2017年，有关人工智能的新闻再次震惊世界。

《自然》杂志上发表的一篇论文显示，英国DeepMind公司研发出了“AlphaGo Zero”，它在仅输入围棋规则、未输入任何人类棋谱的情况下，通过自学，就具备了完胜“阿尔法狗”的超强棋力。

经过短短3天的自我训练，AlphaGo Zero就强势打败了此前战胜李世石的旧版AlphaGo，战绩是100:0。而经过40天的自我训练后，AlphaGo Zero又打败了AlphaGo Master版本。要知道，“Master”曾击败过世界顶尖的围棋选手，甚至包括世界排名第一的柯洁。

人类几千年的围棋成就被计算机通过40天自我训练超越。计算机的学习能力如此强大，让人不禁想要了解计算机如何一步一步进化到今天的样子。

第一台计算机：埃尼亚克

世界上第一台电子计算机“埃尼亚克”（ENIAC，即Electronic Numerical Integratorand Calculator“，电子数字积分计算机”的缩写）诞生的时间是1946年2月10日。

早在第一次世界大战期间，诺伯特·维纳（Norbert Wiener）在马里兰州的阿伯丁军械界试验场工作，参加火炮火力表测算的时候，就痛感高速自动计算手段的必要性。

1940年，美军军械部又找上门来，请维纳去阿伯丁重新制订火力表，说希特勒的战斗机速度很快，飞行员们又大耍曲线飞行、翻筋斗的特技，盟军的高射炮根本打不着他们，需要制订新的火力表。维纳认为用手工和器械算肯定不行，只有研制高速计算机。他特意给时任罗斯福总统科学顾问的万·布什写了一封信，提出设计新型电子计算机的几条原则：
不是模拟式，而是数字式；
由电子元件构成，尽量减少机械部件；
采用二进制，而不是十进制；
内部存放计算表；
在计算机内部存贮数据。

数字式的加法和乘法装置、电子管元件、二进制、自动程序运算和内部存储数据，对现代计算机的设计有着深远的影响。万·布什点头称是，于是人类历史上大名鼎鼎的高速计算机——“埃尼亚克”诞生了。

图1：埃尼亚克 (图片来源：http://detail.zol.com.cn/picture_index_1740/index17395727.shtml）

现代计算机的诞生

艾伦·麦席森·图灵（Alan Mathison Turing)的可计算性把计算问题都变成了数学计算问题。有了维纳的控制论，计算机就可以根据指令自动执行计算任务。克劳德·艾尔伍德·香农（Claude Elwood Shannon）的思想体现在模块化和等价性。他提出所有的数学问题都可以等价为逻辑运算（简单的二进制运算），而逻辑运算可以使用简单的逻辑电路单元方便地实现。

有了以上前提，就可以绕开复杂的十进制计算机的思路（巴贝奇差分机于1822年研制成功，是世界上第一台“会制表的机器”。运算的精确度达6位小数，但由于当时的技术条件限制，巴贝奇终其一生也没有完成精度更高的十进制计算机。）转而使用大量简单的逻辑电路的组合，实现与十进制计算机等价的计算。

约翰·冯·诺依曼（John von Neumann）从织布机的“卡片”得到启示，将控制计算机的指令与数据同时放在存储器中。参加埃尼亚克研制小组后的1945年，在共同讨论的基础上，冯·诺依曼发表了一个全新的"存储程序通用电子计算机方案"–EDVAC（Electronic Discrete Variable Automatic Computer的缩写）。冯·诺依曼计算机由控制器、运算器、存储器、输入设备、输出设备五部分构成，这一结构奠定了现代计算机的体系结构理念：

计算机处理的数据和指令一律用二进制数表示；
顺序执行程序，即在计算机运行过程中，程序和被处理的数据首先存入主存储器（内存），计算机执行程序时，将自动地并按顺序从主存储器中取出指令一条一条地执行，这一概念称作顺序执行程序。
计算机硬件由运算器、控制器、存储器、输入设备和输出设备五大部分组成。

图2：冯·诺依曼体系结构

冯·诺依曼体系结构计算机是为逻辑和数值运算而诞生的，在数值处理方面已经达到很高的速度和精度，但对非数值数据的处理效率比较低。随着计算机体系结构研究方面进展，越来越多的非冯计算机相继出现，如光子计算机、量子计算机、神经计算机以及DNA计算机等等。

值得一提的是神经网络计算神经网络计算机，它能够模仿人类大脑的判断能力和适应能力，具有并行处理多种数据的能力，可以判断对象的性质与状态，并能采取相应的行动。

计算机思维

我们所说的计算机思维是指，了解计算机解决问题的方法，把现实世界的实际问题抽象为计算机可以解决的等价问题（等价性）。把复杂问题分解为许多模块化的小问题，解决了这些小问题，就得到了问题的解（模块化）。在云计算时代，掌握计算机思维、高效地利用计算机解决问题具有更大的优势。

下面我们就用一个例子，来说明计算机将如何解决现实世界中的问题。比如，你要安排一次旅行（旅行商问题：Travelling Salesman Problem），途经n个景点，有多少种行程安排？在计算机世界里这类问题的时间复杂是最高的，随着n取值的增加，计算复杂度随着指数方式增长，时间复杂度为O(n!)

我列举一下随着景点数增加计算复杂度的变化，你可以感受一下这个恐怖的速度：

n=3   可能路线数为:6
n=6   可能路线数为:720
n=8   可能路线数为:40320
n=15  可能路线数为:1，207，674，368，000
n=30  可能路线数为:265，252，859，812，191，058，636，308，480，000，000

当n=30结果约为2.65后面32个0，如果按照每秒计算5000个结果（埃尼亚克加法速度）需要计算1.68百万亿亿年，已经远远大于宇宙年龄的138亿年。

为了简单起见，n取值为4。我们整理一下思路，首先我们在4个景点中选择一个，然后在剩余的3个景点中选择一个，直到最后一个景点。所有的可能性为4x3x2x1=4！

这是人类的思维方式，而计算机善于使用递归方法解决问题，如果想得到4！只要知道4x3! 就可以了，如果想知道3！只要知道3x2！，类似地，需要知道2！的话，知道2x1！就可以了。我们知道1!=1，这样我们就把问题自顶向下逐步分解为简单问题，最后当遇到1！就结束递归给出结果。

递归算法实现

递归是一种优雅的问题解决方法，比如一个董事长如何管理好一个公司，使用递归方法的思路是董事长只要管理好下属的CEO、CFO等人；CEO如何管理好一个公司呢？只要管理好公司的副总就可以了；以此类推，最后每个员工管理好自己手里的工作，就解决了如何治理好一个公司的问题。这样是不是很优雅的解决方案呢？

递归算法有两个关键条件，第一是基线条件（base case)告诉程序何时停止递归。第二是递归条件(recursive case)告诉程序何时调用自己。

如前所说，计算机将指令和数据存入内存，然后按照顺序执行。计算阶乘的递归函数Python代码如：

def factorial（x）：
if x == 1：#基线条件
   return 1
else:  #递归条件
return x * factorial(x-1）

如果计算机遇到一条递归令，如何执行呢？这里需要引入一个计算机编程概念：调用栈（call stack）。因为计算机顺序执行的特点，当遇到调用另外一条递归指令的时候，(x*factorial(x-1))就把这条指令放入调用栈，然后处理新的factorial(x-1)递归指令。（注意调用栈的特点是先进后出。

下面分析一下遇到factorial（4）时调用栈的变化。

图3：处理递归指令时调用栈的变化情况

同样的方法处理factorial（3）返回递归调用factorial（2），将factorial（2)放入调用栈；处理factorial（2）返回factorial（1），将factorial（1）放入调用栈；当处理factorial（1）时返回为1，这时的调用栈的出栈处理过程如下最后返回结果为24：

图4：调用栈出栈过程

设计模式：经典问题的解决方案

你知道什么是 GOF（“四人帮”，全拼 Gang of Four） book吗？
1994 年，由 Erich Gamma（苏黎世大学计算机博士，Eclipse项目主要技术负责人）、Richard Helm（墨尔本大学计算机博士，IBM Watson研究员）、Ralph Johnson（伊利诺伊大学教授，模式和重构领域大神）和 John Vlissides（斯坦福大学计算机博士，IBM Watson研究员）四人合著出版了一本名为《 Design Patterns - Elements of Reusable Object-Oriented Software 》的书（中文译名：设计模式——可复用面向对象软件的基础），这本书凝聚了软件开发界几十年经验的结晶，已经成为面向对象技术的“圣经”，对后面出现的极限编程（敏捷开发的一种方法）有着深远的影响。

书中介绍了23种设计模式，这些模式可以分为三大类：创建型模式（Creational Patterns）、结构型模式（Structural Patterns）、行为型模式（Behavioral Patterns）。设计模式并不高深，我们使用的Java语言中的MVC就是一种设计模式。通过设计模式，可以实现代码编写工作的工程化。设计模式代表了最佳实践，可以使代码更加容易增加新功能而不必改动原有代码。

设计模式的本质是在已有方案之上的渐进式重构（《重构：改善既有代码的设计》作者： Martin Fowler 原作名：Refactoring: Improving the Design of Existing Code），从而控制业务逻辑复杂度和代码实现复杂度。但是随着业务发展，代码的业务逻辑复杂度增加，如何控制代码的实现复杂度和相应的易理解性、可维护性和可扩展性也成了需要考虑的问题。在设计模式领域最常遇到以下两个误区：

在一开始写代码之前使用设计模式，这违背了“在已有的方案上发现更好的方案”的原则，如果没有动手写代码，何谈更好的方案呢？

使用太多设计模式。这会导致方案逻辑分层更加复杂，引入多余的接口和分层。如果业务复杂度不高，使用一个简单直接的方案就足够了。设计模式不是万能的，只有出现代码的坏味道才有必要使用设计模式。
为什么选择策略模式？
在20多种设计模式中选择一个适合的模式，的确是很困难的事情。这需要平时多练习和思考，考虑设计模式是如何解决设计问题的，研究相似的设计模式和模式之间是如何关联的。策略模式是设计模式中行为型模式类型的一种。

同时，策略模式也符合开闭原则（Open Close Principle），即在程序需要进行拓展的时候，不必修改原有的代码，实现软件特性的热插拔效果。策略模式对于解决if条件分支泛滥的问题有很好的效果。

先看一下已有的业务模型和解决方案：现在已知景点之间的路径所经历的距离、时间、和成本，而且景点个数有可能很大的情况下，我们如何选择旅行商算法呢？
穷举法，优点是实现简单，找到所有的可能路径后计算最适合路径，当然缺点是当n数量增加时复杂度呈指数级增长；
动态规划算法，会降低当n增加时的计算量，但是也不适合n过大的情况；
贪心算法，可以处理n很大的情况，但是有可能得出的是局部的最优解而不是全局最优解。
算法各有优劣，不能在设计软件时确定使用哪种算法。如何实现用户在程序运行的时候选择算法和评价策略呢？最简单的方法是使用if分支语句把所有可能的条件罗列出来，但是算法和评价策略的选择是相互耦合的，造成if分支语句泛滥。伪代码如下：

def tsp(evaluate, method):
  if (method == SMALL):
     if (evaluate == DISTANCE):
         #穷举法实现距离最短代码
     elif(evaluate == TIME):
         #穷举法实现时间最短代码
     elif(evaluate == MONEY):
         #穷举法实现金钱最省代码
  elif (method == LARGE):
      if (evaluate == DISTANCE):
         #动态规划算法实现距离最短代码
      elif (evaluate == TIME):
         #动态规划算法实现时间最短代码
      elif (evaluate == MONEY):
         #动态规划算法实现金钱最省代码

随着算法实现的增加和评价策略的增多，代码行数呈几何式增长。存在的一个关键问题是：很难在不改变已有代码的基础上增加新功能。因为这样会导致代码复杂性增加，难以维护。

下面是使用策略模式后，实现旅行商问题的类图。如果增加一种算法，只需要增加一个新的Strategy接口的实现类就可以了，不需要修改已有代码。而对评价原则的增加只需要实现不同的ContextInterface()接口就可以了。这样的程序风格是不是比那个又臭又长、难于增加新功能的if语句优雅了很多呢？

总结

我们知道，计算机的设计思想发展经历了图灵的可计算性、维纳的控制论、香农的等价性和模块化，最后由冯·诺依曼提出了现在计算机的体系架构。很有趣的一个事实是，埃尼阿克的设计原则是由电子元件构成，尽量减少机械部件；而多年以后的今天，软件的设计模式（设计模式是经典问题的解决方案，可以使软件研发实现工程化）同时又参考了机械部件的特性——热插拔设计思想（开闭原则）。数十载光阴过去，计算机的发展就像是经历了一个轮回，只是一切已不再是原点。作为人类智慧成果的最佳代表，人工智能已经占据了时代的主流，人类社会生活的各大领域将继续因它而发生广泛而深刻的变化。前路漫漫，未来可期。

作者简介

万金，《DevOps实施手册：在多级IT企业中使用DevOps》译者
15年知名外企与中国企业的IT从业经验，包括IBM，华为，ThoughtWorks具有8年云计算相关经验，多系统的研发和运维经验，敏捷和DevOps专家。公众号：DevOps手册。

创作场景

扫盲：关于计算机，我们还应该知道些什么？