Компьютер как универсальное устройство обработки информации

Обновлено: 03.07.2024

«Да, вы также можете использовать его для других целей. Например, в сложенном виде получается неплохой велосипед. И он раскладывается, чтобы получился первоклассный самолет. О, и в подводном положении он работает как подводная лодка. И это тоже космический корабль!»

Вы бы предположили, что продавец шутит. Но мы воспринимаем сопоставимую гибкость в наших компьютерах как нечто само собой разумеющееся. Мы можем использовать одну и ту же машину, чтобы пролететь мимо Статуи Свободы с помощью авиасимулятора, составить финансовые прогнозы с помощью электронной таблицы, пообщаться с друзьями на Facebook и сделать многое другое. Это почти так же удивительно, как одна машина, которая работает как автомобиль, велосипед и космический корабль.

Эта гибкость становится возможной благодаря двум характеристикам компьютеров. Во-первых, компьютеры программируются. То есть, вводя соответствующую последовательность инструкций, мы можем изменить поведение компьютера. Во-вторых, компьютеры универсальны. То есть с помощью правильной программы мы можем заставить компьютер выполнять любой алгоритмический процесс, если у машины достаточно памяти и времени.

Эти идеи программируемости и универсальности настолько укоренились в нашей культуре, что знакомы даже многим детям. Но исторически они были замечательными прорывами. Они были сформулированы в статье 1937 года Алана Тьюринга, который утверждал, что любой алгоритмический процесс может быть просчитан с помощью одного универсального программируемого компьютера. Описанная Тьюрингом машина, известная также как машина Тьюринга, была предком современных компьютеров.

Чтобы обосновать свой аргумент, Тьюрингу нужно было показать, что его универсальный компьютер может выполнять любой мыслимый алгоритмический процесс. Это было нелегко. До времен Тьюринга понятие алгоритма было неформальным, а не чем-то, имеющим строгое математическое определение. Математики, конечно, ранее открыли множество специфических алгоритмов для таких задач, как сложение, умножение и определение того, является ли число простым. Тьюрингу было довольно просто показать, что эти известные алгоритмы могут выполняться на его универсальном компьютере. Но этого было недостаточно. Тьюрингу также нужно было убедительно доказать, что его универсальный компьютер может вычислить любой алгоритм, включая все алгоритмы, которые могут быть открыты в будущем. Для этого Тьюринг разработал несколько направлений мысли, каждое из которых давало неформальное обоснование идеи о том, что его машина может вычислить любой алгоритмический процесс. Тем не менее, в конечном итоге ему не нравился неформальный характер его аргументов, и он сказал: «Все аргументы, которые могут быть приведены, в основе своей должны быть апелляциями к интуиции и по этой причине довольно неудовлетворительны с математической точки зрения».

В 1985 году физик Дэвид Дойч сделал еще один важный шаг к пониманию природы алгоритмов. Он сделал наблюдение, что алгоритмические процессы обязательно выполняются физическими системами. Эти процессы могут происходить по-разному: очевидно, что человек, использующий счеты для умножения двух чисел, сильно отличается от кремниевого чипа, запускающего авиасимулятор. Но обе они являются примерами физических систем, и как таковые они управляются одними и теми же основополагающими законами физики. Имея это в виду, Дойч сформулировал следующий принцип. Воспользуюсь его словами — хотя язык специализированный, на самом деле он довольно доступен, и его интересно увидеть в исходном виде:

Каждая конечно реализуемая физическая система может быть идеально смоделирована с помощью универсальной модельной вычислительной машины, работающей с конечными средствами.

Другими словами, возьмите любой физический процесс, и вы сможете смоделировать его с помощью универсального компьютера. Удивительная идея, похожая на Inception, заключается в том, что одна машина может содержать в себе все, что мыслимо в рамках законов физики. Хотите смоделировать сверхновую? Или образование черной дыры? Или даже Большой Взрыв? Принцип Дойча говорит вам, что универсальный компьютер может смоделировать все это. В некотором смысле, если бы у вас было полное представление о машине, вы бы понимали все физические процессы.

Принцип Дойча выходит далеко за рамки более ранних неформальных аргументов Тьюринга. Если принцип верен, то автоматически следует, что универсальный компьютер может моделировать любой алгоритмический процесс, поскольку алгоритмические процессы в конечном счете являются физическими процессами. Вы можете использовать универсальный компьютер для имитации сложения на счетах, запустить симулятор полета на кремниевой микросхеме или сделать что-то еще по вашему выбору.

Более того, в отличие от неофициальных аргументов Тьюринга, принцип Дойча поддается доказательству. В частности, мы можем представить себе использование законов физики для вывода об истинности принципа. Это подкрепило бы неофициальные аргументы Тьюринга законами физики и обеспечило бы более прочную основу для наших представлений о том, что такое алгоритм.

При попытке сделать это полезно изменить принцип Дойча двумя способами.Во-первых, мы должны расширить наше понятие компьютера, включив в него квантовые компьютеры. Это не меняет класс физических процессов, которые в принципе можно моделировать, но позволяет быстро и эффективно моделировать квантовые процессы. Это важно, потому что квантовые процессы часто настолько медленны для моделирования на обычных компьютерах, что они могут быть невозможными. Во-вторых, мы должны ослабить принцип Дойча, чтобы вместо требования идеального моделирования мы допускали моделирование с произвольной степенью приближения. Это более слабое представление о том, что значит моделировать систему, но оно, вероятно, необходимо для соблюдения принципа.

С этими двумя изменениями принцип Дойча становится следующим:

Каждая конечно реализуемая физическая система может быть смоделирована эффективно и с произвольной степенью приближения с помощью универсальной модельной (квантовой) вычислительной машины, работающей с конечными средствами.

Никто еще не смог вывести эту форму принципа Дойча из законов физики. Частично причина в том, что мы еще не знаем, что такое законы физики! В частности, мы пока не знаем, как совместить квантовую механику с общей теорией относительности. Поэтому неясно, можем ли мы использовать компьютеры для моделирования процессов, связанных с квантовой гравитацией, таких как испарение черных дыр.

Но даже без квантовой теории гравитации мы можем задаться вопросом, могут ли компьютеры эффективно моделировать лучшие теории современной физики — Стандартную модель физики элементарных частиц и общую теорию относительности.

Исследователи активно работают над ответами на эти вопросы. За последние несколько лет физик Джон Прескилл и его сотрудники показали, как использовать квантовые компьютеры для эффективного моделирования нескольких простых квантовых теорий поля. Вы можете думать о них как о прототипах Стандартной модели физики элементарных частиц. Они не содержат полной сложности Стандартной модели, но содержат многие ее основные идеи. Хотя Прескиллу и его сотрудникам пока не удалось объяснить, как смоделировать полную Стандартную модель, они преодолели множество технических препятствий на пути к этому. Вполне вероятно, что доказательство принципа Дойча для Стандартной модели будет найдено в ближайшие несколько лет.

Случай с общей теорией относительности более туманен. Общая теория относительности допускает странные сингулярности, разрывающие пространство-время способами, которые еще не до конца изучены. Хотя сторонники численной теории относительности разработали множество методов моделирования конкретных физических ситуаций, насколько мне известно, еще не было проведено полного систематического анализа того, как эффективно моделировать общую теорию относительности. Это интригующая открытая проблема.

В своей книге Науки об искусственном эрудит Герберт Саймон провел различие между естественными науками, такими как физика и биология, в которых мы изучаем естественные системы, и науками об искусственном. , такие как информатика и экономика, в которых мы изучаем системы, созданные людьми.

На первый взгляд кажется, что искусственные науки должны быть частными случаями естественных наук. Но, как предполагает принцип Дойча, свойства искусственных систем, таких как компьютеры, могут быть такими же богатыми, как и у естественных физических систем. Мы можем представить себе использование компьютеров для моделирования не только наших собственных законов физики, но, возможно, даже альтернативных физических реальностей. По словам ученого-компьютерщика Алана Кея: «В естествознании Природа дала нам мир, и мы должны открыть его законы. В компьютерах мы можем запихнуть туда законы и создать мир». Принцип Дойча представляет собой мост, соединяющий науки о естественном и искусственном. Очень здорово, что мы приближаемся к доказательству этого фундаментального научного принципа.

Перепечатано с разрешения Quanta Magazine, редакционно-независимого издания Simons Foundation чьей миссией является улучшение понимания обществом науки, освещая исследовательские разработки и тенденции в математике, физических науках и науках о жизни.

Несмотря на то, что были приложены все усилия для соблюдения правил стиля цитирования, могут быть некоторые расхождения. Если у вас есть какие-либо вопросы, обратитесь к соответствующему руководству по стилю или другим источникам.

Наши редакторы рассмотрят то, что вы отправили, и решат, нужно ли пересматривать статью.

Компьютер — это машина, которая может хранить и обрабатывать информацию. Большинство компьютеров полагаются на двоичную систему, в которой используются две переменные, 0 и 1, для выполнения таких задач, как хранение данных, расчет алгоритмов и отображение информации. Компьютеры бывают разных форм и размеров: от карманных смартфонов до суперкомпьютеров весом более 300 тонн.

Многим людям на протяжении всей истории приписывают разработку ранних прототипов, которые привели к созданию современного компьютера.Во время Второй мировой войны физик Джон Мочли, инженер Дж. Преспер Эккерт-младший и их коллеги из Пенсильванского университета разработали первый программируемый электронный цифровой компьютер общего назначения — электронный числовой интегратор и компьютер (ENIAC).

По состоянию на ноябрь 2021 года самым мощным компьютером в мире является японский суперкомпьютер Fugaku, разработанный компаниями RIKEN и Fujitsu. Он использовался для моделирования симуляций COVID-19.

Популярные современные языки программирования, такие как JavaScript и Python, работают с несколькими формами парадигм программирования. Функциональное программирование, использующее математические функции для получения выходных данных на основе введенных данных, является одним из наиболее распространенных способов использования кода для предоставления инструкций для компьютера.

Самые мощные компьютеры могут выполнять чрезвычайно сложные задачи, такие как моделирование экспериментов с ядерным оружием и прогнозирование изменения климата. Разработка квантовых компьютеров, машин, способных выполнять большое количество вычислений посредством квантового параллелизма (полученного из суперпозиции), позволит выполнять еще более сложные задачи.

Способность компьютера обретать сознание — широко обсуждаемая тема. Некоторые утверждают, что сознание зависит от самосознания и способности мыслить, а это означает, что компьютеры обладают сознанием, потому что они распознают свое окружение и могут обрабатывать данные. Другие считают, что человеческое сознание никогда не может быть воспроизведено физическими процессами. Прочитайте точку зрения одного исследователя.

компьютер, устройство для обработки, хранения и отображения информации.

Компьютер когда-то означал человека, выполняющего вычисления, но теперь этот термин почти повсеместно относится к автоматизированному электронному оборудованию. Первый раздел этой статьи посвящен современным цифровым электронным компьютерам, их конструкции, составным частям и приложениям. Второй раздел посвящен истории вычислительной техники. Подробную информацию об архитектуре компьютера, программном обеспечении и теории см. в см. информатике.

Основы вычислений

Первые компьютеры использовались в основном для численных расчетов. Однако, поскольку любая информация может быть закодирована в числовом виде, люди вскоре поняли, что компьютеры способны обрабатывать информацию общего назначения. Их способность обрабатывать большие объемы данных расширила диапазон и точность прогнозов погоды. Их скорость позволяет им принимать решения о маршрутизации телефонных соединений через сеть и управлять механическими системами, такими как автомобили, ядерные реакторы и роботизированные хирургические инструменты. Они также достаточно дешевы, чтобы их можно было встроить в бытовые приборы и сделать сушилки для белья и рисоварки «умными». Компьютеры позволили нам ставить вопросы и отвечать на них, на которые раньше нельзя было ответить. Эти вопросы могут касаться последовательностей ДНК в генах, моделей поведения на потребительском рынке или всех случаев употребления слова в текстах, хранящихся в базе данных. Компьютеры все чаще могут обучаться и адаптироваться во время работы.

Компьютеры также имеют ограничения, некоторые из которых носят теоретический характер. Например, существуют неразрешимые утверждения, истинность которых не может быть определена в рамках заданного набора правил, таких как логическая структура компьютера. Поскольку не может существовать универсального алгоритмического метода для идентификации таких утверждений, компьютер, которому нужно получить истинность такого утверждения, будет (если его принудительно не прервать) продолжать работу бесконечно — состояние, известное как «проблема остановки». (См. Машина Тьюринга.) Другие ограничения отражают современные технологии. Человеческий разум способен распознавать пространственные структуры — например, легко различать человеческие лица, — но это сложная задача для компьютеров, которые должны обрабатывать информацию последовательно, а не схватывать детали в целом с первого взгляда. Еще одна проблемная область для компьютеров связана с взаимодействием на естественном языке. Поскольку в обычном человеческом общении предполагается так много общих знаний и контекстуальной информации, исследователям еще предстоит решить проблему предоставления релевантной информации универсальным программам на естественном языке.

Аналоговые компьютеры

Аналоговые компьютеры используют непрерывные физические величины для представления количественной информации. Сначала они представляли величины с помощью механических компонентов (см. дифференциальный анализатор и интегратор), но после Второй мировой войны стали использоваться напряжения; к 1960-м годам цифровые компьютеры в значительной степени заменили их. Тем не менее аналоговые компьютеры и некоторые гибридные цифро-аналоговые системы продолжали использоваться в течение 1960-х годов для решения таких задач, как моделирование самолетов и космических полетов.

Одним из преимуществ аналоговых вычислений является то, что спроектировать и построить аналоговый компьютер для решения одной задачи может быть относительно просто. Другое преимущество заключается в том, что аналоговые компьютеры часто могут представлять и решать проблему в «реальном времени»; то есть вычисления выполняются с той же скоростью, что и моделируемая им система.Их основные недостатки заключаются в том, что аналоговые представления имеют ограниченную точность — обычно несколько знаков после запятой, но меньше в сложных механизмах, — а устройства общего назначения дороги и их нелегко запрограммировать.

Цифровые компьютеры

В отличие от аналоговых компьютеров, цифровые компьютеры представляют информацию в дискретной форме, как правило, в виде последовательностей нулей и единиц (двоичных цифр или битов). Современная эра цифровых компьютеров началась в конце 1930-х — начале 1940-х годов в США, Великобритании и Германии. В первых устройствах использовались переключатели, управляемые электромагнитами (реле). Их программы хранились на перфоленте или картах, и у них было ограниченное внутреннее хранилище данных. Исторические события см. см. в разделе Изобретение современного компьютера.

Мейнфрейм

В 1950-х и 60-х годах Unisys (производитель компьютера UNIVAC), International Business Machines Corporation (IBM) и другие компании производили большие и дорогие компьютеры все большей мощности. Они использовались крупными корпорациями и государственными исследовательскими лабораториями, как правило, в качестве единственного компьютера в организации. В 1959 году компьютер IBM 1401 сдавался в аренду за 8000 долларов в месяц (ранние машины IBM почти всегда сдавались в аренду, а не продавались), а в 1964 году самый большой компьютер IBM S/360 стоил несколько миллионов долларов.

Эти компьютеры стали называться мейнфреймами, хотя этот термин не стал общепринятым, пока не были построены компьютеры меньшего размера. Мэйнфреймы характеризовались наличием (для своего времени) больших объемов памяти, быстрых компонентов и мощных вычислительных возможностей. Они были очень надежны, и, поскольку они часто обслуживали жизненно важные потребности в организации, они иногда разрабатывались с избыточными компонентами, которые позволяли им выдерживать частичные отказы. Поскольку это были сложные системы, ими управлял штат системных программистов, которые одни имели доступ к компьютеру. Другие пользователи отправили «пакетные задания» для запуска на мэйнфрейме по одному.

Такие системы остаются важными и сегодня, хотя они больше не являются единственным или даже основным центральным вычислительным ресурсом организации, которая обычно имеет сотни или тысячи персональных компьютеров (ПК). В настоящее время мейнфреймы обеспечивают хранение данных большой емкости для серверов Интернета или, благодаря методам разделения времени, они позволяют сотням или тысячам пользователей одновременно запускать программы. Из-за их текущих ролей эти компьютеры теперь называются серверами, а не мейнфреймами.

С незапамятных времен люди пытались найти методы для более эффективного вычисления и обработки данных. Одним из первых вычислительных устройств были счеты, разработанные в Древнем Египте в тринадцатом веке. Счеты представляют собой рамку, состоящую из бусин, нанизанных на проволоку, используемых для сложения, вычитания, деления и умножения. Хотя это примитивное устройство предшествовало карандашу и бумаге, оно все еще используется в двадцать первом веке.

ПЕРВЫЕ СЧЕТНЫЕ МАШИНЫ

Чтобы повысить скорость и точность вычислений, математик Джон Нейпир изобрел логарифмы, которые значительно упростили арифметические вычисления. Он также изобрел «кости Нейпира» в начале 1600-х годов. Этот инструмент представлял собой таблицу, сделанную из дерева или костей, с надписями умножения. В 1642 году француз Блез Паскаль (1623-1662) изобрел первую счетную машину, названную арифметической машиной. Готфрид Лейбниц (1646–1716) расширил идеи Паскаля и в 1671 году разработал «счетчик шагов», который мог выполнять сложение, вычитание, умножение и деление, а также вычислять квадратные корни.

В 1834 году Чарльз Бэббидж (1791–1871) разработал механическую аналитическую машину, предшественника компьютера. Он был разработан для выполнения сложных вычислений, таких как умножение, деление, сложение и вычитание. Аналитическая машина не была произведена из-за ее механической природы. Механические части работали очень медленно и часто ломались. Хотя эта машина никогда не производилась, она повлияла на конструкцию современных компьютеров. Он включал четыре компонента современных вычислений: ввод, хранение, обработка и вывод. Машина позволяла вводить данные и имела место для хранения данных для обработки. У него также был процессор для вычисления чисел и управления выполнением задач, а также устройство вывода для распечатки информации.

В 1884 году Герман Холлерит (1860–1929) использовал электрические компоненты для разработки компьютера, который правительство США использовало для обработки данных переписи населения США 1890 года. Эта машина получала перфокарты с ручной подачей и позволяла металлическим штифтам проходить через отверстия в чашки, наполненные ртутью, замыкая электрическую цепь. Позднее Холлерит усовершенствовал конструкцию и в 1896 году основал компанию Tabulating Machine Company. Позже компания стала называться International Business Machines (IBM) Corporation.

ПЕРВЫЕ СОВРЕМЕННЫЕ КОМПЬЮТЕРЫ

Говарду Эйкену (1900–1973), профессору Гарварда, приписывают создание первого цифрового компьютера под названием Mark I. Эта машина была похожа на аналитическую машину Бэббиджа и была сконструирована из переключателей и реле (металлических стержней, окруженных витки проволоки). На создание этой 5-тонной машины ушло пять лет, поэтому она устарела еще до того, как была завершена.

В Университете штата Айова Джон В. Атанасов (1903–1995) и его аспирант Клиффорд Берри (1918–1963) разработали первый электронный цифровой компьютер специального назначения в 1930-х годах. Компьютер Атанасова-Берри использовал электронные лампы для хранения и арифметики

функции. Усовершенствовав эту конструкцию, Джон Мочли (1907–1980) и Джон Преспер Эккерт-младший (1919–1995) из Пенсильванского университета разработали в 1945 году первый крупномасштабный электронный цифровой компьютер, используемый для общих целей. электронный числовой интегратор и компьютер, или ENIAC, весил 30 тонн и занимал площадь 1500 квадратных футов. Эта огромная машина использовала 18 000 электронных ламп для хранения и арифметических вычислений.

Экерт и Мочли основали собственную компанию, которая позже стала известна как Remington Rand Corporation, и разработали универсальный автоматический компьютер (UNIVAC) в 1951 году. UNIVAC стал первым коммерческим компьютером, доступным для бизнеса и промышленности. Эта машина использовала магнитную ленту для хранения ввода и вывода вместо перфокарт, которые использовались в предыдущих машинах. IBM извлекла выгоду из концепции коммерческих приложений и разработала компьютерные системы IBM 701 и IBM 752. Из-за меньшего размера по сравнению с UNIVAC I модели IBM заняли более 70% рынка промышленных компьютеров.

Транзисторы заменили электронные лампы и положили начало эволюции компьютеров второго поколения. Транзисторы,

изобретенные в 1947 году, они были дешевле электронных ламп, выделяли меньше тепла и производили более надежные компьютеры. Компьютеры на транзисторах пользовались большим спросом из-за их небольшого размера, меньшей стоимости и большей надежности.

По мере роста спроса на компьютеры программисты были поглощены утомительным процессом программирования компьютеров для работы. Компьютерные программисты использовали машинный язык, чтобы давать инструкции компьютеру. Машинный язык — это двоичный код (состоящий из нулей и единиц), который компьютер понимает напрямую. Каждая отдельная модель компьютера имела уникальный язык программирования. Например, у UNIVAC был другой машинный язык, чем тот, который использовался в IBM 752. Чтобы облегчить задачу программирования компьютеров, машинный язык был заменен языком ассемблера. Программисты использовали ассемблеры для преобразования или перевода англоязычного кода, разработанного с использованием языка ассемблера, в машинный язык. Этот низкоуровневый язык повысил скорость написания программ.

Использование интегральных схем улучшило развитие компьютеров, что привело к появлению компьютеров третьего поколения. В интегральных схемах, разработанных в 1958 году, использовались миниатюрные транзисторы, которые монтировались на маленькие кремниевые чипы длиной около четверти дюйма с каждой стороны. Эти микрочипы позволили ученым разработать еще более компактные, быстрые и надежные компьютеры. IBM использовала микрочипы для разработки компьютеров серии 360. Вместо перфокарт пользователи взаимодействовали со своими компьютерами с помощью клавиатур, мониторов и операционных систем.

В эпоху третьего поколения появились языки программирования высокого уровня. В то время как компьютеры третьего поколения выполняли более сложные манипуляции с данными, общение с компьютерами также усложнялось. Языки программирования, такие как COBOL и FORTRAN, были разработаны в 1950-х годах, чтобы упростить программирование компьютера. Эти языки высокого уровня использовали компиляторы или интерпретаторы для преобразования кода, похожего на английский, в машинный язык.

КОМПЬЮТЕРЫ ЧЕТВЕРТОГО ПОКОЛЕНИЯ

Компьютеры четвертого поколения появились благодаря развитию микропроцессора. Названный полупроводником, этот процессор был произведен в 1971 году компанией Intel. Полупроводник представлял собой крупномасштабную интегральную схему, содержащую тысячи транзисторов на одном кристалле. Разработка этого чипа привела к созданию первого персонального компьютера. С этим изобретением компьютеры стали использоваться не только крупными предприятиями и военными, но и малыми предприятиями и домашними хозяйствами.

IBM представила свой первый домашний компьютер в 1981 году, а Apple разработала домашний компьютер Macintosh в 1984 году. Микросхема Intel 4004 объединяет все компоненты компьютера в один крошечный чип. Это нововведение в конечном итоге привело к разработке портативных устройств. Карманные устройства — это портативные компьютеры, обладающие многими возможностями настольного компьютера. Одним из популярных портативных устройств является персональный цифровой помощник, который позволяет пользователю планировать и систематизировать информацию.

ИНТЕРНЕТ И ВСЕМИРНАЯ ПАУТИНА

Мощные возможности микропроцессоров позволили небольшим компьютерам объединяться в сети или Интернет. Интернет, концептуализированный в конце 1960-х годов исследователями из Агентства перспективных исследовательских проектов Министерства обороны США, представляет собой сеть компьютерных сетей, обеспечивающих общение между пользователями компьютеров. Интернет упростил использование электронной почты, которая является широко используемой формой связи.

Интернет был улучшен за счет всемирной паутины (WWW), которая позволяет пользователям компьютеров искать, просматривать и распространять информацию по множеству тем с веб-сайтов. WWW был разработан в 1990 году Тимом Бернерсом-Ли (1955 – ). Интернет в сочетании с Всемирной паутиной коренным образом изменил способы общения, распространения и обработки информации в промышленно развитых странах.

КОМПЬЮТЕРЫ ПЯТОГО ПОКОЛЕНИЯ

Вычислительные устройства пятого поколения в настоящее время находятся в стадии разработки. В центре внимания этого поколения — заставить компьютеры вести себя как люди. Это явление было названо искусственным интеллектом Джоном Маккарти (1927-) в Массачусетском технологическом институте в 1957 году. Область искусственного интеллекта включает игры, экспертные системы, естественные языки, нейронные сети и робототехнику. Игры включают в себя создание игр, которые позволяют пользователям играть против компьютера. Экспертные системы — это компьютерные приложения, которые выполняют задачи человека-эксперта, такие как диагностика болезни. Естественные языки позволяют компьютерам понимать естественные человеческие языки, такие как английский или китайский. Нейронные сети пытаются функционировать как мозг человека или животного. Робототехника включает в себя создание компьютеров, которые могут использовать человеческие чувства, такие как зрение и слух.

Несмотря на то, что ученым очень трудно заставить компьютеры вести себя и думать как люди, в этой области достигнуты определенные успехи. Что касается игр, программисты разработали компьютерные игры, которые могут «перехитрить» людей. В области естественных языков было разработано программное обеспечение для распознавания голоса, позволяющее преобразовывать устные слова в письменные. Это позволяет пользователям говорить с компьютером, а компьютер в свою очередь диктует то, что пользователь говорит в виде слов на экране.

Обработка информации или данных стала синонимом компьютеров. Развитие компьютеров, Интернета и WWW значительно улучшило способы обработки информации. Эти инструменты предоставили обществу больше возможностей для обработки информации, чем когда-либо прежде. Поскольку постоянно меняющийся мир продолжает развиваться, можно быть уверенным, что скоро последуют новые инновации в области обработки информации.

библиография

Эта статья является частью эксклюзивной серии Critique, посвященной биографическому фильму Алана Тьюринга «Игра в имитацию».

Введение

Разум — это система обработки информации. Система обработки информации — это все, что преобразует информацию в информацию. Через наши глаза, уши и другие органы чувств мы загружаем информацию о внешнем мире. Наша центральная нервная система обрабатывает эту информацию. Затем он выводит убеждения, которые, в свою очередь, приводят к действию.

Ваш компьютер представляет собой систему обработки информации. Информация загружается, конвертируется, а затем загружается. То же самое верно для всех компьютеров. В этом отношении компьютеры не так уж отличаются от человеческого разума.

Но на этом сходство заканчивается. Все компьютеры — это системы обработки информации, но не все системы обработки информации — это компьютеры, а человеческий разум — это система обработки информации, которая не является компьютером.

Никто не сделал для демонстрации этого больше, чем Алан Тьюринг. И все же никто не сыграл большей роли, чем Тьюринг, в разработке современного компьютера. Как мы увидим, эти два достижения Тьюринга — две стороны одной медали.

Эта статья состоит из двух частей. В первой части мы опишем тьюринговский анализ вычислимости. Этот анализ является основой современной компьютерной науки. Во второй части мы обсудим отношение анализа Тьюринга к вопросу: мы компьютеры?

Часть I: Тьюринговский анализ вычислимости

Тьюринг сам не создавал физический компьютер; он также не создал компьютерную программу. То, что он сделал, было гораздо важнее. Он создал мета-программу — схему создания программ, известную как Универсальная машина Тьюринга. Универсальная машина Тьюринга — это просто очень точное описание того, что значит вычислять решение проблемы.

Не все случаи нахождения решения являются случаями вычисления решения. Решение, известное на основе интуиции или неформальных рассуждений, не вычисляется. Чтобы вычислить решение, нужно использовать алгоритм для его идентификации.

Алгоритм – это механическая процедура. В начальной школе вы изучали механические процедуры сложения и умножения многозначных чисел.Это примеры алгоритмов.

Алгоритмы умножения и сложения связаны не с числами или математическими операциями, а с физическими надписями — не с числом 5 или операцией сложения, а с соответствующими выражениями. В соответствии с этими алгоритмами допустимость данной надписи или последовательности надписей зависит от ее формы, а не от ее значения. Алгоритм имеет дело с чувствительностью к форме символа, а не с чувствительностью к значению символа. По этой причине машины могут их реализовывать и тем самым решать арифметические задачи.

Все алгоритмы связаны с геометрическими или строго физическими свойствами объектов. Никого не интересуют их семантические свойства — другими словами, их значения. По этой причине алгоритмы могут быть реализованы машинами.

В начале 20 века были изобретены алгоритмы для вывода утверждений из других утверждений. Так была создана дисциплина математическая логика, цель которой — механизировать выведение выводов. Информатика выросла из математической логики. С появлением информатики возникли вопросы, как практические, так и философские, относительно сходства или отсутствия сходства между разумом и компьютером.

Проведя точный и тщательный анализ концепции вычислений, Алан Тьюринг прояснил, как разрешать многие из этих противоречий. Суть анализа Тьюринга можно выразить одним предложением: если проблему можно решить механическим способом, то решение является результатом рекурсивной функции.

Начнем с того, что это значит. Тогда мы скажем, почему это правда. И, наконец, во второй части мы обсудим, как это влияет на вопрос: мы компьютеры?

Объяснение анализа Тьюринга

Давайте начнем с определения термина "рекурсивная функция". Во-первых, рекурсивная функция — это математическая функция. Функция в математическом смысле — это правило, которое назначает выходы входам. Рассмотрим функцию F(x)=x+1. Эта функция присваивает 2 1, 3 2 и так далее. Другими словами, 2 — это выход, если 1 — это вход, и 3 — это выход, если 2 — это вход.

Функция не обязана присваивать числа числам. На самом деле, великие инновации в математической логике, лежащие в основе информатики, стали возможными благодаря открытию того, что некоторые из наиболее важных функций не имеют ничего общего с числами. В эту категорию попадают функции, с которыми имеет дело булевская алгебра, как и функции, с которыми имеет дело исчисление высказываний. Обе дисциплины необходимы для информатики.

Функция не может назначать разные выходы для одного входа. В остальном ограничений на то, что функция может назначать, нет.

рекурсивная функция — это функция, определенная для каждого из своих собственных выходных данных. Рассмотрим ряд: 2, 4, 16, 256, 65 536… Этот ряд генерируется рекурсивной функцией, а именно: F(1)=2 и F(n+1)=n 2 . Эта функция присваивает 2 числу, соответствующему первой позиции в ряду — это число, конечно, является номером один, — и, если она присваивает n числу, соответствующему данной позиции в ряду, то она присваивает n 2 число, соответствующее следующей позиции.

Для более простого примера ряд 1, 2, 3,… создается рекурсивной функцией: F(1)=1 и F(n+1)=1+F(n).

Рекурсивная функция определяется (1) правилом, которое явно присваивает определенный результат начальному входу, а также (2) правилом генерирования вывода для любого заданного входа, кроме начального входа, на основе вывода к предыдущему вводу.

Арифметика основана на следующих рекурсиях:

При наличии достаточного количества времени любую арифметическую задачу можно решить с помощью этих рекурсий. В случае, когда 0 является релевантным операндом, ответ дается явно. В противном случае ответ получается повторением правила, содержащегося во второй части соответствующей рекурсии.

Благодаря (1)-(3) арифметика вообще не требует размышлений. Таким образом, можно создать машины, решающие арифметические задачи столь же бездумно, но и безошибочно, как машины, создающие колпаки.

Везде, где есть рекурсивная функция, есть механическая процедура принятия решения.

Согласно Тьюрингу, верно и обратное: везде, где есть процедура принятия решения, есть и рекурсивная функция. Другими словами, если проблема может быть решена механическим способом, решение является результатом рекурсивной функции.

Оценка анализа Тьюринга

Обоснование утверждения Тьюринга заключается не в формальном доказательстве, а в соображениях философского характера, которые мы сейчас изложим.

Во-первых, список правильных арифметических утверждений, например.«5+3=8» и «7 2 =49» не являются процедурой принятия решения. Такой список предполагает существующий способ получения соответствующих знаний. Следовательно, в той мере, в какой такой список доступен, процедура принятия решения не может добавить к тому, что мы знаем. Но процедура принятия решения, которая не может добавить к тому, что мы знаем, вообще не является процедурой принятия решения.

Что еще более важно, процедура принятия решения по своей природе является общей. Список истин — это запись ранее существовавших знаний. Поскольку процедура принятия решения — это способ приобретения новых знаний, никакой список истин не является процедурой принятия решения. Из этого следует, что процедура принятия решения должна применяться к бесконечному количеству случаев, которые в ней явно не упоминаются. Это означает, что любая данная процедура принятия решения должна содержать условную информацию: информацию о том, что если выполняется то-то и то-то, то то-то и то-то также выполняется.

Есть два способа получения новой информации. Один из них — использование наших чувств, то есть наблюдение за миром. Другой — путем рассуждений, то есть выводов из того, что мы уже знаем. Используя свои чувства для приобретения знаний, человек, очевидно, не использует процедуру принятия решения. Таким образом, первый способ не имеет значения в данном контексте, это второй способ, который мы должны рассмотреть.

Второй путь обязательно предполагает знание условных истин: истин вида если так-то и так-то имеет место, то так-то и так-то также имеет место. (например, если Билл находится в Париже, то он не в Мадриде).

Поскольку процедуры принятия решений позволяют нам добавлять что-то к тому, что мы знаем, это происходит благодаря воплощению условных истин. Но процедуры-решения не могут быть строго условными, поскольку такие процедуры, что имеет место то-то и то-то, а не просто то-то и то-то, если то-то и то-то кейс. Например, (1) явно говорит нам, что 2+0=2, и неявно говорит нам, что 2+6=8.

В той мере, в какой данная процедура принятия решения применима к бесконечному количеству случаев, она должна быть условной. (Рассмотрим вторую часть (1), которая говорит нам, что если 2+5=7, то 2+(5+1)=8.)

В той мере, в какой процедура принятия решения применима к каким-либо случаям вообще, она должна быть безусловной. (Рассмотрите первую часть (1), которая говорит нам, что 2+0=2.)

Но это также означает, что процедура принятия решения должна подсказать вам, как генерировать новое знание на основе ассерторической информации, которую она вам дает; а это значит, что такая процедура должна содержать условную информацию. (Учтите, что две части (3), взятые вместе, позволяют вычислить любой показатель, хотя первая часть позволяет вычислить только один, а вторая часть не позволяет вычислить любой.)

Поэтому процедуре принятия решения присуще то, что любая такая процедура содержит два компонента:

(a) базовая оговорка о том, что имеет место то-то и то-то; и

(b) условное предложение (обычно называемое индуктивным предложением, где «индуктивное» является синонимом «рекурсивного») в том смысле, что если так-то и так-то, то так-то и так-то тоже.

Любое выражение, имеющее такую структуру из двух частей, в силу самого факта является рекурсией. Таким образом, там, где есть процедура принятия решения, есть и рекурсия; и, как отмечалось ранее, там, где есть рекурсия, есть и процедура принятия решения.

Так что Тьюринг прав. Проблема может быть решена механическим способом — ее решение может быть вычислено, другими словами — тогда и только тогда, когда решение является результатом рекурсивной функции.

Концепция машины Тьюринга

Давайте теперь обсудим гениальный способ Тьюринга проиллюстрировать эти довольно трудные для понимания моменты. Представьте бесконечно длинную бумажную ленту, разделенную на квадраты. Эта лента проходит через машину по одному квадрату за раз. Некоторые квадраты пусты; на других есть маркировка. Когда заданный квадрат находится внутри машины, машина сканирует его. Если на квадрате есть маркировка, автомат может:

(1) Сотрите эту маркировку,

(2) Добавить еще одну отметку,

(3) вообще ничего не делать или

(4) Переместиться на один или несколько квадратов вправо или влево.

Если квадрат пуст, машина может:

(A) Напишите на нем символ;

(B) Ничего не делать; или

Поведение машины предопределено ее программой. Эта программа состоит из инструкций о том, что если состояние данного квадрата такое-то и такое-то, то машина должна делать то-то и то-то.

В этой гипотетической ситуации есть два существенных факта: во-первых, машина не может ничего сделать, если ей не будут переданы данные; и, во-вторых, поведение машины является функцией только состояния квадрата, который она сканирует в данный момент, в сочетании с ее программой.

Состояние ленты перед сканированием соответствует базовому предложению рекурсии, а программа машины соответствует индуктивному предложению.

Тьюринг доказал, что при наличии любой проблемы, которую мы интуитивно считаем возможной решить с помощью процедуры принятия решения, только что описанная машина может решить ее.

Машина только что описанного типа, ограниченная одной программой, называется Машиной Тьюринга. Такая машина, на которой может выполняться любая программа, называется Универсальной машиной Тьюринга. Если данная проблема может быть решена механически, она может быть решена соответствующим образом запрограммированной машиной Тьюринга и, таким образом, является «разрешимой по Тьюрингу».

Неразрешимая проблема Тьюринга

Тьюринг доказал, что не все проблемы разрешимы по Тьюрингу. Рассмотрим вопрос:

(T) Все ли проблемы разрешимы по Тьюрингу?

В качестве аргумента предположим, что ответ "да". В этом случае существует программа P, которую можно запустить на машине Тьюринга и которая обладает следующим свойством: при любой программе F и любом вводе I, P может определить, «остановится» ли машина Тьюринга, выполняющая F, при вводе данных. я.

Учитывая существование P, следует, что существует программа Q такая, что для любой программы F Q может определить, остановится ли F, если F запустит саму F.

Учитывая существование Q, следует, что существует программа R такая, что:

(1) Для любой программы F, R работает вечно, если, согласно Q, F останавливается, если F работает сама; а также такое, что

(2) R останавливается, если, согласно Q, F работает вечно, если F работает сама.

Предположим, что R работает сам по себе. Есть ровно два возможных случая для рассмотрения.

Случай номер 1. Предположим, согласно Q, R останавливается, если R запускается сам. В этом случае по (1) R работает вечно.

Случай номер 2. Предположим, что согласно Q, R работает вечно, если R работает сам. В этом случае по (2) R останавливается.

В первом случае R работает вечно, если R останавливается. Во втором R останавливается, если R работает вечно. Таким образом, если R работает сам по себе, он останавливается тогда и только тогда, когда он не останавливается. Поскольку это невозможно, не может быть такой программы, как R. Поскольку R существует, если существует Q, Q не существует; и поскольку Q существует, если существует P, то P не существует. Таким образом, невозможно вычислить решение «проблемы остановки».

Это не означает, что эту проблему невозможно решить, просто нет механического способа сделать это.

Часть 2. Философские выводы

Компьютер по определению является механическим решением проблем. Сказать, что проблему можно решить механически, значит сказать, что для ее решения не требуется никакого мышления. Таким образом, если это может сделать компьютер, мысль для этого не требуется. Механические решатели проблем — не мыслители; они мыслители-прокси.

«Но если компьютеры не думают, — возразят, — значит, они не решают проблем».

Компьютеры не думают и не решают проблемы. Механический «решатель проблем» – это человек, не умеющий решать проблемы, чье поведение позволяет разумному наблюдателю легко решать сложные проблемы.

Предположим, что 3+5= введено в корректно работающее вычислительное устройство. Это устройство устроено так, что на основе физических характеристик этого входа оно выводит 8. Если бы на основе значения этого входа оно решал, что выводить, это вообще не было бы вычисляющим устройством. Точно так же, поскольку это является устройством, оно слепо к значению как ввода, так и вывода. Следовательно, он никак не может осознавать тот факт, что вывод соответствовал по смыслу вводу, и, следовательно, ни в каком буквальном смысле ничего не решил. Он добился того, чтобы облегчить решение рассматриваемой проблемы тому, кто разбирается в вводе и выводе.

Сам Тьюринг прекрасно осознавал различие между существами, такими как мы, которые действительно решают проблемы, и существами, такими как машины Тьюринга, которые просто имитируют поведение при решении проблем. В своей знаменательной статье О вычислимых числах, часть 1 которой является кратким изложением, Тьюринг указывает, что под «компьютером» он подразумевает человека, который вычисляет — тот, кто использует процедуру принятия решения для решения проблемы.

Разум необходим для создания алгоритмов, а не для их реализации. Сама цель алгоритма состоит в том, чтобы сделать мысли ненужными. Мы используем алгоритмы для выполнения арифметических операций именно потому, что хотим как можно меньше думать об арифметике.

Следствием того, что мы можем создавать алгоритмы, является то, что мы можем их оценивать.Имея алгоритм, мы можем определить, дает ли он правильные результаты. Нет такой программы, легитимность которой мы не могли бы подвергнуть сомнению. Компьютер не может подвергать сомнению свою собственную программу; ибо компьютер не может отклонить свою собственную программу. Компьютер мог бы сделать это только в том случае, если бы его программа позволяла ему это делать. Но если компьютер отвергает свою программу на основании этой программы, он следует этой программе и, следовательно, не отвергает ее.

Заметим, что этот аргумент имеет определенное сходство с доказательством Тьюринга, что не все проблемы разрешимы по Тьюрингу. Наводит на мысль, что Тьюринг включил это доказательство в ту же статью, где он описывает машины Тьюринга. Безусловно, у Тьюринга были причины строго дискурсивного характера для этого. Но его решение включить его, возможно, отражало желание с его стороны прояснить, что машины Тьюринга просто моделируют мысли. Если бы он высказался по этому поводу более четко, то полвека психологических исследований, возможно, не были бы потрачены впустую на трагически ошибочное представление о том, что мозг — это цифровой компьютер.

В основе когнитивной психологии лежит идея обработки информации.

Когнитивная психология рассматривает человека как обработчика информации, примерно так же, как компьютер получает информацию и следует программе для получения результата.

Основные предположения

Подход к обработке информации основан на ряде предположений, в том числе:

(1) информация, предоставляемая окружающей средой, обрабатывается рядом систем обработки (например, внимание, восприятие, кратковременная память);
(2) эти системы обработки преобразуют или изменяют информацию в систематическими способами;
(3) цель исследования — определить процессы и структуры, лежащие в основе когнитивных функций;
(4) обработка информации у людей похожа на обработку в компьютерах.

Компьютер — аналогия разума

Развитие компьютеров в 1950-х и 1960-х годах оказало важное влияние на психологию и отчасти стало причиной того, что когнитивный подход стал доминирующим подходом в современной психологии (заменив бихевиоризм).

Компьютер дал когнитивным психологам метафору или аналогию, с которой они могли сравнить мыслительную деятельность человека. Использование компьютера в качестве инструмента для понимания того, как человеческий разум обрабатывает информацию, известно как компьютерная аналогия.

По сути, компьютер кодирует (то есть изменяет) информацию, хранит информацию, использует информацию и производит вывод (извлекает информацию). Идея обработки информации была принята когнитивными психологами как модель того, как работает человеческое мышление.

Например, глаз получает визуальную информацию и кодирует информацию в электрическую нейронную активность, которая возвращается в мозг, где она «хранится» и «кодируется». Эта информация может использоваться другими частями мозга, связанными с умственной деятельностью, такой как память, восприятие и внимание. Результатом (т. е. поведением) может быть, например, чтение того, что вы видите на печатной странице.

Следовательно, подход к обработке информации характеризует мышление как среду, обеспечивающую ввод данных, которые затем преобразуются нашими органами чувств. Информацию можно хранить, извлекать и преобразовывать с помощью «ментальных программ», результатом чего являются поведенческие реакции.

Когнитивная психология повлияла и интегрировалась со многими другими подходами и областями исследований, чтобы создать, например, теорию социального обучения, когнитивную нейропсихологию и искусственный интеллект (ИИ).

Обработка информации и выборочное внимание

Когда мы выборочно обращаем внимание на одно действие, мы, как правило, игнорируем другие стимулы, хотя наше внимание может быть отвлечено чем-то другим, например телефонным звонком или кем-то, кто называет наше имя.

Психологов интересует, что заставляет нас обращать внимание на одно, а не на другое (избирательное внимание); почему мы иногда переключаем наше внимание на то, что раньше оставалось без внимания (например, синдром вечеринки с коктейлем), и на скольких вещах мы можем сосредоточиться одновременно (объем внимания).

Один из способов концептуализации внимания — представить людей как обработчиков информации, которые могут обрабатывать только ограниченный объем информации за раз, не перегружаясь.

Бродбент и другие в 1950-х годах приняли модель мозга как системы обработки информации с ограниченными возможностями, через которую передаются внешние входные данные.

Процессы ввода связаны с анализом стимулов.
Процессы хранения охватывают все, что происходит со стимулами внутри мозга, и могут включать кодирование и манипулирование стимулами.
Процессы вывода отвечают за подготовку соответствующей реакции на стимул.

Критическая оценка

В рамках концепции обработки информации был предложен ряд моделей внимания, в том числе:

Модель фильтра Бродбента (1958 г.), модель затухания Трейсмана (1964 г.) и модель позднего отбора Дойча и Дойча (1963 г.).

Однако при изучении этих моделей и подхода к обработке информации в целом следует учитывать ряд оценочных моментов. К ним относятся:

Последовательная обработка фактически означает, что один процесс должен быть завершен до начала следующего.
Параллельная обработка предполагает, что некоторые или все процессы, связанные с когнитивной задачей, происходят одновременно.

Эксперименты с двумя задачами показали, что возможна параллельная обработка. Трудно определить, обрабатывается ли конкретная задача последовательно или параллельно, так как это, вероятно, зависит (а) от процессов, необходимых для решения задачи, и (б) от количества практики выполнения задачи.

Параллельная обработка, вероятно, чаще используется, когда кто-то обладает высокой квалификацией; например, опытный машинист думает на несколько букв вперед, а новичок сосредотачивается только на одной букве за раз.

<р>2. Аналогия между человеческим познанием и работой компьютера, используемая в подходе к обработке информации, ограничена.

Компьютеры можно рассматривать как системы обработки информации, поскольку они:

(i) комбинировать представленную информацию с сохраненной информацией для решения различных проблем, и

НО -

(i) человеческий мозг способен к обширной параллельной обработке, а компьютеры часто полагаются на последовательную обработку;

<р>3. Доказательства теорий/моделей внимания, подпадающих под подход обработки информации, в значительной степени основаны на экспериментах в контролируемых научных условиях.

Большинство лабораторных исследований являются искусственными, и можно сказать, что они не имеют экологической достоверности.

В повседневной жизни когнитивные процессы часто связаны с целью (например, вы уделяете внимание в классе, потому что хотите сдать экзамен), тогда как в лаборатории эксперименты проводятся изолированно от других когнитивных и мотивационных факторов.< /p>

Хотя эти лабораторные эксперименты легко интерпретировать, данные могут быть неприменимы к реальному миру за пределами лаборатории. Были предложены более современные экологически обоснованные подходы к познанию (например, Perceptual Cycle, Neisser, 1976).

Внимание в основном изучалось изолированно от других когнитивных процессов, хотя очевидно, что оно действует как взаимозависимая система со связанными когнитивными процессами восприятия и памяти.

Чем успешнее мы изучаем часть когнитивной системы изолированно, тем меньше наши данные говорят нам о когнитивных способностях в повседневной жизни.

<р>4. Хотя общепризнано, что информация, управляемая стимулом (восходящая снизу вверх), важна для познания, то, что человек привносит в задачу с точки зрения ожиданий/прошлого опыта, также важно.

Эти влияния известны как "нисходящие" или "концептуально управляемые" процессы. Например, прочтите треугольник ниже:

< /p>

Ожидание (обработка «сверху вниз») часто замещает информацию, действительно имеющуюся в стимуле (снизу вверх), на который мы предположительно обращаем внимание. Как вы прочитали текст в треугольнике выше?

Ссылки на стиль APA

Бродбент, Д. (1958). Восприятие и общение. Лондон: Pergamon Press.

Дойч, Дж. А., и Дойч, Д. (1963). Внимание: некоторые теоретические соображения. Психологический обзор, 70, 80–90

Нейссер, У. (1967). Когнитивная психология. Нью-Йорк: Appleton-Century-Crofts.

Трейсман, А. (1964). Избирательное внимание у человека. Британский медицинский бюллетень, 20, 12–16.

Как ссылаться на эту статью:

Контент сайта Simply Psychology предназначен только для информационных и образовательных целей. Наш веб-сайт не предназначен для замены профессиональной медицинской консультации, диагностики или лечения.

сообщить об этом объявлении

Читайте также: