近期，两篇自动化领域专家的文章在网络上广泛传播。一篇是蒋栋年老师的《控制理论已死：路在何方》，另一篇是彭瑜先生的《工业人工智能的困惑和可能的解决途径探讨》。我对这两篇文章的观点基本认同。但正如昨日对彭先生讲的：赞同您的看法，但我的观点可能更极端。我觉得AI无法拯救学术界所谓的“控制理论”，大模型在自动控制领域往往犹如“屠龙之技”：水平很高却难有应用的场景，救不了所谓的“控制理论”

我的一些核心观点，至少能回溯到30年前攻读博士的时候。我在浙大求学时，有一位关系特别好的大哥老高。我们俩既是老乡，又同为数学专业出身，性格脾气也相似。他是张钟俊先生的关门弟子，曾担任浙大工控所5室的主任。他出国之际，我和褚健老师一同为他送行。他对我说：如今控制理论的研究方式乏味无趣，未来一定要与计算机相结合。此后的近30年，我对学术研究与实际应用脱节的情况有了更深入的认知。

学术界有一个根深蒂固的观念，即以攻克难题为荣。读博之人往往青睐这样的模式：构建一个复杂的数学模型，运用高深的理论去解答。如果数学方法使用得少、浅显，就会被认为“没理论水准”。也就是说，往往把理论水平与数学难度画等号。我读博期间研究非线性鲁棒控制时，就曾用泛函分析的方法推导了30页的公式。但我当时也意识到：如此复杂的理论，难以寻觅应用场景。

在宝钢工作时，遇到了殷瑞钰院士。他极为看重工程思想。工程思想注重将复杂问题简单化，把棘手的问题转化为容易解决的问题。例如，在设计一套系统时，“便于控制”是一项极为重要的要求。众所周知，工业生产追求平稳，工艺参数通常限制在某些“工作点附近”，波动极小。此时的控制问题，往往能够利用线性模型来近似。既然现实中人类设计的控制系统都相对简易，高度复杂的算法往往就没有用武之地。因此，PID控制成为自动控制中应用最为广泛的方法。

话说回来，控制问题就不存在难题了吗？当然存在！控制精度要求高的时候就会难。控制精度要求低的时候，一些小的干扰可以忽略，但要求高的时候就必须考虑了。这样，精度要求越高，需要考虑的因素就越多，问题自然就复杂了。控制精度要求高的时候需要非线性模型进行控制吗？往往不需要：因为控制精度高的时候波动范围小。学过微积分的人都知道：非线性因素在小范围内属于“高阶无穷小”，在大范围内才属于“高阶无穷大”。所以，大尺度的自动控制（如航空航天问题、机器人控制），非线性模型有较多的用途；但在工业生产控制的情境下，追求高精度控制的时候，非线性项的影响往往是可以忽略的。

多因素带来的麻烦是什么呢？往往是场景和干扰模式的改变。如果要用模型来描述的话，很可能要采用类似“分段函数”的办法。在不同的场景下采用不同的描述，场景变化时进行更换，没有办法用一个完整优美的函数来描述。这往往是传统数学难以应对的问题。解决问题的办法往往是“具体问题具体分析”——这就往往需要借助软件来实现了。

软件实现的困难在哪里呢？在于考虑问题的全面性。最担忧的就是某个疏漏导致的“千里之堤溃于蚁穴”。20年前，我在宝钢讲授数学模型课时提出一个观点：模型的本质是软件。当时，宝钢的同事中似乎只有杜斌博士理解我的这个认知，并不断向其他同事宣传。

为什么说大模型是“屠龙之技”呢？大模型在自动控制领域具有“非线性的长处和概率性的短处”。如前面所说，在自动控制领域，“非线性长处”其实无关紧要，而“概率性的短处”则可能引发意想不到的麻烦。现在有些报道中的应用场景明显不合适，是用于写论文、做广告的，读者不要过于当真。

最后阐明一个观点：控制论不仅没有死，反而是愈久弥新。借助数字化的工具，控制论的应用场景和机会越来越多，发挥的作用也越来越大。但是，不要把控制理论的发展和数学应用的深入等同起来，这是大错特错。

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。