爱吱声 › 标签 › 计算机科学

标签: 计算机科学

相关帖子	版块	作者	回复/查看	最后发表

没有相关内容

相关日志

分享 1956年9月11日，心理学的重大变革 —— 行为主义被彻底抛弃: 热度 2 gordon 2016-11-20 06:32; 行为主义和刺激-反应心理学的主导地位直到20世纪50年代才真正结束。几乎是一夜之间，心理学家就以认知的方式进行思考，而不仅是行为的方式。 George Miller，这位曾经坚定的行为主义者，在20世纪50年代彻底地改变了观点。 1951年，Miller 写了一本很有影响力的书，名为《Language and Communication》，并在前言中写道“偏向于行为主义”。11年后他写了另一本书，名为《psychology，the science of mental life》—— 这个标题标志着对“心理学应该只研究行为”这一观点的彻底抛弃。在反思中，Miller 很清晰地记得他放弃行为主义而转向认知主义的确切日期是1956年9月11日，在麻省理工学院举办第二届信息理论研讨会期间。 ******************************************************************** 对很多学科来说，那一年都是个丰收年。在计算机科学领域，allen newell 和 herbert simon 成功提出了“第一代信息加工语言”，那是一个强大的程序，可以模拟逻辑定理的证明。冯诺依曼写了关于神经组织的 silliman 讲义。著名的人工智能会议在达特茅斯大学召开，与会者包括明斯基、香农和许多其他的人。心理学界也发生了重大是事件。由于“二战”的缘故，很多新技术正被应用。 james tanner 和 john swets 用信号检测术和计算机技术研究知觉（这些技术绝大部分是美国国防部研制，用来探测潜艇的）。在1956年，miller 写了他那经典的文章“神奇的数字 7 加减2 ”，其中，他说明了人在一个短时间内能理解的信息有一个上限。另外，发展心理学家 jerome bruner 正在致力于研究思维的问题。尽管bruner 看到了联想主义者关于儿童学习的观点的局限性，但是他认为高级的加工过程会涉及那种建构在表征和心理地图之上的思维。其中，可能是最重要的进展来自于 Noam Chomsky 的工作。他的《句法理论》的最初版本发表于1956年的一篇名为“描述语言的三个模型”的文章中。乔姆斯基的努力几乎在一夜之间改变了语言研究。深刻地昭示出学习理论——即联想主义，那时主要以斯金纳为代表 —— 根本不能解释语言是如何习得的。这样，在1956年9月11日，一年的重大发展和理论换代后，miller 认识到，尽管行为主义可以提供重要的理论，但它不能解释一切学习过程，他开始把大脑作为一个综合的整体去理解它如何运作——理解大脑和心智的工作方式。许多人跟随他投身到这一新的任务中，几年以后，一个新的领域诞生了，这就是认知神经科学。注： “洗脑” 这东西，最早来自于对纳粹德国的研究，“符号、旗帜” 最早的人工智能就是从符号来的。后来才转到 “神经网络” 我问一个最简单问题啊，他们怎么知道 “符号能产生智能” ？哈哈哈 ************************************************************************ 你知道明星演唱会那个灯柱吗？那就是以前希特勒演讲时候搞的，最早的形式是探照灯。抗美援朝打飞机，知道吧，用探照灯照飞机。后来被好莱坞借用过去了。心理学很多东西都被用到营销、广告业。冯卡门的族人，好多都是电影明星。奥匈帝国很牛逼的，不管是维也纳还是匈牙利中国人大多是哈德国的，认为奥匈帝国不牛逼。 ************************************************************************ 钱写的 “劣质器件可以搞成一个好的系统” ，这个观点是不是抄冯诺依曼的，还不知道呢冯诺依曼在加州理工发表过一个演讲，就是讲这个事。那时候，真空管不太稳定，就像灯泡一样，而且那么多灯泡聚在一块儿，发热量很大。冯诺依曼干过这个事情，就用这种办法。当然后来，晶体管发明了，造大型机的事就简单了。注：不过钱写的是 “工程控制论” 嘛，控制论本身就是范围很广，“万能胶” 嘛，啥都能糊一糊不过冯那篇东西，日期在钱之前。 ************************************************************************ 冯诺依曼写的 silliman 讲义，可能是指耶鲁大学西利曼讲座(Silliman Lectures)，原文指的什么，不清楚。在2O世纪初叶，洛克菲勒基金会就通过讲座的方式聘请欧洲名师来提升美国现代物理学的水准。J．J．汤姆逊(Joseph John Thomson)、卢瑟福(Ernest Ruther ford)和能斯特(Nernst Hermann Walther)相继担任过耶鲁大学的西利曼讲座(Silliman Lectures)教席． J．J．汤姆逊继续讲述他的电子；卢瑟福钟爱他的放射性课题；能斯特阐述他的热力学大厦的封顶之作—— 热力学第三定律注：西利曼讲座，以著名化学家本杰明 · 西利曼之名命名。他发明了石油的分馏法。; 260 次阅读|1 个评论

分享王垠：数学并不是计算机科学的基础（转）: 热度 4 gordon 2015-12-11 04:57; 实际上，都是些大白话。数学开头都是一些直觉，或者生产实践上的东西。方法论，来自物理和几何学。物理来自阿基米德，几何学的来源就多了。比如木头的圆周，为什么抽象成正圆呢？实际上在当时是没有一个标准的，就是来自于直觉统一数学，德国人做过一次。从而诞生了所谓的逻辑学派，等等。但最后也没搞出个什么东西。 *********************************************************************************** google 研究院、微软研究院，招聘数学、物理这样硬学科的人，很正常，他们是做工具的。 *********************************************************************************** 以为只要学会了数学，编程的事情全都不在话下，然而事实却并非如此。注：中国人老是以为有个什么样的东西，就能怎么怎么样。计委搞了多少年，提纲挈领，都没搞成多少东西。失败倒是不少，经验教训倒是不少。大多数人太关注演绎法了，对实践和离散的东西，有畏难情绪。现实中的很多东西是不连续的。阿蒂亚的说法是比较精确的，“更好的概括” 。（看他们的用词就知道了）阿蒂亚，1966年荣获菲尔兹奖数学的发展是对于问题日趋困难与复杂所作出的自然回答。只要这些问题是直接或间接地植根于自然科学和其他的科学分支之中，其复杂性本身就反映出了现代科学的互相覆盖和歧延的特性。 *********************************************************************************** 阿蒂亚《数学的变迁和进展》，数学的研究对象一直在变化，以前研究对象是未知量，后来把函数的整体作为研究对象。布啦布啦当问题更复杂的时候，我们已经无法得到一个精确值，退而求其次，就用到了概率。对定性研究的结果，就是拓扑学（这都是不精确的）原话是这么说的，“ 当变元的数目变得很大时，人们不得不放弃对问题求出完整准确的解答，而满足于一个能够给出概率测度的解答。” 注：受 “数学之美” 的蛊惑，是吗？美个鸡毛这事跟 “公知” 的现象类似，因为咱们国家是个独裁政权，所以心虚，呵呵因为我们的教学太差了，都是混日子的。所以，不上课的，不听老师讲的，离经叛道的都牛逼。（他们能打的过学校那些糟糕老师嘛） *********************************************************************************** 计算机和数学的关系呢？实际上没啥关系。有些数学问题，计算机是无法处理的。而计算机处理的问题范围，比数学又大。当然有交集，交集只是一部分。 *********************************************************************************** 王垠：数学并不是计算机科学的基础好些人来信问我，要成为一个好的程序员，数学基础要达到什么样的程度？十八年前，当我成为大学计算机系新生的时候，也为同样的问题所困扰。面对学数学，物理等学科的同学，我感到自卑。经常有人说那些专业的知识更加精华一些，难度更高一些，那些专业的人毕业之后如果做编程工作，水平其实比计算机系毕业的还要高。直到几年前深入研究程序语言之后，对这个问题我才得到了答案和解脱。由于好多编程新手遇到同样的困扰，所以我想在这里把这个问题详细的阐述一下。数学并不是计算机科学的基础很多人都盲目的认为，计算机科学是数学的一个分支，数学是计算机科学的基础，数学是更加博大精深的科学。这些人以为只要学会了数学，编程的事情全都不在话下，然而事实却并非如此。事实其实是这样的：计算机科学其实根本不是数学，它只不过借用了非常少，非常基础的数学，比高中数学还要容易一点。所谓“高等数学”，在计算机科学里面基本用不上。计算机是比数学更加基础的工具，就像纸和笔一样。计算机可以用来解决数学的问题，也可以用来解决不是数学的问题，比如工程的问题，艺术的问题，经济的问题，社会的问题等等。计算机科学是完全独立的学科。学习了数学和物理，并不能代替对计算机科学的学习。你必须针对计算机科学进行学习，才有可能成为好的程序员。数学家所用的语言，比起常见的程序语言（比如C++，Java）来说，其实是非常落后而糟糕的设计。所谓“数学的美感”，其实大部分是夜郎自大。 99%的数学家都写不出像样的代码。数学是异常糟糕的语言这并不是危言耸听。如果你深入研究过程序语言的理论，就会发现其实数学家们使用的那些符号，只不过是一种非常糟糕的程序语言。数学的理论很多是有用的，然而数学家门用于描述这些理论所用的语言，却是纷繁复杂，缺乏一致性，可组合性（composability），简单性，可用性。这也就是为什么大部分人看到数学就头痛。这不是他们不够聪明，而是数学语言的“设计”有问题。人们学习数学的时候，其实只有少部分时间在思考它的精髓，而大部分时间是在折腾它的语法。举一个非常简单的例子。如果你说cos2θ表示(cos θ)2，那么理所当然，cos-1θ就应该表示1/(cos θ)了？可它偏偏不是！别被数学老师们的教条和借口欺骗啦，他们总是告诉你：“你应该记住这些！” 可是你想过吗：“凭什么？” cos2θ表示(cos θ)2，而cos-1θ，明明是一模一样的形式，表示的却是arccos θ。一个是求幂，一个是调用反函数，风马不及，却写成一个样子。这样的语言设计混淆不堪，却喜欢以 “约定俗成” 作为借口。如果你再多看一些数学书，就会发现这只是数学语言几百年累积下来的糟粕的冰山一角。数学书里尽是各种上标下标，带括号的上标下标，x，y，z，a，b，c，f，g，h，各种扭来扭去的希腊字母，希伯来字母…… 斜体，黑体，花体，双影体，……用不同的字体来表示不同的“类型”。很多符号的含义，在不同的子领域里面都不一样。有些人上一门数学课，到最后还没明白那些符号是什么意思。直到今天，数学家们写书仍然非常不严谨。他们常犯的一个错误是把x2这样的东西叫做“函数”（function）。其实x2根本不是一个函数，它只是一个表达式。你必须同时指明“x是参数”，加上x2，才会成为一个函数。所以正确的函数写法其实看起来像这样：f(x) = x2。或者如果你不想给它一个名字，可以借用lambda calculus的写法，写成：λx.x2。可是数学家们灰常的喜欢“约定俗成”。他们定了一些不成文的规矩是这样：凡是叫“x”的，都是函数的参数，凡是叫“y”的，都可能是一个函数…… 所以你写x2就可以表示λx.x2，而不需要显式的写出“λx”。殊不知这些约定俗成，看起来貌似可以让你少写几个字，却造成了许许多多的混淆和麻烦。比如，你在Mathematica里面可以对 x2+y 求关于x的导数，而且会得到 y'(x) + 2x 这样蹊跷的结果，因为它认为y可能是一个函数。更奇怪的是，如果你在后面多加一个a，也就是对 x2+y+a 求导，你会得到 2x！那么 y'(x) 到哪里去了？莫名其妙…… 相对而言，程序语言就严谨很多，所有的程序语言都要求你必须指出函数的参数叫什么名字。像x2这样的东西，在程序语言里面不是一个函数（function），而只是一个表达式（expression）。即使 JavaScript 这样毛病众多的语言都是这样。比如，你必须写： function (x) { return x * x } 那个括号里的(x)，显式的声明了变量的名字，避免了可能出现的混淆。我不是第一个指出这些问题的人。其实现代逻辑学的鼻祖Gottlob Frege在一百多年以前就在他的论文“ Function and Concept ”里批评了数学家们的这种做法。可是数学界的表达方式直到今天还是一样的混乱。很多人学习微积分都觉得困难，其实问题不在他们，而在于莱布尼兹（Leibniz）。莱布尼兹设计来描述微积分的语言（∫，dx, dy, …），从现代语言设计的角度来看，其实非常之糟糕，可以说是一塌糊涂。我不能怪莱布尼兹，他毕竟是几百年前的人了，他不知道我们现在知道的很多东西。然而古人的设计，现在还不考虑改进，反而当成教条灌输给学生，那就是不思进取了。数学的语言不像程序语言，它的历史太久，没有经过系统的，考虑周全的，统一的设计。各种数学符号的出现，往往是历史上某个数学家有天在黑板上随手画出一些古怪的符号，说这代表什么，那代表什么，…… 然后就定下来了。很多数学家只关心自己那块狭窄的子领域，为自己的理论随便设计出一套符号，完全不管这些是否跟其它子领域的符号相冲突。这就是为什么不同的数学子领域里写出同样的符号，却可以表示完全不同的涵义。在这种意义上，数学的语言跟Perl（一种非常糟糕的程序语言）有些类似。Perl把各种人需要的各种功能，不加选择地加进了语言里面，造成语言繁复不堪，甚至连Perl的创造者自己都不能理解它所有的功能。数学的证明，使用的其实也是极其不严格的语言——古怪的符号，加上含糊不清，容易误解的人类语言。如果你知道什么是 Curry-Howard Correspondence 就会明白，其实每一个数学证明都不过是一段代码。同样的定理，可以有许多不同版本的证明（代码）。这些证明有的简短优雅，有的却冗长繁复，像面条一样绕来绕去，没法看懂。你经常在数学证明里面看到“未定义的变量”，证明的逻辑也包含着各种隐含知识，思维跳跃，非常难以理解。很多数学证明，从程序的观点来看，连编译都不会通过，就别提运行了。数学家们往往不在乎证明的优雅性。他们认为只要能证明出定理，你管我的证明简不简单，容不容易看懂呢。你越是看不懂，就越是觉得我高深莫测，越是感觉你自己笨！这种思潮到了编程的时候就显出弊端了。数学家写代码，往往忽视代码的优雅性，简单性，模块化，可读性，性能，数据结构等重要因素，认为代码只要能算出结果就行。他们把代码当成跟证明一样，一次性的东西，所以他们的代码往往不能满足实际工程的严格要求。数学里最在乎语言设计的分支，莫过于逻辑学了。很多人（包括很多程序语言专家）都盲目的崇拜逻辑学家，盲目的相信数理逻辑是优雅美好的语言。在程序语言界，数理逻辑已经成为一种灾害，明明很容易就能解释清楚的语义，非得写成一堆稀奇古怪，含义混淆的逻辑公式。殊不知其实数理逻辑也是有很大的历史遗留问题和误区的。研究逻辑学的人经常遇到各种“不可判定”（undecidable）问题和所谓“悖论”（paradox），研究几十年也没搞清楚，而其实那些问题都是他们自己造出来的。你只需要把语言改一下，去掉一些不必要的功能，问题就没了。但逻辑学家们总喜欢跟你说，那是某天才老祖宗想出来的，多么多么的了不起啊，不能改！用一阶逻辑（first-order logic）这样的东西，你可以写出一些毫无意义的语句。逻辑老师们会告诉你，记住啦，这些是没有意义的，如果写出来这些东西，是你的问题！他们没有意识到，如果一个人可以用一个语言写出毫无意义的东西，那么这问题在于这个语言，而不在于这个人。一阶逻辑号称可以“表达所有数学”，结果事实却是，没有几个数学家真的可以用它表达很有用的知识。到后来，稍微明智一点的逻辑学家们开始研究这些老古董语言到底出了什么毛病，于是他们创造了Model Theory这样的理论。写出一些长篇大部头，用于“验证”这些逻辑语言的合理性。这些问题在我看来都是显而易见的，因为很多逻辑的语言根本就不是很好很有用的东西。去研究它们“为什么有毛病”，其实是白费力气。自己另外设计一个更好语言就完事了。在我看来，除了现代逻辑学的鼻祖 Gottlob Frege 理解了逻辑的精髓，其它逻辑学家基本都是照本宣科，一知半解。他们喜欢把简单的问题搞复杂，制造一些新名词，说得玄乎其玄灵丹妙药似的。如果你想了解逻辑学的精华，建议你看看 Frege的文集。看了之后你也许会发现，Frege思想的精华，其实已经融入在几乎所有的程序语言里了。编程是一门艺术从上面你也许已经明白了，普通程序员使用的编程语言，就算是C++这样毛病众多的语言，其实也已经比数学家使用的语言好很多。用数学的语言可以写出含糊复杂的证明，在期刊或者学术会议上蒙混过关，用程序语言写出来的代码却无法混过计算机这道严格的关卡。因为计算机不是人，它不会迷迷糊糊的点点头让你混过去，或者因为你是大师就不懂装懂。代码是需要经过现实的检验的。如果你的代码有问题，它迟早会导致出问题。计算机科学并不是数学的一个分支，它在很大程度上是优于数学，高于数学的。有些数学的基本理论可以被计算机科学所用，然而计算机科学并不是数学的一部分。数学在语言方面带有太多的历史遗留糟粕，它其实是泥菩萨过河，自身难保，它根本解决不了编程中遇到的实际问题。编程真的是一门艺术，因为它符合艺术的各种特征。艺术可以利用科学提供的工具，然而它却不是科学的一部分，它的地位也并不低于科学。和所有的艺术一样，编程能解决科学没法解决的问题，满足人们新的需求，开拓新的世界。所以亲爱的程序员们，别再为自己不懂很多数学而烦恼了。数学并不能帮助你写出好的程序，然而能写出好程序的人，却能更好的理解数学。我建议你们先学编程，再去看数学。如果你想了解更多关于数学语言的弊病以及程序语言对它们的改进，我建议你看看这个Gerald Susman的讲座。; 1198 次阅读|3 个评论

更多...

		自动登录	找回密码
密码			注册

标签: 计算机科学

相关帖子

相关日志