1樓：周翰文
波士頓動力的大狗，底層的控制還是用的傳統的那一套，上層才用的強化學習。
軍方的很多專案，例如潛艇，魚雷，rov，仍然還是pid。學過控制和沒學過控制的，在設計系統的時候確實不一樣，系統不穩定，精度達不到，出現問題也能很快解決。
2樓：Lawe
如果只想當一名搬磚工，調的一手好引數，我建議趁早放棄控制工程，投入Computer Science 巨大而充滿資本氣息的懷抱。
如果想要做出點屬於自己的東西，我可以負責任的說，控制出身的人絕對是自帶優勢的，不論是對入門級的researcher還是大牛。控制系對系統這一概念的理解絕對強於計算姬。而在進行接觸和學習的過程中，對於訊號處理，各種控制方法，優化策略，以及這裡面每一方面所包含的數學知識，不說熟練掌握吧，至少在對系統和模型的認知上走在了前列。
可以說控制系的人就算從頭接觸人工智慧，其良好的數學功底也使得他們很容易理解和吸收人工智慧的方法和思想。而我認為將來對人工智慧進一步發展，離不開模型的優化和革新，這對於控制工程來說絕對是得心應手的事。
當然，我這麼說是有點針對計算姬了，不過限於答主目前的水平和所處的環境，周圍大部分從事人工智慧領域的或者至少說是很火熱的都是投入在了計算姬系，所以我只是將控制系同計算姬系做一些對比，談談我的一些理解。實際上我認為二者最大的區別是前者精於Algorithm 而在Project 上比較不熟練，而後者Coding 能力爆表但是有些人根本不問演算法，甚至連一些基本的數學知識都一無所知。總而言之，我對控制工程的未來還是充滿信心的！
3樓：桂凱
大量實驗資料經由牛頓神經網路學習，公升級為牛頓第三定律。現在若是用卷積或其他神經網路訓練那些實驗資料，很難想象會出現這麼漂亮的定律。放著那些偉大人物的神經網路作結果不用，而一頭紮進混亂的新型網路中，對控制來說就是本末倒置。
4樓：嗯博
傳統控制的地位是永遠也不能被取代的
數學上可以證明傳統控制的穩定性
在工業機械人機械臂中肯定少不了傳統控制
在結構環境中的移動還會以傳統控制為主
但是到了非結構環境中一定要學習的方法
對數學功底要求沒那麼高，要求有大量的資料
5樓：李崇
現在搞傳統控制（比如過程控制和電機控制）的就業市場就是遠不如cs和機器學習類的，這個客觀事實要承認。機械人類的待遇還不錯，但是崗位數量絕對比不過。
自動化專業算是和cs也靠的上，轉去做機器學習無論是什麼動機都無可厚非。換個角度想，人工智慧和訊號，通訊，嵌入式等等，不也是廣義的自動化的一部分麼。
至於堅持留下做控制的希望是真正的出於興趣和熱愛，但絕對不要出於虛無縹緲的情懷。
-舉個例子，就比如說自動化的一定就要搞控制，不搞控制的就是異端，就是叛徒-這完全不make sense
6樓：Vincent
其實我並不覺得控制理論跟機器學習有很大的異同。眾所周知，Neural Network早期的一項主要應用就是用來擬合非線性系統的。所以我覺得控制工程與機器學習是可以達到有機結合的啊。
7樓：南瓜餅子店老闆
認為現在製造業很多自動化產品說到底核心和難點還是演算法問題。工業上的控制和學術上的控制概念是不一樣的，還是建議學學PLC和演算法一類。
8樓：周劍
我本科也是學控制的，現在已經入門機器學習和深度學習4個多月了。
記得大三學自控的時候，上課怎麼也聽不明白。後來，期末考試前再學了一遍，出國考研的時候又學了一遍，研一上專業課又學一遍。一共四遍，自我感覺學得還算不錯了。
而這裡我想說一說自控和機器學習的關係，就用《倚天屠龍記》裡的武功來打個比方。
自控本身包含了很多高數和數學建模的知識，它給我們帶來的是深厚的數學基礎和數學思維。就像《倚天屠龍記》中張無忌練的《九陽神功》，給他打了乙個無敵的內功底子。
而機器學習就像《乾坤大挪移》。很多人像楊逍練了多年也只得其形，不見其髓。而張無忌修煉《乾坤大挪移》卻很快。
當然機器學習還有概率論等數學知識，但總歸不算難。現在機器學習又這麼火，既然不算難，學的人自然就多了。
9樓：李明陽
現在工資高，不代表你畢業時工資還高，現在人才稀缺，不代表你畢業時人才還稀缺。
得益於GPU的發展，運算能力突飛猛進，讓之前不可能在合理時間完成的演算法變成了可能。
這波人工智慧、機器學習的得益者，大多數還是之前就在默默無聞的從事這個冷門專業研究的人，是他們讓這個方向變得火熱，自然他們賺的也最多，人家在吃肉，比如吳恩達、李飛飛這種。
跟風的，運氣好能喝湯，也就是現在畢業的這個方向的博士碩士們。
再晚入行的，估計只能聞聞味兒了。這幾年學這個的人太多了。如果是碩士，競爭力一般，博士又要5年吧，等出來了，黃花菜都涼了。
之前我遇到過乙個做控制的人，他是做火箭方面的，聊過天。他的觀點是，人工智慧目前的理論基礎下，不可能用於關鍵控制，因為不具有可解釋性，也就是說，你不知道演算法到底是靠什麼來作出的判斷，它學到了什麼。
舉個例子，假如你要控制車速，乙個PID就能做到，因為你可以證明，這個演算法最終會收斂，會穩定，你甚至可以給出在某個情況下，收斂需要的最長時間是多少。
如果用人工智慧的演算法，比如深度學習，你不能保證見過所有樣本，你也不知道機器學到了什麼，是根據什麼規則判斷出來的。如果我的直覺很準，你讓我做1000次判斷，我對了999次。但是我不告訴你我根據什麼判斷的，只說一句，直覺，你敢不敢讓我開車帶你出去玩兒？
10樓：Hwang
一窩蜂扎堆。Hinton幾十年如一日那叫初心，你幾年寒窗最後把自己侷限在DL那叫跟風沒有主見對自己不負責。問問自己，學DL的目的是什麼。
如果答案是改變世界，那我勸你趕緊找準方向，不要在某一特定數學工具上浪費寶貴青春。如果答案是眼下一分滿意的收入，當我沒說，只是十年後你還能否滿意今天的選擇那就不好說了。
11樓：智猿shin
我工作也沒幾年，就談點個人的感覺哈。其實學機器學習和控制工程也不衝突，控制工程有時也會開機器學習的課程，尤其在機械人學。了解機器學習和深度學習的理論知識對控制也很有幫助。
真要做選擇的話，我覺得關鍵看你個人的喜好，畢竟工作的話總會是走工程應用類的，學控制工程難免會接觸到硬體，需要你對硬體也有所了解。像人工智慧領域還可以嘗試做資料探勘，就可以避免接觸硬體和實物。但如果你對做出實物感興趣，或有一顆振興製造業的心，繼續果斷的走控制吧。
待遇都不差的，工作嘛，薪資是一方面，興趣更關鍵。
控制科學與工程與人工智慧有多大關係？
Alex 應該控制論裡的演算法可以遷移到人工智慧裡，雖然我感覺我現在學的控制論大多應用場景都是工廠，現在往FPGA硬體轉。看看大佬們咋答 薪王 是呀我也想知道有啥聯絡，我本科自動化，碩士就對應控制科學。不過這讓我想起來了我本科的畢業設計，用CNN卷積神經網路做乙個人臉識別系統，這個算不算入門級別的人...
大一分專業，有通訊工程和人工智慧，人工智慧我們是第一屆，學校之前沒有開設這個課程，我該選什麼？
圓臉香香 巧了，我是某師範大學裡第一屆人工智慧專業學生。由於是新開的專業，班裡只有45個人，乙個學期過後，學校分配了五個轉專業名額，結果我們班轉出去五個。乙個也沒有轉過來。不得不說，第一次開這個專業的學校，真的師資力量不夠，學校也沒有經驗。再說了，本科本來也學不了多少專業知識，我們現在的課和計科的是...
如何評價微軟CEO稱 如果不加控制 人工智慧就會釀成惡果 ？
邪皇之刃 我覺得是危言聳聽了。現在各家公司都在誇自己家的人工智慧領域，取得了如何如何的成就，其實都是營銷策略，在向外界或者整個市場推銷自己的公司，都是商業策略和手段。接觸過真正一線的人工智慧研發，人工智慧真正對人類造成威脅，還有很長的路需要走，那到底有多長？人家說以現今最先進的人工智慧為起點，還需要...