【ZiDongHua 之創(chuàng)新自化成收錄關(guān)鍵詞： 人工智能 控制領(lǐng)域 生成式控制】
　　
　　未來觸手可及：生成式控制方法顛覆傳統(tǒng)控制技術(shù)
　　
　　生成式控制是一種利用生成式人工智能模型完成系統(tǒng)控制的方法。它通過大量的系統(tǒng)控制數(shù)據(jù)，訓(xùn)練得到能夠生成與訓(xùn)練數(shù)據(jù)分布相似的新數(shù)據(jù)的模型，并使用定點迭代的推理算法來提取給定輸入條件下的系統(tǒng)控制參數(shù)。所有的生成式模型都可以寫成如下的形式：
　　
　　其中是數(shù)據(jù)中的一個樣本， 是一個生成式神經(jīng)網(wǎng)絡(luò)并寫作一個函數(shù)， 符合概率分布  ，生成式模型是一個從隨機概率分布到樣本分布的映射。
 
　　
　　利用噪聲注入和表征歸一化的自編碼器對抗訓(xùn)練方法（Adversarially-Trained Normalized Noisy-Feature Autoencoder），可以得到如上述公式那樣的顯性映射，從而構(gòu)建了更直觀的生成式模型。從生成式模型的通用形式出發(fā)，用于控制的模型只需要將拓展成三個部分：
　　
　　其中是需要最小化的控制目標(biāo)，是需要輸出的控制參數(shù)，則代表能夠為控制問題提供信息的輸入信號。
　　
　　在訓(xùn)練過程中，這一模型需要大量的 樣本，每個樣本表示給定控制參數(shù)和輸入信號時的控制目標(biāo)值。經(jīng)過訓(xùn)練后，可以得到一個模型（一般是一個神經(jīng)網(wǎng)絡(luò)），能夠通過抽樣來得到符合數(shù)據(jù)分布的樣本。
　　
　　生成式控制算法可以為不同工業(yè)領(lǐng)域提供支持，并且能夠適應(yīng)多目標(biāo)、不確定性等復(fù)雜場景。在控制領(lǐng)域，傳統(tǒng)控制方法與生成式控制方法呈現(xiàn)出鮮明的對比。傳統(tǒng)控制方法依賴于深厚的算法專業(yè)知識，它們通常在單一本體系統(tǒng)中運行，這種結(jié)構(gòu)使得參數(shù)歧義性較小，控制過程因此更加可解釋。
　　
　　此外，傳統(tǒng)控制往往采用線性和單層的設(shè)計，專注于對控制信號進(jìn)行精確建模。相比之下，生成式控制方法則以數(shù)據(jù)驅(qū)動為核心，它們能夠在多設(shè)備系統(tǒng)中運行，處理復(fù)雜的參數(shù)歧義性，但往往缺乏可解釋性。生成式控制通常采用非線性和多層的結(jié)構(gòu)，能夠進(jìn)行多模態(tài)融合建模，以適應(yīng)多變的環(huán)境和任務(wù)需求。
　　
　　張翔博士對生成式控制算法進(jìn)行探索并進(jìn)行了抽象性總結(jié)，他表示：團(tuán)隊以及本人仍然在快速地嘗試將這一方法應(yīng)用到不同的工業(yè)領(lǐng)域中去，目前還未明確找到其限制。