Name: 计算机与人脑
ISBN: 9787100032445

作者: [美] 约·冯·诺意曼
出版社: 商务印书馆
译者: 甘子玉
出版年: 1965-3
页数: 62
定价: 7.00元
装帧: 平装
丛书: 汉译世界学术名著丛书·哲学
ISBN: 9787100032445

豆瓣评分

8.2

295人评价

5星

35.9%
4星

46.1%
3星

16.3%
2星

0.3%
1星

1.4%

评价:

内容简介 · · · · · ·

《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。

目录 · · · · · ·

引言
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
· · · · · · (更多)

豆瓣成员常用的标签(共149个) · · · · · ·

计算机哲学人工智能计算机科学科普科学 AI 美国

丛书信息

　　汉译世界学术名著丛书·哲学 (共275册), 这套丛书还有《从经验立场出发的心理学》,《超穷数理论基础》,《时间与自由意志》,《狭义与广义相对论浅说》,《希腊悲剧时代的哲学》等。

喜欢读"计算机与人脑"的人也喜欢的电子书 · · · · · ·

支持 Web、iPhone、iPad、Android 阅读器

: 图灵的秘密

29.99元

: 我是个怪圈

16.99元

: 编程大师访谈录

12.98元

: 思考的乐趣

18.00元

: 编程之美

19.99元

喜欢读"计算机与人脑"的人也喜欢 · · · · · ·

: 皇帝新脑

: 人工智能哲学

: 通灵芯片

: 逻辑的引擎

: 从分子到网络

: 并行编程模式

: 算术基础

: 人有人的用处

: 哥德尔、艾舍尔、巴赫

: 最后的沉思

我来说两句

短评 · · · · · · ( 全部 105 条 )

计算机与人脑的话题 · · · · · · ( 全部条 )

什么是话题

无论是一部作品、一个人，还是一件事，都往往可以衍生出许多不同的话题。将这些话题细分出来，分别进行讨论，会有更多收获。

我要写书评

计算机与人脑的书评 · · · · · · ( 全部 22 条 )

热门 / 最新 / 好友 /只看本版本的评论

miner 2008-07-22 19:28:43

那个年代的翻译不易啊

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... (展开)

2 8回应

冰山上的豆客 2012-12-24 21:21:40

要真正了解计算机，请认真阅读这本篇幅很小的名著

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 ... (展开)

1 0回应

𝓉𝓊𝓌ℯ𝓇𝒾 2012-02-01 00:09:00

The Computer and the Brain

　　von Neumann的最后一部著作，由于是未完成的讲演稿，所以几乎不存在引经据典的倾向（作者自己在正文中也补充解释了这一点），而是比较直接平实地从记忆储存体、运算方式、运算能力及时间、运算误差等方面谈论并比较了计算机与人脑的异同。　　全书最引起我兴趣的一个比较... (展开)

0回应

寒月无锋 2015-11-29 04:15:10 北京大学出版社2010版

书评

现存的神经网络存在一个问题叫做梯度衰减(gradient decay?)。大致是说最后梯度很难对前面曾产生影响。 p.s.我才知道这个问题在今年已经被解决。挺奇怪的，听说这个问题主要在于不同层之间的剃度能量不稳定。所以PReLu中引入了MSRA filter。后来又出现了Batch Normalization，但... (展开)

0回应

杨友三 2013-09-24 17:31:08 北京大学出版社2010版

强大的类比！

计算机与人脑之间比较，差异大于相似之处；相对而言，全球脑和人脑之间的相似之处更多一些。当然，这是题外话了。冯·诺伊曼不愧为著名的科学家。在这本尚未完成的书稿中，他探讨了许多与计算机和人脑有关的重要机制，例如在计算方面的并行、串行以及统计学问题，还有数字与... (展开)

0回应

Rita 2019-01-05 00:12:59 北京大学出版社2010版

非冯架构才是冯诺依曼设想

看完冯诺依曼的The Computer and the Brain和讲图灵的The Imitation Game，感到大神级天才的思想真的可以“预见”未来，之后的科技会按着他们的构想进行着。复杂自动系统，要有记忆、指令系统（“代码”），完备的逻辑部分（一个算术过程没有一点作用的部分）与算术部分。神经... (展开)

0回应

小野生 2017-09-17 00:38:55 北京大学出版社2010版

超脑六十年

这篇书评可能有关键情节透露

诺贝尔奖物理学获得者汉斯·贝瑟曾经说：“我有时在思考，冯·诺伊曼这样的大脑是否暗示着存在比人类更高级的生物物种。”的确如此，一叶蔽目，不见泰山；两豆塞耳，不闻雷霆。在阅读本书之前，我对冯先生的了解仅仅停留在他创造了经典而永恒的冯·诺依曼体系，由运算器、控制... (展开)

0回应

linghugoogle 2015-09-14 01:08:34

最后

这篇书评可能有关键情节透露

读后只能用两个字表示自己的感受：震撼！前所未有的感觉！读序的时候感到好笑，关于计算机的部分基本不懂，关于人脑的部分懂的也不多，但感到震撼。读序的时候搞笑之外，还感到了深深的悲哀，不是为译者，而是为自己。中文作为母语而当今社会的许多著作都是英文写的，除此... (展开)

0回应

stallboy 2011-09-26 11:17:02 北京大学出版社2010版

冯大师做科普

在看过后印象写下《1》第一部分说明了以自己名字命名的冯诺依曼体系结构的思路，我把自己的写下：（1）每个基本元器件只需要一个就够，而这需要记忆。（2）从控制序列点到存储程序，把程序存到记忆里，然后控制器解释执行程序。（3）再加上输入输出，5个部件构成了现在计算机... (展开)

0回应

Chandlier 2020-01-02 03:28:06 北京大学出版社2010版

多产的天才，比特时代的象征

冯·诺伊曼的早逝实在是太让人难过了，这份命题极具意义的讲稿，也随着他的辞世未能完成……难以想象，如果他能多生活几十年，会产生多少惊世绝伦的想法，改变我们生活的世界…… 整本书分为三个部分：丛书编者和相关领域学者的导读、冯·诺伊曼讲稿的正文、关于他生平和毕生成... (展开)

0回应

> 更多书评 22篇

读书笔记 · · · · · · (共5篇)

我来写笔记

按有用程度
按页码先后
最新笔记

展开收起
第20页

[已注销]

工程中人们对数字精准度要求只有1:1000~1:10000，为什么计算机需要高精度？因为连续运算时误差是叠加的，N次运算，误差将增加sqrt(N)倍假设一台计算机每一步运算的精度是1:10^12，只有当N>10^18次方时，总误差才会大于1/1000 假设一步运算需要20微妙，连续计算48小时，N也才10，所以精度太高也没有意思。根据 IEEE 754 标准，float 的精度为 1:2^23，double 的精度为 1:2^53，但在实际的工程中人们对数字精度的要求大概在...
2013-02-14 15:28 1人喜欢

工程中人们对数字精准度要求只有1:1000~1:10000，为什么计算机需要高精度？因为连续运算时误差是叠加的，N次运算，误差将增加sqrt(N)倍假设一台计算机每一步运算的精度是1:10^12，只有当N>10^18次方时，总误差才会大于1/1000 假设一步运算需要20微妙，连续计算48小时，N也才10，所以精度太高也没有意思。根据 IEEE 754 标准，float 的精度为 1:2^23，double 的精度为 1:2^53，但在实际的工程中人们对数字精度的要求大概在 1:1000 到 1:10000 之间，而在一些非科学计算的应用里，人们对数字精度的要求更低。既然如此，人们在设计计算机的时候要使用如此高的精度？

推荐

回应 2013-02-14 15:28
展开收起
1

┳┲┳┓

前半部分，主要讨论了模拟机和数字机的基本运算方式，逻辑控制方式，存储器的概念，准确度的问题。很多内容现在看来都很容易理解。值得一提的是，冯伊曼提出的“微分分析机”。采用了不同于加减乘除的另一种基本运算方式，在针对全微分方程求解，这种基本运算方式更有效。其实就是为了组成模拟机的元件尽可能少，不过挺有启发意义的，对于我这种已经把加减乘除当做理所当然的基本运算的人来说。
2020-02-14 19:31

前半部分，主要讨论了模拟机和数字机的基本运算方式，逻辑控制方式，存储器的概念，准确度的问题。很多内容现在看来都很容易理解。
值得一提的是，冯伊曼提出的“微分分析机”。采用了不同于加减乘除的另一种基本运算方式，在针对全微分方程求解，这种基本运算方式更有效。其实就是为了组成模拟机的元件尽可能少，不过挺有启发意义的，对于我这种已经把加减乘除当做理所当然的基本运算的人来说。

推荐

回应 2020-02-14 19:31
展开收起
第80页

耍哥 (一根有理想的波浪线~~~~啦啦啦~~)

技术图像是由技术主导的，而当前技术——数码技术——的特点是计算。这就造成了弗鲁塞尔所说的数字思维和字母思维之间的差异。字母是文字或书写的基础，还保留着一些感性和个体经验的成分，而数字则是抽象和标准化的。弗鲁塞尔举例说，“二加二在下午两点的时候等于四”是没有意义的。2+2=4属于数字计算，跟时间没有关系。在我们看来，时间和历史应该是记忆的基础，如果将来的数字思维不再跟时间和历史有关，那么如何理解记忆？...
2019-05-25 08:07

技术图像是由技术主导的，而当前技术——数码技术——的特点是计算。这就造成了弗鲁塞尔所说的数字思维和字母思维之间的差异。字母是文字或书写的基础，还保留着一些感性和个体经验的成分，而数字则是抽象和标准化的。弗鲁塞尔举例说，“二加二在下午两点的时候等于四”是没有意义的。2+2=4属于数字计算，跟时间没有关系。在我们看来，时间和历史应该是记忆的基础，如果将来的数字思维不再跟时间和历史有关，那么如何理解记忆？对弗鲁塞尔来说，记忆就是被储存的信息，因而他并不看重人的记忆和机器的记忆之间的区别，并且他认为单就记忆而言，人无法与机器相比。相对而言，他更关注记忆的媒介。在他看来，为了确保记忆长存，传统的做法是把记忆刻在陶土、石头、青铜等物质载体上，但根据热力学第二定律，这些物质载体迟早都是会损坏和消失的，唯有现在出现的人工记忆载体，即电磁技术，能够使记忆永久化。这就意味着，记忆是可以脱离人的身体而存在的。那么，当人的记忆全部转化为电脑内存（英文也是memory）时，作为电脑内存的图像，能否继续承担文化记忆的功能呢？

推荐

回应 2019-05-25 08:07
展开收起
第十六章

Rider

Pi 人脑的“逻辑深度”和“算术深度”都比计算机小的多，但有许多现代计算机不能比拟的优越性。比如，同样容积的神经元比人造元件能完成更多的运算，能同时处理更多的信息，记忆容量也大得多，每个神经元件的准确度较低而其综合的可靠性较高等等··· Pii 推论：既然神经系统和计算机的逻辑结构有很大区别，那么，我们所用的逻辑和数学，也就和语言一样，同样是历史的、偶然的表达形式··· 看不大懂，有空再研究
2017-09-25 18:06

Pi 人脑的“逻辑深度”和“算术深度”都比计算机小的多，但有许多现代计算机不能比拟的优越性。比如，同样容积的神经元比人造元件能完成更多的运算，能同时处理更多的信息，记忆容量也大得多，每个神经元件的准确度较低而其综合的可靠性较高等等···
Pii 推论：既然神经系统和计算机的逻辑结构有很大区别，那么，我们所用的逻辑和数学，也就和语言一样，同样是历史的、偶然的表达形式···
看不大懂，有空再研究

推荐

回应 2017-09-25 18:06

展开收起
第2页译者序

木马 (无朔...要下雨了。)

作为一本六十年代翻译出来的作品，译者在本书中亮翻了。这里我没有讽刺的意思，因为出版翻译有很强的时代背景。我来引用一些：译者序 “应该指出，近年来，围绕着自动技术的新成就和自动机理论的发展，产生了一股反动思潮。资产阶级的“思想家”们（其中也有自然科学家），扭曲和利用这方面的成就，把人脑和自动机等同起来，鼓吹”机器能够思维“、“出现了有生命、有意识、有理智的机器”......等等谬论，作出种种反动的、谬... (6回应)
2012-05-25 10:32

作为一本六十年代翻译出来的作品，译者在本书中亮翻了。这里我没有讽刺的意思，因为出版翻译有很强的时代背景。我来引用一些：译者序 “应该指出，近年来，围绕着自动技术的新成就和自动机理论的发展，产生了一股反动思潮。资产阶级的“思想家”们（其中也有自然科学家），扭曲和利用这方面的成就，把人脑和自动机等同起来，鼓吹”机器能够思维“、“出现了有生命、有意识、有理智的机器”......等等谬论，作出种种反动的、谬误的哲学概括和社会政治方面的结论。” 【木马】亮点在“其中也有自然科学家”...不过或许此刻布洛维正在湾区寒冷的夏天里点头赞许呢。 “我们应该以马克思列宁主义为武器，和这些反动思潮作斗争，彻底批判这些反动思想” 【木马】马列主义躺着中枪了。 “冯诺依曼在本书中，虽然还没有作出直接的社会政治结论，可是在若干理论概括中，其哲学观点是错误的。” 【木马】冯大仙没表达观点不要紧，我们先竖立假想敌，然后打击！附录 “除了计算技术和自动机理论之外，他对博弈论做了一些工作，曾和摩尔根斯坦合著《博弈理论和经济行为》一书，在博弈论数学方法上有些成就，但在应用于经济活动的观点上面，以资产阶级经济学的边际效用理论为基础，则是完全谬误的。” 【木马】原来那本书在学术上也只是轻飘飘地“有些成就”。而译者就在这句对冯大仙最重要的贡献之一的全盘否定中，铿锵有力地结束了全书。

推荐

6回应 2012-05-25 10:32
展开收起
第20页

[已注销]

工程中人们对数字精准度要求只有1:1000~1:10000，为什么计算机需要高精度？因为连续运算时误差是叠加的，N次运算，误差将增加sqrt(N)倍假设一台计算机每一步运算的精度是1:10^12，只有当N>10^18次方时，总误差才会大于1/1000 假设一步运算需要20微妙，连续计算48小时，N也才10，所以精度太高也没有意思。根据 IEEE 754 标准，float 的精度为 1:2^23，double 的精度为 1:2^53，但在实际的工程中人们对数字精度的要求大概在...
2013-02-14 15:28 1人喜欢

工程中人们对数字精准度要求只有1:1000~1:10000，为什么计算机需要高精度？因为连续运算时误差是叠加的，N次运算，误差将增加sqrt(N)倍假设一台计算机每一步运算的精度是1:10^12，只有当N>10^18次方时，总误差才会大于1/1000 假设一步运算需要20微妙，连续计算48小时，N也才10，所以精度太高也没有意思。根据 IEEE 754 标准，float 的精度为 1:2^23，double 的精度为 1:2^53，但在实际的工程中人们对数字精度的要求大概在 1:1000 到 1:10000 之间，而在一些非科学计算的应用里，人们对数字精度的要求更低。既然如此，人们在设计计算机的时候要使用如此高的精度？

推荐

回应 2013-02-14 15:28
展开收起
第80页

耍哥 (一根有理想的波浪线~~~~啦啦啦~~)

技术图像是由技术主导的，而当前技术——数码技术——的特点是计算。这就造成了弗鲁塞尔所说的数字思维和字母思维之间的差异。字母是文字或书写的基础，还保留着一些感性和个体经验的成分，而数字则是抽象和标准化的。弗鲁塞尔举例说，“二加二在下午两点的时候等于四”是没有意义的。2+2=4属于数字计算，跟时间没有关系。在我们看来，时间和历史应该是记忆的基础，如果将来的数字思维不再跟时间和历史有关，那么如何理解记忆？...
2019-05-25 08:07

技术图像是由技术主导的，而当前技术——数码技术——的特点是计算。这就造成了弗鲁塞尔所说的数字思维和字母思维之间的差异。字母是文字或书写的基础，还保留着一些感性和个体经验的成分，而数字则是抽象和标准化的。弗鲁塞尔举例说，“二加二在下午两点的时候等于四”是没有意义的。2+2=4属于数字计算，跟时间没有关系。在我们看来，时间和历史应该是记忆的基础，如果将来的数字思维不再跟时间和历史有关，那么如何理解记忆？对弗鲁塞尔来说，记忆就是被储存的信息，因而他并不看重人的记忆和机器的记忆之间的区别，并且他认为单就记忆而言，人无法与机器相比。相对而言，他更关注记忆的媒介。在他看来，为了确保记忆长存，传统的做法是把记忆刻在陶土、石头、青铜等物质载体上，但根据热力学第二定律，这些物质载体迟早都是会损坏和消失的，唯有现在出现的人工记忆载体，即电磁技术，能够使记忆永久化。这就意味着，记忆是可以脱离人的身体而存在的。那么，当人的记忆全部转化为电脑内存（英文也是memory）时，作为电脑内存的图像，能否继续承担文化记忆的功能呢？

推荐

回应 2019-05-25 08:07
展开收起
1

┳┲┳┓

前半部分，主要讨论了模拟机和数字机的基本运算方式，逻辑控制方式，存储器的概念，准确度的问题。很多内容现在看来都很容易理解。值得一提的是，冯伊曼提出的“微分分析机”。采用了不同于加减乘除的另一种基本运算方式，在针对全微分方程求解，这种基本运算方式更有效。其实就是为了组成模拟机的元件尽可能少，不过挺有启发意义的，对于我这种已经把加减乘除当做理所当然的基本运算的人来说。
2020-02-14 19:31

前半部分，主要讨论了模拟机和数字机的基本运算方式，逻辑控制方式，存储器的概念，准确度的问题。很多内容现在看来都很容易理解。
值得一提的是，冯伊曼提出的“微分分析机”。采用了不同于加减乘除的另一种基本运算方式，在针对全微分方程求解，这种基本运算方式更有效。其实就是为了组成模拟机的元件尽可能少，不过挺有启发意义的，对于我这种已经把加减乘除当做理所当然的基本运算的人来说。

推荐

回应 2020-02-14 19:31

展开收起
1

┳┲┳┓

前半部分，主要讨论了模拟机和数字机的基本运算方式，逻辑控制方式，存储器的概念，准确度的问题。很多内容现在看来都很容易理解。值得一提的是，冯伊曼提出的“微分分析机”。采用了不同于加减乘除的另一种基本运算方式，在针对全微分方程求解，这种基本运算方式更有效。其实就是为了组成模拟机的元件尽可能少，不过挺有启发意义的，对于我这种已经把加减乘除当做理所当然的基本运算的人来说。
2020-02-14 19:31

前半部分，主要讨论了模拟机和数字机的基本运算方式，逻辑控制方式，存储器的概念，准确度的问题。很多内容现在看来都很容易理解。
值得一提的是，冯伊曼提出的“微分分析机”。采用了不同于加减乘除的另一种基本运算方式，在针对全微分方程求解，这种基本运算方式更有效。其实就是为了组成模拟机的元件尽可能少，不过挺有启发意义的，对于我这种已经把加减乘除当做理所当然的基本运算的人来说。

推荐

回应 2020-02-14 19:31
展开收起
第80页

耍哥 (一根有理想的波浪线~~~~啦啦啦~~)

技术图像是由技术主导的，而当前技术——数码技术——的特点是计算。这就造成了弗鲁塞尔所说的数字思维和字母思维之间的差异。字母是文字或书写的基础，还保留着一些感性和个体经验的成分，而数字则是抽象和标准化的。弗鲁塞尔举例说，“二加二在下午两点的时候等于四”是没有意义的。2+2=4属于数字计算，跟时间没有关系。在我们看来，时间和历史应该是记忆的基础，如果将来的数字思维不再跟时间和历史有关，那么如何理解记忆？...
2019-05-25 08:07

技术图像是由技术主导的，而当前技术——数码技术——的特点是计算。这就造成了弗鲁塞尔所说的数字思维和字母思维之间的差异。字母是文字或书写的基础，还保留着一些感性和个体经验的成分，而数字则是抽象和标准化的。弗鲁塞尔举例说，“二加二在下午两点的时候等于四”是没有意义的。2+2=4属于数字计算，跟时间没有关系。在我们看来，时间和历史应该是记忆的基础，如果将来的数字思维不再跟时间和历史有关，那么如何理解记忆？对弗鲁塞尔来说，记忆就是被储存的信息，因而他并不看重人的记忆和机器的记忆之间的区别，并且他认为单就记忆而言，人无法与机器相比。相对而言，他更关注记忆的媒介。在他看来，为了确保记忆长存，传统的做法是把记忆刻在陶土、石头、青铜等物质载体上，但根据热力学第二定律，这些物质载体迟早都是会损坏和消失的，唯有现在出现的人工记忆载体，即电磁技术，能够使记忆永久化。这就意味着，记忆是可以脱离人的身体而存在的。那么，当人的记忆全部转化为电脑内存（英文也是memory）时，作为电脑内存的图像，能否继续承担文化记忆的功能呢？

推荐

回应 2019-05-25 08:07
展开收起
第十六章

Rider

Pi 人脑的“逻辑深度”和“算术深度”都比计算机小的多，但有许多现代计算机不能比拟的优越性。比如，同样容积的神经元比人造元件能完成更多的运算，能同时处理更多的信息，记忆容量也大得多，每个神经元件的准确度较低而其综合的可靠性较高等等··· Pii 推论：既然神经系统和计算机的逻辑结构有很大区别，那么，我们所用的逻辑和数学，也就和语言一样，同样是历史的、偶然的表达形式··· 看不大懂，有空再研究
2017-09-25 18:06

Pi 人脑的“逻辑深度”和“算术深度”都比计算机小的多，但有许多现代计算机不能比拟的优越性。比如，同样容积的神经元比人造元件能完成更多的运算，能同时处理更多的信息，记忆容量也大得多，每个神经元件的准确度较低而其综合的可靠性较高等等···
Pii 推论：既然神经系统和计算机的逻辑结构有很大区别，那么，我们所用的逻辑和数学，也就和语言一样，同样是历史的、偶然的表达形式···
看不大懂，有空再研究

推荐

回应 2017-09-25 18:06
展开收起
第20页

[已注销]

工程中人们对数字精准度要求只有1:1000~1:10000，为什么计算机需要高精度？因为连续运算时误差是叠加的，N次运算，误差将增加sqrt(N)倍假设一台计算机每一步运算的精度是1:10^12，只有当N>10^18次方时，总误差才会大于1/1000 假设一步运算需要20微妙，连续计算48小时，N也才10，所以精度太高也没有意思。根据 IEEE 754 标准，float 的精度为 1:2^23，double 的精度为 1:2^53，但在实际的工程中人们对数字精度的要求大概在...
2013-02-14 15:28 1人喜欢

工程中人们对数字精准度要求只有1:1000~1:10000，为什么计算机需要高精度？因为连续运算时误差是叠加的，N次运算，误差将增加sqrt(N)倍假设一台计算机每一步运算的精度是1:10^12，只有当N>10^18次方时，总误差才会大于1/1000 假设一步运算需要20微妙，连续计算48小时，N也才10，所以精度太高也没有意思。根据 IEEE 754 标准，float 的精度为 1:2^23，double 的精度为 1:2^53，但在实际的工程中人们对数字精度的要求大概在 1:1000 到 1:10000 之间，而在一些非科学计算的应用里，人们对数字精度的要求更低。既然如此，人们在设计计算机的时候要使用如此高的精度？

推荐

回应 2013-02-14 15:28