按照维纳的观点，机器需要把“信息感知、决策和执行”三个过程统一起来，才能实现自动化。然而，控制论已经诞生了70多年，人们仍然开发不出一款可以帮我们整理书桌的机器人。这是为什么呢？这首先是因为：

  在获得信息的能力方面，机器是远远落后于人类的。

学过控制论的人都知道：控制算法（也就是决策机制）所用的信息，几乎都是传感器送来的。传感器测量的，都是科学上明确定义的物理量，如压力、温度、流量、速度、电流大小等。人做事用到的信息，远远超出这个范围。

人们收拾书桌时，眼睛会看到各种东西：废纸、毛笔、笔筒等。废纸、毛笔、笔筒及其位置都是我们接收到的信息。人们的决策是根据这些信息作出的：看到废纸就会扔进垃圾桶，看到散乱的笔就会放到笔筒中。

现代传感器可以检测各种基础的物理信号（如光信号）。但却不能转化成“废纸、笔、笔筒”这样的“信息”。换个角度看，传感器检测的是对象的物理一些属性，而不是物理对象本身。所以，控制理论课上讲的算法，往往用在对象保持不变、变化只是属性的场景。这就是传统控制论的局限性所在。

从这个角度看，自动控制的应用场景受到了约束。但在工厂里，自动化的应用是相当广泛的。实用的自动化与学术界关注的自动化，在侧重点上是有差别的。学术界喜欢那些能用数学描述的问题、需要用复杂的数学方法求解的理论。传统的控制理论就是这样的，容易被学术界喜欢。工厂里应用的自动化，未必不涉及复杂对象的数学模型。

要推进自动化的广泛应用，要解决对象识别的问题，而不仅仅是测量对象的属性。在人工智能技术出现之前，这个问题是比较难的。但在工厂的特殊环境下，问题还是相对容易解决的。

自动化的工厂在生产过程中需要进行物料的跟踪。跟踪物料，就是要解决“我是谁”的问题。在工厂的环境下，这个问题会变得相对简单。

在工厂规范的环境下，一个工位的重量发生变化或光电管发生通断时，就可以判断一个物料过来或者离开。如果物料是按照一定的次序事先排列好并且按照这个次序记录在计算机中，人们就可以判断进入或者离开的物料是谁。条形码、二维码、RFID技术的发展和广泛应用，为物料跟踪带来了革命性的变化。这些代码是计算机容易识别的，在此基础上与数据里存储的代码表进行对比，就可以得到对象的“身份”，就能回答“你是谁”的问题。

由此可见，工厂环境下识别对象的前提是问题的“封闭性”：事先知道有哪些对象，而对象的某个属性能够代表这个对象。这一点，在我们日常的生活中场景中往往是做不到的。所以，人们开发不出自动整理书桌的机器也就很自然了。

写到这里，AI的用处也就容易理解了：AI对自动化的主要价值，是帮助机器识别对象本身。

来源：微信号 蝈蝈创新随笔

作者：郭朝晖

该作品已获作者授权，未经许可，禁止任何个人及第三方转载。