具体描述
《计算机与人脑》是自动机(以电子计算机为代表)理论研究中的重要材料之一。原书是冯·诺意曼在1955-1956年准备讲演用的未完成稿。著者从数学的角度,主要是从逻辑和统计数学的角度,探讨计算机的运算和人脑思维的过程,进行了一些比较研究。书中的许多技术推论带有预测性,尚待今后实验研究及进一步探讨才能判断其是否正确。
作者简介
目录信息
第一部分 计算机
第一章 模拟方法
常用的基本运算
不常用的基本运算
第二章 数字方法
符号,它们的组合与体现
数字计算机的类型及其基本元件
并行和串行线路
常用的基本运算
第三章 逻辑控制
插入式控制
逻辑带的控制
每一基本运算只需要一个器官的原理
由此引起的特殊记忆器官的需要
用“控制序列”点的控制
记忆存储控制
记忆存储控制的运算方式
控制的混合方式
第四章 混合数字方法
数的混合表现,以及在此基础上建造的计算机
第五章 准确度
需要高度的准确度(数字的)之理由
第六章 现代模拟计算机的特征
第七章 现代数字计算机的特征
作用元件,速度的问题
所需的作用元件的数目
记忆器官的存取时间和记忆容量
以作用器官构成的记忆寄存器
记忆器官的谱系原理
记忆元件,存取问题
存取时间的概念之复杂性
直接地址的原理
第二部分 人脑
第八章 神经元功能简述
第九章 神经脉冲的本质
刺激的过程
由脉冲引起的刺激脉冲的机制,它的数字特性
神经反应、疲乏和恢复的时间特性
神经元的大小,它和人造元件的比较
能量的消耗,与人造元件的比较
比较的总结
第十章 刺激的判据
最简单的——基本的逻辑判据
更复杂的刺激判据
阈值
总和时间
接收器的刺激判据
第十一章 神经系统内的记忆问题
估计神经系统中记忆容量的原理
运用上述规则估计记忆容量
记忆的各种可能的物理体现
和人造计算机相比拟
记忆的基础元件不需要和基本作用器官的元件相同
第十二章 神经系统的数字部分和模拟部分
遗传机制在上述问题中的作用
第十三章 代码,及其在机器功能的控制中之作用
完全码的概念
短码的概念
短码的功能
第十四章 神经系统的逻辑结构
数字方法的重要性
数字方法和逻辑的相互作用
预计需要高准确度的理由
第十五章 使用的记数系统之本质:它不是数字的
而是统计的
算术运算中的恶化现象;算术深度和逻辑深度的作用
算术的准确度或逻辑的可靠度,它们的相互转换
可以运用的信息系统的其他统计特性
第十六章 人脑的语言不是数学的语言
附录关于本书著者冯·诺意曼
· · · · · · (收起)
读后感
这是数学家冯•诺伊曼晚年关于计算机的一部著名著作,写于上世纪五十年代,虽然年代久远,但是,要真正了解计算机,请认真阅读这本篇幅很小的名著。 哪怕只说在这本书第一部分:计算机 冯诺依曼在这部分系统讲解了冯诺依曼体系结构 包括逻辑控制、存储层次结构、指令集特性 ...
重温《计算机与人脑》(1965年的中文版),觉得那个年代的译者实在是不容易:在叙述完冯·诺伊曼的生平后,还得加一句“他是一贯地为美国战后的扩军备战反动政策服务的科学家之一”;在列举了冯·诺伊曼在博弈论上的贡献后,还得评价一下“但在应用于经济活动的观点上面,以资产...
约翰·冯·诺伊曼被称为计算机之父,这一称谓当然是至高无上的荣誉,尤其在计算机已经成为必不可少的工具——甚至是通向未来必不可少的工具时,“计算机之父”的称谓就更加有意义了。但这个名称并不能代表冯·诺伊曼的全部成就,事实上,他本质上是个数学家,泛函分析、遍历理...
这是数学家冯•诺伊曼晚年关于计算机的一部著名著作,写于上世纪五十年代,虽然年代久远,但是,要真正了解计算机,请认真阅读这本篇幅很小的名著。 哪怕只说在这本书第一部分:计算机 冯诺依曼在这部分系统讲解了冯诺依曼体系结构 包括逻辑控制、存储层次结构、指令集特性 ...
用户评价
这本书的排版和装帧给人的感觉是相当克制且具有年代感的,墨水的味道和纸张的触感,让人有种捧着一本经典著作的庄重感。内容上,这本书的视角非常独特,它不像很多同类主题的书籍那样,将重点放在最新的AI技术突破上,而是将笔触伸向了更深远的哲学基础和认知科学的源头。作者花了大量的篇幅来梳理自笛卡尔以来,人类关于“心智”和“实体”关系的争论,并将这些古老的思辨与现代的计算模型进行了跨界的对话。我特别喜欢他对于“意识的黑箱”这一概念的处理,他没有试图给出最终答案,而是构建了一个精妙的框架,让读者自己去探索其中的不可能性和可能性。这种开放式的探讨,极大地激发了我的批判性思维,我常常读完一章后,会合上书本,在房间里踱步很久,试图消化那些关于“模拟”与“实在”之间的界限。整本书的论证逻辑如同瑞士钟表般精确,每一个论点都有扎实的文献支持,但表达上却充满了诗意的留白,使得即便是对专业领域知之甚少的人,也能从中汲取到智慧的养分。
我是在一个朋友的强烈推荐下接触到这本书的,坦白说,刚开始我对它的期望值并不高,总觉得这类探讨“宏大叙事”的书籍,很容易流于空泛。然而,这本书完全打破了我的刻板印象。它的力量在于其结构的精巧和论据的丰富性。作者采取了一种非常“考古学”式的写作方法,层层剥开我们对智能的固有认知,从早期的图灵测试到后来的连接主义模型,每一个发展阶段都被置于历史的坐标系中进行审视。最让我印象深刻的是其中关于“错误”和“冗余”在信息系统中的作用的章节。传统观念往往将错误视为系统失效的标志,但这本书却颠覆性地指出,恰恰是人脑中那些看似“低效”的冗余连接和偶尔的认知偏差,构成了其强大适应性和创造力的基石。这种对“缺陷美学”的赞颂,在充斥着追求完美算法的当代语境下,显得尤为振聋发聩。阅读过程像是在进行一场深入的自我探询,让我对日常生活中那些“非理性”的决策有了全新的理解和宽容。
这本书拿到手的时候,我本以为会是一部硬邦邦的科普读物,毕竟“计算机”和“人脑”这两个词摆在一起,总让人联想到枯燥的算法和神经元的复杂结构。然而,一旦翻开扉页,那种阅读的体验就完全超出了我的预期。作者的叙事手法极其流畅,仿佛在与一位博学的智者进行一场深入的、不设防的对话。他巧妙地避开了那些晦涩难懂的专业术语,转而用一系列生动的历史轶事和哲学思辨来构建他的论点。我尤其欣赏他对于信息处理本质的探讨,他没有简单地将人脑比作一台计算机,而是深入挖掘了两者在“涌现性”、“不确定性”和“自我修正”这几个核心维度上的异同。那种将宏大的理论置于日常观察之下的写作功力,让人在阅读过程中不断产生“原来如此”的顿悟感。这本书不仅仅是知识的传递,更像是一次思维方式的重塑,它引导我重新审视我们自身认知过程的复杂与迷人。那种细腻入微的观察,让人读完后,看世界的方式似乎都多了一层维度,不再满足于表面的二元对立,而是开始探究事物深层结构中的微妙关联。
这本书的阅读体验,与其说是在获取知识,不如说是在参与一场漫长的、关于“我们是谁”的辩论。作者的文笔极具画面感,他擅长使用类比,将抽象的概念具象化为读者可以触摸和感受到的场景。比如,他描述信息传递的熵增现象时,没有使用复杂的数学公式,而是诉诸于一个关于古老图书馆中手抄本逐渐失真的过程,这种代入感极强。这本书的节奏控制得非常好,它时而缓慢沉思,深入到意识的微观层面,时而又突然拔高,将视野投向未来技术演进的宏观图景。我特别欣赏作者在处理伦理困境时的审慎态度。他没有将技术发展描绘成一条单向度、不可阻挡的洪流,而是强调了人类在构建智能系统过程中所应承担的责任和可能面临的道德陷阱。读完这本书,我感受到的不是对未知技术的恐惧,而是一种充满敬畏的、清醒的期待。它成功地将冰冷的科学探讨,包裹上了一层人文关怀的温度,读来令人心潮澎湃,久久不能平息。
这本书的内容布局,展现出一种极高的学术素养与大众传播技巧的完美平衡。它的语言风格非常英式,带着一种特有的幽默感和对人类局限性的温和嘲讽。对于我这种非专业背景的读者来说,这本书最大的价值在于它成功地构建了一座跨越学科的桥梁。作者没有固守单一的学科范畴,而是从心理学、语言学、神经科学乃至艺术理论中汲取养分,编织出一个多维度的智能图景。我印象最深的是关于“意义生成”的论述,他探讨了符号如何从纯粹的物理状态中“跳脱”出来,获得超越其载体的生命力。这种讨论极具启发性,它让我开始思考我们日常交流中那些看似理所当然的理解是如何在瞬间达成的。这本书的行文如同高明的棋手布局,每一步都深思熟虑,却又能在关键时刻出奇制胜,引导读者走向一个更复杂、更有张力的思想高地。它不是一本读完就可以束之高阁的书,更像是一块可以时常摩挲、时常能发现新纹理的玉石。
诺依曼最后一本著作。很薄的一本,质朴直白。早期翻译的原因,读起来像科幻小说。比如把Memory(存储器)直接译成“记忆”,把Organ(元件?)直接译成“器官”,感觉计算机不是个机器,更像一头怪兽呢(笑)。译者序各种高亮,恐怕也是时代所致。全书分两大部分,前一部分基本是计算机体系结构里最基础的模、数知识。后半部分的核心是探讨人类神经网络的信息处理方式和计算机之间的相似性,相当具有启发性,早在数十年前,诺依曼已经注意到许多精细的问题,还提出“神经传递类似数模混合”、“明暗渐进”类似模糊逻辑之类超前思想,并对统计信息论有深刻洞见——这个“新人”(姓名梗)了不起!
待续
诺伊曼
宣称最为理解人脑运作的人不是什么神经科学家,而是机器学习算法工程师.... 师承在这里... 另外,很久没有读过这么傲娇的译者序了。
诺依曼最后一本著作。很薄的一本,质朴直白。早期翻译的原因,读起来像科幻小说。比如把Memory(存储器)直接译成“记忆”,把Organ(元件?)直接译成“器官”,感觉计算机不是个机器,更像一头怪兽呢(笑)。译者序各种高亮,恐怕也是时代所致。全书分两大部分,前一部分基本是计算机体系结构里最基础的模、数知识。后半部分的核心是探讨人类神经网络的信息处理方式和计算机之间的相似性,相当具有启发性,早在数十年前,诺依曼已经注意到许多精细的问题,还提出“神经传递类似数模混合”、“明暗渐进”类似模糊逻辑之类超前思想,并对统计信息论有深刻洞见——这个“新人”(姓名梗)了不起!