米乐M6 M6米乐作为自动化领域的学长学姐你现在从事什么工作？你有什么忠告送给即将选择自动化相关专业的学弟学妹们？

　　①趁着年轻的活力和在校的自由，多去尝试不同的路线，直到找到那条自己说起来就会立马神采奕奕的路，然后勇敢的追求。

　　②真正的适合与热爱不是人云亦云的美好，也不是一见钟情的惊艳，而是走过了一段路后，仍然想继续走下去，这段话可不仅仅适用于爱情。

　　③榜样是用来学习的，不是用来崇拜的，是用来努力超越的，不是用来压制自己的。

　　⑤失败和挫折是常事，困难更是随处可见，如果你不想走，总能找到理由。如果你想走，你会更关注自己的优势，以及如何尽量避免失败。

　　⑥什么都不准备直接冲是莽夫，等什么都准备好了再去做也不是智者。请问，什么是准备好了呢？

　　⑦得到别人承认是值得高兴的，但没有也没啥大不了，当你足够出色的时候，自然就听到了。

　　⑧多年后，一些同学不再从事自动化行业，也用不着去关心什么阶跃响应奈奎斯特，但这四年或者更漫长的岁月中，养成的系统分析与设计综合的思想，还请好好保留。

　　⑨人生不是单项竞争，用知乎的话说，每个人都可以是某个问题或者话题的优秀答主。

　　自己适合什么岗位，喜欢做什么事情，是什么样性格的人，很多人可以讲一堆。但不适合什么，做不了什么，有什么缺陷，却含糊其辞。真正认识自己并了解这个世界的人，会审时度势因势利导，做出最理智 最有利 最适合 自己的选择。从上大学起，一切人生选择和改变的命运都掌握在自己手中，父母不再起主导作用，无法给出正确甚至靠谱的建议。

　　希望你可以成为自己想成为的样子，做自己喜欢的事情，不用和自己厌恶的东西相处。做到这些的前提是认识自己。很多人直到毕业甚至工作几年之后才发现，自己要的究竟是什么。有人博士退学创业转硕毕业，有人40岁毅然舍弃家庭脱产追求学术，有人互联网卷了几年还是准备考公上岸，有人放弃体制内研究所的工作外出闯荡。

　　一直没有什么所谓最正确的道路，20年前的土木工商，10年前的通信电气，5年前的互联网，3年前的人工智能，到今年的考公进所，当下看来正确，放到70年的人生中却未必是康庄大道。

　　想清楚这个问题很难，可能会经历一到两年的痛苦抑郁抓狂暴躁的状态，无数次的燃气希望与梦想破灭，但想清楚这个问题你就超越了绝大部分人。

　　除此条之外的一切建议仅做参考，因为我默认你已经知道了自己适合做什么，因此不对提出的建议负责，一家之言。

　　给自动化专业：以下建议只针对希望在本领域发展的情况。不喜欢自动化趁早谋划出路。重要性依次增加。

　　在学校里会碰到很多ppt和演讲一流，热衷于参加各类ppt大赛，互联网+ 大创 的 学霸。他们拥有耀眼的简历，诸多奖项，身份头衔，保送名校。又或是常见于各高校公众号，发表数十篇sci，情侣双双保研直博，美女学霸多才多艺等等

　　比起他们，我更希望自动化的学生能自己搭一个控制系统，亲自调一下pid，哪怕就是倒立摆巡线电源呐。大把的本科生硕士生一行代码都没写过，程序没调过，硬件没烧过，拿起电烙铁万用表不会用，不认识二极管mosfet，拿着杜邦线做电源线，编程能力停留在c语言期末考试，离谱到不用vc++6.0就不会写.....

　　有人说，学校不交，课程老旧，老师水品低，学校氛围差，天坑996，不如计算机，中国教育差，润国外最香。

　　我已经过了对互联网充满憧憬的年代。在某个工科专业的回答下，我删除了所有的回复，不是觉得自己讲错了理亏，只是不想浪费口舌争辩。我把道理讲清楚，希望有帮助就好，觉得我说的是错的，那你就是对的。

　　这里码农是个代指，并非针对程序员。需要提高的是演讲和ppt的能力，或者说，叫领导x，管理x，执行x，米乐M6 M6米乐项目x。我们暂且把他叫做情商，表现力或沟通能力。

　　聪明的大学生很容易从第一步走向极端。就是过度看不起那些天之骄子们，过分注重技术和个人能力。常见于各高校本科xx协会实验室。特点是干活又急又糙，追求能用而非稳定，只搞工程不搞理论，代码靠github，资料靠csdn博客园。当然这些和能力无关，只是正好这一类人体现出相同的特点，我觉得有意思就拿讲一下。

　　他们会被一部分人称为大神，当然平心而论，作为本科生达到这样的标准已经很优秀了。但百尺竿头更进一步，成为优秀的从业者有很多需要改进的地方。能做到这一点，找一份好工作就是书到渠成的事情了。

　　他们中，有些性格孤僻怪异，有些是内向腼腆，有些是闷骚丝男。如果准备当码农的话，hr小姐姐和公司大boss当然没什么意见啦，能干活就好。但25岁入行，准备在这里写代码到65退休吗？摆脱码农思维，逐渐体现出领导者和管理者的气质，才能卷过别人活下去。

　　具体一点，就是你比码农更会表现自己。你做的ppt更简明美观大方的同时还带一点炫酷，你的汇报更条理清晰逻辑分明口齿伶俐，你会为自己人争取利益，开会能甩锅扯皮，领导带你出去办事能搞的的得体服帖，你还能为领导分忧，适当时候轻拍马屁，看得领导满心欢喜。然后这小伙子看起来还人模狗样的，有能力能干活，表现不错。嗯，就是这个意思。

　　当然互联网算法迭代快，倒也还有技术员一席之地，但传统工业领域，技术都是成熟几十年的东西，用的是老外迭代数代的稳定产品。在管理销售大于生产研发的现状下 ，说不定码农地位还没前台小妹高。

　　但前提是1 中提到的，至少得是个稍有点东西的，别是个草包，不然服不了众码农。

　　提前防杠：酒桌文化，官场礼仪，糟粕东西，垃圾传统工科不如互联网扁平化管理，老板都是xx我才不

　　在中国，有人的地方的就有江湖，互联网也不能免俗，腾讯阿里爆出的丑闻不少了。不是这俩公司有什么问题，是在是人太多了。你不信的话 ，看看身边升职加薪的同事是什么样的人，怀才不遇愤世嫉俗的同事后来都怎么样了。

　　干活这种事，招几个实习生新员工就能干，工匠工匠的给谁挣呢，公司倒了就倒了，也不是你开的，工资又不少给你。流水的皇帝，铁打的宰相，换个场子继续搬砖不就行了。

　　但对于3来说，2是基础。科研已经不是面对着机器设备苦思冥想做实验推公式，突然灵光乍现，诞生绝世经典的时代了。如今的科研，需要更多的交流，更多的协作，跨更多的领域，联合更多的高校机构。需要有title有funding，有大佬背书，需要上下打点跑通，需要烧香拜佛跑山头。2的那点东西不够看的，想在当今的科研届活下去，得靠自己的悟性了。

　　学生容易缺少对科学的基本认识。觉得科研太虚都是骗经费的，研究要以实际工程应用为导向。经常会问出：xx领域什么方法最好 有哪些改进点这样的问题 然而自己领域的研究现状 研究历史一无所知。

　　经典教材买了不少，没翻几页，美其名曰：学以致用 用到的时候再看。或者公式太多看不懂，以后再说吧。又或：我要打好基础， 知乎上说做机器学习要从数学分析实变函数测度论开始，我要刷完数学再开始看西瓜书。又或：学xx必先看xx，待我把xx刷完我就开始看论文。

　　请多向你的导师请教，哪怕你们一年只能见一次，他也是你亲导师，不会害你的。尽管你看不起这些老师，他们的经验比你丰富的多。可能追期刊会议没你看的多，但审过的毕业论文总是比你多。你好好搞，送你毕业是不成问题。

　　但如果你一窍不通，那老师也没办法，总不能替你写论文。请你不要怪罪他们，因为科研是你自己的事情，导师可以提供帮助，但没有帮助也是正常的。从道理上讲他有这个义务，从实际上讲这并不违法。

　　如果导师不管你，发现自己需要独立从事研究，至少要发够毕业的文章。那么先去看领域的专业书和综述，找到感兴趣的几个问题。这个阶段会持续半年到一年的时间，建议用这个时间上上数学课和专业课，不用去打什么基础，想学什么学什么就好。但注意，如通信研究生选修java开发肯定对学业没什么帮助，对找工作倒是很有价值。以我研究的slam为例，如果导师给你四个字图像处理作为研究方向，那么这个阶段需要把细化到vslam。你要说服自己不适合做底层视觉的研究 ，哪怕之前组里已有相关研究（导师手把手带当我没说），但是基于深度学习的计算机视觉和传统的视觉slam都感兴趣（知乎日经问题，研一小白slam和计算机视觉选哪个）。经过一番痛苦之后做出选择，因为cv太卷，决定学slam找工作（只是举例 请不要作为参考）。

　　在自己感兴趣问题的基础上，再去阅读大量文献，梳理领域的发展，现状，未来趋势。可以参考细化领域的综述和教材。列出几个可行的突破点，看看自己的能力能做那个。放到slam问题，就是多传感器融合slam，语义slam，深度学习slam，还有狗都不做的传统slam。小白经过痛苦之后发现深度学习slam=cv+slam，等于双重的快乐，于是开始入坑。

　　在细化领域内找到细化问题或突破点。这一阶段需要更大量的阅读文献，但文献可以集中在近几年。十几年前的东西就不用太在意，写论文引一句就好，哈哈。突然有了一点大家都有的小思路，之后准备开始实现。找到开源代码，发现不会改，卒。

　　这就是死在了第一步。做好了所有其他的准备，却丢掉了工科生最主要的动手能力。当然，谁都会有开始。面对几十万行的代码，谁都会发怵。经过1中实践能力培养的小白，可能之前只在stm32上写过c，或者做数模用过matlab，毕设跑了跑目标检测手势识别（我说的都是最真实的自动化本科生，而且算水平不错的），但熟悉三四个月后，刷了刷某某公众号的slam教程后，发现慢慢能看懂orbslam的代码了。于是开始尝试魔改。经过无数次环境报错以及调bug之后，终于在2个序列上击败了orbslam2（但发现效果不如orbslam3，于是就选择orbslam2作为对比，开个玩笑好好）。然后在导师建议下学习用latex，开始了漫长但短暂写作之旅（有师兄模板或arxiv白嫖就很短暂，改官方会议模板就很漫长）。

　　以上是极少数可爱且优秀的工科生的真实写照，他们往往会成为一代好师兄，实验室的顶梁柱。你看到的大多数是这样的：文献靠b站知乎公众号刷，刷到啥算啥。他们看的文献大多是这样的：xx联合xx发布xx，性能吊打xx; xx居然xx？xx大学发布xx登上xx封面。github下载了新sota，感觉加上xx就能刷sota。结果代码复现的很顺利，就是改不出来，还得改baseline，但要改的又好多，卒。突然感觉自己不适合做slam，当初听师兄的做cv多好，旁边小伙伴都投aaai ijcai了，自己还在调单线激光雷达。于是打开leetcode，一题解千愁，然后spring redis走起。

　　这两类的区别在哪？夯实基础，基础在1。理论联系实际，3是理论1是实际。张祥雨博士，三年看了1800篇论文，广大研究生直到写完毕业论文，有没有看过200篇呢？文献只是理论的一方面，理论还包括专业书，专业课，会议讲座等等，这些其实大家就更没看过啦。

　　这一章不防杠，知乎上学生多，师生问题是知乎的热点敏感问题，米乐M6 M6米乐犹如微博上的男女问题。如有冒我立刻删。我最近很烦无意义的争吵，请不要怼我，我向你道歉。

　　这一节谈的问题是方向的。自动化有很多可选的方向，以本科课程设置来看，高校本科阶段的自动化呈现两个大方向，注意是在本科阶段：

　　一种是传统工业自动化，或者叫工企自动化，沿袭电气中弱电方向，我们以下称为工业自动化或工业控制，多见于老牌省属工科院校，xx理工xx科技xx工业，或有强电气背景高校，如华科西交等。可以认为工业自动化来自前苏联，亦或是钱学森老前辈所简建立的工程控制论。课程设置以自动为核心，以电机电子为研究对象，专业课包括电机拖动，运动控制系统，电子电子，当然也包括更为基础的电路理论模数电等等。

　　顺带介绍一下逐渐消失的自动化的方向：以传感器原理，过程控制，检测转换技术，工业仪器仪表，液压气动设备等等一众课程的，工业控制。按属性来看还是属于工业控制，但这部分专业逐渐与化工，仪器专业合并，逐渐消失在本科生的学习范畴中。

　　另一种是更广义的自动化，属于电子信息大类，国内对此没有专业的叫法，都叫自动化。对应国外的ee中偏向控制 机电 信号的方向。一般与电子 通信 计算机并列从属ee大类。专业课以信号和控制为核心，但控制的课程在本科仅限于自控或线性系统，信号的课程略多。包括信号与系统，数字信号处理，数字逻辑设计，还有一些统计信号处理，数字图像处理，计算机视觉，移动机器人，机器学习人工智能一类的选修课，一般在大四开设。此时学习控制理论的目标已经不是为了电机起保停 恒压恒流控，而是为了研究更广泛意义上的系统，控制在其中是提供了分析认识系统的一套基本方法。

　　讲完本科的两大方向，很多小白就会想：感觉第一种是对应控制理论和控制工程，第二种是对应模式识别与智能系统，我真是个小天才(●—●)模式识别可以做人工智能深度学习挣大钱。现在好多自动化的老师都在搞这个，好多自动化的师兄都转计算机进互联网了，我才不要学那些线线框框，还得推公式搞硬件，环境还艰苦

　　这就是讲第四点的原因。如果我的目的是劝转ai，那也没必要废这么多口舌。如果我的目的是劝进工业控制，那我就是非蠢即坏。

　　自动化本科和硕士，博士存在巨大的鸿沟，这是任何专业都不具有的特点。因为自动化就是工科中地位最特殊的专业。有人说自动化是万金油，那么机械也可以说自己万金油，生物土木老哥也能说自己是万金油，反正什么都能做。

　　以上开个小玩笑，但道理是对的，其实非也。换个高情商说法，自动化是工科之母。换个低情商说法，自动化不应该作为本科专业存在，应该合并到其他专业。但是，我们真的比院士专家老教授们的经验更丰富吗，真的经历过自动化四五十年的发展吗。结论是，基于中国特殊的国情，在本科开设自动化是必然的，是不可取消的，但大家都意识到需要改革，于是各大高校都在探索自动化的新路线，导致百花齐放百家争鸣，谁也搞不清到底什么是自动化。

　　我们讲过自动化本科两大路线，那么硕士呢？按着一级学科二级学科的设置：一级学科控制科学与工程，毫无疑问;二级学科比较杂，公认的有控制理论与控制工程，模式识别与智能系统，导航制导与控制，检测技术与自动装置，系统工程。除此之外还有生物信息学，电力电子与运动控制，智能控制与信息处理等非正式但广为使用的二级学科。还包括各高校自设的其他二级学科，不再赘述。

　　这不是在罗列专业，而是每个二级学科的研究内容和研究方法实在不同，很难将其认为是一个专业。搞控制理论的天天推公式，写代码用matlab仿真，搞模式识别的天天跑代码，论文里见不到几行数学，主要用python pytorch，做检测和电机的焊板子调电路，在单片机dsp上写c。

　　博士的情况和硕士类似，但方向少了很多。因为很多硕士的方向在博士阶段难以做出成果，博士需要理论创新，需要建立系统化的理论体系支撑学位论文，堆砌工作量是没有用的。缺少理论的工程方向效果搞的好但难发论文，高度成熟的行业只能做横向和项目，因此博士的方向大多集中在：多智能体协同控制，强化学习自适应控制，计算机视觉，机器人感知，信息物理系统，网络化控制。要不就是搞ai（属于新理论），要不就是传统好发文的方向（继续搞理论），反正绕不开理论。很少有博士以专业自称，都是叫方向。专业名字再好听，不如能多灌两篇文章。

　　先开始坚持自我的事，觉得应该先把这个问题弄明白。ai是很火，但还是有很多老师几十年如一日从事着自己的研究，土木机械老哥再提桶跑路，每年还是接纳大量的毕业生。回头看一下第0条，也就是写在最开始的那条，认识自己，认识世界。道理是相通的，认识世界是顺应时代，认识自己是坚持自我。是哪种人就吃哪碗饭，对编程一窍不通的就别学人家转计算机学java了，一心升官发财就也就别泡图书馆死磕实验室了，考公创业都挺好的，八面琳琳的人精最适合的还是国企研究所公务员，有学术理想科研抱负的大可不抱着leetcode天天关注互联网裁员，今年某大厂hc又少了几个。不是什么火就要干什么，想想自己适合干什么，喜欢干什么。

　　再谈谈顺应时代的事。坚持自我是大道理，谁都喜欢做自己热爱的事，可是热爱不能当饭吃，挣不到钱买不起房子吃不起饭苦的是自己。顺应时代才是帮你活下去的关键。我不讲什么高大上的人生哲学，以下就是谈谈个人感悟。

　　智能是未来的主题。计算机和信息技术是上一代的事了。自动化是上上一代的事情。至于大家理解的设备自己动就是自动化，那是蒸汽机时代的事情，米乐M6 M6米乐中间还隔了电气化机械化电子信息化几个大槛。蹭到热点才能有口汤喝。

　　高校的老教授们，研究了一辈子电机拖动，电机拖动运动控制信手拈来，连哪条公式在第几页都清清楚楚。一把年纪了开始搞智能控制，神经网络，结果学生还瞧不起他们，觉得他们那点东西老掉牙了，纯属新瓶装旧酒。要说蹭热度，他们搞多模态学习，视觉大模型不好吗？可是遗传算法，模糊控制，神经网络控制就是能在“理论”上解决控制的问题呀，虽说bp神经网络效果不如没调过的双环pid，“某些条件”下也是有些提升的嘛。还能奢求这帮老家伙干什么呢？写个transformer来刷榜吗？他们没有放弃研究了一辈子的事业，上学时甚至没摸过计算机，毕业后就留校教课做项目，一把屎一把尿把一穷二白的学科拉扯起来。功成名就之时，还能想想怎么学习一下现在的热门的人工智能，希望自己这帮学生能多看看多研究下，找个好工作。

　　总结一下，再顺便谈谈怎么同时兼顾这两项。先认清自己是哪块料，适合做什么。这个别人帮不了你，看自己悟性，造化和机遇。不喜欢就趁早转专业，总之一定要搞自己能力之内，天生擅长的事。拿自己举个例子，喜欢数学和推理，以为喜欢控制理论，上完自控现控发现对控制无感，对信号格外喜爱，但是电子和通信专业研究的事情我又不太喜欢。随后发现控制理论中系统辩识和状态估计部分和信号有很强的关系，而且也属于是控制理论中经核心的问题，只是研究相对较为成熟。读研之前一直想做小波或辩识估计相关的研究，读研后偶然上了一门信号检测与估计，打开了新世界的大门，由此将目光集中在了估计理论上。由于方向是图像相关，又发现slam的后端就是典型的状态估计问题，目标跟踪也是状态估计问题，那这两者是否存在联系或结合的可能呢？顺着这个路线就开始了动态slam的研究....

　　我不太喜欢生物化学材料一类的东西，看到就极其痛苦，不喜欢需要做实验的学科。哪怕某一天生物毕业年薪500起，或者能去哈佛读全奖材料博士，根本不会考虑一秒，因为实在是提不起兴趣，还不如了我。写写单片机玩玩电源还是可以滴，但至今不会用显微镜，从来没看到过东西_(:з」∠)_ 可能天生就不是这块料

　　当下这个智能时代，不搞点ai都不好说自己是搞科研的了。但总不能fft也要搞一个神经网络版本，确实没啥必要，但大家还是在尽量往这方面靠。举个我电的例子，搞雷达的都在往后端靠，搞前端都在用ai来设计。大家的确是抛不开自己学了十几年的东西，折磨人的天书看得再多也看出感情了，但今天还抱着几十年前的东西确实没什么搞头，人也不能一直吃老本。

　　所以可能这就是最正确的态度？也就是大多人所处的状态。存在的就是稳定的就是合理的。每年1000万毕业的本科生，老哥们再提桶跑路，也不至于800万去import torch。。不过转行到自己喜欢的领域是正确的支持的，令人忍不住送上祝福的。

　　讲的有点多，大体的内容是写完了。感觉需要做个总结收尾，那就还差最后一部分了。

　　酷炫吊炸天的机器人，识人报警的电子眼，精准抓握的机械臂……动手把这些玩意整出来的快乐，没有男生可以拒绝。这是我对自动化的第一印象，我兴冲冲地选择了自动化专业。

　　抱着热爱的冲劲，几年时间读下来，我更多地陷入了一种对未来的茫然和焦虑，即便目前我已经硕士上岸了，这股焦虑还是伴随着我。

　　我的焦虑在四年大学学下来，我几乎没有学到一项能安身立命的技能。大学里的每一门课都像是在给我开门，开了一扇又一扇。真正进到一扇门里再开第二扇门的场合，寥寥无几。

　　依照培养方案，我学了C语言，学了一点浅薄的数据结构、操作系统和软件设计基础，我本可以成为高贵的计算机人，我没有学，我只是看了看，然后退了出来。

　　我学了电路，电机，运控，学了数电模电，学了单片机，学了DSP，学了微机原理，学了PLC，我本可以再深入学习成为一名硬件工程师，我没有，我只是在门里看了看，然后又退了出来。

　　我学了自动控制理论，现代控制理论，最优控制理论，我对数学不感兴趣，我也只是看了看，又退了出来。

　　有没有发现，自动化就是给你在每个方向上都开了一个头，然后就烂尾了。四年学下来，你几乎没有可以安身立命的技能。

　　说这些不是为了让你放弃学自动化的课，感兴趣的课一定要要认真学，学完之后，你要想办法把自己领入门，不要等着学校的培养方案把你领进去。

　　想搞嵌入式，搞机器学习？跟在老师实验室后面，做机械臂，做智能车。华为大疆会为你敞开怀抱。

　　你将会更有自信地面对求职、考研/保研面试带来的压力和焦虑，真正在自动化学到安身立命的技能。

　　我注意到很多低年级的自动化同学会常常抱怨，我要学自动化，学电路干嘛，学模电干嘛，用戴维南把各种玩出花来的电路解出来又怎么样？

　　的确，我也有过这样的疑惑和不解。上了高年级之后，我就意识到，自动化的课程是联动的，从单一一门课的角度看，这门课几乎没有价值，为了难而难，可联动起来看，却是缺一不可。

　　学单片机、PLC学的是控制器，学电磁阀，学电路，学模电的功放学的是执行元件，学电机是为了学被控对象的特性，学传感器是学测量反馈的装置。所谓运动控制、过程控制学的也是基于这个控制系统产生的各种控制方法。

　　所以在建立好自动控制体系之前，不要放弃任何一门专业课。一旦落后了，捡起来再追就难了。

　　大学学下来最能学到东西的反而是这些课设和实践环节。书本上的东西终究是书本的，不经过实践自己设计一个控制系统，你就还是不了解的外行。

　　FPGA用来干嘛的？示波器会调吗？李萨如图形怎么看？实际中的运放芯片长什么样子？不要以为这些容易简单，大四毕业还有大把人不知道。

　　自动化小生才疏学浅不敢妄语，如有错误之处，恳请各路大佬能友好指出和交流哈~

　　起初我是抱着朴素的自动化认识，查了一些资料后认为它符合我对于科学技术的兴趣，所以填报的

　　但当我学习完控制理论，勾起了我对于控制论的兴趣后，学习范畴却急剧缩窄，走向工业控制，又伴有本科自动化专业学而不精，知而不明的缺点。与我对于该专业后来建立的期待相去甚远。即便放眼研究生，涉及机器人控制那一类看起来很“自动化”的东西，它们在工作内容上反倒更靠近计算机科学，自动化做这些反而变成了“转到算法领域去”。

　　我觉得控制论的方法论才应该是“自动化”这个名字所象征的学科的灵魂和精华，我所学的称之为“工业自动化”或者“生产自动化”更为贴切，甚至于称为“电气及机械自动化”也不为过。

　　自动化应该发挥更大的价值，尤其在那些仍缺乏量化模型、缺乏或采用较落后的反馈控制方法论的领域，绝不是局限于工业生产，而是实现对于其他领域的升级或优化。自动化也应该参与到社会管理与经济规划中，尝试在理论与实践上实现对社会模型的建模，或者提出更先进与适用的控制理论，与其他专业领域和理论实现融合与规范。

　　最终通过各领域各社会模块的自动化的实现与耦合，或者建立更高纬度自上而下的系统，将达成类似OGAS那样的社会自动化系统作为可规划未来的学科目标。

　　当然了，一个本科生，如果批评我我也无言以对。只可惜于社会状况，我可能要离开这个专业了，不过我不会忘记我对于控制论和自动化的喜爱。