黃心漢

(華中科技大學(xué) 自動(dòng)化學(xué)院，湖北 武漢 430074)

A3I：21世紀(jì)科技之光

黃心漢

(華中科技大學(xué) 自動(dòng)化學(xué)院，湖北 武漢 430074)

在回顧人工智能、智能控制與智能機(jī)器人(artificial intelligence, intelligent control and intelligent robotics，A3I)發(fā)展歷程的基礎(chǔ)上，介紹了人工智能的誕生和發(fā)展進(jìn)程、研究目標(biāo)與實(shí)現(xiàn)途徑。提出了傳統(tǒng)控制技術(shù)面臨的挑戰(zhàn)與出路，比較了智能控制與傳統(tǒng)控制在知識(shí)的獲取、描述、加工和運(yùn)用方面的不同之處，闡述了二者之間的相互關(guān)系，指出了智能控制系統(tǒng)應(yīng)具備的基本功能、主要任務(wù)與實(shí)現(xiàn)方法。介紹了機(jī)器人的過(guò)去——人類的幻想，機(jī)器人的現(xiàn)在——從幻想走向現(xiàn)實(shí)和機(jī)器人的未來(lái)——智能機(jī)器人。最后對(duì)人工智能、智能控制和智能機(jī)器人的發(fā)展前景進(jìn)行了展望。

人工智能；智能控制；智能機(jī)器人；神經(jīng)網(wǎng)絡(luò)；深度學(xué)習(xí)；模糊控制；專家系統(tǒng)；傳遞函數(shù)；動(dòng)態(tài)規(guī)劃

舉世矚目的人機(jī)大戰(zhàn)落下帷幕，谷歌AlphaGo以4∶1戰(zhàn)勝韓國(guó)超一流棋手李世石，這是繼IBM“深藍(lán)”在1997年打敗國(guó)際象棋世界冠軍卡斯帕羅夫之后，人工智能技術(shù)取得的又一重要成果。AlphaGo在圍棋博弈的成功是人工智能技術(shù)在深度學(xué)習(xí)方面取得重大進(jìn)步的體現(xiàn)，標(biāo)志著人工智能的發(fā)展進(jìn)入了迅速發(fā)展的新階段。目前有關(guān)人工智能是否會(huì)超越人類智能的大討論如火如荼，圍棋人機(jī)大戰(zhàn)巔峰對(duì)決的意義超越勝負(fù)，這是科技工作者經(jīng)過(guò)半個(gè)多世紀(jì)的不懈努力所取得的輝煌成就。2016年是人工智能誕生60周年，讓我們來(lái)回顧一下人工智能誕生和發(fā)展的歷程。

圖1 人機(jī)大戰(zhàn)比賽現(xiàn)場(chǎng)Fig.1 Man-machine game site

1 人工智能：曙光初顯

1.1 人工智能的誕生

1950年英國(guó)數(shù)學(xué)家、邏輯學(xué)家，被譽(yù)為計(jì)算機(jī)科學(xué)之父的阿蘭·圖靈(Alan Turing)發(fā)表了一篇?jiǎng)潟r(shí)代的論文《計(jì)算機(jī)器與智能》[1]，文中預(yù)言了創(chuàng)造出具有真正智能的機(jī)器的可能性。他的這篇著名論文和他設(shè)計(jì)圖靈測(cè)試(圖2)拉開(kāi)了人工智能的序幕。

圖2 圖靈測(cè)試示意圖Fig.2 Schematic diagram of the Turing test

1956年夏季，美國(guó)10位杰出青年科學(xué)家：達(dá)特茅斯學(xué)院的數(shù)學(xué)家和計(jì)算機(jī)專家麥卡錫(John McCarthy)、哈佛大學(xué)的數(shù)學(xué)家和神經(jīng)學(xué)家明斯基(M. L. Minsky)、IBM公司信息中心負(fù)責(zé)人洛切斯特(Nathaniel Rochester)、貝爾實(shí)驗(yàn)室信息部數(shù)學(xué)研究員香農(nóng)(Claude Shannon)、IBM公司的摩爾(Trenchard More)和塞繆爾(Arthur Samuel)、麻省理工學(xué)院的賽弗里奇(Oliver Selfridge)和所羅門諾夫(Solomonoff)、以及卡內(nèi)基—梅隆大學(xué)的紐維爾(Allen Newell)和西蒙(Herbert Simon)在美國(guó)達(dá)特茅斯學(xué)院(Dartmouth College)進(jìn)行了一次為期兩個(gè)月的夏季學(xué)術(shù)研討會(huì)，會(huì)議召集人麥卡錫將該會(huì)議命名為“人工智能夏季研討會(huì)”(Summer Research Project on Artificial Intelligence)[2]。主要研討用機(jī)器模擬人類智能的有關(guān)問(wèn)題，并經(jīng)麥卡錫提議，正式采用人工智能(artificial intelligence，AI)這一術(shù)語(yǔ)來(lái)表述相關(guān)問(wèn)題。達(dá)特茅斯會(huì)議標(biāo)志著人工智能作為一門新興學(xué)科的正式誕生。

圖3是達(dá)特茅斯會(huì)議原址達(dá)特茅斯學(xué)院的達(dá)特茅斯樓。圖4是2006年5位在世的達(dá)特茅斯會(huì)議參與者重聚達(dá)特茅斯紀(jì)念會(huì)議50周年時(shí)的合影(左起摩爾、麥卡錫、明斯基、賽弗里奇、所羅門諾夫)。

圖3 達(dá)特茅斯樓Fig.3 Dartmouth floor

圖4 五位達(dá)特茅斯會(huì)議參與者2006年的合影Fig.4 Photo of five Dartmouth conference participants in 2006

經(jīng)過(guò)10余年的研究與發(fā)展，人工智能在定理證明、問(wèn)題求解、計(jì)算機(jī)博弈等領(lǐng)域取得重要進(jìn)展。第一屆國(guó)際人工智能聯(lián)合會(huì)議(International Joint Conferences on Artificial Intelligence，IJCAI)于1969年召開(kāi)，1970年人工智能雜志《Artificial Intelligence》創(chuàng)刊，這些事件標(biāo)志著人工智能作為一門獨(dú)立學(xué)科得到國(guó)際學(xué)術(shù)界的認(rèn)可。

隨著實(shí)際系統(tǒng)越來(lái)越龐大、越來(lái)越復(fù)雜，人們對(duì)于人工智能的應(yīng)用有著強(qiáng)烈需求。人工智能越來(lái)越關(guān)注實(shí)際應(yīng)用，與其他學(xué)科的聯(lián)系也越來(lái)越緊密，統(tǒng)計(jì)學(xué)、控制論、生物學(xué)等學(xué)科不斷深入到人工智能中，誕生了不少新觀點(diǎn)和具有良好應(yīng)用效果的研究成果。1982年，美國(guó)物理學(xué)家約翰霍普菲爾德(J.J. Hopfield )提出了霍普菲爾德神經(jīng)網(wǎng)絡(luò)[3]，這一成果與1985年由魯梅爾哈特(D. E. Rumelhart )等提出的多層網(wǎng)絡(luò)中的反向傳播(BP)算法[4]一起，促進(jìn)了神經(jīng)網(wǎng)絡(luò)研究的復(fù)興。20世紀(jì)80年代中后期開(kāi)始，統(tǒng)計(jì)學(xué)在人工智能中發(fā)揮重要作用，隱馬爾可夫模型被引入語(yǔ)音識(shí)別，貝葉斯網(wǎng)絡(luò)成為不確定性推理的重要手段。20世紀(jì)80年代后期出現(xiàn)了數(shù)據(jù)挖掘技術(shù)。1991年，麻省理工學(xué)院著名機(jī)器人專家羅德尼布魯克斯(R. A. Brooks )發(fā)表了《沒(méi)有表示的智能》[5]和《沒(méi)有推理的智能》[6]的新觀點(diǎn)。1995年出現(xiàn)的智能體(Agent)[7]和多智能體(Multi-agent)概念[8-9]，迅速成為智能系統(tǒng)的構(gòu)造，特別是分布式智能系統(tǒng)構(gòu)造的研究熱點(diǎn)[10-12]。近年出現(xiàn)的深度學(xué)習(xí)、大數(shù)據(jù)、云計(jì)算和互聯(lián)網(wǎng)+，為智能控制的發(fā)展提供了新的途徑。

1.2 人工智能的研究目標(biāo)

1)長(zhǎng)遠(yuǎn)目標(biāo)

揭示人類智能的機(jī)理，用人工智能技術(shù)構(gòu)建智能機(jī)器來(lái)模擬和擴(kuò)展人類智能，實(shí)現(xiàn)腦力勞動(dòng)自動(dòng)化。

2)近期目標(biāo)

研究如何使機(jī)器更聰明，使它在某一方面和在一定程度上模擬人類智能，如智能機(jī)器人[13]的環(huán)境識(shí)別、自主決策和人機(jī)交互能力等；或者在實(shí)際應(yīng)用中，為人類提供智能工具，幫助人們解決一些具體問(wèn)題，如智能制造、智能家居、智能樓宇、智能醫(yī)療、智能手機(jī)、智能交通[14]等。

長(zhǎng)遠(yuǎn)目標(biāo)與近期目標(biāo)沒(méi)有明確界限，長(zhǎng)遠(yuǎn)目標(biāo)為近期目標(biāo)指明方向，近期目標(biāo)為人工智能的應(yīng)用提供理論和技術(shù)基礎(chǔ)，隨著人工智能研究的發(fā)展和進(jìn)步，最終實(shí)現(xiàn)長(zhǎng)遠(yuǎn)目標(biāo)。

1.3 人工智能的實(shí)現(xiàn)途徑

1)符號(hào)處理

其理論基礎(chǔ)是紐維爾和西蒙提出的物理符號(hào)系統(tǒng)假說(shuō)[15]，用符號(hào)來(lái)表示知識(shí)，并進(jìn)行基于符號(hào)的推理，實(shí)現(xiàn)人工智能。應(yīng)用領(lǐng)域包括問(wèn)題求解、計(jì)算機(jī)博弈、自動(dòng)定理證明和專家系統(tǒng)等。

2)連接主義

以結(jié)構(gòu)模擬為核心，主要實(shí)現(xiàn)方式是人工神經(jīng)網(wǎng)絡(luò)，由于人工神經(jīng)網(wǎng)絡(luò)是通過(guò)大量神經(jīng)元相互連接而形成[16]，因此得名連接主義。目前主要的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)模型有感知器、霍普菲爾德網(wǎng)絡(luò)、自組織特征映射網(wǎng)絡(luò)等。

3)學(xué)習(xí)

學(xué)習(xí)是獲取知識(shí)的途徑，因此通過(guò)機(jī)器學(xué)習(xí)實(shí)現(xiàn)人工智能就是一種自然想法，賦予機(jī)器學(xué)習(xí)能力涉及人類智能本質(zhì)的根本問(wèn)題，對(duì)這一問(wèn)題的解決意味著真正的人工智能的到來(lái)[17-18]，但這也是一個(gè)非常困難的問(wèn)題。涉及的研究領(lǐng)域包括：計(jì)算機(jī)視覺(jué)、模式識(shí)別、知識(shí)發(fā)現(xiàn)與數(shù)據(jù)挖掘、人工神經(jīng)網(wǎng)絡(luò)、專家系統(tǒng)等。

4)行為主義

布魯克斯在1991年發(fā)表的《沒(méi)有表示的智能》和《沒(méi)有推理的智能》是對(duì)傳統(tǒng)人工智能的批評(píng)和否定，開(kāi)創(chuàng)了基于行為的人工智能研究新途徑。行為主義認(rèn)為智能來(lái)自于感知與行為和對(duì)外界環(huán)境的適應(yīng)，而不是傳統(tǒng)的“深思熟慮”的表示和推理。研究領(lǐng)域包括智能機(jī)器人[19]、機(jī)器昆蟲等。

5)進(jìn)化主義

其基本思想是模擬生物進(jìn)化過(guò)程，借助遺傳學(xué)和進(jìn)化論，通過(guò)遺傳和變異完成進(jìn)化過(guò)程。進(jìn)化主義與學(xué)習(xí)有類似之處，本質(zhì)上都是試圖不斷提高智能系統(tǒng)解決問(wèn)題的能力，但二者采用的手段存在很大不同，學(xué)習(xí)是一種個(gè)體行為，而進(jìn)化則是一種群體行為。

6)群體智能

不同于進(jìn)化主義通過(guò)遺傳和變異實(shí)現(xiàn)一代一代的進(jìn)化，群體主義是通過(guò)個(gè)體之間的協(xié)同與合作來(lái)解決問(wèn)題，表現(xiàn)出群體智能，而非個(gè)體智能。主要方法包括由多智能體構(gòu)建分布式智能系統(tǒng)，以粒子群算法(particle swarm optimization，PSO)[20]和蟻群算法(ant algorithm，AA)[21]為代表的群智能優(yōu)化算法等。典型應(yīng)用如機(jī)器人足球賽、機(jī)器人圍捕及群體攻擊與路徑規(guī)劃等。

7)深度學(xué)習(xí)

深度學(xué)習(xí)是機(jī)器學(xué)習(xí)的一個(gè)新的領(lǐng)域[22]，Hinton等[23]在2006年提出深度學(xué)習(xí)概念，通過(guò)模仿人腦的機(jī)制和構(gòu)建類似于人類大腦的神經(jīng)網(wǎng)絡(luò)來(lái)解釋數(shù)據(jù)、圖像、聲音和文本。AlphGo構(gòu)建了2個(gè)網(wǎng)絡(luò)來(lái)模仿人類的深度學(xué)習(xí)，一個(gè)是“策略網(wǎng)絡(luò)”，用來(lái)決定下一步棋如何走；另一個(gè)是“價(jià)值網(wǎng)絡(luò)”，用來(lái)分析勝負(fù)形勢(shì)。2個(gè)網(wǎng)絡(luò)同時(shí)運(yùn)行，取得了很好的效果。深度學(xué)習(xí)有兩種方式，即監(jiān)督學(xué)習(xí)與無(wú)監(jiān)督學(xué)習(xí)，不同框架下建立的學(xué)習(xí)模型也不相同。如卷積神經(jīng)網(wǎng)絡(luò)(convolutional neural networks，CNNs)是一種監(jiān)督學(xué)習(xí)模型，而深度置信網(wǎng)(Deep Belief Nets，DBNs)則是一種無(wú)監(jiān)督學(xué)習(xí)模型。

1.4 人工智能的應(yīng)用領(lǐng)域

人工智能的應(yīng)用領(lǐng)域非常廣泛，目前涉及的領(lǐng)域包括：認(rèn)知科學(xué)、機(jī)器學(xué)習(xí)、自然語(yǔ)言理解、機(jī)器人學(xué)、計(jì)算機(jī)博弈、自動(dòng)定理證明、模式識(shí)別、計(jì)算機(jī)視覺(jué)、人工神經(jīng)網(wǎng)絡(luò)、專家系統(tǒng)、知識(shí)發(fā)現(xiàn)與數(shù)據(jù)挖掘、自動(dòng)程序設(shè)計(jì)、智能控制、智能決策支持系統(tǒng)、分布式人工智能以及大數(shù)據(jù)、云計(jì)算和互聯(lián)網(wǎng)+等。

2 智能控制——方興未艾

2.1 傳統(tǒng)控制面臨挑戰(zhàn)

1948年，美國(guó)學(xué)者、控制論創(chuàng)始人維納(N. Wiener )發(fā)表了他的名著《控制論：或關(guān)于在動(dòng)物和機(jī)器中控制和通訊的科學(xué)》[24]，控制理論的發(fā)展大體上可分為3個(gè)主要階段：經(jīng)典控制理論(20世紀(jì)40年代)，現(xiàn)代控制理論(20世紀(jì)60年代)和大系統(tǒng)理論與智能控制理論(20世紀(jì)70年代)。經(jīng)典控制理論和現(xiàn)代控制理論一般稱為傳統(tǒng)控制理論[25]。

2.1.1 經(jīng)典控制理論

自動(dòng)控制技術(shù)可追溯到工業(yè)革命前對(duì)蒸氣機(jī)的運(yùn)行控制，1868年英國(guó)物理學(xué)家麥克斯韋(Maxwell)以蒸氣機(jī)閥門的飛球調(diào)節(jié)器系統(tǒng)為對(duì)象，建立了調(diào)速系統(tǒng)的線性常微分方程，解釋了控制系統(tǒng)中出現(xiàn)的不穩(wěn)定問(wèn)題，提出了用數(shù)學(xué)模型分析和綜合控制系統(tǒng)的方法，揭開(kāi)了系統(tǒng)分析和反饋控制原理等基礎(chǔ)研究的序幕。1892年，俄國(guó)數(shù)學(xué)和力學(xué)家李雅普諾夫(Lyapunov)在他的博士論文《運(yùn)動(dòng)穩(wěn)定性的一般問(wèn)題》[26]中給出了運(yùn)動(dòng)穩(wěn)定性的嚴(yán)格數(shù)學(xué)定義，建立了從概念到方法的關(guān)于穩(wěn)定性理論的完整體系，從而奠定了穩(wěn)定性理論的基礎(chǔ)。20世紀(jì)20年代以來(lái)，Black、Nyquist[27]、Bode等關(guān)于反饋放大器的研究，1940年美國(guó)應(yīng)用數(shù)學(xué)家Bode提出的波德圖[28](Bode plots)，1942年Harris將拉普拉斯變換應(yīng)用到分析自動(dòng)調(diào)節(jié)系統(tǒng)提出的傳遞函數(shù)[29]，以及Nyquist提出的“乃奎斯特判據(jù)”和美國(guó)學(xué)者Evans提出的根軌跡法[30-31]等，這些理論的提出逐步完善了自動(dòng)控制理論的分析與綜合方法，形成了經(jīng)典控制理論。

經(jīng)典控制理論是一種基于數(shù)學(xué)模型的定量方法，它以“反饋控制原理”和“Lyapunov穩(wěn)定性理論”為基礎(chǔ)，以研究單變量系統(tǒng)為主要對(duì)象，在用復(fù)變函數(shù)和Laplace變換建立系統(tǒng)傳遞函數(shù)的基礎(chǔ)上，采用時(shí)域、頻域或根軌跡法來(lái)分析和綜合系統(tǒng)的動(dòng)態(tài)和穩(wěn)態(tài)性能。如求解系統(tǒng)的微分方程，繪制Nyquist曲線、Bode圖、根軌跡圖、Routh判據(jù)列表等。已形成了完善的理論體系，獲得了廣泛的應(yīng)用。

2.1.2 現(xiàn)代控制理論

20世紀(jì)60年代隨著宇宙飛船軌線控制的需要，提出了以多變量控制為特征的現(xiàn)代控制理論?，F(xiàn)代控制理論是在1960 年6 月在莫斯科召開(kāi)的國(guó)際自動(dòng)控制聯(lián)合會(huì)(International Federation of Automatic Control，IFAC)第一屆年會(huì)上首次提出。它以線性系統(tǒng)理論為基礎(chǔ)，以狀態(tài)空間分析為工具，借助計(jì)算機(jī)的強(qiáng)大計(jì)算能力對(duì)系統(tǒng)進(jìn)行分析、計(jì)算與設(shè)計(jì)，不僅方便，而且概念清晰。其代表性成果有：龐特里亞金(Pontryagin)極大值原理[32]、貝爾曼(Bellman)動(dòng)態(tài)規(guī)劃[33]、卡爾曼(Kalman)濾波[34-35]等，這些研究成果奠定了現(xiàn)代控制理論的基礎(chǔ)。

2.1.3 大系統(tǒng)理論

大系統(tǒng)理論是20世紀(jì)70年代形成的，它綜合了線性規(guī)劃、決策理論和現(xiàn)代控制理論等方面的成果，把復(fù)雜的工業(yè)系統(tǒng)、生態(tài)環(huán)境系統(tǒng)和社會(huì)經(jīng)濟(jì)系統(tǒng)作為研究和應(yīng)用的對(duì)象。大系統(tǒng)理論涉及系統(tǒng)建模和模型簡(jiǎn)化、系統(tǒng)結(jié)構(gòu)和穩(wěn)定性以及信息獲取和遞階與分散控制等內(nèi)容。大系統(tǒng)理論在工農(nóng)業(yè)生產(chǎn)、交通運(yùn)輸、資源開(kāi)發(fā)、物流管理、人口與計(jì)劃生育、天氣預(yù)報(bào)和環(huán)境保護(hù)等領(lǐng)域獲得了成功應(yīng)用。

2.1.4 傳統(tǒng)控制面臨的挑戰(zhàn)

傳統(tǒng)控制理論(包括經(jīng)典控制理論、現(xiàn)代控制理論和大系統(tǒng)理論)是以精確數(shù)學(xué)模型為基礎(chǔ)的系統(tǒng)分析與綜合方法。面對(duì)科技和生產(chǎn)力水平高速發(fā)展和對(duì)大規(guī)模、復(fù)雜和不確定性系統(tǒng)難以建模的困境，基于數(shù)學(xué)模型的傳統(tǒng)控制技術(shù)的局限性日益明顯，其應(yīng)用受到了很大限制，從而面臨一場(chǎng)嚴(yán)峻的挑戰(zhàn)。那么，它的出路在何方呢？

2.2 智能控制的誕生

隨著人工智能和自動(dòng)控制技術(shù)的發(fā)展，人們?cè)趯⑷斯ぶ悄茏鳛樗季S科學(xué)的同時(shí)，也不斷探索將其應(yīng)用到科技領(lǐng)域。智能控制(intelligent control，IC)正是人工智能與自動(dòng)控制技術(shù)融合的產(chǎn)物。它摒棄了傳統(tǒng)控制對(duì)數(shù)學(xué)模型的依賴，以控制目的和行為為目標(biāo)，運(yùn)用人工智能技術(shù)，通過(guò)學(xué)習(xí)、訓(xùn)練、推理、判斷、決策的符號(hào)演繹實(shí)現(xiàn)對(duì)復(fù)雜大系統(tǒng)的控制。計(jì)算機(jī)科學(xué)、信息科學(xué)、人工智能的新進(jìn)展和智能機(jī)器人的工程實(shí)踐為智能控制的誕生奠定了理論和技術(shù)基礎(chǔ)。

2.2.1 智能控制與傳統(tǒng)控制的比較

在理論基礎(chǔ)、實(shí)現(xiàn)方法和系統(tǒng)規(guī)模上智能控制與傳統(tǒng)控制有著本質(zhì)的區(qū)別，但它們也不是互相排斥的。傳統(tǒng)控制往往用來(lái)解決系統(tǒng)底層(執(zhí)行層)的控制問(wèn)題，從而保證系統(tǒng)的控制精度。智能控制則在系統(tǒng)的中層(協(xié)調(diào)層)和高層(決策層)進(jìn)行環(huán)境識(shí)別、信息融合和推理決策等，實(shí)現(xiàn)對(duì)系統(tǒng)行為和目標(biāo)的控制。智能控制與傳統(tǒng)控制的結(jié)合既提高了系統(tǒng)的智能化程度，又能保證系統(tǒng)的控制精度，使系統(tǒng)結(jié)構(gòu)更加合理，達(dá)到互補(bǔ)的效果。

傳統(tǒng)控制(traditional control)是基于數(shù)學(xué)模型的定量方法。有完善的理論體系和有效的系統(tǒng)分析與綜合方法，有嚴(yán)格的性能指標(biāo)體系，在單機(jī)自動(dòng)化和復(fù)雜系統(tǒng)的底層得到了廣泛成功的應(yīng)用。

智能控制(intelligent control)是基于知識(shí)和經(jīng)驗(yàn)的直覺(jué)推理方法。尚無(wú)完善的理論體系，實(shí)現(xiàn)方法具有多樣性，智能控制以控制的目的和行為來(lái)評(píng)價(jià)系統(tǒng)性能，而無(wú)統(tǒng)一的性能指標(biāo)體系。智能控制的應(yīng)用極為廣泛，可涉及自然科學(xué)和社會(huì)科學(xué)的各個(gè)領(lǐng)域，是控制界當(dāng)前的研究熱點(diǎn)和今后的發(fā)展方向。

從對(duì)知識(shí)的獲取、描述、加工和運(yùn)用的過(guò)程來(lái)看，傳統(tǒng)控制與智能控制的比較如表1所示。

表1 傳統(tǒng)控制與智能控制的比較

2.2.2 智能控制的主要功能與方法

智能控制系統(tǒng)必須具備的基本功能有組織協(xié)調(diào)能力、聯(lián)想記憶和學(xué)習(xí)能力，以及動(dòng)態(tài)自適應(yīng)能力等。智能控制方法很多，比較成功的典型方法有：由瑞典著名學(xué)者Astrom[36]提出的專家控制(expert control)；在美國(guó)學(xué)者Zadeh[37]提出模糊集理論的基礎(chǔ)上，由英國(guó)Mamdani[38]教授1974年提出的模糊控制(fuzzy control，F(xiàn)C)；20世紀(jì)80年代中期，Hopfield提出的Hopfield網(wǎng)絡(luò)和Rumelhart提出的BP算法為人工神經(jīng)網(wǎng)絡(luò)研究注入了新的活力，人工神經(jīng)網(wǎng)絡(luò)被引入控制領(lǐng)域并得到廣泛應(yīng)用，形成了神經(jīng)網(wǎng)絡(luò)控制(neural network control)；Albus[39]1981年提出的分層遞階控制(hierarchical control)模擬了人腦的分層結(jié)構(gòu)，由組織級(jí)、協(xié)調(diào)級(jí)和執(zhí)行級(jí)構(gòu)成，其智能表現(xiàn)為傳統(tǒng)的“感知—思考—?jiǎng)幼鳌钡挠幸庾R(shí)的行為。

2.2.3 智能控制的研究目標(biāo)

智能控制的研究目標(biāo)包括：

1)智能控制系統(tǒng)的穩(wěn)定性、可控性、可測(cè)性、魯棒性等定義及判據(jù)；

2)動(dòng)態(tài)系統(tǒng)的知識(shí)獲取、分類、表達(dá)、利用及規(guī)劃的相容性及完備性；

3)學(xué)習(xí)理論與方法研究；

4)加強(qiáng)對(duì)人—機(jī)結(jié)合、認(rèn)知心理學(xué)、神經(jīng)網(wǎng)絡(luò)、離散事件動(dòng)態(tài)系統(tǒng)、以及可拓學(xué)的理論與方法的深入研究；

5)探索人工智能與自動(dòng)控制技術(shù)相結(jié)合的各種途徑，以及應(yīng)用的新領(lǐng)域；

6)將人工智能方法用于系統(tǒng)建模、優(yōu)化、控制、故障診斷、生產(chǎn)計(jì)劃和調(diào)度;

7)將智能控制技術(shù)應(yīng)用到自然科學(xué)和社會(huì)科學(xué)的各個(gè)領(lǐng)域，拓寬智能控制的應(yīng)用范圍。

2.3 智能控制的發(fā)展前景與展望

智能控制自20世紀(jì)60年代末提出以來(lái)，經(jīng)歷了40多年的發(fā)展歷史，取得了令人矚目的進(jìn)展。據(jù)有關(guān)資料統(tǒng)計(jì)，在現(xiàn)有的600多個(gè)傳統(tǒng)行業(yè)中有200多個(gè)行業(yè)已經(jīng)被人工智能技術(shù)和機(jī)器人完全取代或部分取代，如大家熟知的電話交換機(jī)、打字機(jī)、照相機(jī)、印刷機(jī)、汽車和家電制造等行業(yè)，機(jī)器換人勢(shì)在必行。隨著人工智能技術(shù)、智能控制技術(shù)和機(jī)器人技術(shù)的發(fā)展，智能交通、智能家居、智能大樓、智能物流以及與人類生活和生產(chǎn)相關(guān)的各個(gè)行業(yè)的智能化進(jìn)程會(huì)越來(lái)越快，人類社會(huì)正在步入智能化和機(jī)器人時(shí)代。

雖然智能控制至今尚未形成完整的理論體系，還沒(méi)有一個(gè)被大家所公認(rèn)的定義，但人們對(duì)控制技術(shù)已開(kāi)始走向智能化發(fā)展階段形成了共識(shí)。

智能控制是人工智能與控制技術(shù)的結(jié)合，是人類將自身的智力用于改造客觀世界的必然產(chǎn)物。正因?yàn)樗诶碚撋线€不夠完善，應(yīng)用領(lǐng)域還有待進(jìn)一步開(kāi)發(fā)，對(duì)它的理論和應(yīng)用研究才更具挑戰(zhàn)性、更有吸引力。

傳統(tǒng)控制面臨挑戰(zhàn)、人工智能曙光初現(xiàn)、智能控制方興未艾。

3 智能機(jī)器人——璀璨明珠

習(xí)近平主席[40]2014年6月在兩院院士大會(huì)開(kāi)幕式上發(fā)表重要講話中指出：在全球機(jī)器人產(chǎn)業(yè)激烈競(jìng)爭(zhēng)的背景下，我們要審時(shí)度勢(shì)、全盤考慮、抓緊謀劃、扎實(shí)推進(jìn)，不僅要把我國(guó)機(jī)器人水平提高上去，而且要盡可能多地占領(lǐng)市場(chǎng)。習(xí)主席的講話為我國(guó)機(jī)器人技術(shù)的發(fā)展和應(yīng)用指明了方向。

比爾·蓋茨[41]2007年1月在CES開(kāi)幕式上的演說(shuō)中預(yù)言：未來(lái)家家都有機(jī)器人。他說(shuō)：機(jī)器人即將重復(fù)個(gè)人電腦崛起的道路，極有可能深入人類社會(huì)生活的方方面面，影響之深遠(yuǎn)絲毫不遜于過(guò)去30年間個(gè)人電腦給我們帶來(lái)的改變，機(jī)器人將成為我們?nèi)粘Ｉ畹囊徊糠?，必將與個(gè)人電腦一樣，徹底改變這個(gè)時(shí)代的生活方式。比爾·蓋茨的預(yù)言已經(jīng)和正在不斷成為現(xiàn)實(shí)。

3.1 機(jī)器人的過(guò)去：人類的幻想

人類對(duì)機(jī)器人的幻想與追求已有3 000多年的歷史，古今中外，概莫如此。古代能工巧匠們制作的各種各樣的自動(dòng)工具和玩偶就是現(xiàn)代機(jī)器人的雛形。

中國(guó)的西周時(shí)期，偃師制作的歌舞藝人；春秋后期，魯班制作的木鳥(niǎo)，能在空中飛行三日不下； 1 800年前的漢代，張衡發(fā)明的計(jì)里鼓車，每行一里，車上的小木人擊鼓一下，每行十里擊鐘一下；后漢三國(guó)時(shí)期，諸葛亮發(fā)明的木牛流馬，可在崎嶇山路中運(yùn)送糧草。

公元前2世紀(jì)，古希臘人制造的青銅雕像太羅斯，不僅可以開(kāi)門，還可以借助蒸汽唱歌；1662年，日本的竹田近江制作的自動(dòng)機(jī)器玩偶，在大阪的道頓堀演出大受歡迎；1738年，法國(guó)技師杰克·戴·瓦克遜制造了一只機(jī)器鴨，會(huì)嘎嘎叫、會(huì)游泳、會(huì)喝水和進(jìn)食；1773年，瑞士鐘表匠杰克·道羅斯父子制造了自動(dòng)書寫玩偶和自動(dòng)演奏玩偶，有的拿著畫筆繪畫，有的拿著鵝毛蘸墨水寫字，結(jié)構(gòu)巧妙，服飾華麗，在歐洲風(fēng)靡一時(shí)；1927年，美國(guó)西屋公司的工程師溫茲利制造了一個(gè)電動(dòng)機(jī)器人電報(bào)箱，裝有無(wú)線電發(fā)報(bào)機(jī)，可以回答一些簡(jiǎn)單問(wèn)題，在紐約世博會(huì)上展出引起轟動(dòng)。

古今中外的能工巧匠制作的各種各樣、形形色色的自動(dòng)工具和玩偶反映了人類對(duì)機(jī)器人的幻想與追求，也是現(xiàn)代機(jī)器人誕生和發(fā)展的基礎(chǔ)。

3.2 機(jī)器人的現(xiàn)在：從幻想走向現(xiàn)實(shí)

3.2.1 現(xiàn)代機(jī)器人的誕生與發(fā)展

現(xiàn)代機(jī)器人是隨著社會(huì)的需求和科學(xué)技術(shù)的進(jìn)步而誕生和發(fā)展起來(lái)的。1938—1945年的二戰(zhàn)時(shí)期，隨著核工業(yè)和軍事工業(yè)的發(fā)展，研制出主從機(jī)械手(master-slave manipulator)和遙控操縱器(teleoperator)，用于核材料的搬運(yùn)、加工和裝配操作，大大降低了核輻射對(duì)操作人員的危害。1949—1953年，美國(guó)麻省理工學(xué)院研制的多軸數(shù)控銑床，可進(jìn)行飛機(jī)螺旋槳葉片復(fù)雜曲面加工的要求。1954年，美國(guó)人喬治·德沃爾(George C. Devol)制作了世界第一臺(tái)可編程示教再現(xiàn)機(jī)器人實(shí)驗(yàn)裝置，發(fā)表了題為《適用于重復(fù)作業(yè)的通用性工業(yè)機(jī)器人》的文章[42]。1960年美國(guó)聯(lián)合控制公司(consolidated control)研制出世界第一臺(tái)通用型工業(yè)機(jī)器人，開(kāi)始定型生產(chǎn)名為Unimate的工業(yè)機(jī)器人推向市場(chǎng)，機(jī)器人產(chǎn)品正式問(wèn)世。兩年后，美國(guó)機(jī)床與鑄造公司(AMF)也生產(chǎn)了可編程工業(yè)機(jī)器人Versatran。

20世紀(jì)70年代，機(jī)器人的應(yīng)用領(lǐng)域進(jìn)一步擴(kuò)大，各種坐標(biāo)系統(tǒng)、不同結(jié)構(gòu)的機(jī)器人相繼出現(xiàn)。由于大規(guī)模集成電路和計(jì)算機(jī)技術(shù)的飛躍發(fā)展，機(jī)器人性能大大提高，成本不斷下降。20世紀(jì)80年代，工業(yè)機(jī)器人在發(fā)達(dá)國(guó)家已經(jīng)進(jìn)入了實(shí)用化的普及階段。隨著人工智能技術(shù)、智能控制技術(shù)和智能傳感技術(shù)的發(fā)展與進(jìn)步，智能機(jī)器人研究勢(shì)在必行。機(jī)器人視覺(jué)、觸覺(jué)、聽(tīng)覺(jué)、力覺(jué)、接近覺(jué)的研究和應(yīng)用不斷深入，大大提高了機(jī)器人的適應(yīng)能力和應(yīng)用范圍，促進(jìn)了機(jī)器人的智能化進(jìn)程。

經(jīng)歷了50多年的發(fā)展，機(jī)器人技術(shù)形成了一門新的綜合性學(xué)科——機(jī)器人學(xué)(Robotics)[43-44]，涉及的學(xué)科內(nèi)容有：機(jī)械手結(jié)構(gòu)與設(shè)計(jì)，機(jī)器人運(yùn)動(dòng)學(xué)、動(dòng)力學(xué)和控制，機(jī)器人驅(qū)動(dòng)與傳動(dòng)裝置，機(jī)器人軟件結(jié)構(gòu)與編程技術(shù)，運(yùn)動(dòng)軌跡和路徑規(guī)劃，機(jī)器人傳感器(包括內(nèi)部傳感器和外部傳感器)，機(jī)器人視覺(jué)、聽(tīng)覺(jué)和語(yǔ)音表達(dá)，模式識(shí)別與圖像處理技術(shù)、信息融合技術(shù)、神經(jīng)網(wǎng)絡(luò)與多智能體技術(shù)、機(jī)器情感與機(jī)器人智能等。

3.2.2 工業(yè)機(jī)器人

工業(yè)機(jī)器人涉及工業(yè)生產(chǎn)的各個(gè)環(huán)節(jié)，如加工、裝配、焊接、打磨、上下料、噴涂、搬運(yùn)等，是應(yīng)用最為成功和廣泛的機(jī)器人[45]。圖5～7分別為汽車裝配線上的工業(yè)機(jī)器人、焊接機(jī)器人和鉚接機(jī)器人。

圖5 汽車裝配線上的工業(yè)機(jī)器人Fig.5 Industrial robot on automobile assembly line

圖6 焊接機(jī)器人Fig.6 Welding robot

圖7 鉚接機(jī)器人Fig.7 Riveting robot

目前，工業(yè)機(jī)器人主要生產(chǎn)廠家有德國(guó)的KUKA(圖8)、瑞典和瑞士的ABB(圖9)、日本的FANUC(圖10)和安川(圖11)，這四大家生產(chǎn)和銷售的工業(yè)機(jī)器人產(chǎn)品達(dá)到了全球工業(yè)機(jī)器人產(chǎn)銷量的50%。

圖8 KUKA工業(yè)機(jī)器人Fig.8 KUKA industrial robot

圖9 ABB工業(yè)機(jī)器人Fig.9 ABB industrial robot

圖10 FANUC工業(yè)機(jī)器人Fig.10 FANUC industrial robot

圖11 安川工業(yè)機(jī)器人Fig.11 YASKAWA industrial robot

工業(yè)機(jī)器人的結(jié)構(gòu)如圖12所示，由執(zhí)行機(jī)構(gòu)、驅(qū)動(dòng)和傳動(dòng)裝置、傳感器和控制器4部分構(gòu)成。

圖12 工業(yè)機(jī)器人的結(jié)構(gòu)Fig.12 Industrial robot structure

典型的6自由度機(jī)械臂可以到達(dá)操作空間任意位姿，其中腰、肩、臂3個(gè)自由度確定空間位置，腕部的3個(gè)自由度確定方向。工業(yè)機(jī)器人的驅(qū)動(dòng)方式主要有電動(dòng)、液壓和氣動(dòng)3種方式，中小型機(jī)器人多采用電動(dòng)方式，電動(dòng)方式具有控制靈活方便、精度高等優(yōu)點(diǎn)。液壓驅(qū)動(dòng)具有出力大的優(yōu)點(diǎn)，大型機(jī)器人多采用液壓驅(qū)動(dòng)。機(jī)器人的末端執(zhí)行器和氣動(dòng)肌肉由于控制精度要求不高，多采用氣動(dòng)方式。機(jī)器人傳感器分內(nèi)部傳感器和外部傳感器兩種，內(nèi)部傳感器安裝在機(jī)器人本體內(nèi)，用于檢測(cè)機(jī)器人的自身狀態(tài)，如各關(guān)節(jié)的運(yùn)動(dòng)位置、速度和加速度等，內(nèi)部傳感器多采用光柵和光電碼盤。外部傳感器安裝在機(jī)器人本體以外的工作環(huán)境中，用于檢測(cè)各種環(huán)境信息，如視覺(jué)、觸覺(jué)、滑覺(jué)、接近覺(jué)、力/力矩傳感器等。控制器是機(jī)器人的核心，根據(jù)任務(wù)需要對(duì)機(jī)器人進(jìn)行位置、速度、加速度、以及力與力矩的控制等。

工業(yè)機(jī)器人的控制通常采用半閉環(huán)方式，各關(guān)節(jié)用傳統(tǒng)的PID閉環(huán)控制，直角坐標(biāo)用開(kāi)環(huán)控制，通過(guò)求解逆運(yùn)動(dòng)學(xué)方程將直角坐標(biāo)的空間位置和方向轉(zhuǎn)換為各關(guān)節(jié)的位置向量，然后對(duì)各關(guān)節(jié)進(jìn)行協(xié)調(diào)控制。在沒(méi)有安裝外部傳感器的情況下，工業(yè)機(jī)器人通常只能應(yīng)用在結(jié)構(gòu)化環(huán)境中。

3.3 機(jī)器人的未來(lái)：智能機(jī)器人

未來(lái)的智能機(jī)器人具有多種感知功能和高度適應(yīng)能力，可進(jìn)行復(fù)雜的邏輯思維和判斷決策。其底層的執(zhí)行級(jí)通常采用傳統(tǒng)控制，上層的決策級(jí)采用智能控制，通過(guò)多傳感器集成與信息融合，獲取環(huán)境和自身狀態(tài)的信息，可在非結(jié)構(gòu)化環(huán)境中自主完成各種不同和復(fù)雜的任務(wù)[46-48]。

3.3.1 軍用機(jī)器人

軍用機(jī)器人是用于實(shí)戰(zhàn)系統(tǒng)的機(jī)器人，包括無(wú)人機(jī)(圖13、圖14)[49]，無(wú)人作戰(zhàn)平臺(tái)(圖15)以及水下掃雷機(jī)器人(圖16)等。軍用機(jī)器人已經(jīng)在實(shí)戰(zhàn)中取得成功，如美國(guó)的“全球鷹”和“捕食者”無(wú)人機(jī)在阿富汗、伊拉克、利比亞和敘利亞戰(zhàn)爭(zhēng)中戰(zhàn)果輝煌。無(wú)人機(jī)由原來(lái)主要用于軍事偵察發(fā)展到現(xiàn)在的“察打一體化”，在發(fā)現(xiàn)目標(biāo)和受到威脅的情況下，利用自身攜帶的武器(導(dǎo)彈或火炮等)進(jìn)行高精度打擊。軍用機(jī)器人已在過(guò)去幾年的局部戰(zhàn)爭(zhēng)中發(fā)揮重要作用，并將改變未來(lái)戰(zhàn)爭(zhēng)的模式。

圖13 美國(guó)“全球鷹”無(wú)人機(jī)Fig.13 US “Global Hawk” UAV

圖14 中國(guó)“翼龍”無(wú)人機(jī)Fig.14 China “Pterosaur” UAV

圖15 美國(guó)無(wú)人作戰(zhàn)平臺(tái)Fig.15 US Unmanned combat platform

圖16 瑞典“雙鷹”水下掃雷機(jī)器人Fig.16 Swedish “double eagle” underwater demining robot

3.3.2 仿生機(jī)器人

仿生機(jī)器人是仿生學(xué)、機(jī)器人學(xué)和人工智能等多學(xué)科交叉的產(chǎn)物，有著廣泛的應(yīng)用前景，是目前機(jī)器人研究的一個(gè)重要方向。仿生機(jī)器人的研究?jī)?nèi)容很豐富，如機(jī)器魚(圖17)[50]、機(jī)器鳥(niǎo)(圖18)、機(jī)器貓(圖19)等。

最著名的要數(shù)美國(guó)波士頓動(dòng)力研制的“大狗”(圖20)[51]， 它被認(rèn)為是當(dāng)今世界上最先進(jìn)能適應(yīng)崎嶇地形和復(fù)雜環(huán)境的機(jī)器人，不僅可以爬山涉水，還可以承載較重物資?！按蠊贰遍L(zhǎng)1 m，高70 cm，重75 kg，外形與一條真正的大狗類似。這種機(jī)器狗的行進(jìn)速度比人類還快，可達(dá)到7 km/h，能夠攀越35°的斜坡，可攜帶重量超過(guò)150 kg的武器和其他軍用物資。

圖17 機(jī)器魚Fig.17 Robotic fish

圖18 機(jī)器鳥(niǎo)Fig.18 Smart bird

圖19 機(jī)器貓F(tuán)ig.19 Machine cat

圖20 波士頓動(dòng)力研制的“大狗”Fig.20 Boston Dynamics developed “big dog”

美國(guó)波士頓動(dòng)力公司最新研制的SpotMini機(jī)器人(圖21，2016年6月23日在Google YouTube發(fā)布)將仿生機(jī)器人技術(shù)推進(jìn)到新的高峰，SpotMini的驅(qū)動(dòng)方式不同于“大狗”的內(nèi)燃機(jī)驅(qū)動(dòng)，而是由電機(jī)驅(qū)動(dòng)，因此是一款非常安靜的機(jī)器人，行動(dòng)更為敏捷和靈活。在其身上還安裝了一臺(tái)蛇形機(jī)械臂，可進(jìn)行諸如清理垃圾、整理廚房等事務(wù)，有很好的應(yīng)用前景。

圖21 SpotMini機(jī)器人Fig.21 SpotMini robot

3.3.3 服務(wù)機(jī)器人

隨著老年社會(huì)的到來(lái)，服務(wù)機(jī)器人是未來(lái)機(jī)器人研究的主要方向[52]，服務(wù)機(jī)器人的應(yīng)用涉及人類生活的方方面面，如醫(yī)療機(jī)器人(圖22)、助殘康復(fù)機(jī)器人(圖23)[53-54]、導(dǎo)盲機(jī)器人(圖24)、導(dǎo)游機(jī)器人(圖25)、娛樂(lè)機(jī)器人(圖26)、清潔機(jī)器人(圖27)、家庭服務(wù)機(jī)器人(圖28)等。人們可以雇傭機(jī)器人保姆將家庭打理得井井有條，上班族回到家中有機(jī)器人為你端茶倒水和捧上熱氣騰騰、味美可口的晚餐；不愿生育的丁克族也可與機(jī)器人兒童共進(jìn)晚餐，享受家庭的溫馨和快樂(lè)(圖29)；在機(jī)器人伴侶和機(jī)器人寵物的陪伴下，老年人也可歡度晚年。這些情景已不再是科幻電影中的情節(jié)，它已真實(shí)出現(xiàn)在我們的現(xiàn)實(shí)生活中，機(jī)器人與人類和諧共生的社會(huì)很快就會(huì)到來(lái)。

圖22 達(dá)芬奇外科手術(shù)機(jī)器人Fig.22 Da Vinci surgical robot

圖23 上肢康復(fù)機(jī)器人Fig.23 Rehabilitation robot for upper limb

圖24 導(dǎo)盲機(jī)器人Fig.24 Blind guiding robot

圖25 導(dǎo)游機(jī)器人Fig.25 Tour guide robot

圖26 娛樂(lè)機(jī)器人Fig.26 Entertainment robot

圖27 真空吸塵機(jī)器人Fig.27 Vacuum cleaner robot

圖28 家庭服務(wù)機(jī)器人Fig.28 Home service robot

圖29 與機(jī)器人兒童共進(jìn)晚餐Fig.29 Dinner with children robot

3.3.4 類人機(jī)器人

類人機(jī)器人是最早出現(xiàn)在科幻小說(shuō)和電影屏幕上的機(jī)器人，他在形體、動(dòng)作、情感、體力和智力方面都與人類相同或超過(guò)人類，這些原來(lái)出現(xiàn)在科幻小說(shuō)和電影屏幕上的情節(jié)已逐步成為現(xiàn)實(shí)。隨著人工智能和智能機(jī)器人技術(shù)的發(fā)展，目前已研制出的類人機(jī)器人不僅外形與人類相似，還會(huì)像人一樣表達(dá)感情，會(huì)思考，有智慧，具有與人交流的能力。

日本本田公司研究開(kāi)發(fā)的雙足步行機(jī)器人阿西莫(圖30)[55]不僅在外形上與人類相同，動(dòng)作也非常靈活，它不僅能在平坦的地面上行走奔跑，還能夠進(jìn)行跳躍、上下臺(tái)階、推車和端茶倒水等高難動(dòng)作。由法國(guó)Aldebaran公司研制的NAO機(jī)器人也具有良好的運(yùn)動(dòng)和協(xié)調(diào)能力(圖31)。

美國(guó)加州大學(xué)研究的的愛(ài)因斯坦機(jī)器人外表逼真(圖32)，具有喜、怒、哀、樂(lè)等面部表情，被稱為目前最逼真的類人機(jī)器人。日本大阪大學(xué)石黑教授團(tuán)隊(duì)研制的雙子替身(Geminoid)機(jī)器人(圖33)會(huì)讓你真假難辨。

圖30 本田機(jī)器人阿西莫Fig.30 Honda Asimo robot

圖31 法國(guó)NAO機(jī)器人Fig.31 France NAO robot

圖32 愛(ài)因斯坦機(jī)器人Fig.32 Einstein robot

圖33 雙子替身機(jī)器人Fig.33 Geminoid robot

圖34所示的美國(guó)波士頓動(dòng)力最新研制的Atlas機(jī)器人[56]，在外形和能力表現(xiàn)方面已和人類非常接近。Atlas不僅在森林和雪地等復(fù)雜環(huán)境下行走自如，還可自動(dòng)識(shí)別完成搬運(yùn)物品，在受到外部干擾的情況下也能達(dá)到預(yù)期目標(biāo)，甚至在被外力推到時(shí)會(huì)自動(dòng)爬起來(lái)繼續(xù)行走。

圖34 Atlas機(jī)器人Fig.34 Atlas robot

3.4 機(jī)器人的發(fā)展前景與展望

工業(yè)機(jī)器人在制造業(yè)中的應(yīng)用是成功的，已經(jīng)得到廣泛推廣和普及。隨著人類社會(huì)的進(jìn)步和生活質(zhì)量的提高，機(jī)器人的應(yīng)用領(lǐng)域不斷擴(kuò)大，能力不斷增強(qiáng)，農(nóng)業(yè)、林業(yè)、軍事、海洋勘探、太空探索、生物醫(yī)學(xué)工程、自動(dòng)駕駛等行業(yè)已成為機(jī)器人大有作為的新領(lǐng)域。各種服務(wù)機(jī)器人也將出現(xiàn)在我們的日常生活中，清潔機(jī)器人將減輕我們繁重的家務(wù)勞動(dòng)，娛樂(lè)機(jī)器人會(huì)給我們的生活增添無(wú)限樂(lè)趣，保健助殘機(jī)器人可為老人和殘疾人提供服務(wù)和幫助，在人類進(jìn)入老年社會(huì)后，機(jī)器人將是人類不可或缺的伙伴。未來(lái)的智能機(jī)器人將像人一樣，能聽(tīng)、能看、能說(shuō)、能識(shí)別環(huán)境，具有記憶、推理、決策能力和與人類交流的能力。智能機(jī)器人終將成為人類的忠實(shí)助手和親密朋友。

各國(guó)政府對(duì)機(jī)器人的研究與發(fā)展十分重視，中國(guó)的“863”高技術(shù)發(fā)展計(jì)劃將智能機(jī)器人列入自動(dòng)化領(lǐng)域的2個(gè)主題之一。韓國(guó)已將每個(gè)家庭都有機(jī)器人的內(nèi)容列入未來(lái)的五年計(jì)劃(2015年—2020年)中，美國(guó)也制定了家家都有機(jī)器人的計(jì)劃。預(yù)計(jì)在2050年前后，機(jī)器人將能夠與自然人進(jìn)行足球比賽和其他體育項(xiàng)目比賽。機(jī)器人士兵將參加未來(lái)的戰(zhàn)爭(zhēng)，美國(guó)和俄羅斯都已宣布在2015年以后投入戰(zhàn)場(chǎng)的兵力中有1/3的機(jī)器人。服務(wù)機(jī)器人將成為人類家庭成員和醫(yī)療、助殘與康復(fù)的助手。未來(lái)機(jī)器人將會(huì)自己制造機(jī)器人。

4 結(jié)束語(yǔ)

人工智能的發(fā)展已經(jīng)歷了60個(gè)春秋，AlphaGo的勝利標(biāo)志了人工智能向前邁進(jìn)了一大步，預(yù)示人工智能技術(shù)已進(jìn)入迅速發(fā)展時(shí)期，超強(qiáng)人工智能指日可待。人們?cè)跒槿斯ぶ悄苋〉靡粋€(gè)個(gè)輝煌成果而歡欣鼓舞的同時(shí)，也為人工智能機(jī)器人是否會(huì)取代人類成為世界的統(tǒng)治者所擔(dān)憂。但正如谷歌董事長(zhǎng)埃里克·施密特(Eric Schmidt)所言：人機(jī)大戰(zhàn)“無(wú)論最終結(jié)果如何，輸贏都是人類的勝利”。人們?cè)诖罅Πl(fā)展人工智能的同時(shí)也會(huì)研究應(yīng)對(duì)超強(qiáng)人工智能對(duì)人類威脅的策略，相信人類有智慧也有能力使人工智能服務(wù)于人類而不是走向?qū)埂?/p>

智能控制這門新興的、跨學(xué)科的技術(shù)科學(xué)經(jīng)過(guò)近40多年的發(fā)展，已經(jīng)取得了令人矚目的成果，回顧智能控制的發(fā)展歷程，我們相信，有人工智能等眾多學(xué)科發(fā)展成果的強(qiáng)有力的支持，有十分廣闊的應(yīng)用前景，智能控制必將取得長(zhǎng)足的進(jìn)展，并將控制科學(xué)推向一個(gè)嶄新的階段。

智能機(jī)器人這顆21世紀(jì)科技皇冠上的璀璨明珠是機(jī)器人技術(shù)發(fā)展的終極目標(biāo)，其應(yīng)用前景十分廣闊。比爾·蓋茨的預(yù)言正在成為現(xiàn)實(shí)，機(jī)器人正在成為我們?nèi)粘Ｉ畹囊徊糠?，機(jī)器人將無(wú)所不能、無(wú)處不在、無(wú)人不用，機(jī)器人時(shí)代即將到來(lái)。

[1]TURING A M. Computing machinery and intelligence[M]. Oxford: Oxford University Press, 1950, 59: 433-460.

[2]澎湃新聞網(wǎng). 60年前的達(dá)特茅斯會(huì)議與人工智能的緣起[EB/OL]. [2016-03-13]. http://tech.163.com/16/0313/12/BI1P1CLI00094P0U.html. The dartmouth conference 60 years ago and the origin of artificial intelligence[EB/OL]. [2016-03-13]. http://tech.163.com/16/0313/12/BI1P1CLI00094P0U.html.

[3]HOPFIELD J J. Artificial neural networks[J]. IEEE circuits and devices magazine, 1988, 4(5): 3-10.

[4]RUMELHART D E, HINTON G E, WILLIAMS R J. Learning internal representation by error propagation[C]//RUMELHART D E, MCCLELLAND J L. Parallel Distributed Processing. Exploration of the Microstructure of Cognition. Cambridge: MIT Press, 1986.

[5]BROOKS R A. New approaches to robotics[J]. Science, 1991, 253(5025): 1227-1232.

[6]BROOKS R A. Intelligence without representation[J]. Artificial intelligence, 1991, 47(3): 139-159.

[7]WOOLDRIDGE M, JENNINGS N R. Intelligent agents: theory and practice[J]. The knowledge engineering review, 1995, 10(2): 115-152.

[8]SINGH M P. Multi-agent system: a theoretical framework for intentions, know-how, and communications[M]. Berlin: Springer-Verlag, 1994.

[9]WOOLDRIDGE M. 多Agent系統(tǒng)引論[M]. 石純一, 譯. 北京: 電子工業(yè)出版社, 2003. WOOLDRIDGE M. An introduction to multi agent systems[M]. SHI Chuyi, trans. Beijing: Publishing House of Electronics Industry, 2003.

[10]ALBUS J S. Theory and practice of hierarchical control[C]//Proceedings of the 23th IEEE Computer Society International Conference. [S.l.]: IEEE, 1981.

[11]ALBUS J S, LUMIA R, MCCAIN H. Hierarchical control of intelligent machines applied to space station telerobots[J]. IEEE transactions on aerospace and electronic systems, 1988, 24(5): 535-541.

[12]ALBUS J S. Outline for a theory of intelligence[J]. IEEE transactions on systems, man, and cybernetics, 1991, 21(3): 473-509.

[13]黃心漢. 智能機(jī)器人: 21世紀(jì)科技皇冠上的璀璨明珠[J]. 科技導(dǎo)報(bào), 2015, 33(21): 9-15. HUANG Xinhan. Intelligent robot: the bright pearl on the crown of science and technology in twenty-first century[J]. Science & technology review, 2015, 33(21): 9-15.

[14]HO F S, IOANNOU P. Traffic flow modeling and control using artificial neural networks[J]. IEEE control systems, 1996, 16(5): 16-26.

[15]NEWELL A, SHAW J C, SIMON H A. A variety of intelligent learning in a general problem solver[M]//YOVITS, CAMERON. Self Organizing Systems. New York: Pergamon Press, 1960.

[16]張立明. 人工神經(jīng)網(wǎng)絡(luò)的模型及其應(yīng)用[M]. 上海: 復(fù)旦大學(xué)出版社, 1993. ZHANG Liming. Artificial neural network model, principle and application[M]. Shanghai: Fudan University Press, 1993.

[17]FU K. Learning control systems and intelligent control systems: an intersection of artificial intelligence and automatic control[J]. IEEE transactions on automatic control, 1971, 16(1): 70-72.

[18]張鈸. 傳統(tǒng)人工智能與控制技術(shù)的結(jié)合[J]. 控制理論與應(yīng)用, 1994, 11(2): 247-250. ZHANG Bo. Combination of traditional artificial intelligence and control technology[J]. Control theory and applications, 1994, 11(2): 247-250.

[19]SARIDIS G N. Intelligent robotic control[J]. IEEE transactions on automatic control, 1983, 28(5): 547-556.

[20]EBERHART R, KENNEDY J. A new optimizer using particle swarm theory[C]//Proceedings of the Sixth International Symposium on Micro Machine and Human Science. Piscataway, NJ, Nagoya, Japan: IEEE, 1995: 39-43.

[21]DORIGO M, GAMBARDELLA L M. Ant colony system: a cooperative learning approach to the traveling salesman problem[J]. IEEE transactions on evolutionary computation, 1997, 1(1): 53-66.

[22]孫志軍, 薛磊, 許陽(yáng)明, 等. 深度學(xué)習(xí)研究綜述[J]. 計(jì)算機(jī)應(yīng)用研究, 2012, 29(8): 2806-2810. SUN Zhijun, XUE Lei, XU Yangming, et al. Overview of deep learning[J]. Application research of computers, 2012, 29(8): 2806-2810.

[23]HINTON G E, OSINDERO S, TEH Y W. A fast learning algorithm for deep belief nets[J]. Neural computation, 2006, 18(7): 1527-1554.

[24]維納N. 控制論: 或關(guān)于在動(dòng)物和機(jī)器中控制和通訊的科學(xué)[M]. 郝季仁, 譯. 北京: 科學(xué)出版社, 2009. WIENER N. Cybernetics: or relating to the science of control and communication in animals and machines[M]. HAO Jiren, trans. Beijing: Science Press, 2009.

[25]蔡自興, 余伶俐, 肖曉明. 智能控制原理與應(yīng)用[M]. 第2版. 北京: 清華大學(xué)出版社, 2014. CAI Zixing, YU Lingli, XIAO Xiaoming. Intelligent control: principles and applications[M]. 2nd ed. Beijing: Tsinghua University Press, 2014.

[26]LYAPUNOV A M. The general problem of stability of motions[D]. Moscow: Fizmatgiz, 1950.

[27]NYQUIST H. Regeneration theory[J]. Bell system technical journal, 1932, 11(1): 126-147.

[28]《數(shù)學(xué)辭?！肪庉嬑瘑T會(huì). 數(shù)學(xué)辭海[M]. 北京: 中國(guó)科學(xué)技術(shù)出版社, 2002. Mathematics Dictionary Editorial Board. Mathematic dictionary[M]. Beijing: China Science and Technology Press, 2002.

[29]《中國(guó)電力百科全書》編輯委員會(huì). 中國(guó)電力百科全書[M]. 北京: 中國(guó)電力出版社, 2001. Encyclopedia of China Power Editorial Board. Encyclopedia of China power[M]. Beijing: China Power Press, 2001.

[30]EVANS W R. Graphical analysis of control systems[J]. Transactions of the american institute of electrical engineers, 1948, 67(1): 547-551.

[31]EVANS W R. Control system synthesis by root locus method[J]. Transactions of the American institute of electrical engineers, 1950, 69(1): 66-69.

[32]龐特里亞金Л С. 最優(yōu)過(guò)程的數(shù)學(xué)理論[M]. 上海: 上海科學(xué)技術(shù)出版社, 1965. PONTRYAGIN Л С. Mathematical theory of optimal process[M]. Shanghai: Shanghai Science and Technology Press, 1965.

[33]BELLMAN R. Dynamic programming[M]. Princeton, London: Princeton University Press, 1957.

[34]KALMAN R E. Contributions to the theory of optimal control[J]. Boleti′n de la sociedad matemtica mexicana, 1960, 5: 102-119.

[35]KALMAN R E. On the general theory of control systems[J]. IRE transactions on automatic control, 1959, 4(3): 110.

[37]ZADEH L A. Fuzzy sets[J]. Information and control, 1965, 8(3): 338-353.

[38]MAMDANI E H. Application of fuzzy algorithms for control of simple dynamic plant[J]. Proceedings of the institution of electrical engineers, 1974, 121(12): 1585-1588.

[39]ALBUS J S, LUMIA R, MCCAIN H. Hierarchical control of intelligent machines applied to space station telerobots[J]. IEEE Transactions on Aerospace and Electronic Systems, 1988, 24(5): 535-541.

[40]習(xí)近平. 在兩院院士大會(huì)上的講話[EB/OL]. 新華每日電訊. [2014-06-10]. http://news.xinhuanet.com. XI Jinping. Speech at the meeting of academicians[EB/OL]. Xinhua Daily Telegraph. [2014-06-10]. http://news.xinhuanet.com.

[41]比爾·蓋茨. 家家都有機(jī)器人[EB/OL]. 環(huán)球科學(xué), 2007(2). http://www.sina.com.cn. Bill·Gates. Every family has a robot[EB/OL]. Huanqiukexue, 2007(2). http://www.sina.com.cn.

[42]機(jī)器人發(fā)展簡(jiǎn)史[EB/OL]. 環(huán)球科學(xué), 2007(2). http://www.sina.com.cn. A brief history of the development of robot[EB/OL]. Huanqiukexue, 2007(2). http://www.sina.com.cn.

[43]PAUL R P. Robot manipulators: mathematics, programming, and control[M]. Cambridge, MA, USA: The MIT Press, 1981.

[44]蔡自興. 機(jī)器人學(xué)[M]. 北京: 清華大學(xué)出版社, 2000. CAI Zixing. Robotics[M]. Beijing: Tsinghua University Press, 2000.

[45]王天然, 曲道奎. 工業(yè)機(jī)器人控制系統(tǒng)的開(kāi)放體系結(jié)構(gòu)[J]. 機(jī)器人, 2002, 24(3): 256-261. WANG Tianran, QU Daokui. Open system architecture for control system for industrial robot[J]. Robot, 2002, 24(3): 256-261.

[46]張鈸. 智能機(jī)器人的理想與實(shí)現(xiàn)—智能機(jī)器人主題戰(zhàn)略討論[J]. 機(jī)器人, 1992, 14(4): 50-52. ZHANG Bo. The ideal and Realization of intelligent robot—discussion on intelligent robot theme strategy[J]. Robot, 1992, 14(4): 50-52.

[47]黃心漢, 李新德, 王敏, 等. 面向智能機(jī)器人的信息融合研究進(jìn)展[J]. 哈爾濱工業(yè)大學(xué)學(xué)報(bào), 2006, 38(S): 948-953. HUANG Xinhan, LI Xinde, WANG Min, et al. Research progress of information fusion for intelligent robot[J]. Journal of Harbin institute of technology, 2006, 38(S): 948-953.

[48]HUANG Xinhan, LI Xinde, WANG Min, et al. A fusion machine based on DSmT and PCR5 for robot’s map reconstruction[J]. International journal of information acquisition, 2006, 3(3): 201-212.

[49]US global hawk UAV[EB/OL]. http://image.baidu.com.

[50]CURET O M, PATANKAR N A, LAUDER G V, et al. Mechanical properties of a bio-inspired robotic knifefish with an undulatory propulsor[J]. Bioinspiration & biomimetics, 2011, 6(2): 026004.

[51]US big dog robot[EB/OL]. http://image.baidu.com.

[52]施拉夫特. 服務(wù)機(jī)器人[J]. 機(jī)器人技術(shù)與應(yīng)用, 1997(1): 3-5. SCHRAFT R D. Service robot[J]. Robot Technique and Application, 1997(1): 3-5.

[53]吳軍, 王永驥, 黃劍, 等. 新型可穿戴式多自由度氣動(dòng)上肢康復(fù)機(jī)器人[J]. 華中科技大學(xué)學(xué)報(bào): 自然科學(xué)版, 2011, 39(S2): 279-282. WU Jun, WANG Yongji, HUANG Jian, et al. Novel wearable multi-DOF upper limb rehabilitation robot driven by pneumatic muscle[J]. Journal of Huazhong university of science and technology: natural science edition, 2011, 39(S2): 279-282.

[54]郭萌, 涂細(xì)凱, 黃心漢, 等. 基于患者意圖的RUPERT-FES上肢康復(fù)系統(tǒng)[J]. 世界康復(fù)工程與機(jī)械, 2014, 4(3): 9-13. GUO Meng, TU Xikai, HUANG Xinhan, et al. RUPERT-FES upper limb rehabilitation system based on patient intention[J]. World rehabilitation engineering and machinery, 2014, 4(3): 9-13.

[55]Asimo robot[EB/OL]. http://image.baidu.com.

[56]Atlas robot[EB/OL]. http://v.baidu.com.

黃心漢，男，1946年生，教授，博士生導(dǎo)師。中國(guó)人工智能學(xué)會(huì)常務(wù)理事、智能機(jī)器人專業(yè)委員會(huì)主任。主要學(xué)術(shù)方向?yàn)橹悄芸刂?、智能機(jī)器人、多傳感器集成與信息融合、圖像處理與模式識(shí)別技術(shù)。發(fā)表學(xué)術(shù)論文300余篇，其中被SCI和EI檢索200余篇，出版專著4部、譯著1部，獲得國(guó)家專利11項(xiàng)。

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)

This paper reviews the development history of artificial intelligence, intelligent control and intelligent robotics (A3I). Subsequently, it introduces the birth and development of artificial intelligence and its research objectives and implementation approaches and proposes the challenges faced by traditional control technology and the solutions 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 artificial intelligence, intelligence control, and intelligence robotics are introduced.

artificial intelligence; intelligent control; intelligent robotics; neural network; deep learning; fuzzy control; expert system; transfer function; dynamic programming

10.11992/tis.201605022

http://www.cnki.net/kcms/detail/23.1538.TP.

2016-05-24.

國(guó)家自然科學(xué)基金項(xiàng)目(60675028).

黃心漢. E-mail: xhhuang@mail.hust.edu.cn.

TP242

A

1673-4785(2016)06-0835-14

黃心漢. A3I：21世紀(jì)科技之光[J]. 智能系統(tǒng)學(xué)報(bào)， 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.