第二章 学习目标

★ 理解计算的一般定义，对计算思维有一定的认识；

★ 掌握冯·诺依曼型计算机的基本结构、微型计算机的基本结构；

★ 理解微型计算机硬件系统组成及工作原理、各硬件设备的功能；

★ 了解计算机发展史；

★ 了解外部存储系统的组成与相关设备；了解计算机常见的主要的输入输出设备；

§2.1探索计算之源

探索计算之源

人类文明的进化历史中一直没有停止过对计算本质的探索，从20世纪30年代开始，由于哥德尔(Kurt Godel)、邱奇(Alonzo Church)和图灵(Alan Turing)等人的杰出工作，人们终于对计算的本质有了清楚的理解，由此形成了一个专门的数学分支：递归论和可计算理论，并因此导致计算机科学的诞生。

计算的本质

在计算科学的视域内，计算就是依据一定的法则对有关符号串的变换过程。即从一个已知的符号串开始，按照一定的规则，一步一步地改变符号串，经过有限步骤，最后得到一个满足预先规定的符号串，这种变换过程就是计算。比如，从1+2变换成3，就是一个加法计算;从3x2变换为6，按这个定义，定理证明、机器翻译、图像处理等也都是计算，因为它们都是一种符号串的变换过程。

计算模型与图灵机

计算机科学的先驱、英国科学家，英国曼彻斯特大学教授艾伦·图灵（A.M. Turing）1937年提出了通用机的概念，这是一个描述计算步骤的数学模型。自动计算模型并不是指建立在数学描述基础上用来求解某一（类）问题计算机方法的数学模型，而是指具有状态转换特征，能够对所处理的对象的数据或信息进行表示、加工、变换、接收、输出的数学机器。

图灵机

图灵机是一种抽象计算模型，用来精确定义可计算函数。图灵机由一个控制器（控制规则相当于程序、决定读写头的每一步操作），一条可以无限延伸的带子（存贮设备）和一个在带子上左右移动的读写头组成。

图灵机蕴含了现代计算机存储程序控制的思想，图灵在设计了他的单带模型后提出：凡是可计算的函数都可以用一台图灵机来计算。图灵机包含了存贮程序的重要思想，为现代计算机的出现提供了重要的依据。

从图灵机与计算理论可知，实际上，一种抽象的计算机只需要很少几条基本运算指令就可以有强大的计算能力。图灵机的计算能力概括了数字计算机的计算能力。

图灵理论的意义在于，它深入细致地研究了计算机的能力和极限。

图灵机可以对所有可计算的函数计算，对于不可计算的函数没有算法，图灵机也是无能为力的。图灵机不能解决的问题实际计算机肯定解决不了，而图灵机可以解决的问题实际计算机也可能解决不了。

图灵测试与人工智能

人工智能(Artificial Intelligence，AI)，是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是对人的意识、思维的信息过程的模拟。2016年是人工智能技术提出并发展60周年。在这个有记念意义的时候，英国雷丁大学发出一份公告，宣布一台超级计算机的人工智能软件尤金•古斯特曼（Eugene Goostman）首次通过了“图灵测试”，成功让人类相信它是一个13岁的男孩。

图灵测试的设想：如果一台机器能够与人类开展对话而不能被辨别出机器身份，那么这台机器就具有智能，即人工智能的设想。

人工智能

棋类游戏一直被视为顶级人类智力的试金石。2016年３月Google公司DeepMind的团队研制“阿尔法狗”（AlphaGo）围棋程序以4:1完胜韩国职业九段选手李世石，又一次让人工智引起了人们的极大关注。

2017年1月，它曾以Master为代号在多个围棋在线平台匿名上线，碾压全网的顶尖人类棋手。5月更是在万众瞩目之下以3：0战胜了排名人类第一的棋手柯洁。

2017年10月新的围棋AI“AlphaGoZero”以100：0打败了阿法狗，以87:13战胜击败柯洁的AlphaGoMaster。

之前的AlphaGo用了两个神经网络，一个策略网络，一个价值网络，主要工作原理是“深度学习”。零版阿法狗改进了算法，只用了一个神经网络，而且只用了四个谷歌研发的TPU（张量处理器），新算法基于KaimingHe等几名在微软研究院工作的中国人的研究成果，称为剩余网络(Residualnetwork)。这个构架大大提高了训练速度与准确度，在训练过程中，零版阿法狗自学成才。

人工智能实现的基本方式还是通过深度学习技术来实现，深度学习的概念源于人工神经网络的研究。深度学习通过组合低层特征形成更加抽象的高层表示属性类别或特征，以发现数据的分布式特征表示。人工智能通过深度学习进行训练，把人类的知识教给机器，神经元网络负责进一步提升深度学习的能力。

1. 如果图灵机的十进制数改为二进制数，实现的是什么样的计算呢？

2. 人工智能是否能最终超越人类智慧？

人工智能飞跃史

1950年，计算机科学先驱阿兰·图灵预测到2000年计算机就可以思考：拥有与人类同等水平的创造力、解决问题的能力、个性和适应性行为。他提出了一种判断机器能否进行思考的测试：图灵测试。

人工智能一日千里，未来应用：语音识别、自动驾驶

相对于棋盘上的胜负，人工智能一日千里的进展更加激动人心。

《自然》杂志将“阿尔法围棋”的成果归功于“深度学习”（DeepLearning）。

深度学习是目前人工智能领域中最热门的科目，它能完成笔迹识别，面部识别，驾驶自动汽车，自然语言处理，识别声音，分析生物信息数据等非常复杂的任务。

2006年之后，深度学习实际使用多于三层的神经网络，即深度神经网络。这是复杂的非线性模型，拥有复杂的结构和大量的参数，有非常强的表示能力，特别适合于复杂的模式识别问题。

这种能力在“阿尔法围棋”身上就体现的很充分。另外，这一能力将能帮助人类在未来揭示丰富的信息，并对未来或未知事件做出更精准的预测。

这些能力也是自动驾驶的汽车、Siri等语音识别技术以及Face.com（Facebook 最近获得的面部识别软件）的基础，越来越精准的翻译软件也归功于这样的AI技术。

谷歌高级工程师也还预测神经网络会在其他科学领域扮演重要工具，例如在基因行为预测，药物，蛋白质，新的医疗方案等。

果壳网写下了一段意味深长的评论：“AI一定会进入我们的生活，我们不可能躲开。这一接触虽然很可能悄无声息，但意义或许不亚于我们第一次接触外星生命。”

人形机器人