计算机发展简史
本文简要介绍了计算机的发展历史，这些内容仅需了解即可。
计算工具发展史
手动式计算工具：
- 古代中国具有代表性的手动式计算工具是算盘。算盘提供了计算过程中存储数值的手段和一套计算规则（口诀）。
机械式计算工具：
[法]帕斯卡（Pascal） 利用齿轮传动，发明了第一台机械计算机：帕斯卡加法器，即帕斯卡机。首次确立了计算机器和自动计算的概念。
[德]莱布尼茨（Leibniz） 发明了能够进行十进制四则运算的机器，后来提出了二进制的概念以及“可以用机械代替人进行繁琐重复的计算工作”的思想。
[法]杰卡德（Jacquard） 利用穿孔纸带，解决了数据输入的手段问题。
[英]巴贝奇（Babbage） 设计了差分机和分析机，编制了第一个计算机程序。
[英]布尔（Boole） 创立了布尔代数，奠定了开关电路设计的理论基础。
机电式计算机：
[德]朱斯（Zuse） 发明了第一台二进制计算机 Z-1，实现了浮点计数法、二进制运算和带存储地址的指令等设计思想。
[德]艾肯（Aiken） 发明了自动顺序控制计算机 MARK-1。
电子计算机：
- 1946年，美国的宾夕法尼亚大学研制了第一台电子数字积分式计算机 ENIAC，采用电子器件（电子真空管、继电器和其他元件）替代了机械齿轮或电动机械。这台计算机计算速度快，但是编辑程序难。
电子计算机发展史
四个时期
| 代数 | 一 | 二 | 三 | 四 |
|---|---|---|---|---|
| 年份 | 1946 | 1958 | 1965 | 1971 |
| 特征 | 电子管 | 晶体管 | 中小规模集成电路 | （超）大规模集成电路 |
| 内存 | 延迟线/磁芯 | 磁芯 | 半导体 | 半导体 |
| 外存 | 纸带/磁带 | 磁带/磁盘 | 磁带/磁盘 | 磁盘/光盘 |
| 软件 | 机器语言/汇编语言 | 高级语言 | 高级语言/操作系统 | 操作系统/应用软件 |
| 国际代表 | ENIAC | IBM 7000 | IBM System，360 | / |
| 中国代表 | 103机，119机（109甲机） | 109乙机，109丙机（功勋计算机） | 757机，银河-I | 长城微机，银河，曙光，神威，天河，星云 |
发展趋势
电子计算机在应用方面，从科学计算，到事务管理与工业控制，再发展到计算机网络。
电子计算机在性能方面，逐渐向体积小、速度快、寿命长、能耗少的方向发展。
摩尔定律，指芯片集成晶体管的能力每18个月增长一倍，其计算能力也增长一倍。摩尔定律在2013年失效了，失效的主要原因是元件的高温和漏电问题。
中国成就
重视校史和家国情怀的学校自然少不了塞点私货。
高庆狮 院士是119机（109甲机），109乙机，109丙机（功勋计算机）和757机的体系结构设计者（之一）。
超级计算机是功能最强、运算速度最快、存储容量最大的一类计算机，多用于国家高科技领域和尖端技术研究，是国家科技发展水平和综合国力的重要标志。
中国的天河系列和“神威·太湖之光”超级计算机的计算速度数量级是千万亿次，衡量单位是PFLOPS。
“神威·太湖之光”获得“戈登·贝尔”奖，采用中国自主研发的“申威26010”众核处理器和64位申威指令系统，持续性能为93PFLOPS。
计算机应用领域
传统领域
计算机一开始就是为科学计算而设计的。
传统的计算机应用领域包括：科学计算（数值计算），信息处理，过程控制，计算机辅助系统，计算机网络。
现代领域
现代（21世纪早期）的计算机应用领域包括：人工智能，物联网，云计算，大数据，多媒体应用。
人工智能
专门展开介绍人工智能是因为我是人工智能专业的。
人工智能（Artificial Intelligence, AI） 的目标是用计算机模拟人的意识和思维。 [英]图灵（Turing） 是人工智能之父、计算机科学之父。
人工智能的“智能”包括：计算智能（IBM 深蓝、Alpha Go、搜索引擎），感知智能（语音识别、图像处理），认知智能（推理、理解、思考），具身智能（与环境的实时交互）。
人工智能的应用领域包括：计算机视觉（Computer Vision, CV），自然语言处理（Natural Language Processing, NLP），语音识别，机器人，搜索引擎，数据挖掘与知识发现，知识图谱等。
机器学习（Machine Learning, ML） 是实现人工智能的一种方法，深度学习（Deep Learning, DL） 是实现机器学习的一种方法。因此有关系：
$ DL \in ML \in AI $
大数据
大数据的特点是4个V：
- Volume：数据量巨大。
- Velocity：数据产生和传播的速度极快。
- Variety：数据的模态多样。
- Veracity：数据的真伪难辨。
大数据的技术基础是存储能力、计算能力和网络带宽的增加。
大数据的两大核心技术是分布式存储和分布式处理。