智能化相关的几个理论和方法

大约80年前，维纳思考了一个问题：动物和机器有什么区别？

在他看来，机器只能按照预定的步骤机械地执行，而动物却能根据外部的变化采取行动。要做到这一点，需要把信息领域的感知、决策和物理领域的执行过程结合在一起。过去，只有人和动物才具有感知和处理信息的能力，而传统的机器却没有。所以，只能通过人来操纵机器。弱电技术发明之后，机器具有了获取和处理信息的能力。弱电还可以控制强电，驱动物理设备的执行。于是，控制论产生了。

控制论也被称为人工智能的三大学派之一。

计算机的产生，让人类找到了一般性的实现方法。如果计算机知道系统的输入输出关系（也就是模型），决策过程就是一个逆向求解的过程：根据决策的目标，反求出决策的手段。这个办法是具备一般性的。首先是模型的一般性：因为“数学是宇宙的语言”，可以描述一切自然规律。而计算机可以完成各种数学计算并为对象建立数字模型。其次是求解方法的一般性：有了模型就可以进行仿真计算，从而找到相对理想的解。

所以，计算机为一般性的机器决策奠定了基础。

但是，在过去的几十年里，计算机的优势并没有发挥出来。原因是计算机和网络的性能有限。例如，30年多年前工厂采用的计算机，连热传导方程都难以实时、准确计算。信息通信技术的发展，让这个问题得到了解决，从而让计算机的优势得以发挥。我们现在搞智能化的机会，主要来自于这个方面。

人工智能还有两个学派，即符号学派和连接学派。

这两个学派的立足点是那些传统的计算机算法难以解决的问题。例如，传统算法难以解决NP完备性问题、难以解决知识学习的问题。这两个学派经历了接近80年的发展，最近10多年终于取得了突破性的进展，即深度学习技术的产生。通俗地说，人工智能的这两个学派是给传统计算机算法“补漏”的。

回首过去，就会发现：类似深度学习的想法很早之前就有（我本人在90年代初就想过）。但当时的技术条件并不具备。深度学习的条件，在很大程度上与数据有关，否则学习的结果并不可靠。而大数据技术的产生、条件的具备，也是计算机和信息通信技术发展的结果。

最后总结一下：

维纳思考的是人（动物）和机器的区别，并指出了解决问题的方向。理论上讲，有了计算机就有了一般性的解决方案。但这个方案实施时，受计算机性能和通信技术的严重制约。信息通信技术的发展，让制约条件逐步取消，将我们带入了智能时代。但是，在处理某些问题时，传统的算法并不能令人满意，人工智能就是解决这个问题的技术方法。人工智能方法的进步，同样受益于信息通信技术的发展。

计算机代替人类是一个漫长的阶段。这里有技术问题上的困难，更有经济上的困难。我们现在推进智能制造，关键是找到那些技术和经济可行性好的办法和场景。