欢迎来到自动化世界！
你好，IGCSE 计算机科学的学习者们！本章——自动化系统 (Automated systems) 非常令人兴奋，因为它重点探讨了技术如何接管我们通常需要手动完成的任务。
从自动开启的照明灯到自动驾驶汽车的导航系统，这些系统无处不在。理解它们的工作原理——以及它们带来的益处与风险——不仅对你的考试至关重要，也是了解现代世界的关键。
如果有些术语看起来很专业，别担心！我们将以简单、循序渐进的方式解析这些系统如何利用传感器、微处理器和执行器来运作。让我们开始吧！
6.1 自动化系统：大脑、感官与肌肉
自动化系统是一种自动执行任务的计算机化系统，通常用于替代人力。它的运作基于监测、处理和执行的持续循环。
三大核心组件
自动化系统依赖于三个协同工作的基本组件：
- 传感器 (Sensors)（感官/输入）：
这些设备负责从物理环境中采集数据。它们是系统的“眼睛”和“耳朵”。 - 微处理器 (Microprocessor)（大脑/处理）：
这是控制单元（通常是 CPU）。它接收来自传感器的数据，将其与预设的规则（控制程序）进行比对，并决定需要采取何种行动。 - 执行器 (Actuators)（肌肉/输出）：
这些设备负责执行物理动作。它们根据微处理器的指令改变环境的物理状态。例如：电机、加热器、阀门或泵。
循序渐进：控制循环
自动化系统遵循一个持续的循环，这通常被称为反馈循环：
- 感知（输入）：传感器测量物理值（如温度、光照强度、压力）并将其转换为数字信号。
- 处理（决策）：数字信号被发送至微处理器。微处理器将输入数据与预设的阈值（控制程序）进行比对。
- 执行（输出）：如果输入数据超出可接受范围，微处理器会向执行器发送信号。
- 行动：执行器执行物理任务以修正环境（例如：开启风扇、打开阀门）。
- 反馈：系统通过传感器持续监测变化，从而重新开始循环。
类比：试想一下智能恒温器。温度传感器（输入）读取室温。微处理器（大脑）检查房间温度是否低于设定值（规则）。如果太冷，微处理器会告诉执行器（开关）开启锅炉（输出）。
自动化系统的优缺点
当被要求在特定场景（如工业、交通或农业）中评估自动化系统时，你必须列举平衡的优缺点。
优点（为什么我们使用它们）：
- 速度：自动化系统的工作速度远超人类，从而显著提高生产力（如工业流水线）。
- 准确性与一致性：它们不会感到疲劳或分心，因此能保证可靠且一致的质量（如科学实验中精确的化学物质混合）。
- 在危险环境中作业：它们可以在对人类不安全的地方安全运行（如核反应堆控制或深海探测）。
- 全天候运行：它们可以连续工作而无需休息，从而提高效率。
- 优化：它们可以减少浪费和能耗（如仅在需要时才开启的自动照明系统）。
缺点（不足之处）：
- 初始成本高：安装硬件（传感器、执行器）和软件（微处理器编程）可能非常昂贵。
- 失业问题：用机器替代人工可能导致失业。
- 灵活性差：自动化系统是为特定任务编程的；如果出现异常事件或不可预见的情况，它们往往难以应对甚至完全失效（如工业产品设计变更需要重新编程）。
- 维护需求：修复复杂的故障需要受过高度专业培训的技术人员。
快速回顾 6.1：关键要点
自动化系统是一个控制循环：传感器（输入）→ 微处理器（处理）→ 执行器（输出）。其主要优点是速度快、一致性高，而主要缺点是初始设置成本高且灵活性较差。
6.2 机器人技术
机器人是一种特定类型的自动化系统，通常具有物理上可移动的结构。
什么是机器人技术？
机器人技术 (Robotics) 是计算机科学的一个分支，专门研究机器人的设计、制造和运作。
- 例子包括工厂机械臂、家用机器人（如扫地机器人）和无人机（交通）。
机器人的特征
要被归类为机器人，机器必须具备三个关键特征：
- 机械结构/框架：使机器人能够移动或与环境交互的物理主体（如轮子、手臂、底盘）。
- 电子组件：包括我们刚才讨论过的核心组件：传感器（采集信息）、微处理器（控制动作）和执行器（执行运动）。
- 可编程性：机器人必须能够遵循存储在内存中的指令集，从而执行任务。
机器人的角色与评估
机器人在多个领域（工业、交通、医学、家庭、娱乐）中发挥作用。
- 例子：在医学领域，手术机器人能够以远超人手的精度执行复杂、精细的手术。
- 例子：在家庭环境中，扫地机器人可以自动导航并清洁地面。
机器人特有的优点：
- 精度高：非常适合需要极其精细、重复性动作的任务（如工业中的微型装配）。
- 持久力：可以执行重复性工作而不会疲劳。
- 安全性：对于处理有毒或危险材料至关重要，特别是在工业或科学领域。
机器人特有的缺点：
- 维修复杂：处理机械故障与软件问题的结合，往往需要高度专业化且成本昂贵。
- 缺乏社交/情感智能：无法处理复杂的社交互动，也无法做出需要同理心的判断（尽管 AI 正在慢慢改变这一现状！）。
快速回顾 6.2：关键要点
机器人是专门的自动化系统，其特征在于机械结构、电子组件（传感器/微处理器/执行器）以及可编程性。它们在精度和安全性方面表现卓越。
6.3 人工智能 (AI)
人工智能 (Artificial Intelligence, AI) 是目前最令人兴奋的新兴技术之一。它赋予机器表现得“聪明”的能力。
定义人工智能 (AI)
人工智能 (AI) 是计算机科学的一个分支，研究计算机如何模拟人类智能行为。这意味着创建能够执行通常需要人类智能的任务的程序。
AI 的特征
AI 系统的主要目标特征包括：
- 数据与规则：它们依赖于大量数据以及处理这些数据的编程规则。
- 推理能力：它们能够利用逻辑和规则得出结论，或基于输入数据做出决策。
- 学习与适应能力：至关重要的是，高级 AI 可以根据经验修改或改进自身的规则或数据（这通常通过机器学习实现）。
你知道吗？简单的 AI 任务包括下棋、语言翻译或识别照片中的人脸。
模拟智能行为
考试大纲将 AI 模拟的解释局限于两种特定类型：专家系统 (Expert Systems) 和 机器学习 (Machine Learning)。
1. 专家系统
专家系统是一种旨在模仿某一特定领域人类专家知识和决策能力的程序。可以把它看作是一个数字医生或故障诊断专家。
其基本运作涉及四个组件：
- 知识库 (Knowledge Base)：这是与特定领域相关的大量事实、数据和信息的集合（如疾病症状、化学属性）。
- 规则库 (Rule Base)：这是专家用来得出结论的逻辑规则或 IF/THEN 语句集（如：如果患者体温高且咳嗽，则建议进行流感测试）。
- 推理机 (Inference Engine)：这是处理器（“大脑”），它将规则库中的规则应用于知识库中的数据，从而得出结论或建议。
- 接口 (Interface)：用户与系统交互的方式，通常通过提问并接收结论。
常见错误警示！ 推理机不仅仅是存储规则，它还积极地处理这些规则以进行演绎推理。
2. 机器学习
机器学习 (ML) 是指程序通过经验自动调整自身流程和/或数据的能力，而无需针对每一种可能的情况进行显式编程。
- 系统被输入大量数据（训练数据）。
- 它在数据中寻找模式和相关性。
- 随后调整其内部模型（规则）以便在下次做出更好的预测。
类比：如果你向机器学习系统展示数以千计的猫和狗的图片，它会不断调整识别参数，直到能准确地将一张新图片识别为猫或狗。
快速回顾 6.3：关键要点
AI 模拟智能行为，需要数据、规则、推理和学习。专家系统使用知识库、规则库和推理机。机器学习则专注于系统基于经验自动适应其功能的能力。