控制论
Parent: ai_keywords
控制论（Cybernetics）
核心定义
控制论是研究动态系统内信息传递、反馈与调节的科学，核心在于通过负反馈机制实现系统稳态。由诺伯特·维纳于1948年提出，其数学基础融合了统计学、信息论和自动控制理论。在人工智能与神经科学交叉领域，控制论为理解生物神经系统中的感知-决策-执行闭环提供了形式化框架，并直接启发了强化学习、自适应控制等算法范式。
关键技术点
- 负反馈闭环：系统输出信息回送至输入端，与期望状态比较后产生误差信号，驱动调整行为。这是维持稳定性的核心机制（如体温调节、血压维持）。
- 信息熵与信道容量：量化系统不确定性，决定控制信号的有效传输极限，对应神经网络中突触传递的噪声与带宽约束。
- 层级控制与协调：复杂系统由多个嵌套控制环路构成（如脊髓反射-基底节-皮层），实现从低级自动调节到高级认知决策的分层管理。
- 预测性稳态：利用内部模型超前调节（如卡尔曼滤波），减少反馈延迟的负面影响，这在运动控制中尤为关键（如小脑的时序预测功能）。
- 元学习与自适应增益：控制参数可根据环境变化自动调整，类似神经递质系统（多巴胺、乙酰胆碱）对学习率和探索-利用权衡的调控。
医学/神经科学应用场景（结合首都医科大学神经病学研究背景）
闭环神经调控治疗帕金森病：首都医科大学宣武医院神经内科团队基于控制论原理，开发了自适应脑深部电刺激（aDBS） 系统。通过实时采集基底节区局部场电位（LFP）的β频段振荡（病理标记），利用反馈控制算法（如比例-积分-微分控制器或强化学习）动态调整刺激电压、频率与脉冲宽度，使患者运动症状评分（UPDRS-III）改善幅度较传统开环DBS提升35%-50%，同时电池功耗降低40%。该闭环系统将神经电生理信号作为误差输入，驱动刺激器输出，实现了“实时监测-精准干预-稳态维持”的临床范式，是控制论从工程学向活体神经回路治疗转化的典型范例。
