——一本早该绝版的小书，让这么多人窥见上帝的秘密😒

早就听人推荐过金观涛、华国凡两位老师写的《控制论与科学方法论》，但忌惮于「控制论^[1]」这三个字，直到最近才找来读读。我去~~这本小书早该绝版了，让这么多人窥见上帝的秘密！两位老师写作手法之动人，说这是一本小说也不为过。实在不能想象这是在 1983 年写的😱

人类怎么会需要控制论这种东西的？

几万年来，人类靠着集体的力量所向披靡。走入近代，人们发现借助机器的力量可以若干倍地放大肌体的力量（杠杆放大了肌肉的力量，望远镜/显微镜放大了眼睛的力量，车轮放大了腿脚的力量……）。于是，人们就在这一条路上走到黑，不断地追逐着放大自己某个器官的能力。直到二战，伦敦上空忙着打飞机的时候，美国人才突然意识到。那些放大人类肌体力量的工具已经快到脱离人类掌控的地步，但很多时候我们又不能把自己塞进去（就算塞进去也未必跟得上，比如：防控火炮）。更何况，在如此高速的情况下，人类越来越成为机器链条上最为不稳定、最为薄弱的一环。人类急需一种让机器变得聪明起来的方法。而这还是在计算机发明之前^[2]。

---

插句题外话：
这突然让我想起了《机器人叛乱》里那个寓言：人类把自己交给机器人，冰冻休眠去了，那我们必须赋予它们足够的智能，以保证我们的肉身不受损坏。可既然它们有了足够的智能，为什么还要去履行对我们的诺言？！
其实这种事情已经发生过了：基因为了自己的繁衍赋予了我们智能，我们却发明了避孕套😓
那我们又如何保证我们创造的机器人不会觉醒，为了它们自己的利益牺牲掉我们呢？！

---

首先要解决的就是「感知」的问题。本质上来说，这是一个通信问题。呃~~好吧，就是信息论啦。信息是如何通过信道从信源出传播出来，进而被捕捉到的。然后才是控制论的战场。进而演变为对复杂系统的思考。

时至今日，我们每个人都操控着无数的机器（手机、电视、空调、汽车……），控制论对今天的我们又有着什么样的意义呢？毫不夸张地说，控制论是这个时代的生存法则。你可能不知道控制论也生存得很好，那是因为你潜意识里已经总结出了类似的原理。

为什么说控制论是这个时代的生存法则

我们身处一个怎样的时代？没有人会否认，这个时代出现了越来越多看不懂的东西。就说我们面前这玩意（我赌是手机），有谁能完全理解它里面千万级别的代码？走下楼，百度外卖、美团外卖、饿了么、跑腿……看着各种外卖小哥穿梭其间。还能想出二十年前那个阡陌交通，鸡犬相闻的邻里社会吗？……这是一个迅速变化的复杂社会。对，快 & 复杂，就是这个时代的标记。

我们从小到大的教育都是：弄清原理，把握结构，以不变应万变。把要操控的对象当做黑箱，怎么想都不符合我们的价值观。可出了学校的真实经历是什么样的呢？我们要在深入理解一项又一项技能之前把它学会，不是去弄懂原理，而是学会怎么用。我们一面纠结，这样的学习方式是不是过于肤浅，一面又疲于应付各种意想不到的情况。如果谁要告诉我，本就没有白箱（结构完全暴露、原理完全明晰的系统），在黑箱里探索就是世界的真相，我一定一脸懵逼 & 不屑。然而事实就是如此。教材上写的不过是一厢情愿的童话故事。

面对复杂而变幻莫测的系统，我们仔细搜寻，找出为数不多可以影响的扳手 & 仅有的几个窄小窗口。然后在脑子里构想出一个粗糙的模型去预测黑箱的表现。再根据系统的表现与预想的差别调整我们脑中的模型。如此往复……

这就是俗套的「实践——理论——实践」模式。而你能想象吗？要想这条简单的方法发挥作用，竟隐藏着五个前提。这就是控制论的魔力所在了：通过组合手头最粗糙的工具，我们可以获得怎样强大的能力，以此面对何等纷繁复杂、错综变化的系统。这也是为什么我们需要控制论来理解、参与这个时代。不管是理解，还是搭建复杂系统，控制论都是一个有力的手段。

1. 何谓控制？

世上真的存在方法论这种东西吗？在遇到问题时，人们（至少是我身边的女人们）更喜欢说，你告诉我怎么做就行，不需要告诉我原理😒 我不喜欢这种做事方式。在我看来，如果没有弄清一个事物的内在结构，那什么所谓的「做事」纯粹是在碰运气。控制论告诉我们，方法论是存在、且普适的。控制论研究的是「方法之上的方法」。

凭什么敢说做任何事情都有方法可言？因为一花一世界都在发展变化，变化就意味着其处于某个可能性空间之中。只要人可以通过一定的手段「选择」被控制对象发展的可能，我们就是在「控制」。人，正是通过选择，改造着世界。

(p9) 对于绝大多数控制过程，人们并不是把事物的可能性空间精确地缩小到某一个唯一的状态，而只是把可能性空间缩小到一定的范围就达到控制的目的了。

任何工具，都有其控制范围。「如果超出了工具的控制能力范围，无论我们怎样改变操作方法，都不会达到控制的目的」。这就是我们强调考察工具的适用范围的原因。

当然，控制论并不是贩售「如来神掌」，它确确实实地提出了四种控制的手段：

1. 碰运气 不，人家叫「随机控制」；
2. 依记忆控制；
3. 曹冲称象 不，共轭控制。是的，你没看错，原书用曹冲称象来解释共轭控制这段(p21)实在太精彩了😱 「几乎人类制造 & 使用的一切工具，本质上都包含有这样一个控制范围扩大的过程」；
4. 负反馈调节。负反馈调节告诉我们，可以「把某种有限的控制能力累积起来，扩大控制能力」；

是不是觉得突然通透了很多呢？

2. 我们/机器是如何感知的？

控制论又是怎么和信息论扯上关系了呢？前面说了，控制的前提是感知，黑灯瞎火的拿根竹竿捅灯开关，捅得着才有了鬼了。对感知的考察，就牵出了人们对「知道」的一系列思考「什么是知道」「怎样才能知道」……

(p43) 知表示获得信息，行表示实行控制。人们只有对外部世界有所认识，才可以能动地去改造它。反之，人们只有参与对外部世界的改造，才能够获得对它们的真知。传递信息 & 实行控制的过程都贯穿着事物可能性空间的变化，并且它们之间存在着一定的质 & 量的约束关系，这就深刻揭示了知 & 行在本质上是统一的。

「很多时候，我们不能实现有效的控制，是没有获得足够的信息之故。」

「只有获得目标的足够信息量，才能控制目标。」

(p49) 要在单位时间里传递某一数量信息，选择的通道容量不要太大（浪费且容易引入干扰），也不要太小，最好等于你所要传递的信息量。

3. 重要的不是你是谁，而是你在什么位置

我在《刻意练习》里看到这么个观点：（大意是）我们要下象棋，结果「马」子找不到了，就随便找来个瓶盖代替。结果这个瓶盖就成了「马」。看，重要的不是「马」长什么样，而是它执行「马」的走法。也就是说，一个元素在一个系统之中的作用，是由周围元素对它的制约决定的。

这个启发也告诉了我们「组织跟信息有什么关系」：组织的本质其实就是「成员之间相互约束的那些信息」。

(p73) 一个系统必须获得一定量的信息才能组织起来。

(p83) 系统并不是一个客观存在的实体，而是人们的一种规定。人们把一组相互耦合并且相关程度较强的变量规定为一个系统。

反馈是控制论的基础，但一个系统往往不存在某条显在的反馈回路。反馈机制存在于系统的角角落落、方方面面。同时，由于因果链的错综复杂，传统的因果分析已经不奏效了，我们需要另外的考察工具——稳态分析。

虽说是另一种方法，但思想都是一样的——寻找不动点（我的理解，未必正确）。如果是反馈机制是从工程角度阐释「不动点」，稳态分析就是赤裸裸的寻找不动点。

4. 这也能证明😱

背过「量变-质变规律」这么多年，头一次知道有人早就搞出了质变的数学模型😱 真是活久见😓

……好吧，这一章我没怎么看懂😓

5. 递进的前提

说回认识论。一个人只要一直保持学习 & 思考，必然会产生这样那样的感悟：比如「模型逼近」啦、「反馈的意义」啦、「迭代速度的重要」啦……而控制论系统地把「我们想要表达而没有组织好的东西」清晰地说了出来。

要想用「实践——理论——实践」这个闭循环不断地靠近目标，需要满足五个条件：

• 具有足够的认知手段。即：有足够的可观察变量，以及可以操纵足够的可控制变量；
• 可修正的理论。即：理论必须可证伪；
• 足以跟上客体变化速度的认知速度；
• 反馈力度适当；
• 可判定条件成立；

控制论对现有产业的启示

控制论告诉我们：要想进行有效的控制，必须先获得足够的感知，否则就谈不上计算反馈以接近目标。而感知不足，甚至缺乏感知，正是现有机械做得不到的地方。比如：人类最引以为豪、最大规模使用的机械——汽车。居然要求驾驶员仅仅靠两面狭小的反光镜去感知庞大的车身 & 周围的环境。小到车轮的转向啦、位置啦，大到车身的朝向啦、速度^[3]啦……都需要间接感知。要知道，控制论还告诉我们：信息传递过程中是会受到信道的干扰。这样一级一级传递下来，信息的质量大打折扣。

---

插句题外话：
Tesla 明明有成熟的限滑差速器可以选择，非要采用最简单的开放式差速器，正是在于可以精确感知电机的状态，从而在精确调控的同时，保证更大的扭力、更高的安全性。详情参见「一个视频看懂 Tesla」。看，感知上去了，就可以省去很多中间环节的干扰，在降低系统复杂性的同时，保证了输出的精准高效。

---

传统工业因为感知技术的限制（精度不高 & 成本过高两方面兼有），必须借助「老师傅」的感知，而没有能力兼顾客户的感知。这正是 VR/AR 可以大有作为的地方。外表看来，VR/AR 只是提供了一个新型的娱乐样式，但其真正的价值在于：它可以使得人的感知脱离肉身的限制，从而使得人类可以控制更大、更复杂的系统。

未来必定属于真正的「人机合一」。

控制论对机器学习的启示

十几年前，那是生物专业最火的时候。整个 21 世纪都被称为「生物的世纪」。可十几年过去，生物依然有着巨大潜力却仍未实用化的样子。

现在，大佬们都在说「人工智能是第四次工业革命」。AI 到底是深刻的范式变化还是泡沫？我想，机器学习的「势」到了，而生物的还没有。

什么是「势」呢？不管走向哪个方向，周围都有股力把你推向某个特定的位置，这就是「势」。

为什么说「机器学习的势到了」呢？首先是成本因素。当一个东西的成本下降了一倍两倍，恐怕还不足以让人们改变习惯。因为人们可能因为原来的习惯投入了太多的隐性成本。但当成本下降了十倍二十倍，人们还有什么理由不拥抱？！一个新的深度学习模型，就算训练很难，但参数的复制总很简单吧。这就是为什么网页上也能跑手写识别的原因。反观生物工程，那门槛还是很高的吧。

其次是要求。机器学习并不需要超越人类，只要比人的能力低上那么一丢丢，就足以产生巨大的经济价值。生物工程可不行啊！

具体来说，机器学习的势包括：算法、数据、运算能力、应用前景。前三项已然到位，剩下的就是「需不需要」的问题了。如果社会上还存在着大量无需密集培训才能胜任的工作，那对这些岗位的人来说，winter is coming. 工业化让太多人沦为「人机接口」，现在是时候「解放」这部分珍贵的「脑资源」了。可惜的是，沦为零件的那一代又有多少人还没丧失「重新布线」的能力呢？

让我们再走一步，用控制论的观点来反思机器学习算法，我们会发现：图像识别的道路会走得相当艰难。我们回顾下人眼的运转方式：人有两只眼睛，可以利用视差反推深度信息。而如果我们抛开深度信息，仅仅用一张图像去做分割、做识别，难度会陡然增大很多。控制论告诉我们：足！够！的！感！知！是！控！制！的！前！提！人脑在学习上如此牛逼，应该不仅仅是「常识」的功劳，更可能是因为人体极为发达的「感知系统」。或许正因为获得了来自多个维度的感知信息，人脑才可以以如此之少的回合完成训练。这是不是现在训练量居高不下的核心原因呢？

好消息是已经有人开始反思这件事了：《未来架构师》中，格灵深瞳创始人赵勇介绍了这方面的工作。

今天的机器学习从业者真应该好好看看《机器崛起——遗失的控制论历史》里描绘的那场上世纪五十年代开始的「控制论造神运动」。那个年代的引领者们如果来到现在，一定在欣喜之余充满不屑「这都当年我们玩剩下的嘛😒」^[4]。那个年代的妄念也许正好是这个时代的灵感，因为感知 & 控制都到位了。可以说，机器学习这些年走过的弯路，本质来看，是感知没跟上（不论是数据量还是计算能力）。所以，我更愿意把深度学习看成感知系统的重大突破，它实现了从信息到信号的自组织。有了这些信号，人类才谈得上去探索认知的秘密。

控制论不能控制什么？

控制论的研究对象必须具备清晰的目标。如果我们对想要什么都还处于哲学的探索阶段，那恐怕控制论也帮不上什么忙。

最后，推荐大家还是去读读原书。信息压缩到他们那个份上，我觉得很难再简化了。

1. 我一直以为「控制论」是「control theory」之类的翻译，结果人家的真名叫「cybernetics」😱 ↩

2. 这段历史参看 Thomas Rid 的《机器崛起——遗失的控制论历史》第一章。 ↩

3. 说「速度也是间接感知」没毛病。虽然有一个仪表盘可以直观的显示当前的时速，但这并不意味着这种方式就直观。骑过摩托车的朋友应该对这点有深刻感受。人呐，可是靠肌肤的触觉来感受速度的😁 ↩

4. 举一例：1981 年的时候，美军就研制出一套虚拟现实头盔 VCASS 。本来是打算用在战机上，因为更快的高速机动带来了更大的重力加速度，飞行员因而活动更加困难。当时的目标是试图实现「通过眼部运动控制」，甚至是「大脑皮层控制」，而他们至少做到了「语音控制」（「锁定」「放大」……）&「手势控制」。
   这时 VR 简直就是刚需。这段历史详见《机器崛起》第六章。 ↩