浅谈自动控制理论在人工智能中的应用

浅谈自动控制理论在人工智能中的应用

作者：焦建霖

来源：《现代营销·理论》2020年第01期

摘要：近来，自动控制理论在人工智能工程实践中迅速发展，本文综合分析了自动控制理论和人工智能的概念、研究方法、发展方向及二者间的关系，进一步举例分析了自动控制理论在人工智能的应用，如软件流程自动化技术（RPA）和机器人行为控制技术。通过上述分析能够理清二者间各自的发展脉络及相互交叉，从而有助于从事控制理论和人工智能的科研人员进行参考和研究，进一步发展交叉学科的应用。

关键词：自动控制理论; 人工智能; 软件流程自动化; 机器人行为控制技术; RPA

随着人工智能的快速发展，自动控制理论在人工智能中的应用日趋广泛，逐渐形成了一门自动控制和人工智能交叉的智能控制学科。无论是神经网络的发展，还是机器人的开发应用都需要自动控制理论的理论基础。因此本文尝试对自动控制理论和人工智能的结合进行总结，从而牵引出自动控制理论在人工智能中的应用。

一、自动控制理论简述

1.自动控制概念

自动控制理论是指在没有人直接参与的情况下，利用外加的设备或装置，使机器、设备或生产过程的某个工作状态或参数自动地按照预定的规律运行。自动控制理论是以反馈控制为基础的自动调节理论，使受控制的对象按照预期的规律进行变化。

为了实现多样化的控制目的，首先将被控对象和控制装置有机地结合起来形成一个整体，这个整体称为自动控制系统。在这个系统中，输出量是要求被严格控制的物理量，一般要求它保持在一定误差限内，如角速度、迎角;而控制装置是对输出量施加控制的机构，可以采用多种方式、不同原理进行控制。

2.自动控制理论发展历程

随着生产力的不断进步，自动控制技术也在不断发展，尤其是自动控制在人工智能中的应用，更是反向推动着自动控制理论的更新换代。自动控制理论的发展可概括为以下三段：

（1）经典控制理论：主要研究线性定常系统，利用线性常微分方程来分析系统稳定性，一般只研究系统的外部特性即单输入单输出特性。具有代表性的研究方法是频率分析法和根轨迹法;

（2）现代控制理论：在原有经典控制的基础上进一步研究多输入多输出问题，一般使用状态空间的时域分析法。在此阶段，计算机的发展和应用为现代控制理论打下了应用的基础，满足了分析复杂问题的严格要求。具有代表性的研究方法是动态规划理论、极大值原理和多变量最优理论，状态空间方法的核心部分就是最优化理论;

（3）智能控制理论：是近年发展起来的人工智能与自动控制理论的结合，它主要针对现实环境中被控对象、控制任务和各项参数的复杂性，核心是利用人工智能的成果指导和解决控制系统中的复杂问题，比如模型的不确定性、传递函数的高度非线性、参数的庞杂性等。具有代表性的方法是模糊控制、神经网络控制和专家系统控制。

3.自动控制理论发展现状与前景

随着科学技术的发展，自动控制理论已经广泛应用于机械、化工、电力、航空航天等领域，并逐步向医学、环境、经管等其他社会领域扩展，给各个学科的相互交叉打下了坚实的基础。

自动控制理论的发展和应用不仅给生产过程带来自动化、解放了人类的双手，从而进一步提高了劳动生产率，改善了劳动条件，极大地促进了社会的发展;而且给人类社会进一步发展人工智能、航空航天等高端科技奠定了基础。

二、人工智能简述

1.人工智能概念

人工智能是研究、开发用于模拟、延申和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能作为计算机科学的一个重要分支，目的是分析人类智能和一些思维过程的性质并通过机器模拟人类智能和思维，从而达到像人类一样思考的目的，甚至可能超过人的智能。

人工智能虽然是计算机科学的分支，却远远超出了其范围，因而逐步发展成一个独立的学科。人工智能涉及计算机科学、心理学、语言学和哲学等广泛学科，它和思维科学是实践与应用的关系，处于思维科学的技术应用层面。目前人工智能在机器人、政治经济决策、控制系统和仿真系统中得到广泛应用。

2.人工智能主要研究方法

2.1大脑模拟（The human brain simulation）

使用数学分析方法和计算机模拟技术对神经系统进行研究和模擬，从研究神经元的物理模型、交互关系和神经网络的学习，到脑组织和神经类型的量化计算等，从而阐明心理历程的神经机制。

主要研究问题有：神经活动的基本过程：研究神经元离子通道及其调控、突触传递及其调控、神经元受体及信号转导、神经活动的同步机理;学习和记忆的神经机制：神经系统因活动和环境等因素的作用而在结构和功能上发生改变，这种改变是学习和记忆等高级脑功能的基础。研究产生这种可塑性、特别是神经突触的可塑性的机制以及学习规则。研究神经元回路信息编码及加工机理。

2.2子符号法（sub-symbol method）

由于上世纪八十年代人工智能的停滞不前，研究者开发了子符号法来解决符号系统无法模仿人类智能的特定问题。研究者提出在人工智能中引入控制理论，否定了符号人工智能而专注于机器人移动等工程问题。子符号法主要包括神经网络、模糊控制和进化计算等方法。

2.3联结主义（connectionism）

联结主义的指导性启示和主要灵感来自大脑或神经系统，它把认知看成是网络的整体活动。网络是个动态的系统，它由类似于神经元的基本单元和结点构成，每个单元都有不同的活性。随着时间的衰减，外部输入和其他单元的活性传递都会使一个单元的静息活性发生动态的改变。联结主义赋予网络以核心性的地位，采纳分布表征和并行加工理论，强调的是网络的并行分布加工，注重的是网络加工的数学基础。联结主义的中心原则是：心理现象可以用简单且单位一致的互联网络来描述。连接和单元的形式对于不同的模型可以是不同的。例如，网络中的单位可以代表神经元，而连接可以代表人类大脑中的突触

3.人工智能发展现状与前景

第四次工业革命正在来临，人工智能已经从科幻走向现实。随着核心算法的突破、计算能力的迅速提高以及海量互联网数据的支撑，人工智能终于在21世纪的第二个十年里迎来质的飞跃，成为全球瞩目的科技焦点。

人工智能未来发展的五大趋势：自主事物使用AI来执行传统意义上人类才能執行的事务，如无人机、自动驾驶车辆等;大数据分析使用自动算法来探索和挖掘数据，实现数据任务的自动化，从而给现实决策提供指导;人工智能驱动开发将AI嵌入到应用程序中并使用AI作为开发过程中创建AI驱动的工具、技术和方法，如专家系统、测试系统和设计系统等;智能空间是将科学技术集成于日常生活中，并结合商业、工业等对智能城市进行设计;量子计算是一种非经典计算，它基于亚原子粒子的量子态，它将信息表示为量子位或“量子位”的元素，从而获得远超常规计算机的计算能力。