艾伦·图灵（Alan Turing）对计算机科学的贡献

（理论上的）计算机科学的先驱者之一艾伦·图灵（Alan Turing）为我们的领域做出了许多开创性的科学贡献，包括定义图灵机，Church-Turing论文，不确定性和Turing测验。但是，他的重要发现不仅限于我列出的那些。

为了纪念他的100周年诞辰，我认为最好索取一份他对计算机科学的重要贡献的完整清单，以便更好地欣赏他的工作。

那么，艾伦·图灵（Alan Turing）对计算机科学的重要/影响力是什么？

这个问题很像要求牛顿对物理学或达尔文对生物学的贡献！但是，许多评论者已经抓住了这个问题的一个有趣方面：即，除了每个人都知道的巨大贡献之外，还有很多大多数人不知道的小贡献-以及许多见解。我们认为这是更“现代的”，但图灵在各种评论中都表明他非常了解。（顺便提一句，牛顿和达尔文也是如此。）

我喜欢一些示例（除了前面提到的示例）：

在“计算机与智能计算”一书中，图灵包含了一个关于随机算法好处的非常现代的讨论：

在学习机中包含一个随机元素可能是明智的。当我们寻找某些问题的解决方案时，随机元素会非常有用。例如，假设我们想要找到一个介于50到200之间的数字，该数字等于它的数字总和的平方，那么我们可以从51开始，然后尝试52，然后继续直到得到一个有效的数字。另外，我们可能会随机选择数字，直到获得一个好的数字为止。这种方法的优点是不必跟踪已经尝试过的值，但是缺点是可以一次尝试两次相同的值，但是如果有多种解决方案，这并不是很重要。该系统方法的缺点是，在该区域中必须首先研究的区域可能存在巨大的障碍，而没有任何解决方案，现在，学习过程可以看作是寻找一种满足老师（或其他标准）的行为形式。由于可能存在大量令人满意的解决方案，因此随机方法似乎比系统方法更好。应当注意，它被用于类似的进化过程中。

图灵显然也是第一个使用数字计算机搜索黎曼假说的反例的人- 参见此处。

除了从图灵1939年博士论文（由利Reyzin提及）的技术结果，即论文是引入的概念非常显着的预言和相对化到可计算性理论。（有些人可能希望图灵从未做到过，但我不是其中之一！:-D）

最后，虽然这是基本知识，但似乎还没有人提及通用图灵机的存在的证据-这是从定义图灵机模型，制定Church-Turing论文，或证明图灵机的不可解性方面做出的独特贡献。Entscheidungs问题，但可以说是与计算机革命过程最直接相关的问题。

直到最近我才知道这些。

1）矩阵的LU分解归因于图灵！考虑到LU分解的基本原理，这是一个值得强调和广泛了解的贡献（1948年）。

2）图灵是第一个提出国际象棋“纸算法”的人。那时，仍在建造第一批数字计算机（1952年）。

国际象棋编程界有着与之相关的杰出人士，香农，图灵，赫伯·西蒙，肯·汤普森等人。最后两个人获得了图灵奖。西蒙当然也赢得了诺贝尔奖。（香农在1948年提出了一种评估象棋位置的方法。）

正如问题中提到的，图灵对于定义算法和可计算性至关重要，因此他是帮助组装算法镜头的人之一。但是，我认为他最大的贡献是通过算法的角度来看科学，而不仅仅是为了计算而进行的计算。

在第二次世界大战期间，图灵使用了计算和机电（而非人机）计算机的思想来帮助创建图灵-韦尔曼炸弹以及进行加密分析的其他工具和形式技术。他开始了由克劳德·香农（Claude Shannon）完成的从艺术形式到密码学到密码学科学的转变。艾伦·图灵（Alan Turing）从算法的角度看待密码学。

1948年，图灵跟随他对大脑的兴趣，创建了第一个学习型人工神经网络。不幸的是，他的手稿遭到了NPL主任的拒绝，并没有出版（直到1967年）。但是，它早于我们通常与第一个神经网络相关联的Hebbian学习（1949）和Rosenblatt的感知器（1957）之前。图灵预见了连接主义（仍然是认知科学中的巨大范式）和计算神经科学的基础。艾伦·图灵（Alan Turing）通过算法镜头观察了大脑。

1950年，图灵（Turing）发布了他著名的计算机技术和智能技术，并推出了AI。这对心理学和认知科学产生了变革性的影响，它们继续将认知视为对内部表征的计算。艾伦·图灵（Alan Turing）从算法的角度看待思想。

最终在1952年（如@vzn所述），图灵出版了《形态发生的化学基础》。。这已成为他引用最多的作品。在其中，他问（并开始回答）一个问题：在保持对称性的形态发生子化学扩散作用下，球形对称的胚胎如何发育成非球形对称的生物？他在本文中采用的方法是非常物理的方法，但是其中某些方法确实具有TCS的特性。他的论文提出了严格的定性说明（对各种常量和参数有效），而不是基于特定的（在某些领域：可能无法测量）常量和参数的定量说明。在他去世前不久，他通过研究如何成为人工生命模拟的基本思想以及对生物学的更离散和非微分方程的处理来继续这项研究。在博客文章中我推测如果他有更多时间他将如何发展生物学。艾伦·图灵（Alan Turing）开始通过算法的角度来看生物学。

我认为Turing对计算机科学的最大（也是经常被忽视的）贡献表明，通过从算法的角度来看科学，我们可以收集到深刻的见解。我只能希望我们继续他的工作，以表彰他的才华。

相关问题

• 社会科学中的算法镜头

• Alan Turing B型神经网络的现代治疗

• 艾伦·图灵的方法对形态发生的影响

一个鲜为人知的贡献是Good-Turing估计器，用于估计在采样时“尚未看到”的总体比例。这用于生物多样性。

1949年在剑桥的一次会议上发表的Turing关于“ 检查大型例程”的论文比Floyd和Hoare开发的程序早了将近二十年的形式推理。本文只有三页长，包含使用不变式证明程序属性和有充分根据证明终止的想法。

在确保例程正确的意义上，如何检查例程？

为了使检查人员的任务不会太困难，程序员应该做出一些确定的断言，可以分别检查这些断言，并从中容易地得出整个程序的正确性。

图灵很感兴趣，并且在化学反应扩散模式方面做了一些开创性的工作。自从他开始研究以来，这一研究领域已大大扩展。它已经显示出与可计算性的联系，例如，在某种意义上是“转向完成” [1]。化学反应可以用复杂的非线性微分方程建模，因此从某种意义上说，已经证明具有足够复杂度的非线性微分方程可以模拟图灵机。源于他在1951年发表的论文《形态发生的化学基础》 [4]

[1] Magnasco在PRL 97中将化学动力学应用于图灵。

[2] 简单化学反应中的图灵结构

[3] Franz 非线性交叉扩散的线性化学反应系统中的图灵模式

[4] 形态发生的化学基础，维基百科

这是我在Scott Aaronson的博客上找到的另一个（并且Q + A是从那里获取的）：

$F_α$

$M$$F_α$$M$

图灵证明：

$M$$F_{\omega+1}$$M$

不幸的是，定义和技术细节很难概括，但是链接到博客的帖子在解释它们方面做得很好。

这是SB Cooper诞辰100周年《美国数学学会告示》（Alan Turing之后的不可计算性）中广泛的，经过大量研究/详细的9p在线调查/回顾，它们对Turing的特殊和更一般/远程的贡献进行了回顾。该调查中提到的其他一些贡献：

• 矩阵处理过程中的舍入误差，1948年。对数值分析和科学计算有影响的计算理论

• 1948年美国国家物理实验室未出版的报告《 智能机械》描述了一种早期的连接主义模型，与著名的McCulloch和Pitts神经网络相似且同时存在。

• 指出图灵的分析和形态发生理论可以被认为是大规模的（并且仍在继续/活跃的）后期理论的早期知识基础，涉及自组织和新兴现象。

（等等）