计算机产业未来展望

　　当器件从小规模集成电路进入中规模集成电路的时候，坚持“main frame主机系统”的公司（包括CDC、王安）纷纷倒闭。“超级小型机”纷纷出现，但只是昙花一现，生命非常短暂，因为中规模集成电路已迅速被大规模集成电路所取代。只有迅速转入PC机（软件、硬件）的IBM不仅没有倒闭，而且还迅速发展。

　　    任何硬件、软件都有生命周期。任何公司要不断发展，必须不断有符合客观发展规律的新产品诞生。

　　网络安全

　　    当前解决网络安全的方法主要依靠法律、管理、鉴别认证技术、加密技术和隔离技术等5个方面。这里的管理，不仅包括人事管理，而且包括网络管理和计算机系统的管理(操作系统、运行日记、黑盒子等)。历史事实说明，这些措施是相对的。所以，网络安全的研究也是长期的。

　　    任何大型软件系统都难免有漏洞，操作系统也不例外。鉴别认证技术和加密技术是相对的。前者指对具有不变性的特征，如指纹、眼纹等进行识别；对于后者，目前流行有效的方法是利用计算函数和反函数严重不对称的钥对系统及其派生的数字签名和虚拟私人网络VPN。

　　    令人无可奈何的是，当新的鉴别认证技术和加密技术被发明之后，经过一段时间，又有可能出现新的冒充技术和破译技术。而且，病毒等非法入侵活体(指一个程序段)也很难鉴别出来，而杀病毒软件也难于制止新病毒对计算机系统的破坏和盗窃。目前的安全技术产品基本上是软件技术产品或者软件固化，或者是建立在通用机上的软件系统(例如防火墙)。

　　    隔离技术是有效的，但对网络行为必须而且也只能加以适当限制。简单的隔离是完全取消网络功能。对网络行为加以合理限制的隔离技术是可取的，从计算机系统结构和软件结合（软硬结合）的角度来防止病毒的破坏和盗窃值得注意。

　　网络巨量信息的查找

　　    网络是信息的海洋，但你常会碰到的问题是：想要的信息常常是查不到的，你不需要的，却给你一大堆。核心问题在于：如何实现按内容检索。这个问题的解决不仅要解决人类的混乱术语、混乱的概念、中小学的一致性教育和术语概念一致化，而且还要解决计算机对自然语言知识层次的理解，以及与目标库大小无关的高速搜索算法和类似于主体(AGENT)的网络机器人。

　　    自然语言理解就是对语义的理解。语义有3种不同的层次：语言层次、知识层次和语用层次。

　　    例如，“把这杯水倒入那缸浓硫酸里。”这句话里包含了七个语义单元。

　　    “这<N>”、“杯<N>”、“水”、“那<N>”，以及“缸<N>”、“浓硫酸”、“把<N>倒入<N>里”。其中，N 表示名词。

　　    如果一个机器人只有语言层次的理解，它就能够根据“这<N>”找到一个标有“水”的“杯”，再根据“那<N>” 找到一个标有 “浓硫酸”的“缸”，然后执行把“杯”中的“水”倒入标有“浓硫酸”的“缸”里的任务。

　　    如果一个机器人有知识层次的理解，它就不会马上执行把“杯”中的“水”倒入标有 “浓硫酸”的“缸”里。因为它有知识层次的理解：把水倒入浓硫酸里会发生爆炸。

　　闲散计算能力的利用

　　    全世界数以亿计上网的计算机在多数时间里被闲置或者利用率不高。如果它们被利用起来，不仅是一笔巨大的财富，而且可实现每秒数亿亿次的神奇的计算能力。这固然十分诱人，但难度也很大。待解决的问题很多，最关键问题是双向安全：如何确保主系统不受客户的安全干扰，同时又如何确保客户的计算不受主系统的安全干扰。

　　    不要把上亿台机器闲散计算能力的利用与计算网络及网络计算混淆起来。计算网络实际上在上个世纪80年代初期就提出来了，其目的是让更多地区更多的人共享计算资源。当今的人们可以用更方便的方式来共享网络上的计算资源。例如用手机上网计算。网络计算是分布计算，是一个计算题目在网络上的分布计算。

　　自然语言自动翻译

　　    自然语言自动翻译的研究历史已经有半个多世纪了，其社会效益和经济效益极为可观, 自然引起人们的重视。而巨大的社会效益和经济效益的前提是实用，即没有语无伦次, 没有正错混杂, 合乎目标语言的习惯。

　　    目前在广泛领域范围内的文字及语音自动翻译产品，都是部分语无伦次、部分正错混杂、不合习惯，书面及电话翻译都无法实用。300亿美元人工翻译市场无法容忍0.1%的错。平均每页都有错！300亿美元人工翻译市场解决20%就有60亿美元之巨。

　　    半个世纪以来的主要方法是，基于规则，尚未实用。它可以从很低的水平快速地提高到比较高的水平，但总有一部分不正确。它可以作为很好的工具，但独立使用则难以实用。实用的翻译历史上有整句和句型模式翻译，缺点是语言覆盖范围和语言知识库之比太小。基于实例能有效提高上述之比，但仍然是近似方法、本质上会夹杂语无伦次、正错混杂和不合乎目标语言的习惯的成分。

　　    半个世纪没有做到实用的关键原因是：自然语言缺乏精确描述；现有的机器翻译方法难于实用。任何复杂的点集之间的变换（即翻译）在几何基—坐标的精确描述基础上都十分简单、容易。基于这个几何提示，建立自然语言基—坐标，在语义单元(点)组成的语义语言（点集）的机器翻译方法可能是解决问题的有效途径。

　　软件设计的难题

　　    从本质上说，软件设计（所有的设计）最核心的5个基本难题是：可靠性、再用、时空群体工作、尽量自动和自然化，其中可靠性为首。

　　    软件可靠性的核心是软件的正确性。它包括：已经存在的软件系统错误的发现及排除；新软件系统的正确、无错误的设计。

　　    软件可靠性还包括：硬件故障可无副作用地恢复能力。硬件偶尔故障或操作错误的安全、快速、自动或半自动恢复能力，等等。

　　    软件可靠性的重要性在于：软件维护费用远远超过开发费用。一个大型软件即使工作了许多年，仍然有一大堆错误，工作不可靠，经常出故障。在某些使用中，软件不可靠将导致灾难性的后果。

　　    库函数、类库和构件是常见的再用技术。关键是：如果一个待设计的大型软件，其功能与已经存在的软件大体相同。例如，只有5%不同，而且不同之处是分散的，那么，新的软件的设计工作量只是原有的5%、10%、40%，还是更多？ 例如，能不能在15%以内？

　　    时空群体工作所提出的问题是：如果数以百计的软件设计人员共同设计一个大型软件系统，其中部分人员是流动的，也就是分布在不同的时间段和不同的空间，那么如何有效地组织大的群体来设计大型软件系统？特别是如何在保持软件人员的自由创造力的前提下使群体有效地工作。

　　    “软件工程”致力于解决这个问题，但往往需要牺牲软件设计人员的创造性。网络引入主体，研究其协同工作，似乎兜了一大圈，不如直截了当地研究软件设计的群体工作，这样成功的机会倒要大些。

　　    尽量自动是不言而喻的。软件研究工作一开始以其为目标，但实际上并没有完全做到，正在不断提高的过程中。

　　    自从引入图形用户界面之后，非计算机专业人员的用户就可以不需要计算机专业知识，而仅仅应用他们的专业知识就可以使用计算机了。这是自然化的第一步，现在已经实现了。

　　    然而，能不能让不懂计算机或者懂得不多的各种专业人员自己来设计他们的专业软件呢？当前，这似乎是天方夜谭。很难！但不等于不可能。

　　人类智能模拟和应用

　　    人工智能的最初目标就是让计算机模仿人类的智能，帮助人类进行部分创造性的劳动。但是，50年来，没有任何人造系统(无论是软件、硬件还是混合)有智能。专家系统是一种编程技术(程序独立于规则)，没有智能。严肃的人工智能学家早已经把人工智能的目标改为：人工智能是专门研究那些人类做得比机器做得好的领域的问题。

　　    例如，人类下棋比机器下得好，那么，机器下棋就是人工智能要研究的领域，等等。如果一个下棋系统，程序不再修改，开始输给大师，下几盘后，有输有赢；再下几盘，赢的比例越来越高，我们就可以说：这个下棋系统有智能味道。（因为智能是通用能力，而下棋能力不是通用能力。）

　　    西方有一些人工智能学者喜欢操作概念，极力模糊智能的原本含义。他们把20世纪50年代为控制系统提出的十分有效的仿生算法——遗传算法，操作成为一种智能。把生物进化模拟(有意义的研究)说成是人工智能内容，甚至用人类社会某些关系映射到网络产生的（有用）概念来取代智能，模糊智能的本来面貌。这都是不恰当的。

　　    计算机帮助人类进行某些创造性劳动，其社会效益和经济效益极大，是划时代的进步。所以，迟早还会再提到人类的议事日程上来。不过，先要解决其理论基础，还要考虑其技术前提。

　　计算科学也是产业

　　    计算科学将与理论科学和实验科学拥有同等的重要性。在20世纪后期，计算流体力学、计算化学、计算物理学已经十分成熟。当今的生物信息学其计算量远远超过以往的各种计算科学。比起预测未来的智能领域的计算，有过之而无不及。20世纪70年代初期，钱学森院士提出过当时计算流体力学的计算要求：浮点64位以上的1万亿字存储容量，每秒1万亿次计算速度。其计算速度的需求，现在似乎要让位给生物信息学了。当今的生物信息学，其计算量远远超过以往的各种计算科学。而且这仅仅是一个开始，因为人们还不知道信息是如何控制细胞的发育的。

　　    当今的计算，不仅仅是一门科学，也是一个大产业。