隨著大數據、雲計算、物聯網

、5G等信息技術的飛速發展, 自動化科學技術極大地提高了生產效率, 有力支持了信息產業和全球經濟社會的發展. AlphaGo係列人工智能圍棋
、仿生機器人、混合智能
、載人航天、智能製造、智慧醫療、智慧城市等新興技術的湧現, 不斷衝擊著人們生產和生活的方式.

自動化科學技術是以物理係統、信息係統及有人參與的信息物理係統為研究對象, 以設計、構建、分析和評價自動或自主運行係統為手段, 以輔助
、替代和延伸人的體力或腦力勞動, 並借以提高人類認識世界和改造世界的能力為目的的係統理論與技術. 其主要研究範圍包括: 控製理論與技術, 係統建模理論與仿真技術, 導航、製導與控製技術, 檢測技術與裝置, 模式識別與智能係統, 機器人與無人係統控製技術, 生物係統分析與調控, 以及麵向對象和任務的自動或自主運行係統的設計、實現和維護管理技術等[1-2].

自動化科學技術的發展, 將對我國社會經濟發展和國防安全發揮至關重要的作用. 未來幾年, 根據我國自動化科學技術的現狀, 結合人工智能等新興技術和智能製造
、國防軍工等國家需求, 自動化科學技術的發展路徑大致可概括為: 1) 鼓勵和發展具有原創性的基礎理論和方法, 大力支持從無到有的研究問題, 明顯提高自動化理論與技術水平; 2) 在自動化科學與技術的一些應用基礎研究領域, 研究在國際上具有引領性作用的自動化係統設計與實現方法, 在部分領域達到世界領先, 推動我國相關產業的改造升級; 3)大力發展和支持與基礎工業、國防以及高端技術裝備密切相關的自動化係統與關鍵技術等.

本文結合十三五期間自動化學科的發展規劃[3], 概述了我國自動化學科的發展現狀, 指出了未來幾年優先發展的學科領域和可能產生重要突破的研究方向及科學問題, 提出了一些保障學科發展的措施和建議.

1.   自動化學科發展態勢分析

1.1   自動化學科的特點

自動化科學技術不僅研究係統的信息獲取與處理、分析與建模、優化與控製, 更重要地還要綜合運用控製科學、係統科學、人工智能
、計算機與通信等領域不斷發展著的理論與技術, 研究麵向複雜對象和任務的自動或自主智能運行係統的設計和實現技術, 以使係統的狀態、行為、性能及功能等滿足人們的預期目標. 同時, 自動化學科的發展與物理、生物、材料等多學科交叉融合, 互相促進和支持, 具有係統性、智能性和交叉性的鮮明特征[4].

自動化科學技術從係統的角度來解決問題, 對社會進步產生重大影響. 例如, 集合計算機視覺
、語音識別、機器翻譯等技術於一體的機器人, 已在多種場景下實現商業應用; 我國自主研發的北鬥衛星導航係統, 已為全球用戶提供全天候
、全天時、高精度的定位、導航服務等.

自動化科學技術與醫療
、化工
、先進製造等各個領域交叉融合, 推進了自動化學科的理論技術與各行業領域的協同發展. 例如, 信息物理係統是高水平智能製造、高水平社會服務和國防現代化的重要支撐技術, 它通過融合感知

、控製
、智能更新等技術於一體, 實現物理對象的大規模信息感知、計算和自動控製, 應用前景非常廣泛.

自動化科學技術與其他學科共同發展進步, 並與材料、生物
、數學等基礎學科交叉形成新領域, 派生出大量的新概念
、新構思、新技術和邊緣學科, 如量子導航

、微納製造、生物信息學等. 多學科發展、交叉研究給自動化學科帶來了新的活力和重大創新機遇.

現階段, 自動化學科基礎研究蓬勃發展, 相關新興技術領域方興未艾, 對經濟和社會發展的創新驅動作用越來越重要, 自動化程度已成為國防、工業、農業以及社會生活現代化的顯著標誌.

1.2   自動化學科發展現狀

在國家的大力引導和支持下, 經過“十三五”期間的發展, 自動化學科在理論和應用方麵取得了一批優秀成果, 並逐漸形成了各領域優勢互補的良性循環, 促進了控製理論與應用、模式識別與智能係統、導航製導與控製、係統科學與工程、人工智能與自動化交叉等領域的創新與發展.

控製理論與應用是自動化學科能夠長遠發展的核心基礎與源動力. 近年來, 控製理論與應用研究的對象與控製算法方麵, 呈現出從單一模型到包含耦合
、級聯等關係的複雜模型, 從單目標控製到多目標優化、調度和協調, 從基於模型的研究向數據化
、群體化與智能化方向發展. 在多智能體協作、自適應控製
、網絡控製係統
、數據/事件驅動控製、智能控製等一些新興研究方向上, 取得了許多重要研究進展, 如高階線性多智能體係統一致性控製、網絡資源優化控製、網絡控製係統態勢感知等[1, 5].

模式識別與智能係統的發展, 與認知科學、信息科學、神經科學及計算機科學的發展密切相關, 並逐漸形成了理論創新與應用高度集成的發展趨勢. 近年來, 半監督學習、弱/無監督學習

、深度學習
、數據降維、多特征抽取等新技術不斷湧現, 模式識別、機器學習、計算機視覺、語音和語言信息處理、腦機交互等領域研究與應用取得了顯著的進步[6]. 國內科研機構和高校在神經生物信息處理、統計學習、流形學習、立體視覺匹配和三維重建等方麵取得了一些優秀研究成果, 國內研發的人臉識別、指紋識別、手寫漢字識別、語音識別、機器翻譯等應用技術處於國際領先水平.

導航製導與控製是一個學科交叉性強、理論與工程實踐高度結合的研究領域, 對國家安全、國防和國民經濟建設具有重要意義. 目前, 我國在慣性導航、衛星導航、組合導航、航空航天飛行控製、空間探測等研究領域已經達到國際先進水平, 如北鬥衛星導航係統在軌衛星已突破50顆, 天宮二號空間站順利在軌運行, 神州係列載人飛船的成功發射與返回, 嫦娥四號月背探測, 標誌著我國航空航天控製技術躋身世界強國之列. 然而, 在一些相關技術領域, 如視覺/慣性組合導航係統、精確製導技術、新型武器裝備研製、導航與探測器件開發、攔截技術等方麵仍需進一步加強相關核心技術的研發與創新能力.

係統科學與工程在大量係統科學理論研究和係統工程實踐積累的基礎上, 逐漸強調物理、信息與社會空間的融合, 注重係統間的相互協作; 強調個體行為與群體行為間的關係, 實現對群體行為的誘導與調控[7]; 更加強調人類社會的網絡化, 研究不同形態的實際網絡, 如社會網絡
、經濟網絡、電力網絡和生物網絡. 我國近年來針對實際複雜係統, 開展了生產計劃調度、係統結構與架構體係、物流與資源優化決策、係統仿真技術及應用等多方麵的研究和實踐[8]. 隨著物聯網等新興技術的發展, 未來係統科學與係統工程的研究, 將更為關注具有人機物協同特征的實際複雜係統, 為推進我國諸多領域的應用發展提供方法指導.

在人工智能與自動化交叉領域, 以神經網絡為基礎的深度學習, 以感知
、交互
、協作、競爭為特征的群體智能等方向取得了重要進展. 在相繼出現的智能駕駛
、智慧醫療等熱點應用的驅動下, 以人為中心

、人在環路的智能計算、類腦智能等研究把機器智能作為人類智能的有效延伸和拓展, 成為自動化領域人工智能技術研究前沿[9]. 在麵對大數據、網絡化和實時交互等複雜現實問題時, 研究方法呈現出多領域聯合驅動的模式, 綜合集成多個領域的研究成果, 如運動控製
、智能感知決策、導航和避障、視聽覺信息處理
、自然語言理解
、機器學習算法、認知信息處理
、高性能計算
、自主防禦等, 使得機器與人能夠交互理解並能更好地服務於人[10-11].

1.3   學科發展趨勢和目標

2015年, 國務院提出推進智能製造, 實施製造強國戰略, 以滿足經濟社會發展和國防建設對重大技術裝備的需求為目標, 強化工業基礎能力. 2017年,《新一代人工智能發展規劃》 提出要把大數據驅動知識學習
、跨媒體協同處理、人機協同增強智能
、群體集成智能
、自主智能係統作為人工智能的發展重點. 2020年, 中央部署推進包括5G基礎及應用、軌道交通、新能源
、數據中心
、人工智能和工業互聯網等新型基礎設施建設[12]. 三大規劃中均以自動化為主要理論基礎, 自動化科學技術已然成為支撐我國“新基建”大布局中最為核心和重要的技術之一.

信息技術的迅速發展, 推進了國際社會各領域向數字化、網絡化、智能化加速躍升, 自動化領域的科學研究必須迅速調整方向並加快發展, 助力提升國家競爭力、維護國家安全. 促進自動化科學技術和國家建設深度融合, 為構建數據驅動、人機協同、跨域融合
、共創分享的智能社會提供理論、方法和技術, 是自動化學科“十四五”乃至中長期發展的重要目標.

2.   自動化學科優先發展領域

2.1   智能控製理論和方法

傳統控製理論大多關注單個對象的建模與控製, 而控製係統的一個發展趨勢是係統規模越來越大, 係統各部分相互關聯和耦合. 傳統控製過程通常在一個時間上隻控製一個進程, 而現在可能存在大量的進程相互作用需要調控. 各類控製係統在不斷變化的環境中運行, 溫度

、負荷
、設備、材料特性等各種因素都在隨時間變化, 且這些變化常常難以精確掌握. 係統不確定性既源自於係統內部, 也來自於係統外部, 而且大多數情形是多種不確定性耦合在一起. 涉及的係統類型也很多, 如隨機係統、不確定係統
、參數係統、神經網絡係統

、數據驅動係統
、有限信息係統、多尺度係統

、混雜係統、複雜網絡等. 係統結構也更為複雜、工作環境更加開放和不確定, 控製任務對於實時性
、控製精度和自主能力等方麵有了更高的要求, 還需要麵對各種資源的優化利用, 亟需融合非線性控製、自適應控製、智能控製
、穩定性理論、最優化理論
、人工智能及數據處理等方麵的理論和方法, 建立智能控製的新理論和新方法[3, 13].

從控製對象、控製方法、資源優化和控製效率等角度出發, 圖1簡要描述了當前控製理論和方法中存在的主要問題, 可行的解決方法和熱點研究方向. 包括:

圖 1  智能控製理論研究方向

1)自適應控製理論和方法. 對於時變、不確定、環境開放
、非線性等條件下的被控係統, 研究其模型—數據混合驅動的自適應控製理論和方法, 進行係統閉環性能分析和設計, 實現基於模型的智能自適應控製.

2)數據驅動控製理論和方法. 研究環境變化

、結構和參數變化、控製目標變化的複雜係統控製問題, 通過對係統數據的采集、更新和迭代學習, 獲得具有適應能力的數據驅動控製器, 保證係統控製的穩定性、魯棒性和自適應性, 建立數據驅動控製理論和方法.

3)基於學習的優化理論和方法. 通過對複雜係統控製過程
、控製任務
、多媒體信息的訓練
、學習和反饋, 實現複雜係統過程優化、任務優化和資源優化, 建立複雜係統基於學習的優化控製理論和方法.

4)事件驅動控製理論和方法. 研究數據驅動係統、網絡化係統、混雜係統等多種類型係統的事件驅動控製理論和方法, 減小計算和通訊等資源成本, 提高控製效率.

智能控製理論和方法是一個飛速發展的研究方向, 盡管其理論體係還遠沒有經典控製那樣成熟和完善, 但已經成為自動化學科最重要的理論研究方向之一. 探索智能控製理論和特定背景的應用研究, 夯實自動化學科的理論基礎, 對推動我國自動控製技術躋身世界前列, 具有重要意義.

2.2   高性能作業機器人

機器人是多種自動化技術和智能技術的集成平台, 在國民經濟與國防安全等領域具有重要地位. 在國防安全方麵, 機器人技術將推動無人機、無人武器的發展, 提高無人偵察
、無人值守、無人作戰打擊能力. 在近海、深海、極地和外太空等環境中, 機器人是實現極端環境活動和資源發現利用的有效工具. 在醫療健康方麵, 機器人將在醫療診斷、康複輔助
、助老助殘中發揮重要作用. 在製造業方麵, 機器人正在成為新工業革命的切入點和重要增長點, 將影響全球製造業格局. 近年來, 我國在智能機器人研發和應用方麵取得了長足進步, 工信部、發改委、財政部聯合提出 《機器人產業發展規劃(2016−2020)》, 科技部連續發布“智能機器人” 重點專項, 持續推進我國機器人技術和相關產業快速健康發展. 但與美國、日本等發達國家相比, 我國在前沿基礎理論、核心零部件、國際技術標準和總體發展體係等方麵存在短板和不足[14].

未來幾年, 在仿生、控製

、智能等方麵, 自動化學科建議開展麵向特定任務的高性能作業機器人原創性理論及關鍵技術研究, 初步建立高性能智能作業機器人共性技術體係, 為後續產品化奠定基礎. 圖2概述了高性能作業機器人主要發展方向和關鍵技術. 具體研究方向包括:

圖 2  高性能作業機器人主要發展方向和關鍵技術

1) 仿生機器人. 生物運動機理研究並設計仿生運動機構; 靈巧作業機構的建模與控製; 靈活輕巧、剛柔耦合的仿生機器人設計和控製; 靈活隱蔽的微型仿生機器人.

2) 特種機器人. 設計麵向各種特定任務的高性能作業機器人; 設計應對開放、未知環境和多種任務的高性能機器人, 提高其通用性與魯棒性.

3) 智能決策技術. 研究機器人麵向複雜環境的感知與理解、行為優化及技能學習方法, 提升機器人的智能化水平; 研究機器人智能決策與控製技術, 實現機器人高效智能決策和穩定自主運動; 機器人安全行為準則及安全保障機製, 確保機器人安全可靠的行為方式.

4) 人機共融技術. 人與機器人的雙向信息傳遞、語義表達及實時認知方法; 生機電相融合的交互方法; 人機協同高效決策與控製技術; 人與機器人互操作技術.

5) 以仿生機器人、人機共融機器人、服務機器人為具體對象, 在國際技術標準
、軟件框架和硬件平台等方麵取得突破性成果.

2.3   信息物理係統

以物聯網、車聯網和工業互聯網等為代表的信息網絡技術快速發展, 信息空間、社會空間和物理空間深度融合, 衍生出信息物理係統. 信息物理係統中的計算通信單元與物理對象可以通過網絡高度耦合, 其所孕育的新技術
、新應用將從根本上改變人類社會的生產和生活方式. 就像互聯網重塑人與信息的關係一樣, 信息物理係統將重塑人與工程係統的關係[15]. 美國總統科技顧問委員會曾將信息物理係統列為未來重點研究的八大信息技術之首, 德國、英國、法國、日本等國都在工業信息物理融合係統相關方向展開戰略布局和技術研發. 目前, 我國工業企業數字化
、網絡化、信息化程度整體不高, 難以實現企業級綜合智能管控以滿足智能化生產
、智慧工廠的需要. 物理係統與信息空間的高度融合, 給信息獲取
、通信、計算和控製帶來諸多挑戰, 給自動化科學技術帶來深刻變革[16].

研究信息物理係統中資源優化調度、通信與控製協同優化、網絡攻擊防禦、實時監控和評估等問題, 融合建模、優化與控製的理論和方法, 以構建安全、高效的信息物理係統為目標. 圖3展示了未來幾年建議的信息物理係統主要研究方向, 具體包括:

圖 3  信息物理係統主要研究方向

1) 信息物理係統構建及控製. 工業物聯網大規模、實時、可靠的優化調度技術; 綜合信息物理係統時、空
、頻

、能等多維動態特性和耦合性, 建立感知、傳輸
、控製一體化係統模型和跨域協同優化與控製方法; 通信資源、計算資源、控製能力等受限情況下高效的分布式優化與控製策略; 基於邊緣計算和邊雲協同的分布式智能控製方法.

2) 信息物理係統安全. 通信幹擾、虛假數據注入、隱私竊聽等攻擊的信息物理係統實時檢測方法
、攻擊防禦方法、彈性控製理論與方法; 信息物理係統隱私保護的設計與分析; 信息物理係統安全事件的時空關聯性快速分析與溯源; 信息安全與控製安全的協同設計與驗證, 實現信息物理係統綜合安全.

3) 信息物理係統演化. 基於數字孿生技術, 實現信息物理係統高保真的數字化表征、狀態監控和預測
、運行狀態評估技術; 研究孿生係統與實體信息物理係統的全方位深層次融合; 基於孿生係統及實體信息物理係統的多模態信息, 實現虛實係統持續交互式學習
、自主更新和進化.

發展信息物理係統構建、信息獲取與處理
、信息安全分析、係統監控和評估等適用於大規模信息物理係統的前沿基礎理論, 並在工業係統、智能交通係統、能源係統
、醫療係統等方麵進行應用研究, 結合智能製造發展戰略, 推進信息化與工業化深度融合, 促進工業信息物理係統理論和技術突破, 實現人、設備與產品的實時聯通、精確識別、有效交互與智能調控, 滿足國家安全和經濟社會發展的需求.

2.4   導航與控製技術

近年來, 在載人航天、對地觀測
、大型飛機、導航與位置服務等國家重大需求的牽引下, 導航製導與控製技術發展十分迅速[17]. 深空探測是繼地球衛星、載人航天之後, 我國空間技術領域的又一重要發展階段. 深空探測飛行器飛行距離更遠
、運行時間更長、任務環境更複雜. 對於月球背麵探測
、火星轉移和捕獲探測等, 僅依賴地麵測控網進行導航與控製, 在精度、實時性和可靠性等諸多方麵受到限製. 深海運載平台和深海潛器主要涉及深海環境下的大範圍導航與控製, 考慮深海環境的複雜性、可用導航資源少和運載體長時間工作等特點, 慣性信息
、海洋環境與海洋地球物理場信息以及聲學信息將成為其自主導航的主要信息源. 此外, 開放環境下的車輛和人員定位導航主要依賴衛星導航手段, 但在高樓遮擋路麵、隧道、室內停車場、商場、交通樞紐、展會等環境下, 由於信號受到遮擋或電磁幹擾, 無法提供可靠的導航服務. 實時獲取開放環境下車輛、機器人和人員在移動過程中的位置、方向、速度等信息, 並在此基礎上實現車輛的自動/輔助駕駛、人員的高效疏導, 是體現城市信息化和治理水平的重要方麵.

導航製導與控製技術關係到國家安全和國民經濟建設, 屬於基礎性、戰略性和前沿性的軍民兩用高新技術. 圖4簡要描述了我國導航製導與控製領域的重要進展和未來的發展趨勢. 具體的研究方向包括:

圖 4  導航製導與控製領域的重要進展及發展趨勢

1) 深空深海運動體和運載平台的自主導航與控製技術. 深空深海運載平台長時間高精度自主導航與控製; 環境交互下的深空深海仿生器基礎控製理論和實現方法; 大範圍高動態條件下飛行器導航製導和控製; 大型複雜撓性航天器穩定及機動控製; 行星和小行星等定點著落導航製導和控製.

2) 新型導航方法與技術. 量子精密測量與量子導航原理與技術; 超高靈敏原子慣性測量技術; 基於量子效應的原子陀螺儀慣性導航技術; 仿生導航原理與技術; 組合導航理論和方法; 有限信息下自主導航與控製方法.

3) 開放環境下多源信息融合定位導航的基礎理論和方法. 雲端—終端數據交互融合協同導航理論與方法; 基於多源異構信息融合的導航理論與方法; 開放環境下定位導航及控製技術.

深空深海和開放環境的導航製導與控製問題研究, 將顯著提高我國高精度高可靠性導航與控製領域的基礎研究水平, 解決不確定環境下導航與探測領域的技術難點, 為推進我國航空航天、海洋戰略、城市治理的跨越式發展奠定堅實基礎.

2.5   重大裝備自動化技術

重大裝備指技術難度大、關聯麵廣、成套性強
、對國計民生具有重大影響, 需要跨部門、跨行業
、跨地區組織, 才能完成的重大成套技術裝備, 或是規模龐大且直接關係人的生命安全及國家安全的重要運動體裝備, 對國民經濟和綜合國力具有非常重要的戰略意義. 比如, 以航空發動機、無人船舶等為代表的重大裝備, 在交通運輸
、航空航天、海洋探測等方麵為國民經濟的提升和國防安全提供了重要保障.

智能化控製係統是重大裝備的技術保障和核心支撐部分, 具有不可替代的作用. 一些重大裝備工作在多參數、非線性、複雜和極端環境下, 對裝備的安全運行和維護提出了很大的挑戰[18]. 同時, 部分重大裝備核心技術受製於人, 依賴國外. 因此, 研發具有自主知識產權的重大裝備智能控製和智能維護技術, 是促進我國經濟健康發展和維護國家安全的科技保障. 對於我國重大裝備智能控製和智能維護技術方麵存在的一些問題, 建議的具體研究方向包括:

1) 重大裝備高精度與安全運行控製. 麵向動力學
、振動和控製問題的高速
、高效、高精度控製器設計; 麵向靈活、高效和經濟性的重大裝備集群一體化智能管理理論; 重大裝備的通信網絡安全架構、安全通信機製、電磁兼容等信息安全技術; 數據驅動的重大裝備決策與控製技術; 重大裝備控製任務、可靠性任務、信息安全任務協同設計的理論與方法.

2) 重大裝備故障診斷與智能維護. 重大裝備智能維護和容錯控製基礎理論與關鍵技術; 重大裝備的性能耦合分析技術; 數據驅動的重大裝備故障處理與預防技術; 基於數據的重大裝備智能視情維護與自愈技術; 重大裝備降級運行與智能更新理論與技術; 重大裝備壽命預測與健康評估技術.

圖5概述了重大裝備智能控製與維護中主要的研究內容. 針對我國國防
、製造業等多個領域的國家重大裝備需求, 凝練與自動化學科相關的科學問題和關鍵技術, 提高自主創新能力, 實現重要裝備的自動化技術自主可控.

圖 5  重大裝備智能控製與維護

2.6   自主智能係統

自主智能係統是自動化和人工智能技術的最佳載體, 是各種先進算法驗證與應用平台, 其基礎理論研究創新將成為未來自動化和人工智能領域發展的核心動力, 在國民經濟與國防安全等領域具有重要地位. 例如, 在民用領域, 自主智能係統廣泛應用於智能交通中的多無人車協同路徑規劃, 提升智慧城市道路利用率, 緩解城市擁堵; 在工業應用、商業管理及應急救援等領域的需求量也呈現出快速增長的趨勢; 在國防領域, 多個作戰單元與其他作戰係統協調作戰, 防空導彈係統同時攔截多個目標, 無人機、無人車及無人武器的發展將有效提高作戰能力. 目前, 我國在自主智能係統和群體智能係統的大規模應用方麵, 缺乏前瞻性理論支撐和關鍵技術突破. 因此, 必須重視自主智能係統的基礎理論與應用研究, 實現從機器人到自主智能係統, 從個體智能到群體智能的跨越[19-20].

從自主無人係統
、人機混合
、集群協同
、安全技術和技術驗證平台等方麵出發, 圖6展示了自主智能係統的總體發展思路. 具體研究內容如下:

圖 6  自主智能係統的總體發展思路

1) 自主無人係統理論與技術. 多傳感器信息融合的無人係統智能感知與自主學習; 無人係統學習演化與自主決策; 無人係統動態建模、智能感知
、自主運動與避障; 動態目標識別與特定任務決策; 環境未知、信息不完全、通信受限下無人係統智能感知與決策理論和方法; 複雜場景無人平台的主動感知
、快速決策和精確控製.

2) 人機混合自主智能係統. 開放環境下人機結合的態勢感知方法與技術; 人機交互的特征提取與表示方法; 人機融合高效推理與交互操作; 人機混合智能增強、人在回路技術.

3) 集群自主智能係統. 可表達、可計算、可解釋的群體智能方法; 集群係統信息交互、多目標優化決策; 集群係統協同與自主結構變換; 無人係統集群優化和集群智能; 對抗
、強幹擾環境下的集群係統協同控製理論; 非完全信息條件下集群係統協同、博弈等動態演繹方法.

4) 自主智能係統安全. 安全可信自主智能係統構建理論和方法; 自主智能係統數據安全和隱私保護; 自主智能係統集群的安全性和穩定性; 安全風險評估與智能防禦; 決策計算全程可測可控, 達到攻擊者進不去
、非授權者重要信息拿不到、竊取保密信息看不懂、係統和信息改不了的安全效果.

5) 研製“無人集群跨域協同控製係統” 與“人機共融自主智能係統” 等技術驗證和示範平台; 發展自主智能係統的國家標準、自主芯片、標準軟硬件接口和操作係統等.

自主智能係統的研究將大力推進科技與經濟的快速發展, 引領智能產業和智能經濟的發展. 我國在相關領域的研究取得了長足的進步, 但在頂級人才、前沿基礎理論、技術標準
、軟硬件平台和總體發展體係等方麵仍然存在不足, 需要進一步加大投入, 充分調動國內外的優勢資源, 爭取獲得跨越式發展.

2.7   人工智能驅動的自動化

近年來, 人工智能研究範圍不斷拓寬, 已涵蓋了模式識別、自然語言理解、認知科學等多個重要分支, 研究內容已經從信息處理、知識表示等發展到機器智能, 包括機器感知、機器思維
、機器學習
、機器行為等, 並在不斷更新和擴展[10]. 以深度學習為代表的感知和認知, 以及以強化學習為代表的行為決策和控製是人工智能驅動自動化技術的典型代表, 二者結合能夠構成機器智能決策的閉環. 國際上已經出現了一些有顯示性的成果[21-22], 如波士頓動力公司與美國國防部合作, 開發了多款仿生機器人, 能夠實現快速平穩移動、跳躍甚至翻滾, 具有相當好的靈活性和穩定性. 人工智能的核心理論和基礎算法, 通過與應用係統相結合, 可有效提取數據信息
、自主學習決策和優化, 提高控製效率, 進而建立具有不同功能的智能係統.

當前通用人工智能方法尚未成熟, 深度學習等人工智能方法可解釋性不高, 這也是人工智能理論實際應用困難的根本原因之一. 另外, 由於實際問題差別很大, 如實際問題連續性、不完全信息、感知信息不確定性
、決策狀態約束性
、多個體協調複雜性等, 使得人工智能理論和方法, 難以直接推廣到更廣泛的對象, 如工業互聯網、流程工業中, 需要基於人工智能理論開發相應的智能算法. 圖7展示了人工智能和自動化交叉領域的若幹前沿研究方向, 其核心關鍵問題是人工智能理論驅動的智能感知、控製與決策方法, 以及算法設計、係統研發與應用. 需要在語音識別、自然語言處理、機器視覺等智能感知領域開展深入研究, 還應在深度強化學習理論、不完全信息博弈對抗
、多智能體協調控製、魯棒決策與控製
、神經網絡架構搜索與優化
、類腦計算等領域積極布局, 以期取得突破性的研究成果.

圖 7  人工智能和自動化交叉領域若幹前沿研究方向

總體來說, 我國在語音識別
、機器視覺
、機器翻譯等領域已取得顯著進展, 但我國對機器學習核心算法的掌握程度仍然較低, 在人工智能核心算法創新、人工智能係統的設計與研發等方麵, 還需要與發達國家進行技術合作, 縮小差距, 促進人工智能理論和方法在自主運動體
、智能電網
、醫療、軍事等係統中的應用, 擴展人工智能技術的應用邊界.

3.   學科發展的保障措施

未來幾年, 為促進我國自動化科學技術的持續發展, 吸引更多的科技工作者投身自動化領域研究, 提升我國自動化學科的地位和國際影響力, 建議從學科發展
、基金資助
、需求導向
、人才培養
、科研平台等方麵做出努力.

1) 為保持學科優勢領域的發展趨勢, 同時加大對薄弱學科領域的資助力度, 鼓勵開展交叉學科研究, 促進自動化學科各領域均衡協調發展. 自動化學科在注重理論研究的同時, 以重大國家需求為牽引, 凝煉共性科學問題, 鼓勵自動化係統的研發與成果轉化, 實現自動化學科持續蓬勃發展.

2) 發揮自然科學基金人才培養作用, 激發科技人才的創新活力, 完善青年人才資助計劃. 適度調整項目經費使用範圍與比例, 適當增加青年基金
、優秀青年基金
、傑出青年基金的資助率. 進一步修訂學科申請代碼, 推進以自動化學科為主的交叉學科發展, 拓寬自動化學科研究範疇, 提升學科影響力. 進一步加強基金資助內容審核, 避免對相似研究內容的重複資助, 提高資助效率.

3) 引導建立公共開放的自動化科研與實驗驗證平台. 由於缺乏統一的標準化實驗平台, 各研究工作彼此獨立難以快速集成和相互共享, 重複開發實驗平台浪費了大量人力物力. 建立標準化的基礎支撐平台, 如群體智能科研支撐平台、人工智能開源軟硬件平台、人工智能基礎數據平台等. 為實現理論創新、技術和係統集成提供條件, 促進理論研究成果的共享和應用.

4.   結論

遵循自動化學科發展所具有的需求牽引和學科交叉的特點, 未來自動化科學技術研究將更加注重解決複雜係統、網絡係統
、多傳感器信息融合、生物信息係統、社會治理係統等重大問題. 注重係統各個部件協同感知並進行協調控製, 在理清個體行為與群體行為間關係的基礎上, 實現對群體協作、競爭、進化、演化行為的調控. 加強研究如具有人機物協同特征的工業係統、作戰係統、交通係統、電力係統、生物係統和社會係統. 自動化科學技術將與其它相關理論技術密切結合, 解決新興技術快速發展帶來的自動化領域前沿科學問題.

5.   說明

本文所著觀點及內容參考國家自然科學基金委員會十四五及中長期發展規劃. 所著觀點為筆者觀點, 僅供參考.