优化的变迁：从连续到混杂

     我们在大学读书时，学的科学知识几乎都是数学公式，如Y=F(x)。利用这些公式，我们进行求解和优化。比如，现代和经典控制论，就是这个套路。我们注意到：这些数学公式大多数是表示连续变化的。

我们前面提到：到了智能化时代，机器往往使用“知识”。这些知识往往是些“规则”。这些规则往往可以表示成“IF ... THEN...”的逻辑，是离散的决策逻辑。我也曾经提到：从小系统到大系统的时候，往往会发生这样的变化。但这又是为什么呢？

我想用一个比喻说明这个道理。

猎犬在草原上抓一只兔子。猎犬根据兔子的位置和跑的方向时刻改变自己的方向和路径。这个时候，猎犬策略就是连续变化的，才能找到最优的路径。

但是，我们换一个场景：城市的警 察被派往某个地方抓罪犯。警察一般必须沿着城市的道路过去。一般只有到了岔路口的时候，才可能发生切换。这就是离散式的决策。这时，如果罪犯开始逃跑，警察也会改变自己的路径规划——但一般也是到了路口再切换。当然警察和罪犯距离很近，在一个广场或者房子里面，抓罪犯的路径又变成连续的了。这就是混杂的执行逻辑。

从自动化到智能化的变化，和这个道理差不多。传统自动化系统面临对象的复杂程度是相对较低的，手段与结果之间的关系清晰，从而便于进行连续的优化。但智能化系统面临的对象往往更复杂。人们做事的时候，一般只能沿着某些路径去走。这些路径是人们实践探索出来的。偏离这些路径，可能会带来难以想象的后果。优化过程必须在这些确认可行的路径上走。于是，优化就变成了路径切换这种离散的形式。离散的优化，决定大方向的正确；在具体工作点附近优化时，可能又会变成连续的了。

现实中，这些路径往往就是企业执行的“标准”。而新路径的探索，就是所谓的“研发过程”。而生产的执行过程一般并不探索路径，而是从成熟的路径中选择。于是，智能化的决策逻辑，往往是混杂的。