图灵(Alan Turing)的伟大贡献--纪念图灵诞辰100周年.pptVIP

* 语言进行分类 乔姆斯基（Avram Noam Chomsky）曾按生成文法的不同对语言进行分类。所谓语言就是某字母表上字的集合。而后来发现语言又和接受它的机器类型有关 1928- * 理论研究证明如下的对应关系： 语言类型 生成文法 接受的机器类型 0 型语言 0 型文法 图灵机 一型语言 上下文有感文法 线性有界自动机 二型语言 上下文无关文法 下推自动机 三型语言 正则文法 有穷自动机 * 关于算法复杂度的研究 同样是算法，在机器上运行时所需要的时间和空间资源的数量时常相差很大。因而需要定义算法的复杂度来作为度量算法优劣的一个重要指标。 假定算法在图灵机上计算的输入字的长度是l，那么完成此计算所需要的最长时间（即运算的最长步数）是l的一个函数，称此函数为此算法的时间复杂度。同样，完成此计算所需要的最大空间（即运算涉及的格子最大数量）也是l的一个函数，称此函数为此算法的空间复杂度。 * 时间、空间复杂度 例如函数不超过多项式函数，就说此算法具有多项式时间或多项式空间复杂度。 函数不超过指数函数，就说此算法具有指数时间或指数空间复杂度。 * 指数比多项式函数增长快得多 n2 2n * “实际可行的 (feasible) ” 算法 例如：多项式函数t=n3, n=60, t=216000，一台百万次计算机，0.2秒即可完成。 而指数函数。t=3n, n=60, t=360?4x1028，若能用10亿台百万次计算机并行运算，需要运行一百万年。 因而常认为具有多项式时间复杂度的算法是 “实际可行的 (feasible) ” 算法。而具有指数时间复杂度的算法是实际不可行的。 * “千僖年数学难题” 这里再顺便介绍一下悬赏奖金一百万美元巨奖，被称为 “千僖年数学难题” 之一的“P = NP?”问题。 这个问题是：“在多项式时间界限下，确定的和非确定的图灵机器是否具有同等的功能？” * 确定的和非确定的图灵机 如果执行中每次只可能有一个规则匹配，也就是说所有规则的左端都不完全相同，图灵机的执行是唯一确定的，称这样的机器为确定的图灵机。 反之，有两个或更多的规则的左端完全相同时，图灵机的执行就不是唯一确定的，称这样的机器为非确定的图灵机。 * 有些情况功能是相同的 确定的和非确定的有穷自动机的功能是相同的，它们所接受的语言都是正则集合。 如果不加多项式时间的限制，确定的和非确定的图灵机的功能也是相同的，它们所接受的语言都是递归可枚举集。 如果对图灵机加上空间的限制，在多项式空间界限下，确定的和非确定的图灵机也具有同样的功能。 * 不是都具有同样的功能 但是，并不是在所有情况下确定的和非确定的机器都具有同样的功能。 例如，对具有一个下推存贮的有穷机器来讲两者的功能是不相同的，非确定性的下推自动机所接受的语言是上下文无关语言，而确定的下推自动机所接受的语言却是上下文无关语言的一个真正的子类。 * 问题至今仍未解决 那么在多项式时间界限下，确定的和非确定的图灵机器是否具有同等的功能呢？即是否P = NP? 这个问题的提法相当清晰，但是要解答这个问题却不容易。当代很多有名的计算机科学家都研究过这个问题，问题至今仍未解决。解决这个问题似乎需要在方法上有重大突破。 * NP完全的理论 上世纪70年代提出的NP完全的理论，对解决此问题有很大的推进，但仍未最终解决。 笔者30年前曾写过一篇综述文章，NP完全问题及有关理论研究（《计算机科学》，1980年1期。） 不久前，有一位HP公司的工程师宣称他证明了P != NP，不过目前还尚未被认可。 * 7. 图灵测试，计算机能思维吗 人们惊奇地发现它的能力大大超出原来的预期。计算机不仅可以做大量的计算，还能进行复杂的推理。 于是就把它同人的大脑进行比较，提出“计算机能思维吗(Can machines think? )”的问题。 这里涉及到对“什么是思维”的理解和界定，涉及哲学、认知学以及社会学等各个方面，相当复杂众说纷纭，很难有一个统一的标准。 * 图灵测试 图灵1950年10月在英国曼彻斯特大学发表论文“计算机和智能”，巧妙地把这个问题转化为一种可操作的方法，那就是测试。后来被称为图灵测试。 简单说就是与其争论什么是“思维”，不如我们去做实验测试。计算机通过了测试就说该计算机能思维，否则就说还达不到思维的水平。 * 图灵测试的设计 测试分测试人员和被测试方两部分。被测试方由A和B构成，A和B分别是一个人和一台被测试的计算机。测试人员和被测试方是分开的，测试人员并不知道A和B那个是人那个是计算机。 A B * 通过测试被认为是能够思维的 测试人员分别向A和B提问，如果测试人员能够通过问题的回答，分不出A和B谁是机器谁是人，那这个机器就通过图灵测试。 图灵指出：“如果机器在某些条件下，能够非常好