近年来,大型语言模型(LLM)的能力发展迅猛,预计未来我们在设计及编程工程系统时的方式也将发生快速变化。伊利诺伊大学厄巴纳-香槟分校电气与计算机工程系的同事胡斌几年前开始系统研究LLM在完成控制设计方面的能力,并一直与学生及合作伙伴持续深入研究这一领域。在本专栏中,我与胡斌探讨了他们通过LLM进行控制设计的研究内容、现有成果以及他对这一领域未来的展望。
问:是什么促使您开始研究利用LLM进行控制设计?
胡斌:我开始研究这个方向其实有些偶然。从2023年起,我就与加州大学圣地亚哥分校从事自然语言处理研究的秦莲辉合作。有一天,她向我介绍了她关于提升LLM在化学领域推理能力的论文。当时,LLM在化学推理方面的表现让我有些惊讶,于是我立刻想到:为何不尝试在控制工程领域做同样的研究?就这样,我开始了这项研究。
问:您是在何时开始具体研究LLM在控制设计中的应用?
胡斌:我们于2024年1月启动了这项研究。具体来说,2024年1月10日,我给密歇根大学的皮特·塞勒和明尼苏达大学的盖尔·杜勒鲁德发了邮件,询问他们是否认为应该让我们的前博士生达里乌什·凯万探索将LLM用于控制工程的可能性,两人都表示同意(我的邮箱里至今还保存着那段邮件往来)。最初,我们主要研究LLM如何解答教科书中的控制系统问题。到2024年5月,我们开始着手研究LLM智能体(而不仅仅是LLM本身)如何解决更实际的控制设计问题。
问:您是如何以系统化的方式开展这项研究的?
胡斌:我们试图运用自己在控制领域的所有专业知识,构建能够用明确指标复现的新基准测试。与其他关于LLM推理能力的基准测试论文类似,我们精心设计了具有领域针对性且种类丰富的任务,涵盖了多种控制系统主题。我们采用了定量指标和消融实验来标准化评估流程,并测试了多种LLM,包括来自GPT、Gemini、Claude、Llama等系列的模型,这些模型的架构和参数规模从数十亿到约1万亿不等。我们还进行了详细的错误分析,对故障类型进行了分类。这种系统化的研究有助于明确LLM在控制领域应用时的优势与不足。
问:最优秀的LLM在解决复杂控制设计问题方面的表现如何?所谓“复杂”到底有多复杂?能否举几个例子?
胡斌:每个月都有新的LLM问世。只要将最先进的LLM与Python Control Library、Simulink、MATLAB Control Toolbox等领域专用工具结合使用,就可以可靠地解决基本的PID控制设计问题。在我们的一个重要案例中,我们开发了一种控制智能体,它能自主设计控制器,而且该控制器可在实验室里的真实倒摆系统中成功应用。基于LLM的设计流程是完全自动化的,无需人工干预,控制智能体会根据仿真结果和实际数据反馈不断优化自己的设计。
问:您期望通过这项设计研究获得什么成果?
胡斌:我希望开发出基于LLM的智能系统,减少人类在实际控制设计中的繁琐工作。目前我们已经看到了不错的研究进展。我还感兴趣的是研究是否可以将LLM与精益方法相结合,用来证明新的控制定理——这一方向目前还较少有人涉足。此外,我也希望进一步了解LLM会对控制工程教育产生怎样的影响,同时探索“氛围编码”在控制领域的应用潜力。
问:您目前认为这项研究的主要发现是什么?
胡斌:我最大的发现是,LLM领域的发展速度极快,我们必须时刻做好应对每日变化的准备。刚开始研究时,我们所使用的LLM在处理许多本科阶段的控制系统问题时还存在困难,那时也还没有成熟的推理模型。但仅仅一年之后,随着大量强大的推理模型出现,那些本科水平的控制系统问题对LLM来说已不再棘手。因此我们现在认为,用不了多久,LLM就能被用来构建能够解决工业领域实际控制设计任务的智能体。类似的趋势在其他工程领域,比如数字硬件设计领域,已经出现。
问:目前有多少人在参与这项研究?
胡斌:刚开始研究时,有四名博士生(达里乌什·凯万、郭行刚、乌斯曼·赛义德和亚伦·哈文斯)以及之前提到的四位教职人员(皮特、盖尔、秦莲辉和我)共同参与了首个针对LLM解决教科书级控制系统问题的基准测试研究(见图1)。我的同事、伊利诺伊大学厄巴纳-香槟分校的张欢也加入了我们,一起开展基于LLM的控制智能体相关后续研究。
胡斌(左数第二)与合作者盖尔·杜勒鲁德、皮特·塞勒以及张欢在2025年决策与控制学习会议上。
问:您认为LLM和控制设计的未来会怎样发展?
胡斌:这个领域的发展速度快得前所未有,很难做出确切预测。我坚信LLM在控制工程领域拥有巨大潜力。真正的挑战在于如何让基于LLM的控制智能体更加可靠、更具实用价值。鉴于LLM能力不断提升,它们与各种正式工具的融合也在不断加深,再加上MCP和A2A技术的发展,目前我只能保持开放的心态,尽可能灵活地调整研究方向,以跟上各项突破性进展的步伐。
问:还有其他想要向我们分享的意见或观点吗?
胡斌:LLM在众多工程领域都展现出了巨大潜力,不仅仅限于控制领域。有趣的是,我还组织了一项更大规模的科研项目,邀请了65名研究人员共同对LLM在多个领域的工程设计能力进行基准测试,相关研究成果已被《第三十九届神经信息处理系统年会》接受发表,论文题为《迈向工程化通用人工智能:LLM工程设计能力基准测试》[1]。我认为未来甚至有可能培养出通用的AI工程师,帮助他们跨越不同学科和领域的控制技术壁垒。毕竟控制系统很少孤立存在,它们会与机械、电气、通信和软件等领域相互关联。如果未来能出现能够在这些领域之间进行推理的AI助手,那将会带来革命性的变化。就我个人而言,我对未来几年的发展前景充满期待,但同时我们也必须对这类技术的发展保持谨慎和理性的态度。
最后,我要感谢阿尔夫·伊萨克松为这篇文章提供的标题。阿尔夫在2025年的IEEE控制技术与应用会议上做了一场精彩的主题演讲,他的演讲标题中有一组是“自动化自动化”,我就毫不客气地借鉴了这个标题用于本专栏。
卡罗琳·贝克
CSS主席



