人机新系统中的信息、控制与协同

正文

请到「今天看啥」查看全文

2、知信息

“知信息”是指经过大脑处理、筛选、整合和抽象后的信息。它是人类对感信息进行加工后的产物，具有抽象性、结构化、经验性， 知信息是从感信息中提取的关键特征和模式，是对感信息的抽象，知信息通常以结构化的方式存储在大脑中（如概念、规则、模型等），知信息是基于过去的经验和学习形成的。

3、知信息对感信息的压缩与优化

知信息对感信息的压缩可以 提取关键特征，大脑在处理感信息时，会自动提取关键特征，忽略无关的细节。例如，当我们看到一张脸时，大脑会提取眼睛、鼻子、嘴巴等关键特征，而不是关注每一个像素的细节。压缩还可以增强 模式识别，大脑会识别感信息中的模式，将相似的信息归类。例如，我们可以通过少量的特征识别出不同的动物，而不需要记住每一只动物的具体外观。 大脑会将感信息压缩后存储为记忆。如我们记住一个城市的布局，而不是记住每一条街道的具体位置。

知信息对感信息的优化可以 提高效率，通过压缩感信息，大脑可以更快地处理和响应环境变化。例如，我们不需要处理每一个视觉信号，只需要关注重要的变化。大脑会通过知信息忽略无关的感信息，减少干扰。例如，在嘈杂的环境中，我们可以通过选择性注意力专注于重要的声音。优化有利于 预测未来，知信息可以帮助我们预测未来。例如，通过过去的经验，我们可以预测物体的运动轨迹，而不需要实时处理每一个位置信息。最后， 知信息为决策提供了依据，我们根据过去的知信息判断一个物体是否安全，而不需要每次都重新处理感信息。

4、举例说明

当我们看到一个苹果时，感信息是眼睛接收到的光信号，包含了苹果的颜色、形状、大小等细节。而知信息是我们大脑识别出的“苹果”这一概念，它忽略了具体的像素细节，但包含了苹果的特征和属性。 当我们听到一段话时，感信息是声音的频率和强度。而知信息是我们理解的语义内容，它通过语言规则和词汇知识对声音信号进行解析和抽象。

知信息确实是对感信息的压缩与优化。它通过提取关键特征、识别模式、减少无关信息，帮助我们更高效地处理和理解环境。这种压缩和优化不仅提高了信息处理的效率，还为我们的预测和决策提供了支持。

三、人机交互中的控制

在人机交互控制中，不仅关注传统的态信息和感信息的反馈，还引入了势信息和知信息的反馈机制。这种多层次的反馈机制能够更全面地反映人机交互过程中的信息流动和动态变化，从而实现更高效、更智能的交互控制。以下是对这种多层次反馈机制的详细描述：

1、态信息反馈

态信息是指系统当前的具体状态信息，通常包括系统的运行参数、设备状态、用户操作行为等。态信息反馈是传统控制论中的重要组成部分，它通过实时监测系统的状态，为控制决策提供依据。如在自动驾驶系统中，车辆的当前速度、方向、加速度等信息属于态信息，这些信息通过传感器实时反馈给控制系统，用于调整车辆的行驶状态。在工业自动化中，设备的运行温度、压力、电流等参数属于态信息，这些信息通过反馈机制用于优化生产过程。

2、势信息反馈

势信息是对态信息的压缩与优化，它反映了系统整体的发展趋势和潜在变化。势信息反馈能够帮助系统提前预测和应对可能出现的问题，从而实现更主动的控制。在自动驾驶系统中，势信息可能包括道路的拥堵趋势、交通信号的变化趋势等，通过分析这些势信息，系统可以提前调整行驶路线，避免拥堵。在金融市场中，势信息可能包括市场趋势、投资者情绪等，通过势信息反馈，交易系统可以提前调整投资策略，降低风险。

请到「今天看啥」查看全文