1.2 系统的演变过程

计算机及其他数字化系统在各种领域的广泛应用是计算和信息通信技术发展的主要特点。图1.2展示了计算与信息通信技术的发展历史和趋势。20世纪中叶，随着计算理论和电子技术的发展，第一台计算机问世，这个时期的计算机主要应用于军事领域。到20世纪70年代左右，随着程序语言和软件技术的发展，计算机逐步应用于民用领域，构建了各种各样的信息系统。在20世纪80年代，通信和网络技术的发展，使得计算机的互联互通成为可能，极大促进了网络化系统的发展，为互联网和数字化社会奠定了技术基础。

图1.2 计算与信息通信技术的发展历史和趋势

到20世纪90年代，计算技术发展的一个重要趋势是嵌入式系统的发展和嵌入式设备的广泛应用，这主要得益于控制技术和感知技术的发展。嵌入式系统是以应用为中心，能够根据用户需求（功能、可靠性、成本和环境等）对软硬件模块进行灵活裁剪配置的专用计算机系统。嵌入式系统的应用十分广泛，涉及工业生产、日常生活、工业控制、航空航天等多个领域。如今，几乎有95%以上的工业控制设备是通过嵌入式系统来提供自动化服务的。

随着嵌入式系统的广泛应用和物联网（Internet of Things，IoT）的兴起，嵌入式信息处理单元与外界物理环境之间的交互更加紧密。这种信息域组件与物理域组件紧密集成的需求促使了一个新的交叉领域——信息物理系统或信息物理融合系统（Cyber-Physical System，CPS）[1]的发展。信息物理系统，顾名思义，就是将物理空间和信息空间融合在一起的系统。传统嵌入式系统通过传感器感知物理世界，并通过执行器改变物理世界，而信息物理系统将物理世界的观测量映射到信息空间，并通过数据和计算分析进一步优化对物理世界的改变。典型的信息物理系统有核电控制系统、列车控制系统等。信息物理系统不仅集成了各类信息处理和计算组件，还包括受控设备及其物理环境。不同特质的组件涉及连续的物理量与离散的数字信息之间的交互，这些组件的有效集成仍然面临着诸多极具挑战的技术难题[2]。

当前，以深度学习和大语言模型为代表的人工智能（Artificial Intelligence，AI）技术的发展和应用，使得信息物理系统的发展向前迈出了重要的一步，这主要体现在从自动化系统（automated system）向自主系统（autonomous system）的转变上。通俗地讲，自主系统能够在没有人工干预的情况下，自适应地组合和调度现有的计算资源来执行复杂任务。自主系统能够在提升生产效率的同时，减少或取代人工干预[3]。然而，这并不意味着自主系统不需要人工干预。对于自主系统而言，人工干预主要调节控制目标，而这些目标的实现过程则完全由自主系统来完成。例如，对于自动驾驶系统，我们只需提供目的地，而到达目的地的过程则是由自动驾驶系统自主完成的；对于智能无人工厂，我们只需输入生产指数，产品的装配则是由工业机器人来完成的。

这里，我们还必须解释自动化系统与自主系统（见图1.3）之间的区别。为此，我们按照设计难度由小到大的顺序，介绍五种不同的系统：恒温器（thermostat）、无人驾驶列车（automated shuttle）、对弈机器人（chess robot）、足球机器人（footballplaying robot）和自动驾驶汽车（autonomous car）。这些系统的共同特点是，它们都使用嵌入式计算机系统来感知和控制环境的变化，从而达到某些特定的目标。具体来说，嵌入式计算机系统通过传感器感知有关环境的状态信息，并计算相应的控制指令，然后将这些指令发送给执行器，后者采用适当动作以实现控制目标。

图1.3 自动化系统与自主系统

恒温器的目标是通过感知环境的温度，以及控制加热器的运行，将房间的温度保持在设定的范围内。当用户设定最低温度和最高温度后，控制系统将在温度达到最低值时打开加热器，在温度达到最高值时关闭加热器，从而将房间的温度保持在最低值和最高值之间。

无人驾驶列车具有比恒温器更加复杂的控制系统。直观上，其控制系统是一个以特定加速度等物理量为参数，执行一系列预定的停车和启动指令的程序。在程序执行过程中，控制系统还将接收相关的传感器信号，以确定列车在路径中的位置。在原理上，设计这样一个控制系统并不存在任何特别的技术难题。在工程实现上，需要考虑的是，如何进行加减速控制，才能在确保乘客安全的同时，也使列车具有较好的舒适性。

对弈机器人的控制过程具有更高的计算复杂度。尽管机器人所面临的环境是静态的，环境状态由棋子在棋盘上的位置决定，但是棋盘上的状态组合数量巨大。同时，给定一个游戏目标，每个状态所对应的机器人移动动作的次数也十分庞大，并且机器人的动作不能静态地确定，而需要动态地计算。对于每个状态，机器人需要使用预先获取的知识来计算移动动作序列，即博弈战术。为达到最佳的博弈结果，这种战术还需要考虑对手在每个环节的动作。

足球机器人面临着一个由多个球员的位置和速度等物理量所决定的更加复杂的环境。与上述对弈机器人的一个主要区别在于，这种环境是非静态的，其状态一直处于动态变化过程中。因此，足球机器人必须实时监测环境的变化，以便及时做出正确的反应。这意味着足球机器人必须准确及时地分析感知单元的数据（如摄像头采集的图像），尽可能真实地重构环境（球场）的状态。此外，机器人控制系统需要根据其在球场上的角色和位置，动态计算控制目标。例如，有些目标涉及防御行为，而另外一些目标则涉及进攻行为。

自动驾驶汽车是以上所有案例中最复杂的一类系统。首先，自动驾驶汽车面临的外部物理环境是动态变化且高度不确定的，环境的场景也不仅限于静态的球场或棋盘，环境的布局取决于车辆所在的地理位置以及可用的交通基础设施。环境中车辆的数量和障碍物的位置也在不断变化。其次，自动驾驶汽车自身是一个极其复杂的控制系统。简单地说，自动驾驶系统使用嵌入式域控制器对多个目标进行管理，当控制器选择一组目标时，将计算形成一个完整的控制策略来实现这些目标。这些目标既包括在保证安全的前提下完成期望的驾驶任务（如换道、超车等），也包括在车辆运行过程中提高乘客的舒适度等。

通过上述案例的比较，我们可以发现自动化系统和自主系统之间存在显著的差异。恒温器和无人驾驶列车是相对简单的自动化系统，一方面是因为它们的运行环境具有明确的定义；另一方面，这类系统依据固定的任务目标来计算控制指令，并提供预定义的服务。而其他三个系统具有自主的特点，因为它们在某种程度上展示出与人类相当的智力水平，具备计算和管理多个目标知识的能力：一方面，系统能够自主地感知外部环境的变化；另一方面，系统能够自适应地管理多个目标，并规划执行相应的行动以实现这些目标。

可以预见，在未来的人工智能时代，信息物理系统会得到进一步的发展和应用，例如，信息物理系统的有关技术将广泛应用于自动驾驶等智能自主系统的建模、仿真模拟及其测试验证等过程。信息物理系统和人工智能技术的融合，不仅使得自主系统的出现成为可能，也将是缩小弱人工智能和通用人工智能之间差距的重要途径。自主系统也是物联网和信息物理系统技术发展的重要目标，如果这一目标得以实现，那么这将成为机器智能的一个更加令人信服的证据：机器智能不仅能用于游戏，还会给人类社会生产和生活带来更加重要和广泛的应用。