机器学习、神经网络在控制科学中的前景和应用

今天在问答平台看到了一个问题，就是：机器学习，神经网络在控制科学中的前景和应用大吗？

我只是笼统的做了以下回答，后来想象这个话题还是很值得引人深思的。在互联网飞速发展的今天，感觉每年都是一个新的方向，新的趋势。有时候真的觉得力不从心的感觉。那么从控制领域的发展就很容易看出来，计算机发辅助认为控制的路上起到了很大的作用。

前景

一、远古的控制科学

非常远古的控制就是认为的进行控制，并没有太多的设备介入。人力的投入对于企业和机构来说是很大一部分的投入，生产和控制精准度等就是一个很大的问题。

缺点就是人介入会影响控制过程中的统一性、精准度和效率。人不可能长时间，没有感情的去按照一定的标准长时间衡量一件事物，所以这是控制科学进化的必经之路。

二、现代控制科学

再说现代的控制系统，更多是计算机辅助人进行控制，不是单纯的计算机控制。不论是技术还是人对计算机的信任度都达不到这样的要求。

优点是节约人力，远古的人海战术，分组协作的大工程，现在可能一套计算机控制系统就能解决，而不是通过个个节点来设置人力来解决这样。为企业节约了更多的人力成本，同样也提高了效率。一个简单的例子：对于以前的汽车工厂在生产汽车时，传统的制造业需要很多的人力为其制作和组装。大部分的零部件都是通过传统机械进行制作，但是现在而言，汽车工厂的机械手臂很好的解决了这个问题。一个大型的现代化工厂只需要若干人去控制设备，进去的是钢铁，出来的就是组装好的汽车，不论是效率还是设备的可靠性都有了很大的提升。也为成品化和统一化做了很大的帮助。

缺点就是还是不能够完全的解决双手，系统的故障性和系统的统一性不能够完全的契合。整套系统可能是若干个零散系统组合而成，而不是统一的智能大脑。从产品的设计到研发都需要分开，市场调研，数据采集等都是做不到完全的统一。所以进化的就是：需求、设计、研发、制造为中心的智能系统。

三、新一代的机器学习，神经网络智能控制系统

近几年机器学习和神经网络的兴起不仅是对传统行业甚至对新兴行业也有着很大的冲击。机器在模仿人的思维去解决一定的生产和服务问题，不仅为生产的标准化提供了一个很好的平台，也大大提高了生产效率。

从市场的数据采集，到数据分析，再到产品研发，再到生产等，都是后续有待提高和改进的重大内容。在不久的将来，机器学习可以替代人力去采集数据。就目前而言很多企业也是通过计算机来采集相关数据，做定向的分析。以后可能会出现一种情况，计算机会通过全网搜索相关数据（在大的数据平台或者国家数据中心的数据资源对企业开放的前提下），通过定向性的分析，分析用户对于产品的喜好和产品的需求等，结合分析结果给出设计方案，把数据输送给设计模块，由设计模块设计产品，检测模块通过数学模型分析产品的可靠性在对用户人群的实用性和喜好等方面做比对，找出最佳的设计方案，方案出来之后输送给生产模块，生产模块进行生产制作成品，在成品出来之前，线上媒体平台已经给出了宣传方案和用户喜好的宣传资料等产品面向市场之前，智能系统已经在各大媒体平台投放了大量的媒体广告做宣传。产品的迭代更新也是通过用户反馈数据来完成。所以生产效率和实用性、统一性更加符合用户的习惯。

应用

应用场景具体来说就会牵涉到很多的方面，这里主要讲的是控制科学相关的（也不会特别的全面，全是个人经验）：

1、数据采集以及数据分析

2、产品设计

3、产品检测

4、生产模块控制

5、市场调研

6、用户行为分析

7、产品的迭代

8、产品和用户行为以及相关的数据反馈分析

......等等

都会是以后应用的广泛市场，随着机器学习的智能程度不断提高，计算机可能会出现代替人工进行设计产品的过程。由一定的数据资源，可以获取用户喜好，计算机会设计出更符合用户喜爱的产品。为以后更加个性化的产品线打下良好的基础。不过这个过程可能需要很多年才能实现。