ACM通信
我们为什么要计算
为什么我们，作为研究人员和实践者，对计算有如此深厚而持久的热爱?我们为什么要计算?从表面上看，这个问题似乎和问为什么天是蓝的、草是绿的一样无害。然而，就像这两个童年问题一样，简单之下隐藏着微妙。问问别人雷利散射或者是量子效率的光合作用如果你怀疑简单的问题能揭示复杂性。
在最基本的情况下，计算只是自动的符号操作。的确，抽象的图灵机什么也不做使用规则表操作带子上的符号。更有欺骗性的是，游戏规则似乎比一些桌游更简单。尽管这种描述毫无意义地正确，但它忽略了一点，即在这些规则下的符号操作捕获了我们现在所说的Church-Turing论文。
然而，就像这个概念一样深刻和美丽可计算性我怀疑这是我们大多数人对这个我们称之为计算的可塑事物如此无尽着迷的唯一原因。相反，我怀疑这是一种更深层、更原始的渴望，它是所有科学和工程的基础，它把我们团结在一个共同的事业中。它是对知识和理解永不满足的渴望。
天文学的教训
当我最近站在上面莫纳克亚山看着摆在那里的一排排望远镜，我又一次被我们与生俱来的好奇心所打动。它们由各种各样的国际伙伴关系运营，在莫纳克亚山上耗资巨大，因为我们关心一些基本问题。什么是进化宇宙的历史和未来？是什么暗物质而且暗能量？为什么会这样任何事情？
这些问题的答案不太可能解决我们当前的经济困境，改善医疗保健或解决我们的环境挑战。然而，我们关心的是答案。
我思索着朦胧的天空，思绪转向埃德温·哈勃他首先指出，天空中一些微弱的斑点是“岛屿宇宙”星系就像我们自己的。宇宙比我们以前想象的要大得多。哈勃望远镜观察到这个古老的探索:
从地球上的家，我们望向远方，努力想象我们出生在一个什么样的世界。今天，我们已经深入太空。我们非常熟悉我们的近邻。但是，随着距离的增加，我们的知识逐渐淡去，而且是迅速地淡去，直到在最后一片模糊的地平线上，我们在幽灵般的观察误差中寻找几乎没有比这更实质性的地标。搜救工作还将继续。这种冲动比历史还要古老。它不满足，也不会被压制。
哈勃的评论是关于距离估计的观测困难和与识别相关的挑战标准烛光．然而,它也可以很容易地成为对计算的沉思，因为我们对更好的算法、更灵活、更可靠的软件、新的传感器和数据分析工具以及越来越大、越来越快的计算机的贪得无厌的欲望驱动着我们。
计算未来
我们为什么要计算?我怀疑这至少有两个相关的原因，都与出版数量、任期、财富或名声无关。第一个是赋予一个想法的算法实例化生命的能力，看到它在我们的显示器和设备上跳舞和移动。当想法在代码中成型，然后开始执行时，我们都感到兴奋，有时它出乎意料的行为和复杂性让我们惊讶。计算机的模拟杀出重围带来精神上的满足。
第二个原因是，计算是一种智力放大器，扩展了我们的名义范围和能力。我在中国科学院的另一篇博客中讨论了计算的力量，以实现和加强探索。(见通过计算实现智力扩增)。这就是为什么我们这些从事计算科学的人不断寻求更好的算法和更快的计算机系统。从万亿级到千万亿级，再到百亿亿级的全球竞赛，这是对更高保真度、更高分辨率和更精细时间尺度的追求。同样深切的渴望驱使天文学家寻求更高分辨率的探测器和更大的望远镜孔径。我们都在追逐，寻找那些鬼魅般的路标信号。
我们有能力将我们的想法和它们在代码中的体现应用到令人眼花缭乱的一系列问题中，从平凡的到深刻的，这吸引和迫使我们。这就是我们计算的原因。
哈勃是对的。我们计算是因为我们想知道和理解。这种强烈的欲望是无法满足的。这是不可否认的。
评论
匿名
亲爱的里德医生
我对您在ACM通讯中提出的问题很感兴趣:为什么我们……对计算机有如此深厚而持久的热爱?我们为什么要计算?
你的回答呼应了我最喜欢的贝尔实验室Richard Hamming的一句话:计算的目的是洞察，而不是数字。
但是，从Greg Chaitin在IBM的工作中，我们可以更深入地理解我们对计算的需求，他称之为算法信息理论(AIT)。AIT最重要的见解是，信息是一个守恒的量，就像能量和动量一样。因此，任何计算的输出都不能包含比输入更多的信息。这又在一个不同的层面上提出了你的问题:如果我们得到的信息不比开始时多，我们为什么还要计算呢?
这个问题的答案使我们深入到科学哲学中去。有了人工信息技术，我们可以第一次将科学哲学量化。与其问我们知道什么以及我们如何知道它，我们不如问:我们知道多少?我们能知道多少?我们需要知道多少?
与哲学上的大多数问题不同，这些问题都有答案，定量的答案能让人洞察科学本身的本质。
如果你对科学哲学的定量、信息论方法感兴趣，你可以在我的网站上找到这些想法:
http://cires.colorado.edu/~doug/philosophy/
或者如果你愿意，我很乐意通过电子邮件讨论:
doug@cires.colorado.edu
我对你对这些问题的看法和见解非常感兴趣。
道格·罗伯逊，致以最美好的问候
环境科学研究合作研究所
科罗拉多大学
博尔德有限公司
CACM管理员
以下这封信发表在2012年6月出版的《致编辑的信》(//www.eqigeno.com/magazines/2012/6/149799)上。
——CACM管理员
Daniel Reed的博客(2011年9月2日)和Douglas Robertson的相关信件“Insight, Not Numbers”(2012年4月)推测了我们为什么要计算，提出了两个高尚的动机:“知道和理解”和“Insight”。罗伯逊还对算法信息理论进行了有趣的评论。然而，两位作者似乎都从纯粹的哲学或研究角度出发，忽略了大量真实的企业例子，在这些例子中，计算的主要动机是许多企业将无法向他们的客户提供服务和产品，或者无法及时管理、组织、存储或访问运行大型企业所需的不断增长的数据，特别是对一个“信息”是其产品关键部分的企业来说。
里德对“当想法在代码中成型，然后开始执行时的兴奋”的描述，是第一次吸引我进入计算机行业的原因，我一直把它视为该行业的“福利”。然而，为了提高企业处理数据和支持客户的能力，我总是需要解决实用主义问题，这证明了我的薪水是合理的。
在现实世界的企业计算中，信息守恒的思想不是计算的限制因素，因为它不是处理一个封闭系统。每一天每一秒都有来自客户和企业流程的新数据涌入，积累在大型数据库中。挑战在于确定哪些数据不再有用，以及如何以及何时丢弃这些数据。
乔尔·c·尤因
本顿维尔,基于“增大化现实”技术
CACM管理员
以下信件刊登在2012年4月出版的《致中华艺术学会编辑的信》(//www.eqigeno.com/magazines/2012/4/147353)上。
——CACM管理员
丹尼尔·里德在他的博客(2011年9月2日)中问道:“为什么我们……以及“我们为什么要计算?”他的回答是:“我们计算是因为我们想要知道和理解。”老贝尔实验室的理查德·汉明(Richard Hamming)说过一句名言:“计算的目的是洞察，而不是数字。”
但是，对于我们计算需求的更深层次的理解，可以在IBM的格雷戈里·柴丁(Gregory Chaitin)所称的数学形式主义算法信息论(Algorithmic Information Theory，简称AIT)中找到。也许AIT最重要的见解是，信息是一个守恒的量，就像能量和动量一样。因此，任何计算的输出都不能包含比首先输入的更多的信息。这个概念将里德的问题转向:“如果我们得到的信息没有比开始时更多，我们为什么要计算?”
AIT可以通过信息压缩的思想帮助回答这个问题。在AIT中，位串的信息内容定义为生成该位串的最短计算机程序的长度。由一个简短的计算机程序产生的长位串称为可压缩的。在人工信息技术中，压缩后的信息是守恒量。可压缩性为里德的问题提供了另一个答案:“我们计算是因为信息通常以解压缩的形式最有用，而解压缩需要计算。”同样，没有人会读压缩的。zip格式的小说，也没有人会用(压缩的)皮亚诺公理来做算术，在杂货店里找零。
此外，AIT还提供了对整个科学哲学的新颖见解，对里德所说的我们“永不满足的求知欲和理解欲”的洞察。人工智能技术可以第一次使科学哲学量化。与其问一些经典的问题，比如“我们知道什么，我们是怎么知道的?”， AIT让我们可以构建定量问题，比如“我们知道多少?”“我们能知道多少?”以及“我们需要知道多少?”
与哲学上的大多数问题不同，这些问题有具体的、定量的答案，可以洞察科学本身的本质。例如，库尔特·哥德尔著名的不完备性定理可以被看作是信息守恒的直接结果。AIT提供了一个简单的三页纸的哥德尔定理证明，柴丁称之为“几乎显而易见”。哥德尔定理的定量含义之一是，数学中的“万物理论”不能由任何有限数量的信息创建。因此，每一个基于有限公理集(有限数量的压缩信息)的数学系统都必须是不完整的。这种数学上的不完全性自然导致了另一个重要的定量问题:“物理学的万有理论能否由有限数量的信息创建?”这个问题也可以用AIT发展的概念来探索。
道格拉斯·罗伯逊
博尔德有限公司
显示3评论