计算机科学的传统与前现代.docVIP

计算机科学的传统时代与前现代 作者：陈星 2010-4-30 不知道各位有没有注意到，计算机科学大约在98年到04年前后走过了一个分水岭，传统的计算机学科被研究者关注得越来越少，这个世界正在进入一个新的时代，我姑且把这个时代称为“前现代”，这样称呼是因为目前这个领域还没有一种特别有令人信服的理论体系能够与传统时代的理论体系相媲美，因此还无法完全取代传统时代的旋律。 首先让我们回顾一下计算机科学的传统时代，这是一段非常精彩的时光。计算机科学的一切都由一个问题开始——什么叫“计算”？加减乘除是计算没错，可是所有的计算究竟包括哪些？这个问题很深奥吧？幸好图灵回答了这个恼人的问题，图灵设计了一种类似于机械的计算模型——图灵机，世间一切的计算都可以用图灵机完成，于是图灵相信图灵机所能做的一切事情就是计算的全部。当图灵机被证明与其他计算模型是全都等价后，人们普遍都相信这个毋庸置疑的论断，计算就是图灵机所做的事情。图灵日后成为“计算机科学之父”。 当二次世界大战全面爆发之后，美军逐渐成了战场的主角，军舰拥有各式各样的火炮，想让这些火炮能精确命中目标，必须给炮长提供一张准确的“火力表”。海军需要计算太多的“火力表”，他们有几百名计算员，依然无法完成这么多计算任务。人力资源如此昂贵，而且非常容易出错，这让海军部门不得不另打算盘，他们需要一种能够自己执行计算的自动机器，这就是著名的ENIAC计划。 提到ENIAC计划，就应该提到“计算机之父”冯.诺依曼的贡献，主要就是把现代计算机系统做成了图灵机的影子，因为可以解决一切计算问题，这种机器才能被当之无愧的称为“计算机”。计算机的出现推动了一个新的历史时代——“信息时代”，并彻底的改变了一代人的生活。 这个时期，计算机科学的主要特点是数学化，科学家用不同的方法描述计算机的软件系统，其实目的只有一个，就是想实现计算机自己编写软件系统的程序，因为人类编写程序的能力实在太弱，成本太高昂。目前来看，计算机科学家们的这个理想也几乎没有实现，计算机系统的程序还是只有由人类编写。 其实，这还只是计算机科学在传统时代的一个难题而已，很多人工智能的难题都没有解决。人工智能难题的鼻祖就是图灵测试，也就是如果一个程序冒充人类和其他人玩QQ，如果畅聊了一段时间以后，其他人竟然没有发现这个程序是个冒牌货的话，才能说这个程序有了人工智能。目前所谈的人工智能都不是图灵所承认的“人工智能”，因为没有哪个程序能够欺骗人类。 随便再聊一个人工智能话题，比如说图像识别问题，能不能让计算机处理，把所有含有反动、色情、低俗信息的图像都过滤出来？这对人类而言，真是不费吹灰之力，但是对计算机而言，就难于上青天了。就连百度知道对所提交的图片都无法做到自动处理，我猜它肯定是人工审核的，不然怎么这么慢，提交一个含有图片的问题，经常要过半个小时才能看到。 这些问题的结症是什么？为什么人类轻而易举处理的问题，对计算机而言这么困难？人脑是不是一种计算模型？人脑是否可以做图灵机所能做的一切事情？显然，人脑是一种计算模型，而且可以代替图灵机它所能做的任何事。现在人工智能所做的工作就是用图灵机代替人脑的工作。但是，遗憾的是两种计算模型的隔阂很深，导致了图灵机长期无法获得真正意义上的人工智能。 计算机科学所涉及的内容固然涉及很广，但最终只有一件事，就是让计算机多做点事情，那就需要产生出算法，因为有了算法才会有程序，有了程序才会有软件，计算机才可以去做一些事情。 让我们先聊一聊算法，计算机科学的传统时代一个很辉煌的成就，就是谜一样的NP完全性问题。这个问题就是关于算法的，迄今为止，没有肯定的答案，这方面的成果是传统时代的最强音，但同时也昭示传统时代的终结。 NP完全性问题。简单的说，就是一类问题暂时没有好的算法，现有的算法无法投入实用，这类问题叫做NP。这类算法无法投入实用是因为理论上这个算法会有结果，但是在现在的计算机上运行需要等几万年或者更长的时间。例如规模稍微大一点的排课表问题，大学里300个教室，300个班，50门课，想要一张最优的课表，可能需要几万年的计算时间。另一些问题之需要几毫秒就可以搞定，例如10万个数字排序，这类问题叫做P。NP完全性问题就是NP到底等不等于P，也就是能不能为NP完全性问题找到P的算法。迄今为止，没有人给出肯定的答案，但是科学家一般都觉得NP绝不可能等于P，这样的好算法永远找不到，当然指的是“确定性算法”。 为什么说NP完全性问题将昭示传统时代的终结，是因为图灵机上的算法一般都是确定性算法，要想实现一个非确定性算法很不容易的，当然也不是不可能。确定性算法就是当这个算法运行完，问题的答案就浮出水面，到底有没有答案，有多少个答案，这些问题都有了结果。非确定性算法则不然，它可能会很快的找到答案，也可能找不到答案，运行完了以后，