同源,是智能方法走向應用進而完成其最終改造世界之使命所必不可少的一個重要且關鍵性環節[16?17].同人工智能一樣,關于智能控制的原始思想和實踐可以追溯到人類發展歷史的早期,因為探索智能并利用相關成果去認識和改造世界是人的天性.上世紀30 年代提出的圖靈機和隨之興起的自動機研究熱潮,加之維納的控制論及其伴生的人工智能,特別是學習機器和學習控制的理論普及和應用深入,促使人工智能控制、智能自動機、移動自動機等概念和原型系統應運而生,最終形成了智能控制這一獨立的研究應用領域.

今天,深度學習[18]、寬度學習[19]、對抗學習[20?21]、平行學習[22?23]等新智能算法已將人工智能的研究與應用推向了一個新的歷史水平,引發世界范圍的關注與興趣.針對這一重大發展機遇,為了確保創新型國家和科技強國的建設,中國國務院于2017 年7 月20 日發布《新一代人工智能發展規劃》,明確提出許多智能控制的研發要求,包括自主協同控制、優化決策、平行控制與管理等[24].一方面,智能控制的發展可以極大地促進我國新一代人工智能發展進程;另一方面,智能控制的研發是實現智能制造、建設制造強國之根本.無論是流程工業智能化、離散過程智能化、網絡化協同制造智能化,還是生產全生命周期活動管理智能化,智能控制都是其從信息化和自動化邁向智能化的基礎和核心,是實現智能工廠企業和智慧社會的必要條件.

值此智能控制50 周年華誕之際,本文將基于個人的經歷和認識,對人工智能和智能控制的早期歷史加以梳理,并對其未來的發展予以展望,以期促進這一領域的進一步發展和更加繁榮昌盛.

1 智能起源:Being vs.Becoming

本質上,人類的文明史就是人類智能的演化歷史.古代中國《詩經》 的賦、比、興之文學表現手法,古希臘柏拉圖《對話錄》 的文法、邏輯、修辭之哲學辨證方法,都是人類智能知識化的早期展現.在人類發展的第一軸心時代(Axial age),人類經歷了自己的人性大覺醒,哲學由此而興[25?26].中文的“哲”字之基本釋義就是“智慧”,而古希臘哲人更是直截了當地把“愛”與“智慧”的組合作為“哲學”一詞的定義及哲學作為一門學問的目的.顯然,智能的研究與哲學的探索同根同源,同為熱愛與追求智慧而生.

在西方文明的語境中,古希臘的“七賢之首”泰勒斯(見圖3)是“哲學和科學的始祖”、“古希臘第一位數學家”,提出了“世界的本原是什么?”之問題和“萬物源于水”之回答,還是物理、天文、幾何、邏輯推理等的開啟者.作為唯物主義傳統的開創者,泰勒斯認為“水是最好的”、“萬物有靈”.其學派傳人赫拉克利特開創了樸素的辯證思想,但相信“萬物源于火”.畢達哥拉斯認為“萬物皆數”,赫氏由火引申出“萬物皆流”與“萬物皆動”,而且“對立統一”、“和諧”一致,使“變化(Becoming)”成為哲學的第一個核心理念.赫氏強調變化,而且“斗爭是產生萬物的根源”,由此成為最早的“過程哲學家”.另一學派的巴門尼德(見圖3)創造了基于“邏各斯”的形而上學論證形式,認為世界的本原是單一不變的,開啟了唯心主義的傳統,并使“存在(Being)”成為“Becoming”后的另一個核心且更基本的哲學理念.他認為,存在,即Being,才是“真理之道(The way of truth)”;變化,即Becoming,只是“觀點之道(The way of opinion)”.因為,只有存在(Being)才是永恒、不動、連續不可分、唯一的真實,只有這樣的抽象理念才可以被思想;而變化(Becoming)涉及感性世界的具體事物及其改變,是不真實的存在,是假象,所以不能被思想.巴門尼德堅信沒有存在之外的思想,被思想的東西與思想的目標是同一的,這與近代哲學家笛卡爾的“我思故我在”幾乎同出一轍,開啟了唯物與唯心、邏輯與計算、Being 與Becoming 的哲學之爭.實際上,這一哲學論爭,自始至終貫穿在智能研究的歷史之中[27–33].

圖3 古希臘哲學與科學思想的起源Fig.3 Ancient Greek philosophica/scientific thoughts

在這些思想的影響下產生了“希臘三賢”(見圖4),即蘇格拉底、柏拉圖和亞里士多德,師生三代相承奠定了西方哲學和科學的基石.首先,柏拉圖將蘇格拉底身體力行的對話辯證方式記錄下來,發明了書寫形式的辯證方法,而且認為宇宙是由實體的永恒真實之理念世界(Ideals,theory of forms)及其影子的暫時變動之物質世界組成,開啟了后來世界由“物質實體”和“精神實體”構成的二元論和客觀唯心主義哲學.其次,亞里士多德將柏拉圖的虛實二體一體化,并以“三段論”將其辯證法抽象為形式邏輯,不但成為現代邏輯的基礎,更是現代人工智能和智能科學的基石,開創了科學邏輯推理的理性傳統和唯物辯證法的哲學思想.其格言“人類是天生的社會性動物”與馬克思“人是一切社會關系的總和”之觀點一致,是未來智能科學特別是系統化智能科技發展的指南.

圖4 希臘三賢:第一軸心時代西方哲學和科學的奠基者Fig.4 The three sages of Greece:Founders of western philosophy and science in the first axis age

在第二軸心時代,歐洲文藝復興,人類理性大覺醒,產生現代科學.首先是以笛卡爾、斯賓諾莎和萊布尼茨(見圖5)為代表人物的理性主義哲學之興起,其次是以伽利略、牛頓(見圖5)和萊布尼茨為主要開拓者的物理數學之現代化進程的開始.特別是牛頓與萊布尼茨之間,差不多是柏拉圖與亞里士多德之間關系的相反,不但共同發明微積分,而且都是計算主義者.萊布尼茨還堅信思維和邏輯推理也可以計算,認為存在(Being)中“萬物皆數”還不夠,還必須在變化(Becoming)里“萬理可推”.為此,他試圖將其發明的二進制與中國古代的陰陽八卦相聯系,并認定古中國的原始象形文字與其創造的“普適語言(Universal characteristic)”在思想上一致,希望由此發明“理性邏輯者的微積分(Calculus ratiocinator)”,而不只是普通的微積分.這些努力最后成就其“精神的原子”Monad 之理念,然而卻“不幸”被后人演化成“單子論(Monadology)”的哲學.有幸的是,在人工智能興起的前夕,范疇(Category)數學出現,Monad 繼而成為這一新數學的核心理念,將來或許成為面向智能科技的新一代數學之基礎[27–30].

圖5 第二軸心時代西方哲學與科學奠基者Fig.5 Founders of western philosophy and science in the second axis age

此后,以德·摩根、巴貝奇和布爾為代表的“英國三杰”(見圖6)以“三位一體”的方式大大推進了計算邏輯和思維之機械化、數字化和形式化的進程,為后來希爾伯特(見圖7)的新幾何觀及其數學綱領、圖靈的自動機和弗雷格的數理邏輯理論奠定了基礎和進一步提升的臺階.特別是布爾于1854 年發表的《思維定律》,集亞里士多德到萊布尼茨的邏輯思想于大成,由二進制衍生出布爾代數,開啟了符號和數學邏輯的現代化進程,為現代電路和計算機設計、信息化和智能化提供了理論和方法基礎[32?33].

圖6 現代計算、邏輯和智能科學的開拓者Fig.6 Pioneers of modern computing,logic and intelligent science and technology

2 人工智能:自動機與控制論

20 世紀的第一年,德國數學家希爾伯特懷著確立德國數學世界地位的歷史使命,在巴黎舉行的第二屆數學家大會上提出影響至今的“23 個問題”.然而,影響更加深遠的卻是會上作為形式主義代表的他與直覺主義代表的法國數學家龐加萊(見圖7)之爭,不但改變了數學的歷史,而且無意之間播下了人工智能這一學科的種子,這就是希爾伯特數學機械化的思想.

圖7 人工智能的數學推動力Fig.7 Mathematical origin of artificial intelligence

希爾伯特相信,整個數學體系都可以嚴格公理化.而且,整個數學是完備的:其中每一個數學命題都有一個數學證明;整個數學又是一致的:導出的每一個數學命題在不會自相矛盾的同時,整個數學還是可決策或可判定的,就是所有的數學命題都可以利用有限次正確的數學步驟進行判定,因此存在通過有限程序最終判定一個數學命題對錯的“算法”.簡言之,就是整個數學具備“都有、都對、都行”的三大保證:告之公理、予之定理,一個不剩,一個不錯,并且可以機械化進行.這就是后來稱之為“希爾伯特綱領”的宏大愿景.

從人工智能的角度來看,希爾伯特希望得到的,遠超過今天信仰通用人工智能之人士的夢想,準確地反映了刻在其墓志銘上的鋼鐵般意志:“我們必須知道,我們必將知道”.相當程度上,希爾伯特與龐加萊之爭,反映了后來人工智能研究中基于符號的邏輯智能與基于認知的計算智能兩條路線之爭.當時,龐加萊認為:除了邏輯、推理之外,人的作用,特別是人的直覺,在數學中具有不可動搖的地位.但希爾伯特的觀點,讓當時的許多數學家,特別是年輕人“熱血沸騰”,激辯之余,更激動萬分,他們的口號是:“打起你的背包,到哥廷根去!”,投入這場數學革命,構造新世紀宏偉的數學大廈.或許,希爾伯特的學生外爾的描述更加生動準確:“希爾伯特吹響了他的魔笛,成群的老鼠紛紛跟著他躍進了那條河”.問題是哪條河? 什么河?

羅素就是這些年輕數學家中最杰出的代表之一.聽到希爾伯特報告之前,他一直擔心數學大廈即將傾倒,認為是建在危險的地基之上,這就是后來被稱之為“羅素悖論”的集合論矛盾.在從巴黎大會返程的船上,羅素就開始同自己的老師懷德海(見圖7)策劃,如何為希爾伯特的想法構造堅強的邏輯基礎.羅素堅信亞里士多德的原始邏輯定義:邏輯就是“新”和“必須”的推理,“新”在于邏輯讓我們學到未知的,“必須”是因為其結論是不可避免的.

結果就是羅素和懷德海費盡十年心血成就的三卷本《數學原理》,書名與牛頓的不朽之作自然哲學中的《數學原理》 同名.或許在羅素心里,牛頓的《數學原理》 把一個機械的世界化為按物理定律運行的數學世界,這次他們要把這個數學世界再化回由算法控制的機械世界,形成一個完美的閉環世界,就是今天我們追求的智能世界.

《數學原理》 的問世,改變了當時許多學者的研究生涯特別是在科學相對不算發達的美國,反響更大.維納、麥卡洛克、皮茨(見圖8)就是當時三位因此書而改變命運并走到一起研究智能的美國學者.維納原本對生物研究感興趣,讀博士時開始研究哲學,讀了《數學原理》 后專攻數理邏輯,畢業后赴劍橋隨羅素進一步深造,后多次赴歐與數學家哈代和希爾伯特學習合作,并因此在上世紀20 年代中期就結識了希爾伯特的助手馮·諾伊曼和邱奇等年輕學者.麥卡洛克大學時就潛心學習《數學原理》,認為大腦最頂層的神經元之間相互連接的方式同《數學原理》 中描述的邏輯關系一致,自己還從心理學轉行專門研究大腦,后來在耶魯勾畫了世界上第一張大腦皮質的機能解剖圖,并赴芝加哥建立大腦實驗室.皮茨更是傳奇般地因為《數學原理》 而從社會底層的一個連小學都沒有畢業的少兒一躍成為羅素和麥卡洛克的朋友,最后成為維納的博士生,一起制造了智能科學發展史上一段令人感嘆、使人心碎的歷史悲劇.

圖8 計算智能與人工智能的“金三角”Fig.8 Gold triad in artificial intelligence and computing intelligence

維納從1925 年開始與布什合作研究計算機,并在布什的幫助下招收李郁榮(見圖9)為他的第一個博士生可能也是唯一的工程博士,一起展開各種模擬網絡的研究[34].然而,與布什不同,維納認為計算機應當基于數值而非模擬信號,二進制而不是十進制,但布什對此不太確信,二人之間因此產生分歧.在李郁榮的幫助下,維納對于反饋,特別是負反饋和電路網絡中的循環因果現象產生了極大的興趣.除了兩人一起發明了李?維納網絡并由此延伸成為現代通信技術的基礎,還萌生了“受負反饋和循環因果邏輯支配的有目的性的行為”是實現智能之本質的思考,成為后來創立控制論的重要因素.維納曾希望在清華大學研究計算機,因向MIT 采購器件的建議被布什否決而作罷,但他仍把自己于1935 年～1936 年在清華大學與李郁榮合作這一時期視為控制論的創立時間,正是這一情況的反映.回美之后,維納在馮·諾伊曼家里住了4 天,介紹了他同布什關于計算機的合作和他在清華大學的工作,并推薦馮·諾伊曼赴清華大學訪問,卻因盧溝橋事變未能成行.維納后來回憶:“在我的職業生涯中,如果說有一個分界線,標志著從科學學徒到一定程度上能獨當一面的大師,那么我認為是1935 年的中國之行.”

圖9 維納的朋友圈:生理、通信、認知Fig.9 Friends of Wiener

麥卡洛克是1942 年5 月在梅西基金的一個交叉學科研討會議上,從維納的好友羅森布魯斯(見圖9)博士了解到維納和他的團隊關于循環因果的思想和研究,立即意識到這種新的因果關系不但支配著生物和機器的有目的性行為,而且還為解決一直困惑他的神經元模型中時間表示問題提供了思路.實際上,循環因果對他再自然不過,因為大腦中的神經元只能首尾相連,所以在他眼里也只能因果循環.梅西會后回到芝加哥,他立即同皮茨討論,在維納、羅森布魯斯和維納助手畢奇洛(見圖9)三人于著名的《科學哲學》 上發表目的論(Teleology)的短文[35]后不久,他們也共同發表了關于人工神經元的“McCullock-Pitts”模型[36].1943 年的這兩篇文章,分別開啟了認知科學和神經元網絡的研究,是計算智能的奠基性工作,更是今天我們有深度學習和AlphaGo 技術的原因[37].

與其在美國的影響效果相反,《數學原理》 在歐洲大陸喚起了三位年輕的數學天才,結果卻使希爾伯特宏圖轟然塌陷.先是1930 年哥德爾(見圖10)把研究《數學原理》 作為博士論文課題,在希爾伯特發表“我們必須知道,我們必將知道”退休演講兩天之前的同一會場,宣布其“不完備定理”,用羅素和懷德海的邏輯體系證明希爾伯特的數學不可能完備又一致,而且人類真的在數學上有不可知的東西[38].緊接著,1936 年圖靈在哥德爾工作的基礎上提出圖靈機,在不可推理之后定義了可計算問題,順手解決了希爾伯特關于決策的第十問題[39].后來發現,在圖靈之前,邱奇解決了同樣的等價問題,不過用了遞歸函數和λ-Calculus 的概念[40],一時難以讓人了解其真正意義,這就是后來圖靈由劍橋赴美隨邱奇攻讀博士學位的原因.真正了解并向世人介紹和幫助哥德爾和圖靈及其工作的第一人就是馮·諾伊曼,他為哥德爾在普林斯頓高等研究院謀得一席之地,推薦圖靈獲得獎學金成為普林斯頓的研究生.

圖10 邏輯智能的數學之源Fig.10 Mathimatical origin of logic intelligence

哥德爾的不完備定理,深刻地揭示了人類理性有限的本質,后來人工智能的4 位主要創始人之一的司馬賀(見圖11)不但獲得計算機的圖靈獎,還因在經濟和管理中倡導“有限理性 (Bounded rationality)原理”獲得諾貝爾獎,再次說明哥德爾工作的重要意義.由此,人類意識到其進一步的發展,必須突破自身理性的有限性,這就是人類智性的大覺醒,開發數據等人工世界資源的宏偉事業開始了,智能科學與技術涌現并興起,人類進入了第三軸心時代[25?26].

圖11 人工智能之父Fig.11 The fathers of artificial intelligence

二戰期間,彈道計算與曼哈頓原子彈項目,特別是其推動的蒙特卡洛方法,使馮·諾伊曼認識到算力和計算機的重要性.二戰結束前夕,他又了解了軍方制造現代計算機的決心,因此把興趣和精力開始向計算機轉移,重新開始了同維納的交往.1944年12 月,由維納起草,馮·諾伊曼和哈佛數學家、研制Mark 計算機的負責人艾肯共同簽名的邀請信發給了由維納親自挑選的學者,因為三人認為一場偉大的技術革命即將來臨.因此,信中寫到:“··· 感興趣的人搞個聚會是件非常值得做的事情”.緊接著來了第二封信,三人提議為即將開展的宏大科學探索界定主題,就是維納的“目的論新原則”,未來團隊的名稱也定為“目的論學會”,就是圍繞“通信工程,即計算機工程、控制設備工程 ··· 神經系統的通信和控制”展開研究:“一方面致力于研究目的是如何在人和動物的行為中得以實現的,另一方面研究如何通過機械和電子的方法模擬目的”[41].

1945 年1 月6 日至7 日,“目的論學會”在普林斯頓高等研究院開會,維納對此興奮不已,用MIT副校長基利安秘書的評論就是,維納“可真的是春風得意”[41].他和馮·諾伊曼成了會議的主角,但這場革命的企圖完全是在維納的影響和科學思想啟發下進行的.從某種意義上來說,這是1956 年達特萊斯人工智能會議之前關于智能與計算最嚴肅的一場學術研討,其“失敗”與“目的論”這個古怪哲學的名稱直接相關.如果名字合適、不如此奇異,或許人工智能這一學科就會從1945 年開始算起.實際上,就智能科學史而言,這是一個十分值得研究的課題.

普林斯頓會議之后,出現了兩個戲劇性的轉折.一是維納試圖勸誘馮·諾伊曼到MIT 工作,擔任數學系主任,有自己的實驗室,全力推動計算機和目的論研究.二是馮·諾伊曼一方面讓維納感到其挖人計劃即將實現,并使維納得力助手畢奇洛成為自己研究計算機的主力工程師,但隨即于1945 年6 月30 日推出自己關于電子計算機宏大的新計算機設計方案.這就是沿用至今的“馮·諾伊曼結構”.雖然這個方案的報告中只引了被當時主流神經和心理學家所忽視的麥卡洛克和皮茨的論文[36],但實質是馮·諾伊曼清理了維納計算機構想中的目的論成分,僅保留機械電子的操作流程而已.

實際上,維納于1940 年就向當時負責戰時研發的布什書面提出研制現代計算機的“五項原則”,但沒有得到回應.按照馮·諾伊曼自己的說法,其計算機就是第一臺“將維納提交給布什的五條原則整合為一的機器”.然而,此時馮·諾伊曼與維納個人之間的關系已進入不自然狀態,加上1947 年首次世界計算機大會之后,維納一度成為計算機界的“公敵”,因此他更愿把計算機的功績歸于邱奇和圖靈的思想,而不是維納,因此成為“邱奇?圖靈命題(Church-Turning thesis)”的積極倡導者,這就是為何美國軍方和學界有人認為“馮·諾伊曼結構”應該稱為“維納?馮·諾伊曼結構”的原因[34].

維納對此似乎沒有十分介意,可能因為其希望并關注的,己經變為能夠產生智能行為且受“目的論”指導的智能機器.在麥卡洛克的大力支持下,1946 年起維納的主要興趣已轉移到梅西基金專為他資助的系列會議,由此偶然地創作了《控制論》一書,居然再次成為世界名人,引發世界性的控制論熱潮,維納的團隊也成為世界關注的中心[41].

然而,當過了幾年麥卡洛克赴MIT 加入維納和早已成為維納博士生的皮茨之后,維納在沒有任何公開跡象的情況下突然宣稱永遠斷絕與二人的一切關系,使麥卡洛克和皮茨陷入絕境,一蹶不起,不久就從學術研究的世界消失.智能與認知研究的“金三角”頓失,這就是曾使許多人不解并遠離維納及其控制論的原因.

相當程度上,維納留下的學術真空造就了“人工智能之父”麥卡錫(見圖11).麥卡錫是1948 年在加州理工讀大學時從馮·諾伊曼關于認知和維納研究的講座中了解控制論的,從而產生了興趣.后赴普林斯頓數學系攻讀博士,1951 年畢業.三年后,明斯基也在同系獲得博士學位,論文就是關于隨機神經網絡SNARE 的研究[42].當時數學系有些教授認為明斯基的工作不是數學研究,還是馮·諾伊曼的一句話為他解了圍:“今天不是,或許將來就是了”.

畢業后一段時間,麥卡錫熱衷于自動機的研究,并與香農(見圖12)合作編輯了自動機研究論文集.當時,關于可認知和可思維的智能機器之研究主要圍繞控制論和自動機展開.在麥卡錫眼里,控制論太泛,又與維納脫不了干系,而自動機太窄,過于數學化,不利于推廣.因此,在1955 年向洛克菲勒基金會申請研討經費的建議書中,他選擇了“人工智能(Artificial intelligence)”一詞來定義智能機器這一新興的研究領域.人工智能會議于1956 年夏天在麥卡錫任助教的達特茅斯學院舉行,最初計劃10 人,包括維納的前助手畢奇洛和學生Selfridge(見圖12),但后來有近50 人聲稱參加過這一長達8 周的會議,有可信證據的就有20 余人(部分見圖13).其中,4 人被認為是“人工智能之父”:麥卡錫、明斯基、司馬賀和紐厄爾(見圖11).香農與會的原因,除了他與麥卡錫的個人關系之外,很大原因是希望利用他的影響力以及他與維納因通信和信息論成果歸屬問題而產生的矛盾,使人工智能遠離維納的影響.會上,司馬賀一度希望說動大家把名字改為“復雜信息處理(Complex information processing)”,認為人工智能會讓人有“欺騙”不實的感覺.幸好這一建議未被采納,否則如此學究且難引注意的名字,或許這一領域就不會有今天的局面,遭受與“目的論”同樣的命運.在此之后,一切都是大家熟知的人工智能歷史.

圖12 人工智能歷史上的重要人物Fig.12 Important figures in artificial intelligence

圖13 重逢于紀念50 周年人工智能Fig.13 Reunion at AI＇s 50th anniversary

達特茅斯會議之后,麥卡錫和明斯基前后都去了MIT,致力于人工智能研究,并開始了軍方資助的MAC 項目.麥卡錫還將邱奇的λ-Calculus 開發成Lisp,成為人工智能的第一語言,被公認為人工智能數理邏輯學派的領軍人物.后與明斯基產生分歧,麥卡錫赴斯坦福創立新的人工智能實驗室,并與尼爾森一起成為邏輯智能的主要開拓者和捍衛者.今天的云計算技術,就是源自麥卡錫當年開拓并發展的分時系統.明斯基后來執掌MIT 人工智能研究,除了因對感知機的偏見而對神經網絡研究造成了負面影響之外,他從認知科學的角度推動人工智能的發展,貢獻巨大,特別是他在1986 年提出的智能體代理的思想,依然是今天多智能體和群體智能研究的基礎[43].相當程度上,明斯基沿繼了維納的思想,是計算智能的引路人和開拓者.

1992 年,美國人工智能協會(AAAI,現改為國際人工智能促進會,縮寫一樣但內容已改)在加州硅谷舉辦首屆機器人競賽,我因自己的三位研究生是競賽的志愿者而一同驅車參會,順便訪問斯坦福和伯克利的同事與朋友.與麥卡錫和尼爾森見面時,當麥卡錫知道我來自RPI 和亞利桑那的機器人與自動化實驗室時,半幽默半嚴肅地告訴我:他選擇人工智能一詞而不是自動機或控制論,因為AI 也是智能自動化(Automation of intelligence)的縮寫.我的回應是:作為人工智能的AI,主要是分析和認知世界,是“軟”智能;作為智能自動化的AI,如智能機器人,是“硬”智能,其實這是當時許多研究人員的認識和共識.

在我的眼里,尼爾森是把人工智能從“文學”推向“科學”的最大功臣,盡管生前其成就沒有得到充分的認識和承認.本人就是在讀他人工智能的文章和著作中才真正了解和認識這門學科的[44?45].我曾力主尼爾森進入第一批“AI＇s Hall of Fame”,盡管他是其中唯一一名沒有獲得圖靈獎的學者.在其退休之后,我曾多次去他家拜訪,并邀請他于2015 年共同創辦智能科學與技術學會(Association for intelligent science and technology,AIST),并翻譯了他最后的一本著作[46],留下珍貴紀念(圖14).

圖14 2015 年尼爾森與王飛躍于俄州梅德福Fig.14 Nilsson and Wang at Medford,OR in 2015

3 智能控制:從學習控制到人工智能控制

實際上,在傅京孫于文獻[2]中提出“智能控制”一詞之前,Leondes 和孟德爾(Jerry Mendel)于1969 年在紀念維納去世的文集中就發表了題為“人工智能控制”的章節[3].許多人據此認為智能控制應以此文算起,把1969 年作為智能控制的起點.然而,細讀文獻[3]不難看出,雖然文章名為人工智能控制,內容卻完全是學習控制,主要是自組織學習控制和基于模式識別的控制,與后來發展起來的參數識別自適應控制更加相關.此外,盡管Leondes是此文的第一作者,但實際并沒有參與其寫作,完全是當時年輕的孟德爾自己的研究工作.孟德爾1963 年從紐約Brooklyn 工學院博士畢業后,一直在麥道公司研發航空航天控制技術,是一位十分活躍且杰出的青年學者.1968 年,在為Leondes 主編的系列叢書“控制系統進展:理論與應用(Advances in Control Systems:Theory and Applications)”寫了一章關于人工智能在控制中的應用之后,孟德爾引起Leondes 的注意.Leondes 告訴孟德爾,他被邀為紀念維納的專著寫一章,希望孟德爾執筆,但他必須是共同作者,最好是第一作者,結果就是文獻[3].然而這完全是孟德爾自己的工作,因為他后來回憶:“Leondes did absolutely nothing!”.

一定意義上,文獻[1]是學習控制第一篇也是最后一篇全面深入的綜述文章,因為之后學習控制就消融于自適應控制、自組織系統和模式識別決策的不同研究方向之中.令人感嘆的是,文獻[2]總結的5 種范式:1)基于模式識別器的可訓練控制器,2)強化學習控制系統,3)控制中的貝葉斯估計與學習方法,4)隨機逼近方法,5)隨機自動機模型,以及展望中提出的學習之分層遞階結構與學習控制之模糊邏輯方法,今天又重新出現在主流的機器學習、模式識別和人工智能研究方法之中[16?17].

在總結展望學習控制的過程中,傅京孫一定意識到更多的人工智能在控制中的應用場景,并可能形成新的研究領域.因此長文[1]之后,立刻補充了短文[2],旗幟鮮明地提出智能控制一詞,認為人工智能與自動控制的交融,必然導致從學習控制到智能控制的發展.傅京孫把智能控制系統大體分為三類:1)具有人類操作員的系統;2)具有人機交互控制器的系統;3)自主機器人系統,強調離線模式識別和在線參數識別對于復雜情景下智能控制的重要性,希望其短文能夠成為“激發在這一領域更多興趣和研究的催化劑”[2].十多年后,他的愿景獲得巨大成功,智能控制終于成為一門生命力強盛且應用廣泛的年輕學科.

仔細研讀文獻[2],可以認為其核心理念是建立以人為模式的控制系統之思想,先是模擬人的控制行為和過程,然后由機器部分取代人的功能,最后完全以機器人替換人的作用.這一設想在當時過于宏偉,缺少具體的理論方法與技術.提出智能控制的概念之后,直到突然去世之前,傅京孫的主要精力和時間都放在模式識別的理論及其應用,特別是語法語義模式分析上,并主導創辦了國際模式識別學會(IAPR)、電氣和電子工程師學會(IEEE)、模式分析與機器智能匯刊(IEEE T-PAMI),幾乎沒再直接涉足智能控制的工作.

實際上,從20 世紀90 年代初直到90 年代中期,在智能控制的早期發展和成長壯大階段中發揮主導性作用的是傅京孫的普渡同事薩里迪斯.薩里迪斯將分層遞階系統的結構框架和運籌學與決策論引入智能控制,提出了歷史上深具影響的“組織?協調?執行”三層結構和相應的“智能增加,精度減少”的分層設計原理,提倡以信息論的熵概念及其測度來統一智能控制理論中的不同方法與體系(見圖2).當時關于智能控制系統的實際應用案例很少,薩里迪斯大力推動其在交通、機器人、空間探索和計算機集成制造等方向的應用,并在美國自然科學基金(NSF)創設相關資助機構,在IEEE 推動成立機器人與自動化學會(RAS)和智能控制委員會(CIC),在Stephanou、Meystel 和Albus (見圖15)等協助下創辦系列的IEEE 智能控制研討會(IEEE ISIC),并在美國宇航局(NASA)建立空間探索智能機器人系統中心(NASA/RPI CIRSSE),這些活動使智能控制的研發在80 年代末90 年代初,形成了一個國際高潮.

圖15 智能控制早期的開拓者和組織者Fig.15 Pioneers in intelligent control

在此期間,孟德爾依然活躍在學習控制和智能控制領域,并與傅京孫和薩里迪斯合作,推動相關研究.后來在其中國博士生王立新和伍冬睿等幫助下,在模糊邏輯和控制,特別是二型模糊系統方面取得了一系列成果.

王浩、麥克諾頓(見圖16)、尼爾森等人在自動機和形式語言方面的工作,也從理論計算機和人工智能的角度推動智能控制的發展.王浩一直希望用自動機將定理證明的邏輯推理過程形式化,并與伯克斯(見圖16)等合作,開展了大量的研究工作,激發了當時學者對利用機器實現智能控制的向往與熱情.特別是麥克諾頓和他的學生合作證明了有限狀態自動機(Finite state machine,FSM,一種最簡單的自動機)與正則語言(Regular language,一種最簡單的形式語言)完全等階后[17](即著名的麥克諾頓引理,今天許多教科書已將有限狀態自動機直接作為正則語言的定義,很大程度上掩蓋了這段發展歷史),使人們對利用機器處理自然語言產生了相當高的期望.由于智能與人類語言的緊密關系,這項工作加強了大家對建立智能控制系統的信心和興趣.在此背景下,許多人工智能的創始人和早期開拓者,如明斯基和尼爾森等,都開始了利用自動機進行自動智能機(Intelligent automata)和移動機(Mobile automata,主要指移動機器人,如Shakey等)的研究[17].顯然,這些工作在智能控制的早期發展中發揮了十分重要的啟蒙作用.

圖16 形式語言與自動機理論的開拓者Fig.16 Pioneers of automata and formal language

實際上,1990 年之前關于智能控制的工作多數是概念性、示意性研究,解析性和具體算法設計很少,也沒有多少研究人員.例如,機器智能與人工智能之間的區別與結合(如圖17 所示)就是一個泛泛的“哲學式”問題[47].當時的一個迫切任務就是如何將智能控制的探索轉為針對具體場景的“解析型”研究,建立可實現、可檢驗、有效的智能控制理論和方法體系.從1985 年到2016 年期間,IEEE ISIC研討會在智能控制的發展史上起到了主要作用(其早期封面見圖18).鑒于目前對智能系統的時代需求,希望ISIC 能以IEEE ICIC 形式重新復活.

圖17 機器智能與人工智能Fig.17 Machine intelligence vs.artificial intelligence

圖18 早期智能控制研討會論文集封面Fig.18 Proceedings of IEEE ISIC 1988

從1985 年到1989 年,本人的主要工作圍繞:1)智能控制的體系結構與過程,2)如何從結構過程到算法設計,3)如何從算法生成到系統實現等三個方面展開,并在航天、外空探索、計算機集成制造等領域進行具體應用.圖19 給出本人建議的將基于智能控制的智能機器視為可自動產生高級語言,并可自動編譯為可執行的機器指令,然后通過與執行器相連的實時嵌入式操作系統完成控制功能的智能系統.為此,提出Petri 網絡翻譯器(Petri net transducers,PNT)、PNT 形式語言、協調結構(Coordination structures)、調度器(Dispatchers)、控制總線(Control buses)等概念及其數學模型;同時,引入博弈論和機器學習算法,在執行過程中不斷改進策略優化控制,并用于NASA 實驗空間站的檢驗和組裝研究[13?15,48](如圖20～圖22).其中,PNT的引入,將智能控制任務狀態的表示復雜性從原來基于有限狀態機FSM 的指數級降為多項式級,有效地解決了相應的“組合爆炸”問題.這是后來Petri 網被廣泛用于制造自動化的內在原因,麥克諾頓教授在這項工作中給予本人極大的引導和幫助.然而,值得指出的是,有限的Petri 網絡一般伴隨無限的可達狀態樹空間,因此,PNT 的復雜性降階只是將表示復雜性轉移至決策復雜性而已,實際上并沒有減少復雜性.然而,由于決策復雜性一般都是指數級的,因此這并不是一個問題.

圖19 智能機器與計算機Fig.19 Intelligent machine and computers

圖20 Petri 網絡翻譯器及其翻譯過程Fig.20 Petri net transducers and translation process

圖21 NASA 機器人空間站組裝平臺原型Fig.21 NASA/RPI CIRSSE robotic assembly platform

圖22 一個智能機器人的協調結構Fig.22 The coordination structure of an intelligent manipulator system

1995 年,在薩里迪斯、Meystel 和Albus 的幫助下,本人創辦《智能控制和智能自動化叢書》 以及《國際智能控制與系統》 雜志(International Journal of Intelligent Control and Systems,IJICS),成為該領域的第一份學術叢書和期刊(見圖23).后由于與出版社意見不一致,雜志一度停刊,2021 年在中國自動化學會的支持下,IJICS 重新出版.

圖23 《智能控制和智能自動化叢書》 與《國際智能控制與系統》Fig.23 ICIA Book Series and IJICS

在中國,清華大學的一些學者在80 年代初就提倡研究智能控制理論與應用,并于1991 年在清華大學舉辦了第一次全國智能控制專家研討會.在這次會議上,發起了每年舉行一次全國性的智能控制與智能自動化會議的倡議.1993 年,清華大學舉辦了首屆全球華人智能控制與智能自動化大會,本人有幸幫助此會邀請海外相關專家并借此機會第一次回國參觀學習.1995 年,中國自動化學會批準成立智能自動化專業委員會,進一步地推動了這一領域的研究與應用.中國智能控制的歷史值得系統深入地研究,這應是未來的一項重要工作[49?50].

這就是20 世紀智能控制主流發展史上的萌芽期(1950 年～1970 年)、形成期(1970 年～1980 年)和成長期(1980 年～2000 年)之縮影.然而,從90年代起,以模糊控制為代表的智能控制算法大量涌現,并與神經網絡控制、遺傳演化控制等計算智能控制方法合流,逐漸成為智能控制研發的主流方向,而關于智能控制系統結構等方面的工作相對減少.進入21 世紀后,智能控制隨著數據、算法和計算機軟硬件的大力提升而日新月異,已進入了一個嶄新的歷史發展階段,特別是近年來深度學習的巨大成功和人工智能的興起熱潮,更為智能控制的深入和普及提供了難得的發展空間和機遇.毫無疑問,智能控制將成為智能時代控制理論和自動化進一步發展的基石和開路先鋒.

4 計算智能:認知、行為、機制

在人工智能的前50 年里,主要是兩種路線,即以人性行為為主的計算智能方法和以理性推理為主的邏輯智能方法,也就是所謂的“純凈派”與“邋遢派”[44].盡管以目的論、人工神經元網絡、控制論為核心的計算智能起步稍早,但在前30 年的發展歷程里,以數理邏輯、邏輯編程、Lisp 和Prolog 為代表的邏輯智能主導了人工智能的發展,在哲學上,這與存在(Being)和變化(Becoming)這兩個核心理念的形成過程十分一致.

盡管神經元網絡是達特茅斯研討會建議發展的人工智能6 個方向之一,但由于對1957 年羅森布拉特(見圖24)的神經元感知機初始成功[51?52]的過度宣傳,加上明斯基和Papert 于1969 年出版的《感知機》 對其的分析,用一個簡單的XOR 邏輯運算就證明其功能十分有限,并放大其結論、全面否定感知機;再加上1971 年羅森布拉特意外的死亡事故所引發的神秘感和擴大的影響力,很快使人工神經元網絡的研究陷入幾乎無人問津的十年黑暗期.實際上,此前許多的研究成果,如尼爾森的學習機器方法[53]和Widrow 的基于單程Adaline 的多層網Madeline[54],早已確定了多層神經元網絡具有通用的逼近和學習功能.這一事件說明,媒體的傳播和影響力使用不當,有時會對正常科研產生十分負面的沖擊.2004 年IEEE 計算機智能學會設立IEEE Frank Rosenblott 獎,以紀念他在神經元網絡研究上的開拓貢獻.

圖24 計算智能和認知科學的開拓者Fig.24 Pioneers in computational intelligence and cognitive science

對人工智能更大的沖擊隨之而來:1973 年Lighthill 報告問世,認為人工智能經過25 年的發展(英國人認為人工智能從1947 年圖靈的技術報告開始)并沒有產生任何許諾的重要貢獻,并對其許多核心技術前景持悲觀態度,成為英國政府停止支持許多大學和機構的人工智能研究之依據.為此,麥卡錫專赴倫敦與Lighthill (見圖12)公開辯論,稱人工智能就是基于圖靈機的自動機,但依然無法挽回局勢.由此,從英國到美國,人工智能的研究經費被大大縮減,進入了長達十年的艱難時期,這就是其最長最嚴峻的一個“嚴冬”.嚴冬之中,計算智能的另外兩個核心方法,扎德的模糊邏輯和Holland 與Fogel (見圖25)的遺傳算法得到了成長與發展的機會.

圖25 模糊邏輯與遺傳算法的開拓者Fig.25 Pioneers in fuzzy logic and genetic algorithms

危機之中有轉機,Lighthill 在其報告中認為人工智能的一些研究在一些領域中可能有用,其高中的朋友Longuet-Higgins 將其歸結為4 點,并合為一體,稱為“認知科學”.隨即,Longuet-Higgins 同其博士生辛頓(Geoffery Hinton)和其他從事心理、神經、生物學研究的同事開始相關工作.實際上,在參加了1956 年夏季的達特茅斯人工智能會議之后,維納的學生Selfridge 立即在MIT 組織舉辦了第一次較為正式的認知科學研討會.人工智能與認知科學本應從一開始就相互依存,共同發展.1986 年,認知科學蔚然成勢,著名的PDP 三卷本出版后,辛頓利用BP 算法的多層神經網絡重新獲得關注,相關研究走上正軌.20 年后,辛頓的工作演化為深度神經網絡和深度學習,以此為基礎的AlphaGo 獲得巨大成功,終于使人工智能技術得到社會的廣泛認可.AlphaGo 之后,時代的IT 不再代表信息技術,那已是舊IT 了,而是代表智能技術(Intelligent technology),這就是新IT.

從1990 年到2000 年期間,本人在計算智能和智能控制的結合上主要圍繞6 個方面展開[15,55–77]:1)提出“當地簡單、遠程復雜(Local simple,remote complex,LSRC)”的網絡化系統的設計理念,以及遠程現場可編程設備的概念與原型設計;2)實時嵌入式系統的組織與設計,以及特定專用操作系統(Application specific operating systems,ASOS)和可編程片上系統(Systems on programable chips,SoPC);3) 基于代理的控制系統(Agentbased control,ABC)和相應的基于代理分布式集中控制系統(Agent-based distributed control systems,aDCS)及網絡控制器,主要是受明斯基代理(Agent,或稱智能體)理念的啟發;4)自適應動態規劃(Adaptive dynamic programming,ADP),這是我在1984 年利用變分法處理非線性濾波和控制近似最優解的想法,后用于隨機非線性動態系統的次優解設計,最終在許多人的共同努力下發展成為ADP,復雜系統管理與控制國家重點實驗室的劉德榮和魏慶來目前已成為引領ADP 研究的權威[78];5)如何將基于模糊邏輯的決策規則與基于神經網絡的學習方法結合,首先是讓人的經驗和直覺推理數字化解析化,其次是利用語言知識訓練神經網并在網中嵌入知識結構,使其可解釋可理解,為此推出九層模糊神經網絡(Neuro-fuzzy networks)結構(見圖26),為LSRC 系統提供遠程學習和邊緣計算的途徑;6) 語言動力學系統(Linguistic dynamic systems,LDS),試圖像數模/模數(Digital to analog,analog to digital,DA/AD)轉換一樣,實現詞數/數詞(Word to number,number to word,WN/NW)轉換(見圖27),成為詞計算最早的工作之一.實際上,1990 年開始的第一項新研究是大腦的數學建模,可惜當時條件不足,不久就轉向模糊神經網絡的研究.十分有幸的是,我們得到了在金融、健康、礦山、交通、無人駕駛、工業制造、過程控制、機器人與自動化、軍事安全等領域應用這些技術的機會,并完成了多部相關方向的學術專著,如無人礦車與機器人挖掘、月球/火星采礦智能車的傳感與控制、基于代理的網絡化計算智能等(見圖28).

圖26 實現LSRC 原理的模糊神經網絡Fig.26 Neuro-fuzyy network for LSRC

圖27 廣義語言動力學系統Fig.27 Generalized linguistic dynamic systems

圖28 代理控制、無人礦山和智能車專著Fig.28 Agent-based Control、Autonomous Mining,and Intelligent Vehicles

5 平行控制:ACP 與CPSS

上世紀80 年代,本人的主要研究工作是協助薩里迪斯構造基于智能控制的智能機器解析理論與方法.然而,我們之間的學術觀點有時非常不一,特別是在關于熵的概念和方法如何在智能控制中有效應用的問題上爭論異常激烈[79–82].但是,無論從學術上還是生活上薩里迪斯都給了我極大的關懷與支持.90 年代獨立工作后,在薩里迪斯的大力支持下,我決心開始自己的學術道路,重新選擇應用場景和具體的方法及算法研究,這就是礦山、交通、無人車、健康、經濟、復雜系統等領域,以及相應的LSRC、ASOS、SoPC、DCS、Neuro-fuzzy、LDS、影子系統、范疇和Monad 等工作[57?58,63,65?66,83–86].

進入21 世紀,本人的核心研究就是針對復雜系統的平行理念及其相應的概念、理論、方法和算法.從智能交通系統開始,因為人、路、車構成一個完美的工程復雜性與社會復雜性參半交織的開放復雜系統,然后是賽博網絡空間中的輿情問題,并很快轉向安全與國防[87–93].但是,平行用于控制、特別是復雜系統的控制,是我內心念念不忘的課題,這就是我選擇《控制與決策》 發表自己第一篇平行系統與平行智能文章的原因[94].

圖29 給出平行思想的基本構成和方法基礎,即CPSS (Cyber-physical-social systems,賽博物理社會系統)和ACP 方法(Artificial societies,computational experiments,parallel execution,平行方法).相比圖2,智能控制從“三環三框”到“五環五框”,目的就是針對復雜性問題,將模型從系統分析器還原為數據生成器,使復雜系統可計算、可實驗、可驗證,使復雜控制量化、解析、可視.圖30 給出平行控制在控制理論中的位置和相應的基本框架.

圖29 平行控制的CPSS 和ACP 方法Fig.29 CPSS and ACP for parallel control

圖30 系統復雜性和平行控制器Fig.30 System complexity and parallel controllers

最初,平行控制是針對復雜系統,特別是涉及人與社會的復雜系統,如圖31 所示.此時,開源信息和社會計算是平行控制的主要特色,是傳統控制沒有關注的內容,同社會學、心理學、管理學,特別是社會治理密切相關.然而,平行控制在傳統控制中也有重要作用,如圖32 所示,簡單而言就是對控制求導,將被控系統與主控系統在數學上對偶,使之完全“平等”,從而為實施智能控制提供哲學和數學上的支撐.加上近來興起的云計算與邊緣計算,相信平行控制在傳統控制方面一定有意義重大的廣泛應用.

圖31 平行控制和平行管理Fig.31 Parallel control and parallel management

圖32 平行控制的基本方程Fig.32 Basic equations for parallel control

實際上,可從數學上證明,當實際系統與人工系統相似時,圖30 所示的一般的平行控制系統等價于圖32 所示的簡單平行控制,其方程如下.

受控系統的狀態方程:

主控系統的控制方程:

傳統上,對控制向量u求導既無物理意義,又無分析上的明顯作用.因此,除了在傳統的傳遞函數分析時作為過渡使用外,并不進一步討論和研究.而且,求導意味著放大噪音,提高對硬件的要求,所以更是無人問津.

然而,近期的理論研究表明,平行控制具有如下意義[95–99]:

1) 使控制系統與被控系統在形式上對稱,它們不再一個是代數方程、一個是微分方程,而是兩個對等的微分方程,從而使二者從形式到內容在數學上完全一致.這是實現擬人控制和傅京孫以機器人實現智能控制設想的基礎.

2) 控制器不再是根據狀態即時地決定控制量,而是根據狀態決定控制的變化量,進而決定控制量本身.這為控制回溯歷史、預測未來和引導未來提供了數學基礎,擴展了決定控制的信息空間.同時,為以新的方式引入控制與被控角色的博弈對抗打下了基礎,機器學習、人工智能等方法也更加有效地融入控制理論.

3) 經典控制的方程可被視為平行控制方程的特殊情況.實際上,經典控制可被視為控制的變化率和狀態的變化率成比例的一種特殊的平行控制.經典控制的各種問題及相應的研究結果,都可以在平行控制的新視角下重新進行分析.

4) 平行控制可被重新寫成一個自洽的微分方程,但是系統函數未知待求,否則許多關于自洽方程的分析結果可被直接利用.對于實驗來說,這也為求解平行控制問題,特別是非線性平行控制問題提供了新的途徑,是一個十分值得關注的方向.此外,這也為平行控制與基于核函數的神經網絡方法建立了一種天然聯系,人們可以利用最佳格點集和最小二乘方法,直接用神經網絡求解非線性平行控制方程[100?101].

5) 平行控制為“邊緣簡單,云端復雜”的云控制提供了一條新的途徑.簡言之,控制的變化率可以在云端實施,控制的輸入量可以在邊緣設備上實現,而且邊緣和云端的被控模型可以不完全一致,邊緣模型一般應為云端模型的簡潔式或簡化版,而且云端的控制向量可以作為邊緣端的控制向量的指令或設定目標(Set points).這在一定程度上解除了對控制向量之時間導數的物理意義與負面作用的顧慮,因為云計算可以是物理模型之外的計算,其本身并非必須具有物理規則的基礎.

綜上,平行控制是智能控制向控制智能轉換的有效途徑,值得深入研究.

6 控制智能:從平行智能到知識自動化

馬克思曾說:“哲學家們只是用不同的方式解釋世界,而問題在于改變世界”[102].同理,人類要可持續發展,人工智能必須發展成為控制智能和管理智能,成為人類可持續發展的利器與途徑.借助工業自動化,人類社會走到今天,但人類的明天必須依靠知識自動化,這就是控制智能的歷史使命.

如圖33 所示,控制智能必須融復雜性控制與自動化、跨學科控制與自動化、體系化控制與自動化為一體,將控制小數據(Small data)擴展成為控制大數據(Big data),再深化成為控制智數據(Smart data),使What IF 和IF Then 的思維習慣量化智化,從多學科到學科交叉,再到跨學科,最后成為針對具體問題的“超”學科,如圖34 所示.

圖33 控制智能與學科交叉和融合Fig.33 Control intelligence and interdisciplinarity

圖34 控制智能:小數據、大數據、智數據Fig.34 What IF vs.IF Then in control intelligence

平行智能將在這一進程中發揮重要作用,加速智能控制向控制智能的發展,推動智能自動化的切實落地與普及深入.平行的理念源自非歐空間平行線相交這一數學事實對我們的沖擊,特別是這一突破在創立相對論和量子力學理論過程中的重大貢獻,讓我們有了現代科技和今日的產業繁榮.然而,產生平行方法的種子,卻是源于1982 年在浙江大學力學系研究設計斷裂力學的金屬平板斷裂拉伸實驗.當時,這種實驗費時費錢,一個研究生無法承擔.無奈之下,我想起蒙特卡洛方法:既然此法為核實驗的計算方法而生,為何不可為我的斷裂實驗而用? 由此,有了關于利用計算機進行裂縫計算實驗的建議報告和相關的研究[103?104],并理所當然地被否定.

然而,我依然相信這種方法的價值,并天真地認為這可以使《1984》 中影子般的“Big Brother”從負面角色轉為有效企業和社會管理的正面角色——數字工作者(上班無時無刻不在,督促各項工作的落定),可惜當時的技術無法支持這種想法.幾年后,我參加了NASA 國際空間站自動組裝的研發以及月球火星無人工廠的設計與控制,再次面臨既無數據又無“真”可仿的“仿真”問題,這就是1994年提出“影子系統”的背景與動因[83],是文獻[103]思想的直接延長,與今天的“數字孿生”不謀而合,思想完全一致,可惜后來只是應用于90 年代末的大電網系統的分析[105].這些想法的進一步延伸,就是21 世紀初正式提出的平行智能和平行系統[94,105].

平行的理念其實很簡單,就是用智能科技的方法,讓實的變虛,讓虛的變實,然后充分利用知識自動化讓虛實對立統一,實現虛實空間之間的實時反饋,形成虛實空間之間的控制閉環.平行理論由人工體系、計算實驗、平行執行三大部分構成(即ACP方法),每一大部分依據系統復雜性又分為三個層次:A)數字孿生、軟件孿生、虛擬孿生;C) Simulation,Emulation,Imitation;P)決策生成、決策推薦、決策支持.因此,共計有27 種不同的基本形態.按照通俗的話來講,平行系統的簡單形態就是影子系統或數字孿生,復雜形態就是鏡像世界或元宇宙[106?107].2004 年,平行智能理論文章公開發表之后,立即引起國防與安全相關人員的關注,并于2005年開始展開相關工程的研究.

然而,我們必須清醒地認識到:智能時代單憑智能技術遠遠不夠,新時代要求與之相適應的新思維和新哲學,并創造相應的社會新范式.但問題是智能時代的新哲學是什么? 新在哪里?

本人認為,必須把西方哲學的兩個核心理念Being 和Becoming 擴展,加入第三個“B”—Believing.這一想法源于波普爾的三個世界現實觀:從物理世界、人工世界、心理世界以及對應三個世界的三種知識,自然延伸到相應的三種哲學,從而引入新的平行哲學,如圖35 所示.由此,進入圖36揭示之“在、信、思”“3B”哲學和相應的循環因果:我在故我信,我信故我思,我思故我在.

圖35 平行哲學與三個世界Fig.35 Parallel philosophy and Popper＇s three worlds

圖36 平行哲學與循環因果Fig.36 Parallel philosophy and circular causality

數學上,就是在實際系統中建立牛頓方程,在虛擬系統中創立默頓方程,形成平行對偶方程,使之相互糾纏、平行相交.

其中,S和T,N和M,R和V分別為實與虛的狀態函數、狀態變量和輸入變量.在云邊計算框架下,一般情況下實在邊緣,虛在云端.平行控制,是其特例.由此,以解析的方式走向控制智能,邁向知識自動化.

7 展望

七十多年前,類似“在、信、思”的循環因果論思想催生了維納的控制論和基于人工神經元網絡的計算智能原型.今天,希望這一認識能在交織的三個平行世界里得到更加深入的發展,從而有序有效地推動智能科學與技術的發展.令人高興的是,在人工智能正式啟動之前,數學家就開始為我們準備了循環因果智能變革的數學工具,把哲學的理念變成數學概念,形成范疇的數學理論,把哲學單子“Monad”變成數學“智子”Monad,并成為面向對象的程序語言的設計基礎.而且,這一切也是源自推動智能研究的數學家希爾伯特.相當程度上,代數幾何開啟了描述知識的時代,微分積分開啟了預測知識的時代,而范疇表示則開啟了引導知識的時代,合起來形成了構建智能時代的完整數學體系.

我們相信,以“新IT”智能技術為代表的智能科技將開創開發人工世界的新紀元.平行哲學將人們的常規思維對象從系統和平臺引向生態體系,將三個世界的自然生態、社會生態、知識生態融為一體,走向虛實互動的平行生態和聯邦生態[108–111],把人類發展推向“6S”新境地:物理世界安全Safety,網絡世界安全Security,整體發展可持續Sustainability,保障隱私和個性化個體發展的Sensitivity,全面服務的Service,智慧社會的Smartness.

“憶往昔崢嶸歲月稠,看今朝旖旎風光秀”.五十年來,智能控制已形成眾多成熟、成體系的算法與平臺,并在工業、農業、交通和航空航天等許多領域得到了廣泛而深入的應用.傳統和現代控制在工業自動化過程中發揮了極其重要的作用,使我們的社會發展到目前的工業化水平.相信在從工業化向智能化進軍的征程中,特別是在完成碳中和的歷史任務中,智能控制會發揮更加重要和關鍵的作用,成為社會智能化的新技術——智能技術的核心與支撐.

致謝

本文從個人的經歷對智能控制進行簡要的回顧與展望.作者有幸從化工和力學背景進入機器人、計算機、運籌學、人工智能和智能控制等領域,研究生期間得到導師G.N.Saridis 和R.F.McNaughton 教授的無私指導,獲得計算機與系統工程博士學位,從事相關交叉研究與應用四十余年.在此,對自己的同事和學生深表感謝,特別是自1990 年隨我起步研究柔性機器人、腦模型與計算、模糊神經元網絡最初的三位博士生關國光、Jeffrey Russell 和H.M.Kim,以及后來陸續在美國和中國畢業的100 多名碩士生和100 多名博士生,他們在我的學術生涯中給予自己極大的精神和智力上的支持.同時,感謝浙江大學,包兆龍包玉剛基金會,NASA,NSF,DOE,NIST,New York State,Arizona State,AT&T,IBM,ABB,BHP,Caterpillar,中國科學院,國家自然科學基金委,中國科協,科技部,工信部,科龍,徐工集團,慧拓,迪巨等中美機構與組織對自己研究的支持.特別感謝辦公室工作人員宋平、李艷芬,博士生丁文文、鄭文博、張文文為本文整理資料和錄入手稿.

追往思遠,我們不可忘記開拓智能控制的先驅,謹以此文紀念傅京孫教授(1930 年～1985 年)和G.N.Saridis 教授(1931 年～2006 年)九十周年誕辰與將臨的R.F.McNaughton 教授(1924 年～2014 年)百年誕辰.