第1章 必备基础知识

作者： /

第 1 章 必备基础知识

1、艾伦·图灵

艾伦·图灵（Alan Turing）是计算机科学领域的奠基人，被誉为“计算机科学之父”和“人工智能之父”。英国数学家、逻辑学家、密码学家、理论生物学家。

  • 24岁时发表了划时代论文《论可计算数及其在判定问题上的应用》，提出了”图灵机“这一抽象计算模型。该模型用简单的规则模拟了所有可能的计算过程，从数学上证明了通用计算机的可行性——奠定了整个计算机科学的理论基础。
  • 他领导英国团队成功破解了德军的”谜”（Enigma）密码系统，研制出名为”炸弹“（Bombe）的破译机器。这一贡献使盟军能够提前掌握德军动向，极大缩短了二战进程，拯救了无数生命。
  • 1950年在论文《计算机器与智能》中，他提出了判断机器是否具有智能的著名标准——”图灵测试“：如果一台机器能够在对话中让人类无法分辨它是人还是机器，就应当承认它具有智能。这一概念标志着人工智能领域的正式诞生。
  • “图灵奖”：美国计算机协会（ACM）于1966年以其名字设立，是计算机科学领域的最高荣誉，被誉为”计算机界的诺贝尔奖“。
  • 1952年，因同性恋行为被英国政府定罪，被迫接受化学阉割（激素注射）以代替监禁。1954年，他食用氰化物浸泡的苹果去世，终年42岁，官方裁定为自杀。2009年，英国首相布朗代表政府正式道歉；2013年，他被女王追授皇家赦免。

2、约翰·冯·诺依曼

约翰·冯·诺依曼（John von Neumann，1903-1957）被誉为”计算机之父“，是20世纪最后一位”全才型”科学家。

  • 他的研究几乎遍及所有重要领域：数学：集合论公理化、算子代数（冯·诺依曼代数）、遍历理论、希尔伯特第5问题 物理学：量子力学的数学基础、量子统计力学、流体力学 经济学：博弈论（奠基人之一） 计算机科学：冯·诺依曼架构、细胞自动机、随机计算 统计学：蒙特卡洛方法
  • 1944年，冯·诺依曼偶然得知ENIAC计算机项目后迅速加入，并于1945年撰写了划时代报告《关于EDVAC的报告草案》，提出了至今仍统治计算机世界的存储程序原理，五大组成部分：
    1. 运算器：完成算术和逻辑运算
    2. 控制器：控制程序执行顺序
    3. 存储器：存储程序和数据（核心创新）
    4. 输入设备：将程序和数据送入计算机
    5. 输出设备：输出处理结果
  • 两大设计思想：
    • 二进制：采用二进制作为数制基础，利用电子元件的双稳特性
    • 存储程序：将程序作为数据存储在内存中，使计算机可通过修改程序执行不同任务
  • 1955年，冯·诺依曼被诊断出癌症。病中，他接受了耶鲁大学的西里曼讲座邀请，但身体已无法到场。未完成的手稿于1958年以《计算机与人脑》为名出版，从生物学视角探讨了自动机理论，预示了后来”类脑计算”和人工智能的发展方向。冯·诺依曼在细胞自动机上的研究，通过其学术后代伯克斯→霍兰德→巴托→萨顿的传承，最终催生了强化学习——正是这一技术让AlphaGo击败了围棋世界冠军。

1.1 计算机组成

1.1.1 软件

计算机软件主要分为：系统软件、应⽤软件。

类型作用
系统软件直接管理和控制计算机硬件的软件，为应⽤软件提供运⾏平台，它负责协调硬件资源（如内存、处理器）并提供通⽤服务，例如：⽂件管理、设备控制、任务调度。
应用软件⽤于执⾏特定任务的软件，满⾜⽤户的具体需求，如：⽂档编辑、数据分析、娱乐等，它依赖系统软件提供的资源和服务。

1.1.2 硬件

计算机硬件主要由五个部分组成，分别是：运算器、控制器、存储器、输⼊设备、输出设备。

1.2 计算机语言

1.2.1 计算机语言、代码、程序

1.2.2 计算机语⾔简史

第1代：机器语言

计算机问世的初期，⼈们只能通过『机器语⾔』（⼜称机器码）来操作计算机，所谓机器语⾔，就是 0 和 1 组成的⼆进制内容。⽽且在当时，录⼊和修改信息通常都需要：拨动开关、或插拔连线、或使⽤打孔纸带来输⼊指令。

  • 优点：机器可直接执行，速度最快；硬件直接控制
  • 缺点：二进制编写，人极难读写和维护；完全依赖硬件，无移植性。

例如：在 x86 的 CPU 架构下，使⽤机器码编写 1 + 1 的运算代码如下：

10110000 00000001 00000100 00000001

第2代：汇编语言

⽤机器语⾔编程，程序员很难理解每⼀条指令的含义，为了解决这个问题，『汇编语⾔』应运⽽⽣，它将机器语⾔中的⼆进制指令，转化为更容易记忆的助记符 （如 MOV 、 ADD 、 LOAD 等），从⽽让程序员能以近似“英⽂简写”的⽅式进⾏编程，简单说 就是：『汇编语⾔』是对『机器语⾔』的“⼈性化翻译”，汇编语⾔显著降低了编程的⻔槛，也为 后续⾼级语⾔的诞⽣，打下了基础。

  • 优点：比机器语言易读写；执行效率高；
  • 缺点：仍依赖特定CPU指令集；编程效率低；代码量大；

例如：在 x86 的 CPU 架构下，使⽤『汇编语⾔』编写 1 + 1 的运算代码如下：

mov al, 1 
add al, 1

⚠️注意：『汇编语⾔』需要翻译成『机器码』，才能交给 CPU 执⾏，因为 CPU 只认⼆进制指 令。

第3代：高级语言

相对『机器语⾔』和『汇编语⾔』⽽⾔，『⾼级语⾔』更接近⼈类的⾃然语⾔，它允许程序员使⽤ 英语来编写程序，并向程序员屏蔽了⼤部分的底层细节，语⾔中的符号和算式，也和⽇常的数学算 式差不多，它更容易被掌握，常⻅的『⾼级语⾔』有：C、C++、Java、PHP、Go、Rust、 JavaScript、Python 等。

  • 优点：接近自然语言，易学易用；代码简洁；硬件无关，移植性好；丰富的库和工具
  • 缺点：执行需编译/解释，效率较低；对硬件控制能力弱

例如：下⾯的 Python 代码，可以输出 “Hello, world!”

print("Hello, world!")

例如：下⾯的 Java 代码，可以输出 “Hello, world!”

public class HelloWorld {
    public static void main(String[] args){
        System.out.println("Hello, world!");
    }
}

⚠️注意：计算机不能直接执⾏『⾼级语⾔』，同样需要将其转换为『机器语⾔』才能被计算机 执⾏。

1.2.3 编译型语⾔与解释型语⾔

对于⾼级语⾔来说，我们会根据其转换成⼆进制指令过程的不同，可将其分为：『编译型』和『解 释型』

编译型语⾔

将程序翻译成计算机能理解的⼆进制内容，并且通常会⽣成⼀个可执⾏⽂件，例如在 windows 系 统上⽣成的可执⾏⽂件是 .exe ⽂件，常⻅的『编译型』语⾔有：C、C++、Go、Rust 等。

  • 优势：同⼀运⾏平台，代码只需编译⼀次，且执⾏效率⾼。
  • 劣势：跨平台性差，⼤型项⽬编译时间较⻓，开发效率略低。

解释型语⾔

将程序⼀句⼀句的翻译为：计算机可以执⾏的指令，整个过程通常不⽣成可执⾏⽂件，常⻅的解释型语⾔有：Python、Php、JavaScript 等。

  • 优势：跨平台性好，⽆需编译，开发调试灵活⾼效。
  • 劣势：每次运⾏都需要解释，执⾏效率较低。

编译+解释混合型

Java 是典型的编译与解释混合型语言，这种设计是它“一次编写，到处运行”能力的关键。

简单概括它的执行过程：Java源码 (.java) → 编译 → 字节码 (.class) → 解释/即时编译 → 机器码执行

有人说python也是编译+解释的混合型的？

  • Java 通过“先静态编译为字节码，再在JVM上解释/JIT编译执行”的混合模式，完美结合了编译型和解释型语言的优点，目标是平衡启动速度和运行性能。
  • Python是一门“先（隐式）编译为字节码，再由虚拟机解释执行”的语言。它没有JIT编译步骤，其“编译”主要服务于语法分析和生成中间格式，而非性能优化。其核心执行模型仍然是解释型的。虽然它确实经历了“编译”和“解释”两个阶段，但我们通常不称之为“混合型语言”，因为它缺乏关键的 运行时编译优化 环节。
特性JavaPython (CPython)
编译产出显式生成 .class 字节码文件隐式生成 .pyc 字节码文件（可缓存）
执行引擎解释器 + JIT编译器（如HotSpot）纯解释器（CPython标准实现）
性能核心依赖JIT将热点字节码编译为优化后的机器码依赖解释器直接执行字节码
“混合”含义编译 + 解释 + 即时编译，旨在提升峰值性能编译 + 解释，旨在实现跨平台和开发便利

结论：Python是高级语言，是解释型语言。

1.2.4 TIOBE排行

TIOBE 排行榜 是衡量编程语言流行度的一个长期、月度更新的指标。它由荷兰的 TIOBE 公司发布，始于2001年，已成为业界观察语言趋势的重要参考。https://www.tiobe.com/tiobe-index/

核心要义：它衡量的是“流行度”或“关注度”，而非“最好用”或“代码量最多”。 标题 “TIOBE Programming Community Index” 也点明了它反映的是 开发者社区的活跃度和关注度。

TIOBE 采用 自动化算法，主要数据来源于全球主流搜索引擎的查询结果。语言流行度与招聘需求、技术文章、教程数量高度相关，是开发者学习、企业技术选型的“风向标”之一。它衡量的是“讨论热度”，而非“实际代码行数”或“项目数量”。一门成熟语言可能仍在关键系统中大量运行，但讨论度低，排名就会靠后，而新闻事件、大型会议可能导致某个语言的搜索量短期激增。

1.3 Python语言概述

1.3.1 Python的起源

Python 的作者 Guido van Rossum 来⾃荷兰（国内爱称：⻳叔），1982年从阿姆斯特丹大学获得了数学和计算机硕士学位。他发现⽤： C、Fortran 等语⾔写程序太费劲，⽽ Shell 虽然轻松，但功能却很有限。1989 年圣诞节，⻳叔开始动⼿编写⼀种既能像 C 那样全⾯操控系统，⼜能像 Shell ⼀样好上⼿的解释器，并以他喜爱的喜剧 《Monty Python’s Flying Circus》（巨蟒剧团之飞翔的马戏团）为灵感，命名为“Python”。

Python 的设计哲学是“优雅、明确、简单”，Python 提倡：最好只有⼀种⽅法来做⼀件事，它的第⼀个公开版本于 1991 年问世，如今已成为全球最受欢迎的编程语⾔之⼀。

1.3.2 Python的特点

优点：

缺点：

1.3.4 Python版本

Python有2个版本，Python2 和 Python3。

Python 3.x 是现在和未来主流的版本。相对于Python的早期版本是一个比较大的升级，且为了不带入过多的累赘， Python 3.0在设计的时候没有考虑向下兼容，因而许多早期Python版本设计的程序都无法在 Python 3.0上正常执行。但随着Python3使用越来越广泛，大部分新项目开始使用Python3，且大部分三方库已经支持Python3.x，Python3.x已经成为趋势。

  • Python 3.0发布于2008年
  • 2020年： Python 2 官⽅停⽌维护，Python 2.7被确定为最后一个 Python 2.x 版本。同时 Python 3.9 发布。
  • 2021年：Python 3.10 发布。
  • 2022年：Python 3.11 发布，平均性能提升 10%-60% 。
  • 2023年：Python 3.12 发布，进⼀步优化性能和类型提示。
  • 2024年：Python 3.13 发布。
  • 2025年：Python 3.14 发布。
  • 当前课程使用的版本是Python3.12.8

1.3.4 Python解释器

由于整个Python语言从规范到解释器都是开源的，所以理论上，只要水平够高，任何人都可以编写Python解释器来执行Python代码（当然难度很大）。事实上，确实存在多种Python解释器。

  • CPython
    • 当我们从Python官方网站下载并安装好Python 3.x后，我们就直接获得了一个官方版本的解释器：CPython。这个解释器是用C语言开发的，所以叫CPython。在命令行下运行python就是启动CPython解释器。
    • CPython是使用最广的Python解释器。教程的所有代码也都在CPython下执行。
  • IPython
    • IPython是基于CPython之上的一个交互式解释器，也就是说，IPython只是在交互方式上有所增强，但是执行Python代码的功能和CPython是完全一样的。好比很多国产浏览器虽然外观不同，但内核其实都是调用了IE。
    • CPython用>>>作为提示符，而IPython用In [序号]:作为提示符。
  • PyPy
    • PyPy是另一个Python解释器，它的目标是执行速度。PyPy采用JIT技术，对Python代码进行动态编译（注意不是解释），所以可以显著提高Python代码的执行速度。绝大部分Python代码都可以在PyPy下运行，但是PyPy和CPython有一些是不同的，这就导致相同的Python代码在两种解释器下执行可能会有不同的结果。如果你的代码要放到PyPy下执行，就需要了解PyPy和CPython的不同点。
  • Jython
    • Jython是运行在Java平台上的Python解释器，可以直接把Python代码编译成Java字节码执行。
  • IronPython
    • IronPython和Jython类似，只不过IronPython是运行在微软.Net平台上的Python解释器，可以直接把Python代码编译成.Net的字节码。

小结：Python的解释器很多，但使用最广泛的还是CPython。如果要和Java或.Net平台交互，最好的办法不是用Jython或IronPython，而是通过网络调用来交互，确保各程序之间的独立性。

1.3.5 Python不是性能最好的，但它是“AI时代的通用语”

1. 生态壁垒：Python拥有绝对的“独有武器” AI的核心是算法，而算法实现高度依赖底层库。

  • PyTorch/TensorFlow：这两大框架的前端API全部是Python，虽然底层是C++/CUDA，但研究员调模型只能用Python。Java/Go想接入，只能当“二等公民”。
  • CUDA/python绑定：NVIDIA官方对Python的支持最完善，操作GPU几乎无缝。
  • 杀手锏：像Hugging Face的transformers库，新模型（如LLaMA、GPT变体）发布几小时内就有Python实现，其他语言要等几个月甚至没有。在AI圈，不用Python就等于“掉队”。

2. 开发效率：动态语言适配“实验”属性 AI是实验科学，不是工程开发。

  • 研究员每天要改几十次网络层、换激活函数，Python无需编译、即写即跑，交互式环境（Jupyter）能边写边看数据形状。
  • Java/C++改一行要编译几分钟，会打断思维。Python慢的是运行速度，但快的是人的决策速度——而人的时间比机器贵得多。

3. 胶水特性：把“快”留给底层，自己只当指挥家 Python本身慢，但它不干重活。

  • 真正的矩阵乘法、卷积，全由底层的C/C++/CUDA执行。Python只负责调库和编排计算图。
  • Go虽然并发强，但AI训练是同步大规模矩阵运算，不是高并发网络服务，Go的优势用不上。Java的JVM启动慢、内存占用大，在科研原型阶段太笨重。
  • C++：写推理引擎（如TensorRT）、量化算子时必用，负责“让模型跑得快”。
  • Go：写AI服务上线后的API网关、微服务治理时常用，负责“让服务稳”。
  • Java：在大厂做推荐系统在线服务（高并发预估）时用，负责“让流量扛得住”。

发表评论

您的邮箱地址不会被公开。 必填项已用 * 标注

滚动至顶部