算法简史：从美索不达米亚到人工智能时代

看完了。这种书真的有一种救赎感，其实我看《数学之美》的时候就已经感觉到救赎了[捂脸]因为那本书全是现实生活的应用题（吴军最开始就是搞算法的）。 我喜欢的数学就是跟我活在一个世界的具体的数学，非常有救赎感，我举个例子，就是那个复利是会无限增长还是会变成一个常数？有了数学你就会知道它是一个常数，就很有救赎感，这个问题不再是一个不可知的东西了，没有数学你就会觉得它是random的，没有这种确定性。确定性就是一种安全感救赎感。 那种天灵盖连着天庭的什么证明什么猜想还有数论，哎呀妈，都不是我的基因能支持的，我父母没给我充VIP。做成年人真好，做未成年人的时候抽象的题我不会还要装会，老师让你把公式背下来，成年人就是好[捂脸]终于可以挑食了。直接说，对不起，我是个废物，这一块儿跳过。 最好别整xy，直接横轴是时间纵轴是价格，这种建模最有救赎感[破涕为笑]傅里叶级数听起来高级，其实也能看见，比方说泳池里回荡的波浪，这种就很好。对对对，只要能看见的，你告诉我一个规律，我照着一抄，那简直不要太棒。我是真没想到傅里叶级数提出的时候，竟然还有争议，这多救赎啊。以及原来傅里叶变换高斯早就搞出来了，没发表，世界上怎么会有高斯这种人啊。 这种书我可以多刷刷，万一有很多可以不用自己想直接抄的呢#不是 数学分析数学建模啥的，感觉能获得安全感的东西恐怕挺多，那些真·数学还是再见吧，我是成年人了不用挑战自己了，嗯嗯[耶]

《算法简史：从美索不达米亚到人工智能时代》以“算法如何塑造人类文明”为主线，将故事从公元前 18 000 年的符木记数一直讲到当代深度学习。下列要点勾勒了全书的主要脉络与看点：1. ​​史前到美索不达米亚：算法的萌芽​​• 旧石器时代的人们用树枝刻痕记录数据，这被视为最早的“算法”雏形；苏美尔人则在泥板上留下了求解平方根、圆周率等早期算法，奠定了数值计算的传统。2. ​​古代中国：精密计算的高峰​​• 刘徽用割圆术逼近圆周率，祖冲之父子进一步将精度推至小数点后七位，展示了穷竭法与连分数思想，为后世数值分析奠基。3. ​​古典欧洲与中世纪：从理论到机械尝试​​• 欧几里得提出辗转相除法，奠定数论算法基础；帕乔利、斐波那契等人将阿拉伯数字与十进制位值制带到西方，使大数运算更高效。• 查尔斯·巴贝奇设计差分机，艾达·洛芙莱斯写出“乘法”程序，首次揭示通用计算机的潜力。4. ​​图灵与现代计算理论​​• 艾伦·图灵 formalize 算法概念，提出图灵机并揭示停机问题，为可计算性与复杂度理论奠基。• 随后冯·诺依曼架构、晶体管与集成电路让算法真正进入电子时代。5. ​​互联网与信息时代​​• TCP/IP、HTTP 等协议把算法延伸到全球网络；搜索引擎和排序算法重塑信息获取方式；公钥加密体系（Diffie-Hellman、RSA）解决数字时代的安全问题。6. ​​人工智能的崛起​​• 逻辑理论家、感知器、AlphaGo 等里程碑展示了从符号主义到深度学习的跨越；AlphaGo 与李世石、柯洁的对决成为大众认知 AI 的分水岭。7. ​​算法的今天与未来​​• 从推荐系统到自动翻译，从语音助手到自动驾驶，算法渗透日常生活；Transformer、大语言模型在 200 秒内完成超算 1 万年才能完成的计算，预示算力与算法的继续爆发。8. ​​写作特色​​• 全书几乎不用公式，以人物故事和历史场景串讲算法思想，让没有专业背景的读者也能理解算法之美。通过这条时间轴，读者不仅能看到算法本身的技术演进，也能洞察它们如何与社会、经济、文化相互塑造——从美索不达米亚泥板到 AlphaGo，算法的每一次飞跃都回应了当时最紧迫的现实需求，也开启了人类新的可能性。

《算法简史：从美索不达米亚到人工智能时代》内容介绍与专业书评 书籍背景与作者专业定位 《算法简史：从美索不达米亚到人工智能时代》由中信出版集团・新思文化于 2024 年 10 月推出，定位 “文科生友好型” 算法科普读物。全书无公式、术语通俗化，通过生活化语言解析算法本质，让零技术背景读者也能轻松理解其历史与运作机制。 作者克里斯・布利克利（Chris Bleakley）兼具学术与产业双重积淀：爱尔兰都柏林大学计算机科学学院教授（曾任院长），拥有近 40 年算法设计经验，曾任职埃森哲软件顾问、博通高级研究员等职。这种跨领域背景使其既能严谨考据古巴比伦泥板算法等历史细节，又能融入亚马逊推荐系统等现代企业实践案例。 区别于《极简算法史》侧重数学逻辑的传统写法，本书以“文明演进”为暗线，串联两河流域、中国、欧美等地域的算法突破，揭示技术全球化的历史根源。中国工程院院士李国杰等专家推荐，称其“打通了学术深度与大众认知的鸿沟”。 内容架构与历史脉络解析 《算法简史》以 4000 年时间跨度为轴，通过 “技术史三阶段” 架构串联算法从实用工具到社会基础设施的进化史诗，既呈现关键突破节点，又暗藏中西文明思维差异的碰撞与互鉴。 古代至中世纪：生存需求驱动的步骤化思维 公元前 2000 年左右的美索不达米亚平原，古巴比伦泥板上刻下人类最早的算法痕迹 —— 求 2 的平方根的程序化步骤，用六十进制迭代逼近结果，展现解决实际计算问题的原始智慧 1 2 。同一时期的东方，中国魏晋数学家刘徽在《九章算术注》中提出 “割圆术”，以 3072 边形将圆周率精确至 3.1416，其 “割之又割，以至于不可割” 的迭代思想，与祖冲之父子进一步算得的 3.1415926-3.1415927，共同构成中国古代算法 “实用至上” 的典范 3 4 。而 9 世纪阿拉伯数学家花拉子米的《代数学》不仅系统解决线性与二次方程，更让其名字演变为 “algorithm” 一词，成为东西方算法思想交融的见证 5 6 。 17 世纪至 20 世纪：理论抽象与机器革命 19 世纪英国发明家查尔斯・巴贝奇的 “差分机” 构想，首次将算法从人脑转移到机械装置，其助手艾达・洛芙莱斯的注释更预见了程序设计的可能性 2 7 。1936 年艾伦・图灵提出 “图灵机” 理论，以 “读写头 - 无限纸带” 模型严格定义算法本质，为现代计算机奠定逻辑基础 3 6 。二战的军事需求成为技术催化剂：1946 年诞生的 ENIAC 计算机，将弹道计算算法固化为电子线路，标志算法正式成为 “计算机的灵魂”，完成从数学工具到机器语言的质变 1 4 。 20 世纪末至今：社会渗透与决策权力转移 当谷歌 PageRank 算法用 “链接投票” 机制重构信息分发逻辑，当亚马逊推荐系统通过协同过滤算法预测用户偏好，算法已从技术领域渗透至社会肌理 2 7 。人工神经网络的复兴更具颠覆性：从感知机到深度学习，算法开始模仿人脑神经元连接模式，在图像识别、自然语言处理等领域实现 “涌现智能” 4 8 。这一阶段的算法不再仅是工具，而是成为塑造认知、调配资源、甚至影响社会公平的隐形力量。 中西算法思维差异：中国古代算法如祖冲之圆周率计算，始终服务于历法、工程等实际需求，呈现“问题-解法”的具象路径；西方如欧几里得算法，则以公理化表达追求逻辑严谨性，形成“定义-定理-证明”的抽象传统。这种差异在书中化为文明互鉴的叙事线索，展现算法史既是技术突破史，也是人类思维方式的演进史 3 6 。 全书附赠的 4000 年算法发展折页，将这些关键节点浓缩为可视化时间轴，让读者直观感受：从泥板刻痕到硅基芯片，算法始终是人类破解生存难题、拓展认知边界的核心工具 1 4 。 核心算法与技术演进逻辑 算法的发展史本质上是人类解决问题的思维进化史。从美索不达米亚泥板上的刻痕到今天每秒数十亿次运算的 AI 模型，这条演进之路始终遵循 "问题驱动" 的底层逻辑 —— 每个时代的核心算法，都是对当时最紧迫需求的智慧回应。 从生存工具到效率引擎：算法的三次需求跃迁 古代文明的算法诞生于生存刚需。巴比伦人在泥板上记录求平方根的步骤，以丈量土地分配粮食；古希腊欧几里得在《几何原本》中系统化的 "辗转相除法"（以 n 除 m 得余数 r，若 r=0 则输出 n，否则置换 m 为 n、r 为 n 并重复），通过明确的迭代步骤简化贸易中的最大公约数计算 9 。中国《九章算术》的 "方程术" 和秦九韶 "大衍求一术"，则将算法思想融入历法制定与工程测量，展现了古代东方的计算智慧 10 。这些算法如同 "分糖步骤"—— 明确输入（糖的总数）、规则（每人几颗）和终止条件（分完为止），用有限步骤解决特定问题 8 。 工业革命推动算法从 "问题专属解法" 转向 "通用效率工具"。1946 年 ENIAC 计算机通过程序化弹道计算，将原本需要数周的 artillery 弹道表生成时间压缩至小时级，标志着算法正式进入自动化时代 7 。而真正的理论突破来自 1936 年艾伦・图灵的天才构想：图灵机通过 "读写头 - 无限纸带" 模型，首次定义了算法的 "通用计算" 本质 —— 任何可计算问题都能通过有限指令序列实现，打破了此前 "一个问题一套解法" 的局限 3 5 。这就像从 "为每本书定制检索规则" 升级为 "图书馆通用分类系统"，为现代计算机科学奠定了哲学基础。 信息时代的算法则面临 "复杂决策" 挑战。当人类被淹没在数据洪流中，PageRank 算法用 "图书馆排序" 的智慧解决了网页检索难题 —— 把每个网页比作书籍，链接数量相当于借阅次数，被权威书籍（高权重网页）引用的书排名更靠前，通过迭代计算实现全局排序 8 。与此同时，神经网络从 1958 年罗森布拉特感知器的 "浅层学习"，到 2006 年杰弗里・辛顿提出的深度学习算法，通过多层非线性变换突破特征提取瓶颈，让计算机首次 "看懂" 图像 —— 就像从 "识别单一特征（如颜色）" 到 "综合轮廓、纹理、上下文判断物体"，推动 AI 从 "按规则执行" 转向 "从数据中学习" 3 4 。 两次范式革命：重新定义算法边界 1936 年图灵机与 2006 年深度学习，构成算法史上的两大转折点。前者将算法从 "具体操作指南" 升维为 "通用计算理论"，后者则让算法突破 "人工特征工程" 的天花板。辛顿团队通过深度置信网络（DBN）实现特征自学习，使神经网络能处理图像、语音等复杂数据，这相当于让机器从 "被动接收人类总结的规律" 转向 "主动从数据中发现规律" 4 。今天我们熟知的 GPT 大模型，其千亿参数背后的 Transformer 架构，正是这一 "数据驱动" 思想的当代延续 11 。 通俗化表达与技术边界 书籍通过生活化比喻降低理解门槛：用 "图书馆管理员根据借阅量排序书籍" 解释 PageRank 的迭代思想，以 "俄罗斯套娃" 类比递归算法的自我调用逻辑 8 。但技术深度仍有局限 —— 量子算法章节仅介绍 Shor 算法在大数分解的应用，未涉及量子比特叠加态与量子门操作原理，对比《量子算法导论》对量子傅里叶变换的详细推导，理论深度略显不足。这种取舍虽照顾了大众读者，却也提示我们：理解算法本质，既需要 "分糖步骤" 的通俗类比，也离不开对 "计算复杂性" 等底层逻辑的追问。 算法演进的核心启示：从欧几里得的"辗转相除"到辛顿的"深度置信网络"，算法始终在"问题需求-理论突破-技术实现"的循环中进化。图灵机定义了"能计算什么"，深度学习拓展了"如何更好计算"，而未来量子算法的突破，或许将重新回答"计算的终极边界在哪里"。 跨学科整合与社会影响分析 算法的跨学科整合是技术演进的核心动力，它融合数学（算术、几何）、逻辑学（亚里士多德三段论、布尔逻辑）与计算机科学，打破传统学科壁垒 3 10 。圣塔菲研究所聚集物理学家、经济学家、生物学家等学者，突破线性还原论思维，如将达尔文进化论应用于经济系统分析，展现学科交叉的创新力 12 。具体而言，傅里叶变换连接数学与信号处理（天气预报），贝叶斯网络结合概率与 AI（垃圾邮件过滤），成为跨学科协作的典范。 算法对社会的影响呈现 "双刃剑" 效应：一方面提升效率，如电商推荐系统实现个性化消费，医疗算法优化器官移植匹配；另一方面引发争议，社交平台动态排序算法虽改变信息获取方式，却可能导致 "信息茧房"，算法所有权还可能延长用户连接时间、创造依赖感 4 13 。 本书独特价值在于将算法置于文明史语境，不同于纯技术著作。如 "稳定婚姻问题" 算法（盖尔 - 沙普利）被应用于医疗资源分配，展现技术人文维度。对中国读者而言，书中收录刘徽割圆术，补充祖冲之圆周率计算在东亚的传播，更凸显本土算法智慧的跨时空影响，增强文化共鸣。 读者反馈与专业评价 这本书以通俗性和历史纵深感赢得广泛认可。中国工程院院士李国杰评价其 “既适合缺乏专业背景的普通读者了解算法来龙去脉，也适合专业人士回味历史”，清华大学马少平教授称其 “详尽而通俗地介绍算法发展史” 1 4 。美国数学协会指出 “任何教授、学习或使用算法的人都会从算法发展史中获益良多”，尤其强调对无数学和计算机背景读者的友好 —— 每个专业术语首次出现时均有清晰解释 1 。读者反馈印证了这种亲和力：非专业群体通过 “人物故事化” 叙述（如艾达・洛芙莱斯编程先驱事迹、辛顿深度学习探索历程）掌握算法概念，甚至有 52 岁读者表示 “读完终于理解算法如何塑造现代生活”，展现跨年龄、跨学科覆盖力。 技术深度的平衡艺术：部分读者认为本书存在“技术简化”局限，如神经网络反向传播仅描述“调整权重”，未涉及梯度下降数学原理；量子算法停留在“加速计算”表层，未解释量子叠加态与并行计算的关系。这种处理源于定位差异——对比《算法导论》（CLRS）作为计算机专业教材的学术深度，本书更侧重“技术史通识”，通过每章末“算法应用”专栏（如用“稳定婚姻算法”解析大学录取机制）实现实用性与通俗性的平衡。 专业界普遍认可这种定位。中国科学院沈阳自动化研究所周晓锋研究员认为其 “全面展现算法发展历程，梳理里程碑事件及行业大咖贡献” 4 。这种 “以史为纲、以例为辅” 的写法，让复杂学科变得可知可感，成为连接技术与人文的桥梁。 适用人群与阅读建议 本书精准定位 “知道算法重要但不知其然” 的读者群体，尤其适合中学生、文科生等无专业背景者入门 —— 全书几乎不使用编程语言和公式，通过 “分糖算法”“图书馆排序” 等生活化案例降低理解门槛 。同时，算法初学者可借此建立系统认知，专业人士亦能通过历史视角深化对技术演进的理解，实现 “从入门到拓展” 的跨群体价值 1 。 分层阅读指南 中学生/通识读者：聚焦第 1-5 章，通过古代算法到计算机诞生的历史脉络，培养算法思维。 技术从业者：重点研读第 8-12 章，关注谷歌搜索、Facebook 匹配等企业级实践案例。 管理者/决策者：优先第 13 章，把握算法伦理争议与监管趋势，预判行业风险。 阅读时建议搭配《算法图解》进行实操练习，用《深度学习》补充神经网络等技术细节，形成 “理论认知 - 实践验证 - 深度拓展” 的完整学习闭环。其核心价值正在于搭建桥梁：既为普通读者推开算法之门，又为专业人士提供审视当下技术的历史坐标系，真正实现 “人人读得懂，行行皆受益” 的科普使命。 跨文明视角的技术史书写价值 当我们谈论算法起源时，脑海中是否总是浮现希腊几何学或欧洲工业革命的画面？《算法简史》最震撼的突破，正在于打破这种 "西方中心叙事"，用 4000 年文明长卷证明：算法从来不是单一文化的独奏，而是多元智慧的合唱。 书中将古巴比伦泥板上的平方根算法与中国刘徽割圆术并置，让我们看见公元前 2000 年两河流域的计数智慧与公元 3 世纪魏晋数学家的圆周率探索，如何在不同时空绽放相似的理性光芒 2 10 。更颠覆认知的是，中国《周髀算经》对勾股定理的文字记录比毕达哥拉斯早 500 多年，十进位制筹算在春秋时代普及的精密程度，让同期欧洲计数法相形见绌 10 。这些被主流技术史长期忽略的东方智慧，终于在书中获得应有的历史重量。 阿拉伯文明的 "桥梁角色" 同样令人瞩目。9 世纪数学家花拉子密的《算术》不仅系统总结四则运算，其名字更演变为 "算法"（algorithm）一词的词源，通过中世纪翻译运动将东方数学带入欧洲，为文艺复兴埋下知识火种 6 9 。这种文明间的知识接力，在印度 "零" 概念经阿拉伯传入欧洲、最终重塑全球数学体系的过程中，展现得淋漓尽致 15 。 文明接力的当代启示：当我们在AI时代争论算法偏见时，这本书早已揭示答案——算法无国界，但开发者的文化基因会嵌入代码深处。就像祖冲之的圆周率计算蕴含着"割之又割，以至于不可割"的东方哲学，今天的推荐系统也在默默传递着不同文明的价值观偏向。作者在前言中强调的"几乎每项创新都是团队合作"，恰是对技术史最生动的注解：从苏美尔人的泥板到硅谷的芯片，人类用集体智慧编织出算法的经纬 7 。 这种跨文明视角不仅还原了历史真相，更给我们重要启示：技术进步从来不是英雄史诗，而是无数文明在黑暗中接力传递的火炬。当我们凝视 AI 的未来时，或许应该先回望过去 —— 那些刻在泥板、竹简、羊皮卷上的智慧密码，早已写下 "人类共同智慧结晶" 的答案。

儿子最近迷上了一套书，叫做《跟着地理学历史》。受这个名字的启发，我将本篇读书笔记命名为《跟着历史学算法》。 算法，是现代社会运转的基石。网络购物、出门导航、滴滴打车，这一切便利的背后，都是算法在发挥作用。一位从事IT工作的人，如果不能从嘴里时不时蹦出“算法”两个字来，你可能都会怀疑他的专业性。而我，恰恰是这个不专业的人。 为补上这一课，我今年花了不少时间学习算法知识，从清华大学马少平教授的公开课，到工信部大数据分析师系列课程，不可谓不用功，但总觉得是管中窥豹，盲人摸象，始终难得要领。 一次偶然机会，我遇到了《算法简史》，起初并不在意，只是随手翻一翻，因为市面上《XX简史》的书并不少，看书名不是那么吸引人。但看了几页后，我就被里面的内容吸引住了。通读下来，虽不能说豁然开朗，但也收获不少。 01关于《算法简史》这本书 《算法简史》作者克里斯.布利克利，英国人（抱歉，我原以为这类书都是美国人在写），现任爱尔兰都伯林大学计算机科学学院教授。也许正是因为他并未处于当前人工智能发展风暴的最核心，少了些商业驱动，使他能静下心来，从一个更宏观、更洒脱的角度，来看待算法问题。 这本书的副名称叫做：从美索不达亚到人工智能时代。马少平教授的推荐语是：这本书为我们打开了了解算法的大门，从算法发展的角度非常详尽而又通俗易懂地介绍了什么是算法，描绘出了一部近4000年的算法发展简史。 正如马教授所说的，本书从镌刻在古巴比伦泥板上求2的平方根算法，到刘徽和祖冲之父子对圆周率的计算，一直到互联网路由寻址算法、到今天无处不在的人工神经网络，像一幅宏伟的历史画卷，徐徐展开，娓娓道来，充分展示了人类的智慧之美，和探索宇宙奥秘的勇气。 很显然，作者非常的用心，也非常严谨。恐怕在我读过的书或者论文中，这本书的参考文献数量是最多的，洋洋洒洒275篇，列了整整14面。书中的每一幅照片，都详细标明了时间和出处。 这本书好读又不好读。说好读，因为他是以历史为主线，书中讲了很多算法的来龙去脉，以及算法发明人的生平，穿插了一些有趣的故事。假如不去纠结那些算法细节的话，可以当做一本科技史书来轻松阅读。 说不好读，因为本书的精髓，就是用比较易懂的语言，将各种算法的核心描述出来了，光看历史部分不够过瘾。但实事求是的说，如果一点算法基础知识都没有，读懂算法部分还是很费劲的，需要做一些额外的功课。这里我推荐马教授的公开课。 02关于算法的再认识 本书对“算法”的定义是：在计算或其他解决问题的操作中，所要遵循的处理过程或一组规则，特别是指计算机的计算过程或规则。 关于“算法”，之前我个人的理解也非常片面，一是认为“算法”是个现代词汇，专指神经网络、决策树、随机森林、K-means等一些当前人工智能的主要算法。二是“算法”和“模型”傻傻分不清，当然这和之前自己不懂，一些交流的厂商过度包装宣传有关。 读完本书后，我对“算法”有了新的认识。 算法的英文单词为algorithm，该词来源于阿拉伯语，意思是“来自花剌子模的人”，指的是9世纪一位名叫穆罕默德的数学家，他所著的代数和算术著作被广泛翻译，在数学发展史上有非常重要的地位。由此可见，算法是一个跟数学紧密相关的词。 再回到中文，之所以被翻译为“算法”，应该是“计算的方法”的略写。我认为可以从广义和狭义两个层面来理解。广义层面，凡是可以用来进行数学计算的方法，都可以称作“算法”，包括勾股定理、中国算盘的口诀、珠心算口诀等等。 狭义层面，“算法”是指将现实问题转化为计算机（包括机械计算机、电子计算机，和未来的量子计算机）可计算问题的方法，当然目前主要还是指冯若依曼架构的电子计算机。具体来说，就是将一个具体问题的解决办法，抽象为一组处理过程，这组过程可以用计算机编程语言的判断、循环、条件语句等来实现。回想起来，我做研究生的时候，学习和运用的有限元（FEM）和时域有限差分（XFDTD）方法，其实也是算法，只是那时都称为数值方法。 一般来说，一种算法可以用于解决很多类问题。算法的创造难度较大，其在发展过程中相对稳定，甚至历久弥新，所以说顶级的计算机科学家也得是数学家。模型，则建立在算法的基础之上，是用算法解决某一类具体问题的工程化。一个模型有可能只用一种算法，但更多的是用多种算法的组合，即混合算法。 比如，现在正火的自然语言大模型（LLM），其之所以能流畅地与我们对话、写代码或进行翻译，是因为它背后融合了一系列精妙且强大的算法。其核心算法是Transformer，在模型的预训练、微调、推理等阶段，都还会用到不同的算法。

这本书的英文原名，比中文译名更直接地透露了作者的用心：《Poems That Solve Puzzles》——解决谜题的诗篇。 为什么算法是“诗”？ 因为诗，是用最简洁的语言，捕捉最复杂的情感；而算法，是用最简洁的规则，捕捉最复杂的世界。它们都是人类智识的结晶，都是把混沌变得有序的艺术。布利克利——这位从中学就开始编程、拥有四十余年算法设计经验的学者——用一本书告诉我们：算法的历史，就是人类面对未知时，一次次说“让我算算”的历史。 一、算法的四张面孔布利克利将算法演化划分为四幕剧，每一幕都对应着算法的一次“变身”。 第一幕：算法的萌芽。 在美索不达米亚的泥板上，在古希腊的几何中，算法是“具象”的——它为了丈量土地、计算税赋、预测天象而生。欧几里得算法流传两千年，至今仍在教科书中，因为它不依赖任何具体数字，是纯逻辑的、普适的。算法从诞生之初，就带着“超越具体”的基因。 第二幕：算法的抽象。 公元9世纪，花拉子米在巴格达写下《代数学》，让算法有了自己的名字——“Algorithm”就源于他的名字。帕斯卡和莱布尼茨用齿轮为算法造出“肉体”，让计算第一次可以自动完成。算法开始拥有独立的语言和生命。 第三幕：算法的自动化。 1936年，图灵用一条无限长的纸带，划定了“可计算”的边界；1946年，ENIAC用18000个电子管，让算法第一次真正跑起来。算法从“人的技艺”变成“机器的本能”。 第四幕：算法的智能。 今天，算法开始模仿创造它的大脑——识别图像、理解语言、下棋决策。AlphaGo下出“第37手”，让所有人类棋手震惊；大语言模型与人自由对话，让无数人忘了对面是机器还是人。算法不再是工具，它开始做只有“主体”才能做的事。 这条主线清晰可见：算法一步步从“手的延伸”走向“脑的延伸”。它不是一夜之间变成今天这样的。它走了四千年，走过了无数人的手和脑，才走到我们面前。 二、被遗忘的另一条路读这本书时，有一个念头始终挥之不去：在西方这条主线之外，我们自己文明的故事是怎样的？ 于是我做了一个思想实验——用同样的“算法视角”，重述中华文明四千年。 我看到了《周易》。阴阳是二进制，六十四卦是状态空间，爻动是状态转移规则，“取象比类”是模式识别算法。而“变易、简易、不易”——用不变的规则处理变化的世界，输出简洁的答案——不正是对算法本质的最高概括？这是三千年前的“元代码”。 我看到了《九章算术》。246个问题，分九章，每一章都对应国家治理的现实需求：方田（土地丈量）、粟米（粮食兑换）、商功（工程土方）、均输（赋役分摊）……它不是为数学而数学，它是为国家而数学。这是“问题导向、算法归纳”的范式。 我看到了祖冲之。他用算筹迭代逼近圆周率，把精度推到小数点后七位，保持世界纪录近一千年。没有计算机，没有计算器，只有一把小棍子和无数次迭代。这是“迭代算法”的巅峰。 我看到了算盘。它把算筹的“五升十进”变成物理结构，把口诀变成微程序指令，让计算与身体合二为一。这是算法的“硬件加速器”。 我看到了科举、漕运、两税法——一套套治理算法，支撑着超大规模社会的运转。这是一个文明用四千年时间，在回答同一个问题：如何安顿好这世上的亿万人？ 这条主线同样清晰：中华算法传统没有走西方“抽象-公理-演绎”的路，而是走了另一条路——问题导向、经世致用、迭代优化。它没有建成“算法大厦”，但它修成了一条“算法长河”，绵延不绝，滋养众生。 三、一个悖论与当下的回响阅读中有一个问题始终萦绕：为什么中华算法传统没有走向“抽象-公理-演绎”，没有建成西方那样的“算法大厦”？ 一个可能的答案是：恰恰是《周易》的“太自洽”，反而限制了突破的冲动。这套系统太完美了——阴阳解释一切，六十四卦穷举一切，变易之中有不易。它解释一切，也就不需要再追问一切。于是，“算的道”被锁死，“算的术”走向实用。 但悖论的另一面是：实用导向让中华算法在“术”的层面达到了惊人的高度。历法精度、工程算法、管理智慧——这是一座“实用算法的摩天楼”。两条路，各有得失。 这个悖论在今天有了新的回响。当全球AI创新的“梦之队”里华裔面孔频频出现——吴恩达、李飞飞、李沐、陈天奇、何恺明——我们不禁要问：为什么？ 答案或许就藏在这两条线索的交汇处。中国基础教育的数学训练，提供了“教育红利”；中华算法传统“问题导向、步骤清晰”的思维模式，提供了“文化红利”；中国互联网的超级规模，提供了“场景红利”。当这三者遇上开放的国际土壤，就结出了丰硕的果实。 种子是好的，土壤正在改良。 四、数的模糊与精确，算的复杂与简约读这本书更深层的收获，是对“数”与“算”本身的理解。 结合《万物皆数》一书展示数的精确，而历史中的数从来都是模糊的。甲骨文的“五百六旬”是多少？《周易》的“三天两地”既是数字又是象征。而模糊有时比精确更精确——“飞流直下三千尺”比“九千八百七十六尺”更准确地传达了“极高”。 秦九韶的“大衍求一术”复杂至极，但核心思想极其简约：反复迭代直到满足条件。所有复杂算法背后，都有一个简约的灵魂——微积分只是“求变化率”和“求累积和”，神经网络只是“加权求和+非线性激活”的反复堆叠。 人类最伟大的智慧，发生在“转换”的瞬间：模糊↔精确，复杂↔简约。算法，就是转换的桥梁。 而今天，当算法开始模仿大脑，我们正站在新的转换点上。不是从“简单到复杂”“模糊到精确”的线性爬坡，而是螺旋式演化——穿越精确之后，重新拥抱一种新的“混沌”。这种混沌，想把我们习以为常的“二级思维”（二元对立、层级分明、非此即彼）一锅端掉。 五、算法视角下的文明读完这本书，最大的收获不是知识，而是一个视角——“算法视角”。 这个视角让我看见文明的“骨架”：那些宏大的叙事——战争、革命、王朝更替——是血肉，是皮肤，是衣裳；而算法，是支撑这一切的骨骼。没有骨骼，血肉无处附着；没有算法，文明无法运转。 这个视角也让我看见：算法不是冰冷的。每一个算法背后，都有人的体温——巴比伦 scribe 在泥板上刻下数字时的焦虑，祖冲之摆弄算筹时对宇宙秩序的惊叹，图灵破解Enigma时对千万人生命的负责，今天写代码的工程师对更智能世界的努力。 算法是“诗”，因为它用最简洁的规则，捕捉最复杂的世界；算法也是“人”，因为它记录的，是人类面对混沌时，那一次次不屈的求解。 四千年前，有人在泥板上刻下第一个数字。他不知道这串符号会走向哪里。 今天，我们站在算法模仿大脑的门槛上。我们也不知道这扇门后面是什么。 但我们知道：算法从来不是我们的“他者”，它是我们的一部分。它是我们求知欲的延伸，是我们创造力的结晶，是我们面对未知时，永远愿意说一句 “让我算算” 的那种精神。 这种精神，还会写下去。 写在最后 如果你只想读一本关于算法的书，这本就够了。 它没有公式，不烧脑，但有温度，有故事，有穿越四千年的视野。它让你看见：算法不是程序员才需要懂的“技术”，而是每个现代人都该拥有的“视角”。 用这个视角看世界，你会发现：原来我们一直生活在算法之中。

《算法简史：从美索不达米亚到人工智能时代》是一部面向大众的算法通史。作者克里斯·布利克利以近 4000 年算法发展的关键节点为主线，串联起从古代到当代的科技跃迁： 1. ​​古代起源​​：泥板上的平方根算法、刘徽与祖冲之父子计算圆周率，展示了早期算法的数学之美。 2. ​​近代机械计算​​：从巴贝奇与艾达·洛芙莱斯的差分机，到图灵机的概念，奠定了现代计算机的理论基础。 3. ​​电子计算机与编程​​：ENIAC 诞生，随后出现第一条神经网络、最早的 AI 程序“逻辑理论家”，标志着算法进入电子时代。 4. ​​互联网与信息时代​​：加密、路由算法支撑互联网，搜索引擎和社交平台的排序算法改变信息分发方式。 5. ​​当代人工智能​​：深度学习、大语言模型与神经网络突破，让算法在 200 秒内完成超算 1 万年的计算，彰显算法推动社会进步的强大力量。 全书几乎没有公式，通过二十余位图灵奖得主的故事和经典算法实例，让读者理解算法如何渗透并重塑交通、电商、语音图像识别、婚恋匹配等日常场景，最终勾勒出一条贯穿古今的“算法简史”。

一般般，有点浮皮潦草，算法不适合用来讲故事，用动画和图来解释还是算法最根本的一种解释策略。属于算法与数据结构的第二梯队甚至第三梯队的参考书，多看看可视化算法理解起来要更快。另一方面，学科史的关键在于学科的motivation，这书这部分写的不太好，太散了。

算法，即解决问题需要遵循的规则方法，一直觉得这是计算机领域的高深词汇，但是从古至今生活工作处处充满算法，从排序，筛选到最短路径，动态规划，加密匹配，再到当前的卷积算法（衍生出卷积神经网络CNN）和自注意力点积算法（衍生出Transformer架构）。 无不感慨每一套解决问题的算法都是天才之作，算法问题表面看是计算机问题实则是数学问题，终于理解为啥要强调基础学科的重要性，华为为啥要养那么多的数学家和物理学家，底层算法的一小点突破或许就会在终端产生颠覆性的新变化。 几点收获与思考：1> 算法如果被想出，执行就不需要人类智慧。算法由人类的天才“灵感”所想出，同时人工智能也在不断拓宽人类智慧所能抵达的认知边界，帮助人类理解“何为人类独具的智慧”。图灵老祖提出“图灵测试”检验计算机是否表现出智能，这项检验论迹不论心只对客观行为作出判断但对一堆硅基元件是否有意识不作判断。或许人类的自我意识和灵感迸发是我们相对于硅基机械地执行算法所展现的智能更加可贵之处。 2> 算法难度可以分为P问题，NP问题，NP-hard问题后两者的交集为NP-c问题，划分标准为求解和检验是否满足多项式时间算法，核心是对算法解决问题的效率进行评判。当前对大语言模型的训练本质上是对神经网络进行参数调整，属于NP-hard问题，找解和检验解会随着数据的增加所需算力呈指数增长或阶乘增长，脱离了多项式的幂增长。当然这只是理论上，现实中算法工程师的任务当然是放弃全局最优，找出方法使得算力尽量满足幂增长否则算力消耗成无底洞了。 3> 加密货币基于RSA算法（非对称公钥密码算法），通过大质数乘积无法被快速分解建立起安全壁垒，但是这套算法正在逐渐被量子计算所破解，一旦攻克，加密货币大厦的“加密”基座荡然无存。或者往大一点说整个建立在公钥私钥体系的密码学分支都会受到冲击，包括微信支付宝银行APP的安全认证，支付校验，以及淘宝阿里银行官网等一众HTTPS网站均会被面临冲击。这些年国家政府工作报告对未来新兴产业的提法中，总能看见“量子科技”，因为这真的事关国家安全啊。 4> 量子计算相对于当前的晶体管计算在效率上是降维打击，是未来计算方式的发展方向。量子向上和向下自旋代表逻辑上的1和0，这与电路的高压和低压使得晶体管通断形成1和0相通，但可贵在于量子是多状态叠加，计算效率大大增加。不过需要解决量子坍缩问题，即无论中间有多少可能性最终只会随机输出一个结果，需要干涉技术进行解决。

《算法简史：从美索不达米亚到人工智能时代》内容总结 《算法简史：从美索不达米亚到人工智能时代》是爱尔兰都柏林大学计算机学院教授、拥有近40年算法设计经验的克里斯·布利克利撰写的大众科普通史，原版书名为《Poems That Solve Puzzles》，2024年10月由中信出版集团引进国内。全书以近4000年时间为轴线，以算法发展的关键人物和经典突破为叙事主线，全程无复杂公式、无编程语言，用通俗的语言串联起算法从两河流域的泥板刻痕到当代人工智能大模型的完整进化史，同时拆解了算法的底层本质，揭示了其如何从解决具体问题的实用工具，演变为塑造现代社会、重构人类认知的隐形基础设施。 一、全书核心叙事框架：算法演进的四大历史阶段 布利克利将算法4000年的发展史，划分为四个环环相扣的核心阶段，清晰呈现了算法从“思维方法”到“通用智能”的质变路径，同时兼顾了东西方文明中算法思想的碰撞与互鉴。 第一阶段：古代文明的算法萌芽（公元前2000年-中世纪）——生存需求驱动的步骤化思维 这一阶段是算法思想的起源期，核心特征是以解决生存与生产的实际问题为核心，形成了“有限步骤、明确规则、可重复执行”的算法雏形。 - 人类最早的算法痕迹，来自公元前2000年左右美索不达米亚平原的古巴比伦泥板（如YBC 7289泥板），上面镌刻着用六十进制迭代逼近√2值的程序化步骤，同时记录了土地丈量、粮食分配、天文观测相关的标准化计算流程，印证了算法诞生于人类最基础的生存刚需。 - 东西方同步诞生了经典的算法思想：古希腊欧几里得在《几何原本》中提出的“辗转相除法”（求最大公约数）、埃拉托斯特尼的“素数筛选法”，奠定了西方算法公理化、逻辑严谨的传统；中国魏晋数学家刘徽的“割圆术”、祖冲之父子对圆周率的精准计算，以及《九章算术》中的“方程术”、秦九韶的“大衍求一术”，则形成了东方算法“实用至上、问题导向”的鲜明特质，始终服务于历法制定、工程测量等现实场景。 - 9世纪阿拉伯数学家花拉子米的《代数学》是这一阶段的里程碑：他系统构建了线性与二次方程的标准化求解步骤，其拉丁化的名字“Algoritmi”最终演变为“algorithm”（算法）一词，成为东西方算法思想交融的核心见证。 第二阶段：理论奠基与机械革命（17世纪-二战前后）——算法从人脑到机器的跨越 这一阶段的核心突破，是算法完成了从“人脑的纸笔计算方法”到“机器可执行的指令序列”的关键跃迁，同时在理论上完成了对算法本质的严格定义。 - 19世纪英国发明家查尔斯·巴贝奇的“差分机”与“分析机”构想，首次将算法逻辑固化到机械装置中，试图用蒸汽动力实现自动化计算；其助手艾达·洛芙莱斯为分析机撰写的注释，不仅设计了史上首个机器可执行的算法程序，更预见性地提出了机器不止于数值计算、还能处理符号与艺术创作的可能性，被视为“程序设计的先驱”。 - 1936年艾伦·图灵提出的“图灵机”理论，是算法史上的第一次范式革命。他用“读写头-无限纸带”的极简模型，严格定义了算法的“通用计算”本质：任何可计算问题，都能通过有限、明确的指令序列实现。这一理论彻底打破了“一个问题一套解法”的局限，为现代计算机和算法设计奠定了底层逻辑基础。 - 二战的军事需求成为算法工程化的核心催化剂。1946年诞生的ENIAC（第一台可编程通用电子计算机），将原本需要数周完成的火炮弹道计算，压缩至小时级，标志着算法正式成为“计算机的灵魂”，完成了从数学方法到机器语言的质变。 第三阶段：信息时代的社会渗透（二战后-21世纪初）——算法成为社会运行的基础设施 这一阶段，算法彻底走出实验室与军事领域，从专业的计算工具，演变为渗透到社会生活方方面面的核心基础设施，重构了人类获取信息、社交互动、商业交易的底层逻辑。 - 算法的应用边界快速拓展：理查德·汉明等科学家设计的数值算法，让天气预报从经验预判变为可精准计算的科学问题；高效排序、搜索算法的突破，解决了海量数据的“大海捞针”难题，为信息时代奠定了数据处理基础。 - 互联网的诞生让算法的影响力实现指数级跃升：TCP/IP协议相关的路由算法，实现了全球数据的高效传输；谷歌的PageRank算法，用“链接投票”的机制重构了全球网页的信息排序逻辑，彻底改变了人类获取信息的方式；亚马逊的协同过滤算法、社交媒体的内容推荐算法，则让算法具备了预测用户偏好、塑造用户认知的能力，成为商业与舆论场的核心力量。 第四阶段：人工智能时代的范式革命（21世纪至今）——算法从“执行规则”到“自主学习”的质变 这是全书的叙事终点，也是算法史上的第二次范式革命，核心突破是深度学习让算法打破了“人工制定规则”的天花板，实现了从“按指令执行”到“从数据中自主学习”的根本性转变，最终催生了当代的通用人工智能浪潮。 - 布利克利梳理了人工智能的完整演进脉络：从达特茅斯会议后首个AI程序“逻辑理论家”的诞生，到早期符号主义AI的瓶颈，再到罗森布拉特感知机带来的神经网络雏形，以及2006年杰弗里·辛顿提出的深度学习算法，通过无监督预训练解决了深度神经网络的训练难题，正式开启了深度学习的革命。 - 书中详细拆解了深度学习的三次关键突破：2012年AlexNet在图像识别大赛中以碾压级优势夺冠，证明了深度卷积神经网络的强大能力；随后语音识别、机器翻译领域相继被深度学习重构，错误率大幅下降；2016年AlphaGo击败李世石，让大众首次见证了算法在复杂决策领域的超人类能力，而后续Transformer架构的诞生、大语言模型的涌现，则将算法推向了通用智能的新高度。 - 全书也直面了这一阶段的核心命题：当算法从“工具”进化为能自主学习、自主决策的智能体，其带来的算法霸权、数据隐私、社会公平、通用智能的伦理边界等问题，成为人类必须面对的全新挑战。 二、全书核心洞见与关键观点 1. 算法的本质，是人类解决问题的思维具象化。4000年的算法发展史，本质上是人类思维方式的演进史。从古巴比伦泥板上的计算步骤，到当代AI的千亿参数模型，算法的底层逻辑从未改变：用有限、明确、可重复的步骤，解决特定问题。而每一次算法的突破，本质上都是人类对“如何高效解决问题”的思维升级。 2. 算法发展始终遵循“问题驱动”的底层逻辑。每个时代的核心算法突破，都是对当时最紧迫社会需求的回应：古代算法回应生存与生产的计算需求，近代算法回应工业革命与战争的效率需求，信息时代算法回应海量数据的处理需求，AI时代算法回应复杂场景的智能决策需求。需求，是算法演进的核心动力。 3. 东西方算法思维的差异，形成了完美的互补。中国古代算法始终以解决实际问题为核心，走的是“问题-解法”的具象化路径；而西方算法则以公理化体系为基础，追求“定义-定理-证明”的抽象逻辑严谨性。两种思维模式没有优劣之分，共同构成了算法发展的两条主线，在历史中不断交融互鉴。 4. 算法的演进史，也是权力不断转移的历史。算法从最初数学家手中的纸笔工具，到工程师控制的机器指令，再到如今科技公司手中、能影响社会舆论与资源分配的隐形权力，其边界不断扩张。布利克利提醒读者，理解算法的历史，本质上是为了让大众看清算法的运作逻辑，避免在算法时代陷入被动与盲从。 三、书籍的核心特色与价值 1. 极致的大众友好性。全书几乎没有使用任何公式与代码，用生活化的类比、生动的人物故事，把复杂的算法原理讲得通俗易懂，即便是中学生、文科生，也能轻松读懂算法的本质与发展脉络，打破了算法的专业门槛。 2. 人文与技术的深度融合。书中不仅拆解了经典算法的运作逻辑，更讲述了超过20位图灵奖得主、数十位数学与计算机先驱的创新故事，还原了每一次算法突破的历史语境与个人抉择，让算法史不再是冰冷的技术罗列，而是有温度的人类创新史。 3. 完整的全局视野。全书以4000年的时间跨度，打通了古代与现代、东方与西方的算法发展脉络，让读者不仅能看懂当下AI算法的来龙去脉，更能理解算法与人类文明共生的底层关系，建立起对算法的系统性认知。

原书名为<Poems That Sovle Puzzels：The history and science of algorithms> ，介绍里说高中生和文科生也可以读懂的算法科普史，确实生动有趣！忍不住好奇我们的通识教育，是不是真的支持这样一本书能让高中学生读懂，如果能，真的幸甚至哉！