程序员如何认识图灵

❶ 程序员要供祖师爷的话该供谁

图灵

图灵是现代计算机设计思想的创始人,1936年，图灵向伦敦权威的数学杂志投了一篇论文，题为《论数字计算在决断难题中的应用》。在这篇开创性的论文中，图灵给“可计算性”下了一个严格的数学定义，并提出着名的“图灵机”(Turing Machine)的设想。“图灵机”不是一种具体的机器，而是一种思想模型,这一理论奠定了整个现代计算机的理论基础。

另外，计算机界最高奖就是图灵奖。

❷ 图灵程序设计丛书 怎么样

首先，这是本好书。
本书有相当不错的易读性和趣味性，可以作为最入门级别的启蒙教材。我认为数学和编程是很重要的两个东西，而这本书可以当成这两门学问的基础读物。
或许对你的水平而言，你已经完全看不上这种水平的内容了。但是还有你的下一辈下一代。想想这本书对那些初学者的作用影响吧。
本书介绍了与编程有关很基础的数学知识。本书介绍了与编程有关很基础的数学知识。因为很重要所以说两遍。对于数学底子好的人，自然有《具体数学》、《算法导论》和TAOCP等经典等着你们。而本书不是那么高深的东西。
自高中见了数学题海之后，我就基本对数学失去了兴趣。在阅读本书的时候，感觉还是很不错的，有趣易懂，内容也的确是程序员所须知的。
个人感觉全书中的不可解问题是非常重要也是全书最难理解的部分。关于不可解，我在知道图灵的停机问题之前都是没有一个清晰的认知的。我想还是有许多人跟我是一样的吧？这一章节告诉程序员，世界上存在不可解的问题，存在数学和程序都不能抵达的边界。
本书还有一句话感动了我...是感动。
所以求推荐一些有趣的不高深的数学资料，最好是与编程有关或者是统计学方面的~~

❸ 对一个程序员而言，哪些证件含金量高

对一般的程序员来说，毕业证最有含金量。或者是一些bat公司定制市场也认可，其他的什么计算机等级证书基本上没有什么用。
第二个就是图灵奖，含金量非常高。
还有就是不同的认证，代表了it厂商用人单位和考证这对市场的不同理解。

❹ 世界上第一位程序员，竟然是一名白富美！她背后有着什么样的故事

现如今，互联网已经走入了每家每户，大家无时无刻都在拿着手机，与世界各地的人能够瞬间联系到，而这一切，除了我们常说的基础的通讯设施建造之外，还有一项最重要的因素，就是每个网站乃至每个APP背后的程序员，正是他们用二进制代码，编制出来各种交互动作的程序，才能够一一实现我们在日常生活中的每一个需要。正所谓吃水不忘挖井人，那我们今天就来说一说，世界上第一位程序员，他的背后究竟有着怎样的故事？虽然是一位白富美，但他却将自己的精力，全然扑在了程序这件事上。

在当时，对于程序员的需求是非常大，但由于经济水平的落后，很少有人接触到这个行业。在层层选拔时，让图灵印象最深刻的便是这个白富美的女孩子艾琳，不仅精通程序编码，而且一点就透，同时，也是他一路指导图灵的生活，以及和同事之间的交际关系，才得以保障图灵在有好的研究环境，来从事密码破译和程序编写的工作，不被外人打扰。虽然在影片的结尾，乃至是真实的历史当中，最后结局并不那么美满，但他对于程序的奉献，是可以载入历史的史册当中。

❺ 对人工智能的一些不成熟思考

第一，计算的本质与智能的本质。

《类脑智能研究的回顾和展望》指出，现有人工智能系统通用性较差与其计算理论基础和系统设计原理有密不可分的关系。计算机的计算本质和基础架构是图灵机模型和冯诺伊曼体系结构，其共同的缺点是缺乏自适应性。图灵计算的本质是使用预定义的规则对一组输入符号进行处理，规则是限定的，输入也受限于预定义的形式。图灵机模型取决于人对物理世界的认知程度，因此人限定了机器描述问题，解决问题的程度。而冯诺伊曼体系结构是存储程序式计算，程序也是预先设定好的，无法根据外界的变化和需求的变化进行自我演化。总结来看，计算的本质可以用一个数学公式f(x)=y来表达，是问题求解的范畴。

那智能的本质是什么？如何表达？着名信息论和人工智能专家钟义信给了一个探讨性的定义：智能一定是在环境的作用下，人跟环境相互作用，不断的去学习，不断的去进化，在这个过程当中展开了智能的活动。反之，如果没有这种主体跟客体的相互作用，如果一切都是十全十美，如果不需要做出任何的改进，那就不需要思考、不需要学习，也就不需要智能。所以，一定要在主体跟客体相互作用过程当中来考察智能才有意义。李衍达院士在《 沿Simon 开拓下去》的报告中探讨了智能的功能与智能的机理问题，指出基因的层次没有鸿沟，人和所有生物的机理是相同的，区别的是进化：自动适应外界变化而优化自身结构的功能。而且人脑在进化过程里面通过DNA的改变，改变了神经元的连接，这个连接既记录了学习的结果，又优化了学习算法。既简化了所需要的元件，又节省了能耗，非常巧妙。

第二，关于程序员转型。

和第一个问题有关，我们都是学习图灵机模型和冯诺伊曼架构长大的，思维方式相对固定。深度学习今年非常火爆，程序员又要开始转型。关于转型，我注意到几个论调：

以上我都不太认同，人类是万物之灵，遇到新问题，学习新东西，再正常不过的事情，何来转型之说？如果非要说有什么需要转变，我觉得是到思维方式的转变：

第三，脑复杂？还是环境复杂？

傅小兰在《Simon与认知科学研究》报告中提到了《分布式认知》，指出认知现象在认知主体和环境间分布的本质：认知既分布于个体内与个体间，也分布于媒介、环境、文化、社会和时间等之中（Cole & Engestrom, 1993）。Herbert A. Simon 也指出，一个人，若视作行为系统，是很简单的。他的行为随时间而表现出的表面复杂性主要是他所处环境的复杂性的反映。人——或至少人的智力要素——也许是比较简单的，人的行为的复杂性也许大半来自人的环境，来自人对优秀设计的搜索，因此，“在相当大的程度上，要研究人类便要研究设计科学。它不仅是技术教育的专业要素，也是每个知书识字人的核心学科”。

第四，从上而下还是从下而上？

人工智能从上而下研究的开创者和代表人物是Herbert A. Simon，他当时想到，人的大脑活动是分层次的，在底层的机理没有搞清楚时，他认为也不妨碍对于高层概念、推理、问题求解层次进行研究。符号学派就是自上而下的典型代表，但至今符号学派一直受到自下而上的连接主义压制。自下而上的代表是日本的第五代计算机计划，东京大学元岗达教授提出“第五代计算机的构想”，随后日本制定了研制五代机的十年计划，总预算达4.3亿美元。以渊一博为所长的“新一代计算机技术研究所”苦苦奋战了近十年，他们几乎没有回过家，近乎玩命式的拼搏；然而，由于没有突破关键性技术难题，无法实现自然语言人机对话，程序自动生成等目标，最终于1992年宣告失败！这或许也是图灵机模型和冯诺伊曼架构的失败。然而，峰回路转，得益于分布式计算和大数据时代，深度学习成为主流的自下而上方法。近五年来，深度学习在“视”、“听”、“说”等领域取得了的巨大成功，但这还不能表明自下而上的胜利或者神经网络模型的正确。神经网络只是从下而上对大脑的粗糙模拟和抽象，是否是正确的大脑学习隐喻还不得而知。但神经网络的成功又引发了一些自下而上的尝试，据称IBM有一个名为“突触”的项目，研究芯片级类脑计算设备，支持低频率，低功耗，和大量链接等神经网络功能。

第五，鲁棒性？可解释性？魔术性？

这几个问题是现在机器学习，特别是深度学习面临的主要问题。人类犯错：水平从九段降到八段，机器犯错：水平从九段降到业余，这就是鲁棒性。鲁棒性要求，“好的时候”要好，“坏的时候”不能太坏。在封闭静态环境中，重要因素大多是“定”的，而在开放动态环境中，一切都是变的，开放环境的鲁棒性，这也是自动驾驶面临的困难所在。关于可解释性，也被称为深度学习的黑箱模型。若学习器不能给出治疗理由，则难以说服患者接受昂贵的治疗方案。若学习器不能给出停机检测的理由，则难以判断停机检测的风险和代价。这些案例都需要机器学习的模型给出解释，否则难以应用到难以用于高风险应用。而机器学习魔术性是指即便相同数据，普通用户很难获得机器学习专家级性能。就是专家之间，是特别考验团队实力的，也有一点运气在里面。门派都一样，功力不一般。

第六，目前的研究热点和我的方向。

深度学习是很火的，不过周志华说的很中肯：“深度学习中间还有很多困难而又重要的问题值得深入研究，但这些真正值得研究的问题，就我看到的情况而言，好像做的人非常少。大多数人在干什么呢？拿它做做应用，调调参数，性能刷几个点，然后发几篇文章。这样虽然容易发表文章，但恐怕很难产生有影响的成果。” 另外，周志华在引领集成学习的发展方向，CCAI17可以看到一些方向，香港科技大学计算机系主任杨强谈到的迁移学习，日本理化学研究所杉山将谈到的弱监督机器学习等。我的计划是，从历史中观其大略；感知机，神经网络，反向传播，深度学习是一条线，已经是必备的基础了；然后向增强学习发力；在技术上打通分布式系统，大数据和机器学习；在业务和需求上结合金融场景。

第七，已知和未知。

我们参考神经生理学，研制了神经网络和深度学习，并且取得了良好的效果。有人指出，大脑的生物物理结构，机制和功能只是大脑处理信息过程中的印记，其中很少一部分可用于有意识的思想（认知）。在学习未知的过程中，我们对学习到底了解了多少？在未知的区域里，既有要学习的对象，也有学习本身。

参考文献：

《人工智能走向2.0》 潘云鹤

《类脑智能研究的回顾与展望》曾毅等

《脑启发计算》苏中

《机器学习》序言 陆汝钤

《机器学习：发展与未来》周志华

《H. A. Simon学术生平》林建祥

《Simon的认知科学思想》傅小兰

《人工智能--螺旋上升的60年》高文院士

《沿Simon 开拓下去》李衍达

《塞蒙终生学术经历简介》林建祥

《人工智能的历史》中国人工智能学会

《司马贺的创新之路》史忠植

《弘扬Simon学术思想 》钟义信

《探寻大师足迹，一览马文•明斯基学术风采》史忠植

《站在巨人的肩膀上，从人工智能与认知商务》苏中

《弘扬 Simon的源头创新精神开拓“AI”的新理念新路径》钟义信

《独家 | 周志华：深度学习很有用，但过度追捧就有危险了》AI科技大本营

❻ 第一个给计算机写程序的人是那个 急。。快点回答 谢了

阿达·洛芙莱斯。

阿达·洛芙莱斯，计算机程序创始人，建立了循环和子程序概念。为计算程序拟定“算法”，写作的第一份“程序设计流程图”，被珍视为“第一位给计算机写程序的人”。

为了纪念阿达·奥古斯塔对现代电脑与软件工程所产生的重大影响，美国国防部将耗费巨资、历时近20年研制成功的高级程序语言命名为Ada语言，它被公认为是第四代计算机语言的主要代表。Ada语言的使用可大大改善软件系统的清晰性，可靠性，有效性，可维护性。

Ada的出现，标志着软件工程成功地进入了国家和国际的规模。

(6)程序员如何认识图灵扩展阅读：

计算机程序的三种基本结构：

1、顺序结构

程序中各个操作按照在源代码中的排列顺序，自上而下，依次执行。

2、选择结构

根据某个特定的条件进行判断后，选择其中一支执行。

3、循环结构

在程序中需要反复执行某个或某些操作，直到条件为假或为真时才停止循环。

❼ 聊天机器人概述

聊天机器人，是一种通过自然语言模拟人类，进而与人进行对话的程序。

1950年，图灵（Alan M. Turing）在 Mind 期刊上发表的文章 Computer Machinery and Intelligence ，这篇文章开篇就提出了“机器能思考吗？(Can machines think?)”的设问，提出了经典的 图灵测试（Turing Test） 。通过图灵测试被认为是人工智能研究的终极目标，图灵本人也因而被称为 “人工智能之父” 。

1966年，最早的聊天机器人程序 ELIZA 诞生，由麻省理工（MIT）的约瑟夫·魏泽鲍姆（Joseph Weizenbaum）开发，开发用于临床模拟罗杰斯心理治疗的 BASIC脚本程序 。实现技术仅为对用户输入计算机的话语做关键词匹配，并且回复规则是由人工编写的。

1972年，美国精神病学家肯尼思·科尔比（Kenneth Colby）在斯坦福大学（Standford University）使用 LISP 编写了模拟偏执型精神分裂症表现的计算机程序 PARRY 。

1988年，英国程序员罗洛·卡彭特（Rollo Carpenter）创建了聊天机器人 Jabberwacky ，项目目标是“以有趣、娱乐和幽默的方式模拟自然的人机聊天”，这个项目也是通过与人类互动创造人工智能聊天机器人的早期尝试，但 Jabberwacky 并未被用于执行任何其他功能。技术是使用 上下文模式匹配技术 找到最合适的回复内容。

1988年，加州大学伯克利分校（UC Berkeley）的罗伯特·威林斯基（Robert Wilensky）等人开发了名为UC（UNIX Consultant）的聊天机器人系统。UC聊天机器人目的是帮助用户学习UNIX操作系统。

1990年，美国科学家兼慈善家休·勒布纳（Hugh G. Loebner）设立了人工智能年度比赛------勒布纳奖（Loebner Prize）。勒布纳奖旨在借助交谈测试机器的思考能力，它被看做对图灵测试的一种时间，其比赛的奖项分为金、银、铜三等。目前为止，尚无参赛程序达到金奖或银奖标准。

在勒布纳奖的推动下，聊天机器人迎来了研究的高潮，其中较有代表性的聊天机器人系统是1995年12月23日诞生的 ALICE（Artificial Linguistic Internet Computer Entity） 。随着 ALICE 一同发布的 AIML（Artifical Intelligence Markup Language） 目前在移动端虚拟助手的开发中得到了广泛的应用。

2001年，SmarterChild在短信和即时通信工具中广泛流行，使得聊天机器人第一次被应用在了即时通信领域。2006年，IBM开始研发能够用自然语言回答问题的最强大脑 Watson ，作为一台基于IBM“深度问答”技术的超级计算机， Watson 能够采用上百种算法在3秒内找出特定问题的答案。

2010年，苹果公司推出了人工智能助手 Siri ， Siri 的技术来源于美国国防部高级研究规划局公布的CALO计划：一个简化军方繁复事务，且具备学习、组织及认知能力的虚拟助理。CALO计划衍生出来的民用版软件就是 Siri虚拟个人助理 。

此后，微软小冰、微软Cortana（小娜）、阿里小蜜、京东JIMI、网易七鱼等各类聊天机器人层出不穷，并且这些聊天机器人逐渐渗透进人们生活的各个领域。

2016年，全国各大公司开始推出可用于聊天机器人系统搭建的开放平台或开源架构。

2010年至今，标志性的聊天机器人产品如下图所示。

总结：随着人工智能相关技术“东风”渐起，自然语言处理研究硕果颇丰，聊天机器人相关技术迅速发展。同时，聊天机器人作为一种新颖的人机交互方式，正在成为移动搜索和服务的入口之一，毕竟搜索引擎的最终形态很可能就是 聊天机器人 。众多人工智能领域的探索者和开发者都想紧紧抓住并抢占聊天机器人这一新的交互入口。

下面从几个维度对齐进行分类介绍。

在线客服聊天机器人系统 的主要功能是自动回复用户提出的与产品或服务相关的问题，以降低企业客服运营成本、提升用户体验。代表性的商用在线客服聊天机器人系统有小i机器人、京东JIMI客服机器人、阿里小蜜等。以京东JIMI客服机器人为例，用户可以通过与JIMI聊天了解商品的具体信息、了解平台的活动信息、反馈购物中存在的问题等。另外，JIMI具有一定的 拒识能力 ，因此可以知道用户的哪些问题时自己无法回答的，且可以及时将用户转向人工客服。阿里巴巴集团在2015年7月24日发布了一款人工智能购物助理虚拟机器人，取名为“阿里小蜜”，阿里小蜜基于客户需求所在的垂直领域（服务、导购、助手等），通过“智能+人工”的方式提供良好的客户体验。

娱乐场景下聊天机器人系统 的主要功能是同用户进行不限定主题的对话（闲聊），从而起到陪伴、慰藉等作用。其应用场景集中在社交媒体、儿童陪伴及娱乐、游戏陪练等领域。有代表作的系统如微软的“小冰”、微信的“小微”、北京龙泉寺的“贤二机器僧”的等。

教育场景下的聊天机器人系统 可以根据教育内容的不同进一步划分。这类聊天机器人的应用场景为具备人机交互功能的学习、培训类产品，以及儿童智能玩具等。

个人助理类 应用可以通过语音或文字与用户进行交互，实现用户个人事务的查询及代办，如天气查询、短信手法、定位及路线推荐、闹钟及日程提醒、订餐等，从而让用户可以更便捷地处理日常事务。

智能问答类 聊天机器人系统可以回答用户以自然语言形式提出的事实型问题及其他需要计算和逻辑推理的复杂问题，以满足用户的信息需求并起到辅助用户决策的目的。不仅要考虑如 What、Who、Which、Where、When 等事实型问答，也要考虑如 How、Why 等非事实型问答，因此智能回答的聊天机器人通常作为聊天机器人的一个服务模块。

从实现的角度来看，聊天机器人可以分为 检索式 和 生成式 。检索式聊天机器人的回答是提前定义的，在聊天时机器人使用规则引擎、模式匹配或者机器学习训练好的分类器从知识库中挑选一个最佳的回复展示给用户。生成式聊天机器人不依赖于提前定义的回答，但是在训练机器人的过程中，需要大量的语料，语料包含上下文聊天信息和回复。

尽管目前在具体生产环境中，提供聊天服务的一般都是基于检索的聊天机器人系统，但是基于深度学习Seq2Seq模型的出现可能使基于生成的聊天机器人系统成为主流。

基于功能的聊天机器人可以分为问答系统、面向任务的对话系统、闲聊系统和主动推荐系统4种。

目前，对问答系统和主动推荐系统的评价指标较为客观，评价方式也相对成熟。而面向任务的对话系统和馅料系统，在给定相同输入的情况下，系统回复形式可以多种多样，对于用户的同一输入，通常有多种合理且数目不固定的回复，这使得很难通过一种客观的机制对其进行评价，所以在评价时需要加入人的主观判断作为评价的依据之一。

通常，一个完整的聊天机器人系统框架如图，其主要包含自动语音识别、自然语言理解、对话管理、自然语言生成、语音合成5个主要的功能模块。需要指出的是，并不是所有的聊天机器人系统都需要语音技术。
例如，以文字方式实现人机交互的聊天机器人系统，就不需要自动语音识别模块和语音合成模块。

Amazon Lex是一种可以在任何程序中使用语音和文本构建对话界面的服务。Amazon Lex提供可扩展、安全且易于使用的端到端(end2end)解决方案，以构建、发布和监控开发人员发布的机器人。下图展示了聊天机器人如何通过对话的方式协助用户完成订花的需求。

另一个典型的聊天机器人框架是Facebook的Wit.ai。Wit.ai积累了大量高质量的对话数据，有效促进了聊天机器人系统的发展，并通过将人工智能和人类智能结合，进一步提升了聊天机器人的智能水平。

聊天机器人的4种分类，包括 问答系统、面向任务的对话系统、闲聊系统和主动推荐系统。

Siri被定位为面向任务的对话系统，为用户提供打电话、订餐、订票、放音乐等服务。Siri对接了很多服务，且设置了 “兜底” 操作，当Siri无法理解用户的输入时就命令搜索引擎返回相关的服务。Siri的出现引领了移动终端个人事务助理的商业化发展潮流。

下图是Siri的技术框架：

2011年2月，IBM耗资3000万美元研发的IBM Watson登上了美国着名智力问答竞赛节目《危险边缘》(Jeopardy)，面对节目中充满双管意思的英文问题，IBM Watson能做出分析并在庞大的自然语言知识库中寻找线索，将这些线索组合成答案。最终，IBM Watson压倒性地优势击败了节目中最聪明的人脑，同时创下了这个知识竞赛系列节目27年历史上的最高分。IBM Watson作为IBM公司研发的问答系统，集成了自然语言处理、信息检索、知识表示、自动推理、机器学习等多项技术的应用，形成了假设认知和大规模的证据搜集、分析、评价的深度问答技术。IBM Watson可以分析自然语言形式的数据，通过大规模学习和推理，为用户提供个性化服务。

2012年7月9日，谷歌发布了智能个人助理Google Now。Google Now通过自然语言交互方式为用户提供页面搜索、自动指令等功能。Allo是谷歌在前述工作的基础上发布的语音助手。Allo具备随时间推移学习用户行为的能力。

2014年4月2号

主动推荐系统采用的是一种实现个性化信息推送的技术方式。主动推荐系统并不需要用户提供明确的需求，而是通过分析用户的历史行为数据建立用户画像，从而基于用户画像主动向用户推荐系统认为能够满足用户兴趣和需求的信息。在电商购物（如阿里巴巴、亚马逊）、社交网络（如Facebook、微博）、新闻资讯（如今日头条）、音乐电影（如网易云音乐、豆瓣）等领域均有广泛而成功的应用。主动推荐系统本质上是一项帮助人们解决信息过载(information overload)问题的工具。所谓信息过载，是指用户真正需求、真正感兴趣的东西被淹没在其同类物品的海洋里。 主动的交互方式能够显着提升用户体验，且机器人主动交互的方式更接近真实的人与人之间的对话方式，使得对话更自然。

一种主动推荐的方式，是基于 知识图谱（Knowledge Graph） 的主动推荐系统。例如，在建立音乐领域的主动推荐系统时，可以先建立音乐领域知识图谱和用户知识图谱，然后在进行用户信息搜索的过程中建立起用户的音乐喜好画像，从而更精准地对用户进行音乐推送。

从图中可看出，在用户点播歌曲的过程中，主动推荐系统可以结合音乐知识图谱、用户个人知识图谱，以及用户的历史对话数据，综合给出最优的音乐推荐。

主动推荐系统与问答系统、面向任务的对话系统和闲聊系统被认为是聊天机器人产品的4种主要分类。