第11卷第6期 智能系统学报 Vol.11 No.6 2016年12月 CAAI Transactions on Intelligent Systems Dec.2016 D0I:10.11992/is.201605022 网络出版地址：http://www.cnki.net/kcms/detail/23.1538.TP A3I:21世纪科技之光 黄心汉 (华中科技大学自动化学院，湖北武汉430074)》 摘要：在回顾人工智能、智能控制与智能机器人(artificial intelligence,intelligent control and intelligent robotics,A3I)发 展历程的基础上，介绍了人工智能的诞生和发展进程，研究目标与实现途径。提出了传统控制技术面临的挑战与出路， 比较了智能控制与传统控制在知识的获取、描述、加工和运用方面的不同之处，阐述了二者之间的相互关系，指出了智 能控制系统应具备的基本功能、主要任务与实现方法。介绍了机器人的过去一人类的幻想，机器人的现在一从幻 想走向现实和机器人的未来一智能机器人。最后对人工智能、智能控制和智能机器人的发展前景进行了展望。 关键词：人工智能：智能控制：智能机器人；神经网络：深度学习：模糊控制；专家系统：传递函数；动态规划 中图分类号：TP242文献标志码：A文章编号：1673-4785(2016)06-0835-14 中文引用格式：黄心汉.A3I:21世纪科技之光[J].智能系统学报，2016,11(6)：835-848. 英文引用格式：HUANG Xinhan.A3I:the star of science and technology for the2 Ist century[J].CAAI Transactions on Intelligent Systems,2016,11(6):835-848. A3I:the star of science and technology for the 21st century HUANG Xinhan (School of Automation,Huazhong University of Science and Technology,Wuhan 430074,China) Abstract:This paper reviews the development history of artificial intelligence,intelligent control and intelligent ro- botics (A31).Subsequently,it introduces the birth and development of artificial intelligence and its research objec- tives and implementation approaches and proposes the challenges faced by traditional control technology and the so- lutions for these challenges.The differences between intelligent and traditional control are compared for acquisition, description,processing,and application of knowledge.Moreover,the relationship between intelligent control and traditional control is expounded.The basic functions,main tasks,and implementation methods of intelligent control systems are also demonstrated.In the past,robots were considered a human's fantasy,and at present,robots have entered reality,whereas in the future,robots could be intelligent robots.Finally,the development prospects of arti- ficial intelligence,intelligence control,and intelligence robotics are introduced. Keywords:artificial intelligence;intelligent control;intelligent robotics;neural network;deep learning;fuzzy control;expert system;transfer function;dynamic programming 举世瞩目的人机大战落下帷幕，谷歌AlphaGo学习方面取得重大进步的体现，标志着人工智能的 以4：1战胜韩国超一流棋手李世石，这是继BM发展进人了迅速发展的新阶段。目前有关人工智能 “深蓝”在1997年打败国际象棋世界冠军卡斯帕罗 是否会超越人类智能的大讨论如火如茶，围棋人机 夫之后，人工智能技术取得的又一重要成果。 大战巅峰对决的意义超越胜负，这是科技工作者经 AlphaGo在围棋博弈的成功是人工智能技术在深度 过半个多世纪的不懈努力所取得的辉煌成就。2016 年是人工智能诞生60周年，让我们来回顾一下人工 收稿日期：2016-05-24. 基金项目：国家自然科学基金项目(60675028). 智能诞生和发展的历程。 通信作者：黄心汉.E-mail:xhhuang(@mail.hust.ed.cm
第 １１ 卷第 ６ 期 智 能 系 统 学 报 Ｖｏｌ．１１ №．６ ２０１６ 年 １２ 月 ＣＡＡＩ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｉｎｔｅｌｌｉｇｅｎｔ Ｓｙｓｔｅｍｓ Ｄｅｃ． ２０１６ ＤＯＩ：１０．１１９９２ ／ ｔｉｓ．２０１６０５０２２ 网络出版地址：ｈｔｔｐ： ／ ／ ｗｗｗ．ｃｎｋｉ．ｎｅｔ ／ ｋｃｍｓ／ ｄｅｔａｉｌ ／ ２３．１５３８．ＴＰ． Ａ３Ｉ：２１ 世纪科技之光 黄心汉 （华中科技大学 自动化学院，湖北 武汉 ４３００７４） 摘 要：在回顾人工智能、智能控制与智能机器人（ａｒｔｉｆｉｃｉａｌ ｉｎｔｅｌｌｉｇｅｎｃｅ， ｉｎｔｅｌｌｉｇｅｎｔ ｃｏｎｔｒｏｌ ａｎｄ ｉｎｔｅｌｌｉｇｅｎｔ ｒｏｂｏｔｉｃｓ，Ａ３Ｉ）发 展历程的基础上，介绍了人工智能的诞生和发展进程、研究目标与实现途径。 提出了传统控制技术面临的挑战与出路， 比较了智能控制与传统控制在知识的获取、描述、加工和运用方面的不同之处，阐述了二者之间的相互关系，指出了智 能控制系统应具备的基本功能、主要任务与实现方法。 介绍了机器人的过去———人类的幻想，机器人的现在———从幻 想走向现实和机器人的未来———智能机器人。 最后对人工智能、智能控制和智能机器人的发展前景进行了展望。 关键词：人工智能；智能控制；智能机器人；神经网络；深度学习；模糊控制；专家系统；传递函数；动态规划 中图分类号： ＴＰ２４２ 文献标志码：Ａ 文章编号：１６７３－４７８５（２０１６）０６－０８３５－１４ 中文引用格式：黄心汉． Ａ３Ｉ：２１ 世纪科技之光［Ｊ］． 智能系统学报， ２０１６， １１（６）： ８３５－８４８． 英文引用格式：ＨＵＡＮＧ Ｘｉｎｈａｎ． Ａ３Ｉ： ｔｈｅ ｓｔａｒ ｏｆ ｓｃｉｅｎｃｅ ａｎｄ ｔｅｃｈｎｏｌｏｇｙ ｆｏｒ ｔｈｅ ２１ｓｔ ｃｅｎｔｕｒｙ［Ｊ］． ＣＡＡＩ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｉｎｔｅｌｌｉｇｅｎｔ Ｓｙｓｔｅｍｓ， ２０１６， １１（６）： ８３５－８４８． Ａ３Ｉ： ｔｈｅ ｓｔａｒ ｏｆ ｓｃｉｅｎｃｅ ａｎｄ ｔｅｃｈｎｏｌｏｇｙ ｆｏｒ ｔｈｅ ２１ｓｔ ｃｅｎｔｕｒｙ ＨＵＡＮＧ Ｘｉｎｈａｎ （Ｓｃｈｏｏｌ ｏｆ Ａｕｔｏｍａｔｉｏｎ， Ｈｕａｚｈｏｎｇ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｓｃｉｅｎｃｅ ａｎｄ Ｔｅｃｈｎｏｌｏｇｙ， Ｗｕｈａｎ ４３００７４， Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｔｈｉｓ ｐａｐｅｒ ｒｅｖｉｅｗｓ ｔｈｅ ｄｅｖｅｌｏｐｍｅｎｔ ｈｉｓｔｏｒｙ ｏｆ ａｒｔｉｆｉｃｉａｌ ｉｎｔｅｌｌｉｇｅｎｃｅ， ｉｎｔｅｌｌｉｇｅｎｔ ｃｏｎｔｒｏｌ ａｎｄ ｉｎｔｅｌｌｉｇｅｎｔ ｒｏ⁃ ｂｏｔｉｃｓ （Ａ３Ｉ）． Ｓｕｂｓｅｑｕｅｎｔｌｙ， ｉｔ ｉｎｔｒｏｄｕｃｅｓ ｔｈｅ ｂｉｒｔｈ ａｎｄ ｄｅｖｅｌｏｐｍｅｎｔ ｏｆ ａｒｔｉｆｉｃｉａｌ ｉｎｔｅｌｌｉｇｅｎｃｅ ａｎｄ ｉｔｓ ｒｅｓｅａｒｃｈ ｏｂｊｅｃ⁃ ｔｉｖｅｓ ａｎｄ ｉｍｐｌｅｍｅｎｔａｔｉｏｎ ａｐｐｒｏａｃｈｅｓ ａｎｄ ｐｒｏｐｏｓｅｓ ｔｈｅ ｃｈａｌｌｅｎｇｅｓ ｆａｃｅｄ ｂｙ ｔｒａｄｉｔｉｏｎａｌ ｃｏｎｔｒｏｌ ｔｅｃｈｎｏｌｏｇｙ ａｎｄ ｔｈｅ ｓｏ⁃ ｌｕｔｉｏｎｓ ｆｏｒ ｔｈｅｓｅ ｃｈａｌｌｅｎｇｅｓ． Ｔｈｅ ｄｉｆｆｅｒｅｎｃｅｓ ｂｅｔｗｅｅｎ ｉｎｔｅｌｌｉｇｅｎｔ ａｎｄ ｔｒａｄｉｔｉｏｎａｌ ｃｏｎｔｒｏｌ ａｒｅ ｃｏｍｐａｒｅｄ ｆｏｒ ａｃｑｕｉｓｉｔｉｏｎ， ｄｅｓｃｒｉｐｔｉｏｎ， ｐｒｏｃｅｓｓｉｎｇ， ａｎｄ ａｐｐｌｉｃａｔｉｏｎ ｏｆ ｋｎｏｗｌｅｄｇｅ． Ｍｏｒｅｏｖｅｒ， ｔｈｅ ｒｅｌａｔｉｏｎｓｈｉｐ ｂｅｔｗｅｅｎ ｉｎｔｅｌｌｉｇｅｎｔ ｃｏｎｔｒｏｌ ａｎｄ ｔｒａｄｉｔｉｏｎａｌ ｃｏｎｔｒｏｌ ｉｓ ｅｘｐｏｕｎｄｅｄ． Ｔｈｅ ｂａｓｉｃ ｆｕｎｃｔｉｏｎｓ， ｍａｉｎ ｔａｓｋｓ， ａｎｄ ｉｍｐｌｅｍｅｎｔａｔｉｏｎ ｍｅｔｈｏｄｓ ｏｆ ｉｎｔｅｌｌｉｇｅｎｔ ｃｏｎｔｒｏｌ ｓｙｓｔｅｍｓ ａｒｅ ａｌｓｏ ｄｅｍｏｎｓｔｒａｔｅｄ． Ｉｎ ｔｈｅ ｐａｓｔ， ｒｏｂｏｔｓ ｗｅｒｅ ｃｏｎｓｉｄｅｒｅｄ ａ ｈｕｍａｎ’ｓ ｆａｎｔａｓｙ， ａｎｄ ａｔ ｐｒｅｓｅｎｔ， ｒｏｂｏｔｓ ｈａｖｅ ｅｎｔｅｒｅｄ ｒｅａｌｉｔｙ， ｗｈｅｒｅａｓ ｉｎ ｔｈｅ ｆｕｔｕｒｅ， ｒｏｂｏｔｓ ｃｏｕｌｄ ｂｅ ｉｎｔｅｌｌｉｇｅｎｔ ｒｏｂｏｔｓ． Ｆｉｎａｌｌｙ， ｔｈｅ ｄｅｖｅｌｏｐｍｅｎｔ ｐｒｏｓｐｅｃｔｓ ｏｆ ａｒｔｉ⁃ ｆｉｃｉａｌ ｉｎｔｅｌｌｉｇｅｎｃｅ， ｉｎｔｅｌｌｉｇｅｎｃｅ ｃｏｎｔｒｏｌ， ａｎｄ ｉｎｔｅｌｌｉｇｅｎｃｅ ｒｏｂｏｔｉｃｓ ａｒｅ ｉｎｔｒｏｄｕｃｅｄ． Ｋｅｙｗｏｒｄｓ： ａｒｔｉｆｉｃｉａｌ ｉｎｔｅｌｌｉｇｅｎｃｅ； ｉｎｔｅｌｌｉｇｅｎｔ ｃｏｎｔｒｏｌ； ｉｎｔｅｌｌｉｇｅｎｔ ｒｏｂｏｔｉｃｓ； ｎｅｕｒａｌ ｎｅｔｗｏｒｋ； ｄｅｅｐ ｌｅａｒｎｉｎｇ； ｆｕｚｚｙ ｃｏｎｔｒｏｌ； ｅｘｐｅｒｔ ｓｙｓｔｅｍ； ｔｒａｎｓｆｅｒ ｆｕｎｃｔｉｏｎ； ｄｙｎａｍｉｃ ｐｒｏｇｒａｍｍｉｎｇ 收稿日期：２０１６－０５－２４． 基金项目：国家自然科学基金项目（６０６７５０２８）． 通信作者：黄心汉． Ｅ⁃ｍａｉｌ： ｘｈｈｕａｎｇ＠ ｍａｉｌ．ｈｕｓｔ．ｅｄｕ．ｃｎ． 举世瞩目的人机大战落下帷幕，谷歌 ＡｌｐｈａＧｏ 以 ４ ∶ １ 战胜韩国超一流棋手李世石，这是继 ＩＢＭ “深蓝”在 １９９７ 年打败国际象棋世界冠军卡斯帕罗 夫之 后， 人 工 智 能 技 术 取 得 的 又 一 重 要 成 果。 ＡｌｐｈａＧｏ 在围棋博弈的成功是人工智能技术在深度 学习方面取得重大进步的体现，标志着人工智能的 发展进入了迅速发展的新阶段。 目前有关人工智能 是否会超越人类智能的大讨论如火如荼，围棋人机 大战巅峰对决的意义超越胜负，这是科技工作者经 过半个多世纪的不懈努力所取得的辉煌成就。 ２０１６ 年是人工智能诞生 ６０ 周年，让我们来回顾一下人工 智能诞生和发展的历程
.836. 智能系统学报 第11卷 座KBA 关问题。达特茅斯会议标志着人工智能作为一门新 兴学科的正式诞生。 图3是达特茅斯会议原址达特茅斯学院的达特 茅斯楼。图4是2006年5位在世的达特茅斯会议参 与者重聚达特茅斯纪念会议50周年时的合影（左起 摩尔、麦卡锡、明斯基、赛弗里奇、所罗门诺夫)。 图1人机大战比赛现场 高回后白可I日 Fig.1 Man-machine game site 到围国旧日口目店旧日山g日目百 1人工智能：曙光初显 狗国国目T目回 1.1人工智能的诞生 1950年英国数学家、逻辑学家，被誉为计算机科 图3达特茅斯楼 学之父的阿兰·图灵(Alan Turing)发表了一篇划时 Fig.3 Dartmouth floor 代的论文《计算机器与智能》山，文中预言了创造出 具有真正智能的机器的可能性。他的这篇著名论文 和他设计图灵测试（图2）拉开了人工智能的序幕。 提问者？ 图4五位达特茅斯会议参与者2006年的合影 Fig.4 Photo of five Dartmouth conference participants 回答者A 回答者B in2006 图2图灵测试示意图 经过10余年的研究与发展，人工智能在定理证 Fig.2 Schematic diagram of the Turing test 明、问题求解、计算机博弈等领域取得重要进展。第 1956年夏季，美国10位杰出青年科学家：达特 一届国际人工智能联合会议(International Joint Con- 茅斯学院的数学家和计算机专家麦卡锡(John Mc- ferences on Artificial Intelligence,JCAI)于l969年召 Carthy)、哈佛大学的数学家和神经学家明斯基(M. 开，l970年人工智能杂志《Artificial Intelligence》创 L.Minsky)、IBM公司信息中心负责人洛切斯特 刊，这些事件标志着人工智能作为一门独立学科得 (Nathaniel Rochester)、贝尔实验室信息部数学研究 到国际学术界的认可。 员香农(Claude Shannon)、IBM公司的摩尔(Tren- 随着实际系统越来越庞大、越来越复杂，人们对 chard More)和塞缪尔(Arthur Samuel)、麻省理工学 于人工智能的应用有着强烈需求。人工智能越来越 院的赛弗里奇(Oliver Selfridge)和所罗门诺夫(So- 关注实际应用，与其他学科的联系也越来越紧密，统 lomonoff)、以及卡内基一梅隆大学的纽维尔(Allen 计学、控制论、生物学等学科不断深入到人工智能 Newell)和西蒙(Herbert Simon)在美国达特茅斯学 中，诞生了不少新观点和具有良好应用效果的研究 院(Dartmouth College)进行了一次为期两个月的夏 成果。1982年，美国物理学家约翰·霍普菲尔德(J. 季学术研讨会，会议召集人麦卡锡将该会议命名为 】.Hopfield)提出了霍普菲尔德神经网络)，这一成 “人工智能夏季研讨会”(Summer Research Project 果与l985年由鲁梅尔哈特(D.E.Rumelhart)等提 on Artificial Intelligence)[)。主要研讨用机器模拟 出的多层网络中的反向传播(BP)算法[一起，促进 人类智能的有关问题，并经麦卡锡提议，正式采用人 了神经网络研究的复兴。20世纪80年代中后期开 工智能(artificial intelligence,AI)这一术语来表述相 始，统计学在人工智能中发挥重要作用，隐马尔可夫
图 １ 人机大战比赛现场 Ｆｉｇ．１ Ｍａｎ⁃ｍａｃｈｉｎｅ ｇａｍｅ ｓｉｔｅ １ 人工智能：曙光初显 １．１ 人工智能的诞生 １９５０ 年英国数学家、逻辑学家，被誉为计算机科 学之父的阿兰·图灵（Ａｌａｎ Ｔｕｒｉｎｇ）发表了一篇划时 代的论文《计算机器与智能》 ［１］ ，文中预言了创造出 具有真正智能的机器的可能性。 他的这篇著名论文 和他设计图灵测试（图 ２）拉开了人工智能的序幕。 图 ２ 图灵测试示意图 Ｆｉｇ．２ Ｓｃｈｅｍａｔｉｃ ｄｉａｇｒａｍ ｏｆ ｔｈｅ Ｔｕｒｉｎｇ ｔｅｓｔ １９５６ 年夏季，美国 １０ 位杰出青年科学家：达特 茅斯学院的数学家和计算机专家麦卡锡（ Ｊｏｈｎ Ｍｃ⁃ Ｃａｒｔｈｙ）、哈佛大学的数学家和神经学家明斯基（Ｍ． Ｌ． Ｍｉｎｓｋｙ）、 ＩＢＭ 公司信息中心负责人洛切斯特 （Ｎａｔｈａｎｉｅｌ Ｒｏｃｈｅｓｔｅｒ）、贝尔实验室信息部数学研究 员香农（ Ｃｌａｕｄｅ Ｓｈａｎｎｏｎ）、 ＩＢＭ 公司的摩尔（ Ｔｒｅｎ⁃ ｃｈａｒｄ Ｍｏｒｅ）和塞缪尔（Ａｒｔｈｕｒ Ｓａｍｕｅｌ）、麻省理工学 院的赛弗里奇（Ｏｌｉｖｅｒ Ｓｅｌｆｒｉｄｇｅ） 和所罗门诺夫（ Ｓｏ⁃ ｌｏｍｏｎｏｆｆ）、以及卡内基—梅隆大学的纽维尔（Ａｌｌｅｎ Ｎｅｗｅｌｌ）和西蒙（Ｈｅｒｂｅｒｔ Ｓｉｍｏｎ） 在美国达特茅斯学 院（Ｄａｒｔｍｏｕｔｈ Ｃｏｌｌｅｇｅ）进行了一次为期两个月的夏 季学术研讨会，会议召集人麦卡锡将该会议命名为 “人工智能夏季研讨会” （ Ｓｕｍｍｅｒ Ｒｅｓｅａｒｃｈ Ｐｒｏｊｅｃｔ ｏｎ Ａｒｔｉｆｉｃｉａｌ Ｉｎｔｅｌｌｉｇｅｎｃｅ） ［２］ 。 主要研讨用机器模拟 人类智能的有关问题，并经麦卡锡提议，正式采用人 工智能（ａｒｔｉｆｉｃｉａｌ ｉｎｔｅｌｌｉｇｅｎｃｅ，ＡＩ）这一术语来表述相 关问题。 达特茅斯会议标志着人工智能作为一门新 兴学科的正式诞生。 图 ３ 是达特茅斯会议原址达特茅斯学院的达特 茅斯楼。 图 ４ 是 ２００６ 年 ５ 位在世的达特茅斯会议参 与者重聚达特茅斯纪念会议 ５０ 周年时的合影（左起 摩尔、麦卡锡、明斯基、赛弗里奇、所罗门诺夫）。 图 ３ 达特茅斯楼 Ｆｉｇ．３ Ｄａｒｔｍｏｕｔｈ ｆｌｏｏｒ 图 ４ 五位达特茅斯会议参与者 ２００６ 年的合影 Ｆｉｇ．４ Ｐｈｏｔｏ ｏｆ ｆｉｖｅ Ｄａｒｔｍｏｕｔｈ ｃｏｎｆｅｒｅｎｃｅ ｐａｒｔｉｃｉｐａｎｔｓ ｉｎ ２００６ 经过 １０ 余年的研究与发展，人工智能在定理证 明、问题求解、计算机博弈等领域取得重要进展。 第 一届国际人工智能联合会议（Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｊｏｉｎｔ Ｃｏｎ⁃ ｆｅｒｅｎｃｅｓ ｏｎ Ａｒｔｉｆｉｃｉａｌ Ｉｎｔｅｌｌｉｇｅｎｃｅ，ＩＪＣＡＩ）于 １９６９ 年召 开，１９７０ 年人工智能杂志《Ａｒｔｉｆｉｃｉａｌ Ｉｎｔｅｌｌｉｇｅｎｃｅ》 创 刊，这些事件标志着人工智能作为一门独立学科得 到国际学术界的认可。 随着实际系统越来越庞大、越来越复杂，人们对 于人工智能的应用有着强烈需求。 人工智能越来越 关注实际应用，与其他学科的联系也越来越紧密，统 计学、控制论、生物学等学科不断深入到人工智能 中，诞生了不少新观点和具有良好应用效果的研究 成果。 １９８２ 年，美国物理学家约翰∙霍普菲尔德（Ｊ． Ｊ． Ｈｏｐｆｉｅｌｄ ）提出了霍普菲尔德神经网络［３］ ，这一成 果与 １９８５ 年由鲁梅尔哈特（Ｄ． Ｅ． Ｒｕｍｅｌｈａｒｔ ）等提 出的多层网络中的反向传播（ＢＰ）算法［４］一起，促进 了神经网络研究的复兴。 ２０ 世纪 ８０ 年代中后期开 始，统计学在人工智能中发挥重要作用，隐马尔可夫 ·８３６· 智 能 系 统 学 报 第 １１ 卷
第6期 黄心汉：A3I:21世纪科技之光 .837. 模型被引入语音识别，贝叶斯网络成为不确定性推 专家系统等。 理的重要手段。20世纪80年代后期出现了数据挖 4)行为主义 掘技术。1991年，麻省理工学院著名机器人专家罗 布鲁克斯在1991年发表的《没有表示的智能》 德尼·布鲁克斯(R.A.Brooks)发表了《没有表示 和《没有推理的智能》是对传统人工智能的批评和 的智能》[1和《没有推理的智能》[6的新观点。1995 否定，开创了基于行为的人工智能研究新途径。行 年出现的智能体(Agent)[)和多智能体(Muli-a- 为主义认为智能来自于感知与行为和对外界环境的 g©nt)概念[8-)，迅速成为智能系统的构造，特别是分 适应，而不是传统的“深思熟虑”的表示和推理。研 布式智能系统构造的研究热点[01)。近年出现的 究领域包括智能机器人[]、机器昆虫等。 深度学习、大数据、云计算和互联网+，为智能控制 5)进化主义 的发展提供了新的途径。 其基本思想是模拟生物进化过程，借助遗传学 1.2人工智能的研究目标 和进化论，通过遗传和变异完成进化过程。进化主 1)长远目标 义与学习有类似之处，本质上都是试图不断提高智 揭示人类智能的机理，用人工智能技术构建智能 能系统解决问题的能力，但二者采用的手段存在很 机器来模拟和扩展人类智能，实现脑力劳动自动化。 大不同，学习是一种个体行为，而进化则是一种群体 2)近期目标 行为。 研究如何使机器更聪明，使它在某一方面和在 6)群体智能 一定程度上模拟人类智能，如智能机器人[)的环境 不同于进化主义通过遗传和变异实现一代一代 识别、自主决策和人机交互能力等：或者在实际应用 的进化，群体主义是通过个体之间的协同与合作来 中，为人类提供智能工具，帮助人们解决一些具体问 解决问题，表现出群体智能，而非个体智能。主要方 题，如智能制造、智能家居、智能楼宇、智能医疗、智 法包括由多智能体构建分布式智能系统，以粒子群 能手机、智能交通等。 算法(particle swarm optimization,PSO)[2o]和蚁群算 长远目标与近期目标没有明确界限，长远目标 法(ant algorithm,AA)[2为代表的群智能优化算法 为近期目标指明方向，近期目标为人工智能的应用 等。典型应用如机器人足球赛、机器人围捕及群体 提供理论和技术基础，随着人工智能研究的发展和 攻击与路径规划等。 进步，最终实现长远目标。 7)深度学习 1.3人工智能的实现途径 深度学习是机器学习的一个新的领域[2】，Hin 1)符号处理 ton等[2]在2006年提出深度学习概念，通过模仿人 其理论基础是纽维尔和西蒙提出的物理符号系 脑的机制和构建类似于人类大脑的神经网络来解释 统假说[1)，用符号来表示知识，并进行基于符号的 数据、图像、声音和文本。AlphGo构建了2个网络 推理，实现人工智能。应用领域包括问题求解、计算 来模仿人类的深度学习，一个是“策略网络”，用来 机博弈、自动定理证明和专家系统等。 决定下一步棋如何走：另一个是“价值网络”，用来 2)连接主义 分析胜负形势。2个网络同时运行，取得了很好的 以结构模拟为核心，主要实现方式是人工神经 效果。深度学习有两种方式，即监督学习与无监督 网络，由于人工神经网络是通过大量神经元相互连 学习，不同框架下建立的学习模型也不相同。如卷 接而形成6]，因此得名连接主义。目前主要的神经 积神经网络(convolutional neural networks,CNNs)是 网络结构模型有感知器、霍普菲尔德网络、自组织特 一种监督学习模型，而深度置信网(Deep Belief 征映射网络等。 Nets,DBNs)则是一种无监督学习模型。 3)学习 1.4人工智能的应用领域 学习是获取知识的途径，因此通过机器学习实 人工智能的应用领域非常广泛，目前涉及的领 现人工智能就是一种自然想法，赋予机器学习能力 域包括：认知科学、机器学习、自然语言理解、机器人 涉及人类智能本质的根本问题，对这一问题的解决 学、计算机博弈、自动定理证明、模式识别、计算机视 意味着真正的人工智能的到来-】，但这也是一个 觉、人工神经网络、专家系统、知识发现与数据挖掘、 非常困难的问题。涉及的研究领域包括：计算机视 自动程序设计、智能控制、智能决策支持系统、分布 觉、模式识别、知识发现与数据挖掘、人工神经网络、 式人工智能以及大数据、云计算和互联网+等
模型被引入语音识别，贝叶斯网络成为不确定性推 理的重要手段。 ２０ 世纪 ８０ 年代后期出现了数据挖 掘技术。 １９９１ 年，麻省理工学院著名机器人专家罗 德尼∙布鲁克斯（Ｒ． Ａ． Ｂｒｏｏｋｓ ）发表了《没有表示 的智能》 ［５］和《没有推理的智能》 ［６］的新观点。 １９９５ 年出现的智能体 （ Ａｇｅｎｔ） ［７］ 和多智能体 （ Ｍｕｌｔｉ⁃ａ⁃ ｇｅｎｔ）概念［８－９］ ，迅速成为智能系统的构造，特别是分 布式智能系统构造的研究热点［１０－１２］ 。 近年出现的 深度学习、大数据、云计算和互联网＋，为智能控制 的发展提供了新的途径。 １．２ 人工智能的研究目标 １）长远目标 揭示人类智能的机理，用人工智能技术构建智能 机器来模拟和扩展人类智能，实现脑力劳动自动化。 ２）近期目标 研究如何使机器更聪明，使它在某一方面和在 一定程度上模拟人类智能，如智能机器人［１３］ 的环境 识别、自主决策和人机交互能力等；或者在实际应用 中，为人类提供智能工具，帮助人们解决一些具体问 题，如智能制造、智能家居、智能楼宇、智能医疗、智 能手机、智能交通［１４］等。 长远目标与近期目标没有明确界限，长远目标 为近期目标指明方向，近期目标为人工智能的应用 提供理论和技术基础，随着人工智能研究的发展和 进步，最终实现长远目标。 １．３ 人工智能的实现途径 １）符号处理 其理论基础是纽维尔和西蒙提出的物理符号系 统假说［１５］ ，用符号来表示知识，并进行基于符号的 推理，实现人工智能。 应用领域包括问题求解、计算 机博弈、自动定理证明和专家系统等。 ２）连接主义 以结构模拟为核心，主要实现方式是人工神经 网络，由于人工神经网络是通过大量神经元相互连 接而形成［１６］ ，因此得名连接主义。 目前主要的神经 网络结构模型有感知器、霍普菲尔德网络、自组织特 征映射网络等。 ３）学习 学习是获取知识的途径，因此通过机器学习实 现人工智能就是一种自然想法，赋予机器学习能力 涉及人类智能本质的根本问题，对这一问题的解决 意味着真正的人工智能的到来［１７－１８］ ，但这也是一个 非常困难的问题。 涉及的研究领域包括：计算机视 觉、模式识别、知识发现与数据挖掘、人工神经网络、 专家系统等。 ４）行为主义 布鲁克斯在 １９９１ 年发表的《没有表示的智能》 和《没有推理的智能》是对传统人工智能的批评和 否定，开创了基于行为的人工智能研究新途径。 行 为主义认为智能来自于感知与行为和对外界环境的 适应，而不是传统的“深思熟虑”的表示和推理。 研 究领域包括智能机器人［１９］ 、机器昆虫等。 ５）进化主义 其基本思想是模拟生物进化过程，借助遗传学 和进化论，通过遗传和变异完成进化过程。 进化主 义与学习有类似之处，本质上都是试图不断提高智 能系统解决问题的能力，但二者采用的手段存在很 大不同，学习是一种个体行为，而进化则是一种群体 行为。 ６）群体智能 不同于进化主义通过遗传和变异实现一代一代 的进化，群体主义是通过个体之间的协同与合作来 解决问题，表现出群体智能，而非个体智能。 主要方 法包括由多智能体构建分布式智能系统，以粒子群 算法（ｐａｒｔｉｃｌｅ ｓｗａｒｍ ｏｐｔｉｍｉｚａｔｉｏｎ，ＰＳＯ） ［２０］ 和蚁群算 法（ａｎｔ ａｌｇｏｒｉｔｈｍ，ＡＡ） ［２１］ 为代表的群智能优化算法 等。 典型应用如机器人足球赛、机器人围捕及群体 攻击与路径规划等。 ７）深度学习 深度学习是机器学习的一个新的领域［２２］ ，Ｈｉｎ⁃ ｔｏｎ 等［２３］在 ２００６ 年提出深度学习概念，通过模仿人 脑的机制和构建类似于人类大脑的神经网络来解释 数据、图像、声音和文本。 ＡｌｐｈＧｏ 构建了 ２ 个网络 来模仿人类的深度学习，一个是“策略网络”，用来 决定下一步棋如何走；另一个是“价值网络”，用来 分析胜负形势。 ２ 个网络同时运行，取得了很好的 效果。 深度学习有两种方式，即监督学习与无监督 学习，不同框架下建立的学习模型也不相同。 如卷 积神经网络（ｃｏｎｖｏｌｕｔｉｏｎａｌ ｎｅｕｒａｌ ｎｅｔｗｏｒｋｓ，ＣＮＮｓ）是 一种监督学习模型， 而深度置信网 （ Ｄｅｅｐ Ｂｅｌｉｅｆ Ｎｅｔｓ，ＤＢＮｓ）则是一种无监督学习模型。 １．４ 人工智能的应用领域 人工智能的应用领域非常广泛，目前涉及的领 域包括：认知科学、机器学习、自然语言理解、机器人 学、计算机博弈、自动定理证明、模式识别、计算机视 觉、人工神经网络、专家系统、知识发现与数据挖掘、 自动程序设计、智能控制、智能决策支持系统、分布 式人工智能以及大数据、云计算和互联网＋等。 第 ６ 期 黄心汉： Ａ３Ｉ：２１ 世纪科技之光 ·８３７·
.838 智能系统学报 第11卷 2 智能控制—方兴未艾 线性系统理论为基础，以状态空间分析为工具，借助 计算机的强大计算能力对系统进行分析、计算与设 2.1传统控制面临挑战 计，不仅方便，而且概念清晰。其代表性成果有：庞 1948年，美国学者、控制论创始人维纳(N. 特里亚金(Pontryagin)极大值原理[】、贝尔曼(Be Wiener)发表了他的名著《控制论：或关于在动物和 man)动态规划3]、卡尔曼(Kalman)滤波[34-3]等， 机器中控制和通讯的科学》[2)，控制理论的发展大 这些研究成果奠定了现代控制理论的基础。 体上可分为3个主要阶段：经典控制理论(20世纪 2.1.3大系统理论 40年代)，现代控制理论(20世纪60年代)和大系 大系统理论是20世纪70年代形成的，它综合 统理论与智能控制理论(20世纪70年代)。经典控 了线性规划、决策理论和现代控制理论等方面的成 制理论和现代控制理论一般称为传统控制理论[)。 果，把复杂的工业系统、生态环境系统和社会经济系 2.1.1经典控制理论 统作为研究和应用的对象。大系统理论涉及系统建 自动控制技术可追溯到工业革命前对蒸气机的 模和模型简化、系统结构和稳定性以及信息获取和 运行控制，1868年英国物理学家麦克斯韦(Max- 递阶与分散控制等内容。大系统理论在工农业生 w©l)以蒸气机阀门的飞球调节器系统为对象，建立 产、交通运输、资源开发、物流管理、人口与计划生 了调速系统的线性常微分方程，解释了控制系统中 育、天气预报和环境保护等领域获得了成功应用。 出现的不稳定问题，提出了用数学模型分析和综合 2.1.4传统控制面临的挑战 控制系统的方法，揭开了系统分析和反馈控制原理 传统控制理论（包括经典控制理论、现代控制 等基础研究的序幕。1892年，俄国数学和力学家李 理论和大系统理论)是以精确数学模型为基础的系 雅普诺夫(Lyapunov)在他的博士论文《运动稳定性 统分析与综合方法。面对科技和生产力水平高速发 的一般问题》[2]中给出了运动稳定性的严格数学定 展和对大规模、复杂和不确定性系统难以建模的困 义，建立了从概念到方法的关于稳定性理论的完整 境，基于数学模型的传统控制技术的局限性日益明 体系，从而奠定了稳定性理论的基础。20世纪20 显，其应用受到了很大限制，从而面临一场严峻的挑 年代以来，Black、Nyquist!2)、Bode等关于反馈放大 战。那么，它的出路在何方呢？ 器的研究，1940年美国应用数学家Bode提出的波 2.2智能控制的诞生 德图[2](Bode plots),1942年Harris将拉普拉斯变 随着人工智能和自动控制技术的发展，人们在 换应用到分析自动调节系统提出的传递函数[2]，以 将人工智能作为思维科学的同时，也不断探索将其 及Nyquist提出的“乃奎斯特判据”和美国学者Ev- 应用到科技领域。智能控制(intelligent control,.IC) ans提出的根轨迹法[03)等，这些理论的提出逐步 正是人工智能与自动控制技术融合的产物。它摒弃 完善了自动控制理论的分析与综合方法，形成了经 了传统控制对数学模型的依赖，以控制目的和行为 典控制理论。 为目标，运用人工智能技术，通过学习、训练、推理、 经典控制理论是一种基于数学模型的定量方 判断、决策的符号演绎实现对复杂大系统的控制。 法，它以“反馈控制原理”和“Lyapunov稳定性理论” 计算机科学、信息科学、人工智能的新进展和智能机 为基础，以研究单变量系统为主要对象，在用复变函 器人的工程实践为智能控制的诞生奠定了理论和技 数和Laplace变换建立系统传递函数的基础上，采 术基础。 用时域、频域或根轨迹法来分析和综合系统的动态 2.2.1智能控制与传统控制的比较 和稳态性能。如求解系统的微分方程，绘制Nyquist 在理论基础、实现方法和系统规模上智能控制 曲线、Bode图、根轨迹图、Routh判据列表等。已形 与传统控制有着本质的区别，但它们也不是互相排 成了完善的理论体系，获得了广泛的应用。 斥的。传统控制往往用来解决系统底层（执行层） 2.1.2现代控制理论 的控制问题，从而保证系统的控制精度。智能控制 20世纪60年代随着宇宙飞船轨线控制的需 则在系统的中层（协调层）和高层（决策层）进行环 要，提出了以多变量控制为特征的现代控制理论。 境识别、信息融合和推理决策等，实现对系统行为和 现代控制理论是在1960年6月在莫斯科召开的国 目标的控制。智能控制与传统控制的结合既提高了 际自动控制联合会(International Federation of Auto- 系统的智能化程度，又能保证系统的控制精度，使系 matic Control,IFAC)第一届年会上首次提出。它以 统结构更加合理，达到互补的效果
２ 智能控制———方兴未艾 ２．１ 传统控制面临挑战 １９４８ 年，美 国 学 者、 控 制 论 创 始 人 维 纳 （ Ｎ． Ｗｉｅｎｅｒ ）发表了他的名著《控制论：或关于在动物和 机器中控制和通讯的科学》 ［２４］ ，控制理论的发展大 体上可分为 ３ 个主要阶段：经典控制理论（２０ 世纪 ４０ 年代），现代控制理论（２０ 世纪 ６０ 年代） 和大系 统理论与智能控制理论（２０ 世纪 ７０ 年代）。 经典控 制理论和现代控制理论一般称为传统控制理论［２５］ 。 ２．１．１ 经典控制理论 自动控制技术可追溯到工业革命前对蒸气机的 运行控制，１８６８ 年英国物理学家麦克斯韦（ Ｍａｘ⁃ ｗｅｌｌ）以蒸气机阀门的飞球调节器系统为对象，建立 了调速系统的线性常微分方程，解释了控制系统中 出现的不稳定问题，提出了用数学模型分析和综合 控制系统的方法，揭开了系统分析和反馈控制原理 等基础研究的序幕。 １８９２ 年，俄国数学和力学家李 雅普诺夫（Ｌｙａｐｕｎｏｖ）在他的博士论文《运动稳定性 的一般问题》 ［２６］中给出了运动稳定性的严格数学定 义，建立了从概念到方法的关于稳定性理论的完整 体系，从而奠定了稳定性理论的基础。 ２０ 世纪 ２０ 年代以来，Ｂｌａｃｋ、Ｎｙｑｕｉｓｔ ［２７］ 、Ｂｏｄｅ 等关于反馈放大 器的研究，１９４０ 年美国应用数学家 Ｂｏｄｅ 提出的波 德图［２８］ （Ｂｏｄｅ ｐｌｏｔｓ），１９４２ 年 Ｈａｒｒｉｓ 将拉普拉斯变 换应用到分析自动调节系统提出的传递函数［２９］ ，以 及 Ｎｙｑｕｉｓｔ 提出的“乃奎斯特判据”和美国学者 Ｅｖ⁃ ａｎｓ 提出的根轨迹法［３０－３１］ 等，这些理论的提出逐步 完善了自动控制理论的分析与综合方法，形成了经 典控制理论。 经典控制理论是一种基于数学模型的定量方 法，它以“反馈控制原理”和“Ｌｙａｐｕｎｏｖ 稳定性理论” 为基础，以研究单变量系统为主要对象，在用复变函 数和 Ｌａｐｌａｃｅ 变换建立系统传递函数的基础上，采 用时域、频域或根轨迹法来分析和综合系统的动态 和稳态性能。 如求解系统的微分方程，绘制 Ｎｙｑｕｉｓｔ 曲线、Ｂｏｄｅ 图、根轨迹图、Ｒｏｕｔｈ 判据列表等。 已形 成了完善的理论体系，获得了广泛的应用。 ２．１．２ 现代控制理论 ２０ 世纪 ６０ 年代随着宇宙飞船轨线控制的需 要，提出了以多变量控制为特征的现代控制理论。 现代控制理论是在 １９６０ 年 ６ 月在莫斯科召开的国 际自动控制联合会（Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｆｅｄｅｒａｔｉｏｎ ｏｆ Ａｕｔｏ⁃ ｍａｔｉｃ Ｃｏｎｔｒｏｌ，ＩＦＡＣ）第一届年会上首次提出。 它以 线性系统理论为基础，以状态空间分析为工具，借助 计算机的强大计算能力对系统进行分析、计算与设 计，不仅方便，而且概念清晰。 其代表性成果有：庞 特里亚金（Ｐｏｎｔｒｙａｇｉｎ）极大值原理［３２］ 、贝尔曼（Ｂｅｌｌ⁃ ｍａｎ）动态规划［３３］ 、卡尔曼（Ｋａｌｍａｎ） 滤波［３４－３５］ 等， 这些研究成果奠定了现代控制理论的基础。 ２．１．３ 大系统理论 大系统理论是 ２０ 世纪 ７０ 年代形成的，它综合 了线性规划、决策理论和现代控制理论等方面的成 果，把复杂的工业系统、生态环境系统和社会经济系 统作为研究和应用的对象。 大系统理论涉及系统建 模和模型简化、系统结构和稳定性以及信息获取和 递阶与分散控制等内容。 大系统理论在工农业生 产、交通运输、资源开发、物流管理、人口与计划生 育、天气预报和环境保护等领域获得了成功应用。 ２．１．４ 传统控制面临的挑战 传统控制理论（包括经典控制理论、现代控制 理论和大系统理论）是以精确数学模型为基础的系 统分析与综合方法。 面对科技和生产力水平高速发 展和对大规模、复杂和不确定性系统难以建模的困 境，基于数学模型的传统控制技术的局限性日益明 显，其应用受到了很大限制，从而面临一场严峻的挑 战。 那么，它的出路在何方呢？ ２．２ 智能控制的诞生 随着人工智能和自动控制技术的发展，人们在 将人工智能作为思维科学的同时，也不断探索将其 应用到科技领域。 智能控制（ ｉｎｔｅｌｌｉｇｅｎｔ ｃｏｎｔｒｏｌ，ＩＣ） 正是人工智能与自动控制技术融合的产物。 它摒弃 了传统控制对数学模型的依赖，以控制目的和行为 为目标，运用人工智能技术，通过学习、训练、推理、 判断、决策的符号演绎实现对复杂大系统的控制。 计算机科学、信息科学、人工智能的新进展和智能机 器人的工程实践为智能控制的诞生奠定了理论和技 术基础。 ２．２．１ 智能控制与传统控制的比较 在理论基础、实现方法和系统规模上智能控制 与传统控制有着本质的区别，但它们也不是互相排 斥的。 传统控制往往用来解决系统底层（执行层） 的控制问题，从而保证系统的控制精度。 智能控制 则在系统的中层（协调层）和高层（决策层）进行环 境识别、信息融合和推理决策等，实现对系统行为和 目标的控制。 智能控制与传统控制的结合既提高了 系统的智能化程度，又能保证系统的控制精度，使系 统结构更加合理，达到互补的效果。 ·８３８· 智 能 系 统 学 报 第 １１ 卷
第6期 黄心汉：A3I:21世纪科技之光 ·839 传统控制(traditional control)是基于数学模型 为来评价系统性能，而无统一的性能指标体系。 的定量方法。有完善的理论体系和有效的系统分析 智能控制的应用极为广泛，可涉及自然科学和社 与综合方法，有严格的性能指标体系，在单机自动化 会科学的各个领域，是控制界当前的研究热点和 和复杂系统的底层得到了广泛成功的应用。 今后的发展方向。 智能控制(intelligent control)是基于知识和 从对知识的获取、描述、加工和运用的过程来 经验的直觉推理方法。尚无完善的理论体系，实 看，传统控制与智能控制的比较如表1所示。 现方法具有多样性，智能控制以控制的目的和行 表1传统控制与智能控制的比较 Table 1 Comparison between traditional control and intelligent control 控制方法 知识获取 描述 加工 运用 精确知识（深层知识）： 数学模型：运动学、 有严格的性能指标： 定量方法：时域、频域 传统控制 反映自然规律的 动力学方程、 根轨迹、状态空间方法 稳定性、精度、 各种定律、定理 传递函数 动态性能 非精确知识（浅层 符号加工：学习、 符号描述： 训练、推理、判断、 无统一的性能指标： 智能控制 知识)：直觉、经验和 经验、规则 注重目的和行为 学习 决策 2.2.2智能控制的主要功能与方法 途径，以及应用的新领域： 智能控制系统必须具备的基本功能有组织协 6)将人工智能方法用于系统建模、优化、控制、 调能力、联想记忆和学习能力，以及动态自适应 故障诊断、生产计划和调度； 能力等。智能控制方法很多，比较成功的典型方 7)将智能控制技术应用到自然科学和社会科学 法有：由瑞典著名学者Astrom[36]提出的专家控制 的各个领域，拓宽智能控制的应用范围。 (expert control);在美国学者Zadeh!37]提出模糊 2.3智能控制的发展前景与展望 集理论的基础上，由英国Mamdanit38]教授1974 智能控制自20世纪60年代末提出以来，经历 年提出的模糊控制(fuzzy control,FC);20世纪80 了40多年的发展历史，取得了令人瞩目的进展。据 年代中期，Hopfield提出的Hopfield网络和 有关资料统计，在现有的600多个传统行业中有200 Rumelhart提出的BP算法为人工神经网络研究注 多个行业已经被人工智能技术和机器人完全取代或 入了新的活力，人工神经网络被引入控制领域并 部分取代，如大家熟知的电话交换机、打字机、照相 得到广泛应用，形成了神经网络控制(neural net- 机、印刷机、汽车和家电制造等行业，机器换人势在 work control);Albust3]】1981年提出的分层递阶 必行。随着人工智能技术、智能控制技术和机器人 控制(hierarchical control)模拟了人脑的分层结 技术的发展，智能交通、智能家居、智能大楼、智能物 构，由组织级、协调级和执行级构成，其智能表现 流以及与人类生活和生产相关的各个行业的智能化 为传统的“感知一思考一动作”的有意识的行为。 进程会越来越快，人类社会正在步入智能化和机器 2.2.3智能控制的研究目标 人时代。 智能控制的研究目标包括： 虽然智能控制至今尚未形成完整的理论体系， 1)智能控制系统的稳定性、可控性、可测性、鲁 还没有一个被大家所公认的定义，但人们对控制技 棒性等定义及判据： 术已开始走向智能化发展阶段形成了共识。 2)动态系统的知识获取、分类、表达、利用及规 智能控制是人工智能与控制技术的结合，是人 划的相容性及完备性： 类将自身的智力用于改造客观世界的必然产物。正 3)学习理论与方法研究； 因为它在理论上还不够完善，应用领域还有待进一 4)加强对人一机结合、认知心理学、神经网络、 步开发，对它的理论和应用研究才更具挑战性、更有 离散事件动态系统、以及可拓学的理论与方法的深 吸引力。 入研究； 传统控制面临挑战、人工智能曙光初现、智能控 5)探索人工智能与自动控制技术相结合的各种 制方兴未艾
传统控制（ ｔｒａｄｉｔｉｏｎａｌ ｃｏｎｔｒｏｌ） 是基于数学模型 的定量方法。 有完善的理论体系和有效的系统分析 与综合方法，有严格的性能指标体系，在单机自动化 和复杂系统的底层得到了广泛成功的应用。 智能控制（ ｉｎｔｅｌｌｉｇｅｎｔ ｃｏｎｔｒｏｌ） 是 基 于 知 识 和 经验的直觉推理方法。 尚无完善的理论体系，实 现方法具有多样性，智能控制以控制的目的和行 为来评价系统性能，而无统一的性能指标体系。 智能控制的应用极为广泛，可涉及自然科学和社 会科学的各个领域，是控制界当前的研究热点和 今后的发展方向。 从对知识的获取、描述、加工和运用的过程来 看，传统控制与智能控制的比较如表 １ 所示。 表 １ 传统控制与智能控制的比较 Ｔａｂｌｅ １ Ｃｏｍｐａｒｉｓｏｎ ｂｅｔｗｅｅｎ ｔｒａｄｉｔｉｏｎａｌ ｃｏｎｔｒｏｌ ａｎｄ ｉｎｔｅｌｌｉｇｅｎｔ ｃｏｎｔｒｏｌ 控制方法 知识获取 描述 加工 运用 传统控制 精确知识（深层知识）： 反映自然规律的 各种定律、定理 数学模型：运动学、 动力学方程、 传递函数 定量方法：时域、频域、 根轨迹、状态空间方法 有严格的性能指标： 稳定性、精度、 动态性能 智能控制 非精确知识（浅层 知识）：直觉、经验和 学习 符号描述： 经验、规则 符号加工：学习、 训练、推理、判断、 决策 无统一的性能指标： 注重目的和行为 ２．２．２ 智能控制的主要功能与方法 智能控制系统必须具备的基本功能有组织协 调能力、联想记忆和学习能力，以及动态自适应 能力等。 智能控制方法很多，比较成功的典型方 法有：由瑞典著名学者 Ａｓｔｒｏｍ ［ ３６］ 提出的专家控制 （ ｅｘｐｅｒｔ ｃｏｎｔｒｏｌ） ；在美国学者 Ｚａｄｅｈ ［ ３７］ 提出模糊 集理论的基础上，由英国 Ｍａｍｄａｎｉ ［ ３８］ 教授 １９７４ 年提出的模糊控制（ ｆｕｚｚｙ ｃｏｎｔｒｏｌ，ＦＣ） ；２０ 世纪 ８０ 年 代 中 期， Ｈｏｐｆｉｅｌｄ 提 出 的 Ｈｏｐｆｉｅｌｄ 网 络 和 Ｒｕｍｅｌｈａｒｔ 提出的 ＢＰ 算法为人工神经网络研究注 入了新的活力，人工神经网络被引入控制领域并 得到广泛应用，形成了神经网络控制（ ｎｅｕｒａｌ ｎｅｔ⁃ ｗｏｒｋ ｃｏｎｔｒｏｌ） ；Ａｌｂｕｓ ［ ３９］ １９８１ 年提出的分层递阶 控制（ ｈｉｅｒａｒｃｈｉｃａｌ ｃｏｎｔｒｏｌ） 模 拟 了 人 脑 的 分 层 结 构，由组织级、协调级和执行级构成，其智能表现 为传统的“感知—思考—动作”的有意识的行为。 ２．２．３ 智能控制的研究目标 智能控制的研究目标包括： １）智能控制系统的稳定性、可控性、可测性、鲁 棒性等定义及判据； ２）动态系统的知识获取、分类、表达、利用及规 划的相容性及完备性； ３）学习理论与方法研究； ４）加强对人—机结合、认知心理学、神经网络、 离散事件动态系统、以及可拓学的理论与方法的深 入研究； ５）探索人工智能与自动控制技术相结合的各种 途径，以及应用的新领域； ６）将人工智能方法用于系统建模、优化、控制、 故障诊断、生产计划和调度； ７）将智能控制技术应用到自然科学和社会科学 的各个领域，拓宽智能控制的应用范围。 ２．３ 智能控制的发展前景与展望 智能控制自 ２０ 世纪 ６０ 年代末提出以来，经历 了 ４０ 多年的发展历史，取得了令人瞩目的进展。 据 有关资料统计，在现有的 ６００ 多个传统行业中有 ２００ 多个行业已经被人工智能技术和机器人完全取代或 部分取代，如大家熟知的电话交换机、打字机、照相 机、印刷机、汽车和家电制造等行业，机器换人势在 必行。 随着人工智能技术、智能控制技术和机器人 技术的发展，智能交通、智能家居、智能大楼、智能物 流以及与人类生活和生产相关的各个行业的智能化 进程会越来越快，人类社会正在步入智能化和机器 人时代。 虽然智能控制至今尚未形成完整的理论体系， 还没有一个被大家所公认的定义，但人们对控制技 术已开始走向智能化发展阶段形成了共识。 智能控制是人工智能与控制技术的结合，是人 类将自身的智力用于改造客观世界的必然产物。 正 因为它在理论上还不够完善，应用领域还有待进一 步开发，对它的理论和应用研究才更具挑战性、更有 吸引力。 传统控制面临挑战、人工智能曙光初现、智能控 制方兴未艾。 第 ６ 期 黄心汉： Ａ３Ｉ：２１ 世纪科技之光 ·８３９·