在我学生时代，自动化专业有两门核心课程：“经典控制理论”与“现代控制理论”。当时的老师告诉我们一个简洁的区分：经典控制理论的核心是“反馈”，而现代控制理论的钥匙是“状态方程”。这个观点曾被我奉为圭臬多年。

然而，随着时间推移与实践深入，我愈发感到这个说法或许并不够准确，甚至可能在无形中限制我们对智能化时代控制论本质的理解。我的反思是分两步展开的。

第一层反思相对直接：事实上，“反馈”是贯穿经典与现代控制理论的基础性概念。现代控制理论的教学之所以不再强调它，仅仅因为它已成为默认的前提——正如大学课程无需重复中学的基础知识。我曾就此与AI交流，也得到了相似的结论。

第二层反思则更具根本性，甚至有些“离经叛道”：我们是否应该将“反馈”视为控制论不可动摇的唯一基石？我认为，在经典与现代控制理论所诞生的特定技术范式内，这个说法是成立的。但当我们步入数字化、智能化时代，这一认知框架就需要被重新审视。

更本质地看，应回归控制论的原始定义：它是一门“关于如何获取并利用信息来抵抗熵增的学问”。而“获取信息”的方式，绝不限于“反馈”（即根据输出结果调整输入）。同样重要的还有“前馈”——基于对未来的预测而提前行动。这就好比，欧几里得几何是平面几何的基石，但平面几何并非数学的全部。

通常，我们将经典与现代控制理论合称为“书本上的控制论”。它们的研究对象通常是可用精确数学模型描述的系统，目标明确——或是稳定某个变量，或是追踪特定轨迹。控制问题因而被转化为数学问题，并通过严密的数学工具求解。这对大量回路级的控制问题极为有效，可称之为“学院式研究”。

但关键在于：控制论的思想疆域远不止于此。

控制论奠基人诺伯特·维纳曾指出：“社会学和人类学基本上是通信的科学，属于控制论这个总题目。经济学是社会学的一个特殊分支……控制论还影响到科学哲学本身，尤其是科学方法和认识论领域。”倘若控制论真有如此宏大的外延，又怎能被局限在“回路控制”这类相对微观的系统之中？

维纳的洞见是超前的。但在他所处的时代，机器获取与处理信息的能力极为有限，其思想更多源于对人类信息处理机制的观察。这种深邃的思想，必须与强大的新技术手段结合，才能释放全部潜能。今天我们知道，这新技术就是计算机、互联网及相关的信息技术。

在新技术的赋能下，控制论思想被广泛应用于企业运营、社会治理、军事指挥等复杂巨系统的调控之中。但一个根本性挑战也随之浮现：从整体上看，这类系统往往已无法用精确的数学模型描述，其运行目标有时甚至难以用数据明确定义。“书本上的控制论”所依赖的数学基础在许多现实场景中已然松动，“学院式研究”与复杂实践之间的脱节日益明显。

那么，信息技术究竟如何优化这些复杂系统？在我看来，在多数情况下，奢望通过一个模型计算出“全局最优解”是不现实的。复杂系统的运行骨架是由人类制定并在实践中验证的基本规则。我们推动智能化，并非要推倒重来，而是在既有运行逻辑之上，对关键环节的规则进行增强和优化。

我们对数字化转型的理解，本质上是对“数字技术在哪些环节能创造更优解”的持续探索。例如，实现比过去更快的响应、更高效的协同、更精准的态势感知与决策支持……这些都可归结到控制论的根本思想——“获取并利用信息以抵御熵增”。

在这种情况下，具体的算法未必需要极度复杂。真正的关键，在于底层的信息技术是否足够“强劲”——能否为我们提供及时、准确、全面的信息，并支撑我们更有效地利用这些信息，以降低系统的不确定性，从而走向更有序、更高效的状态。

基于此，在数字化时代，我们或许可以对“反馈”有一个更深刻的认识：对于复杂大系统来说，反馈实质上是对系统控制逻辑的、基于实践的渐进式调整。在人类认知存在必然局限的前提下，这种调整是必需的；同时，它也不是一蹴而就的，而是一个持续演进的过程。

这就是我对控制论基本思想的一点反思。