L3 钱学森层:建模、判稳、寻优、容错
来源:钱学森《工程控制论》(Engineering Cybernetics),1954 英文初版,1958 中文版,1980 年宋健等修订版。
核心主张
维纳的《控制论》偏理论与哲学,工程师用不上。钱学森做的事是把控制论从"解释世界"变成"设计系统":把工程实践中零散的设计原则和试验方法,取其共性,提高成科学理论。
这一层全是动作。 前面看清楚了、想清楚了,到这里必须能算、能判、能执行。
1. 建模:先有模型,再谈其他
钱学森全书从拉氏变换讲起,因为没有模型就没有分析。模型不需要精确,但必须能刻画"输入怎么变成输出"。
在 AI 任务中,模型通常是一张因果链:
输入 → [处理环节 1] → [处理环节 2] → ... → 输出
↑扰动 ↑扰动建模的四问:
- 输入量有哪些?哪些可控,哪些是扰动?
- 输出量是什么?怎么观测?
- 中间状态是什么?(往往是最容易漏掉的)
- 各环节的代价是多少?(时间 / token / 金钱 / 风险)
模型可以粗糙,但不能缺失。 没有模型的执行,就是把输出交给运气。
2. 传递函数:因果链的增益
传递函数描述"输入经过系统后变成什么"。迁移过来就是问:我做的这个动作,最终会放大还是衰减?
- 某个环节的增益过大 → 微小输入导致剧烈输出 → 系统敏感、易振荡
- 某个环节的增益过小 → 动作没效果 → 需要加大投入或换路径
- 存在反向环节(负号)→ 那可能就是天然的负反馈,别破坏它
3. 频率响应:对不同节奏的敏感度
系统对快变化和慢变化的响应往往完全不同。钱学森用波德图、奈奎斯特图刻画这一点。
迁移:
- 对高频扰动的敏感度 → 系统是否容易被短期波动带偏
- 对低频扰动的响应 → 系统能否跟上长期趋势
- 如果只对高频敏感 → 会疲于应付,忽略大方向
- 如果只对低频敏感 → 反应迟钝,错过窗口
4. 判稳:这一步不能省
钱学森给出了一整套稳定性判据(奈奎斯特、根轨迹、劳斯判据等)。核心思想只有一句:
不稳定的系统,谈性能没有意义。
在任务中的等价问法:
- 这个回路会收敛还是发散?
- 如果我按现在的纠偏力度持续调整,会逼近目标还是来回振荡?
- 误差在放大还是在缩小?
三个典型的不稳定成因:
| 成因 | 表现 | 处置 |
|---|---|---|
| 增益过大 | 纠偏过猛,来回过冲 | 减小单次纠偏幅度(降增益) |
| 时滞 | 改的时候情况已变 | 缩短反馈周期,或降低响应速度 |
| 噪声被当信号 | 把随机波动当偏差去纠 | 加滤波,多次观测取一致 |
5. 非线性:不要线性外推
钱学森用整章处理非线性系统与继电系统,因为真实系统几乎都是非线性的。
关键结论:
- 小范围内可以线性近似(所以小步试错有效)
- 大偏差下线性模型完全失效(所以不能把小规模验证的结论直接放大)
- 非线性会带来线性系统没有的现象:极限环(持续自激振荡)、多稳态、跳变
迁移:在小样本上验证有效的做法,放大 10 倍后可能完全失效。 规模变化时重新判稳。
6. 时滞:稳定性的头号杀手
钱学森专章讨论"有时滞的线性系统",因为时滞会直接把负反馈变成正反馈。
- 反馈周期越短,系统越稳定
- 反馈周期接近系统自身变化周期时,纠偏变成加振
- 无法缩短时滞时,必须降低纠偏速度来换取稳定
迁移:把长任务切成短反馈。宁可多轮小幅纠偏,不要一轮憋个大招。
7. 采样:离散化与混叠
采样系统一章讲的是:以固定频率观测连续过程时,采样频率不足会导致混叠——看到的频率是假的。
迁移:
- 检查频率太低 → 漏掉中间过程,误判趋势
- 检查只在某些时刻进行 → 错过关键时刻的变化
- 采样点选择有偏 → 得到系统性错误的结论
8. 最优控制与自寻最优
同一个目标,存在多种控制策略,代价不同。最优控制理论研究如何以最小代价达标;自寻最优则更进一步:让系统自己去找最优点。
迁移:
- 先列出所有可行策略,再比代价,不要抓住第一个能用的就用
- 代价要算全:时间、token、风险、后续维护成本
- 自寻最优的现代形态:让 AI 自己生成多个方案并评估,而不是人先预设
9. 滤波:从噪声中提取信号
钱学森第 9 章(平稳随机输入)与第 16 章(噪声过滤)处理的是:当输入混杂随机扰动时,如何设计系统仍能正确工作。
迁移:
- 输入数据脏 → 先清洗再处理,或在环节中加入校验
- 观测到的偏差有随机成分 → 不要单次就纠偏,连续多次同向才动
- 多源信息不一致 → 交叉验证,取一致部分
10. 容错:用不可靠元件构造可靠系统
这是《工程控制论》最反直觉也最有价值的贡献。当时美国军方面临的问题是:元件不可靠,但系统必须可靠。
答案:冗余 + 自检 + 容错设计。
- 冗余:关键路径留备份(人脑每天死大量细胞仍可靠工作)
- 自检:定期诊断,发现故障并定位
- 纠错编码:传输中自动发现并纠正错误
- 降级:故障时切换到功能相近的部件,保住核心功能
- 功能自恢复:系统能自动回到正常状态
迁移(长链路任务尤其重要):
- 每一步都要假设它会失败
- 关键步骤设置校验点,不通过就不往下走
- 重要输出做交叉验证(另一条路径重做一遍比对)
- 准备降级方案:做不到 100 分时,60 分的版本长什么样
11. 自适应与自镇定
第 17 章"自行镇定和适应环境的系统":当环境和任务变化时,系统能自动改变结构、参数,保持性能。
迁移:
- 环境变了,原来的参数还适用吗?
- 设计任务流程时,把"什么时候该重新校准"写进去
- 自适应不等于无限自适应——过度自适应等于没有基准
12. 迁移对照表
| 工程控制论概念 | 在 AI 任务中对应什么 |
|---|---|
| 建立数学模型 | 画出输入→处理→输出的因果链 |
| 传递函数 | 每个环节的增益与延迟 |
| 频率响应 | 对短期波动 vs 长期趋势的敏感度 |
| 稳定性判据 | 这个回路会收敛还是发散 |
| 非线性 | 小规模验证不能线性外推 |
| 时滞 | 反馈周期过长导致越改越糟 |
| 采样 | 检查频率是否足够、是否有偏 |
| 最优控制 | 多策略比选,算全代价 |
| 自寻最优 | 让模型自生成方案并评估 |
| 噪声过滤 | 多次观测取一致,多源交叉验证 |
| 容错与冗余 | 每步设校验点,关键输出交叉验证,备降级方案 |
| 自适应 | 环境变化时重新校准 |
13. 本层的常见误用
- 跳过判稳直接寻优:在一个会发散的回路上调参数是自毁行为
- 把所有问题都建模:建模有成本,简单问题直接做
- 过度冗余:冗余消耗资源,只对关键路径冗余
- 把时滞当噪声:这是两回事,处置方式完全不同(前者要缩短周期,后者要滤波)