冯·诺依曼的趣事

来源 :科学24小时 | 被引量 : 0次 | 上传用户:serinol
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
  计算機已经在工作、学习、生活等方面深刻地影响着人们的生产和生活方式。而很少有人知道,计算机这项伟大的发明与一位数学家密不可分,他就是被誉为“计算机之父”的冯·诺依曼。
  冯·诺依曼(1903-1957年)是美籍匈牙利人,从小就天赋异禀、智商超群。他不仅拥有惊人的记忆力,还具备卓尔不群的数学才能。在他短暂的一生中,这位享有“火星人”美誉的科学巨人,几乎玩转了包括电子计算机、博弈论、代数、集合论、测度论、量子理论在内的诸多领域,成为这些领域里的一代宗师或开山鼻祖。下面的几则趣闻轶事便体现了这位天才的与众不同。

出人意料


  一次数学聚会上,一位年轻人兴冲冲地与他探讨科普大师马丁·加德纳编写的一道数学趣题:两个男孩各骑一辆自行车,从相距32千米的两地相向骑行。在他们起步的同时,一只停在自行车车把上的苍蝇,开始向另一辆自行车径直飞去。苍蝇一直飞,到达另一辆自行车的车把后又立即飞回。如此往返,直到两辆自行车相遇为止。如果两辆自行车都以每小时16千米的速度匀速前进,苍蝇以每小时24千米的速度匀速飞行,那么苍蝇总共飞行了多少千米?
  按照常人的惯性思维,首先需要算出苍蝇在两辆自行车车把之间的第一次路程,其次是返回路程,并依次类推,算出一段段越来越短的距离,最后求和,才是最终结果。这涉及到苍蝇飞过的路程有几段路和每段所花费的时间,即所谓的无穷级数求和问题,因此非常复杂。
  而科普大师加德纳则转化思路绕开这些常规障碍:因为每辆自行车运动的速度是每小时16千米,之后两辆自行车相遇走完32千米的距离,说明从开始到相遇,自行车所花费的时间为32÷(16 16)=1小时,而这正是苍蝇所用的时间。又已知苍蝇的飞行速度是每小时24千米,因此在1小时中苍蝇总共飞了24千米。
  听了年轻人的题,冯·诺依曼略加思索便给出了正确答案。年轻人笃定他也运用了加德纳的思路,于是开始抱怨其他数学家用无穷级数求解的方法十分繁琐。不料,冯·诺依曼却面露诧异地说道:“我用的正是无穷级数求和的方法啊!”年轻人听后顿时瞠目结舌。

神机妙算


  在讲述这个故事之前,我们需要介绍世界上第一台通用计算机——ENIAC(电子数字积分计算机的简称)。这台电子计算机诞生于第二次世界大战期间,当时各参战国的武器装备比较落后,因此研发新型导弹就显得十分迫切和必要,美国陆军军械部还专门为此设立了“弹道研究实验室”。为了在战争中占得先机,有关电子计算机的设想被提出并得到了大力支持,但等到真正开始实施时才发现研究工作困难重重、举步维艰。幸运的是,时任弹道研究所顾问、正在参加美国第一颗原子弹研制工作的数学家冯·诺依曼及时加入,解决了一系列关键性问题,从而保证了ENIAC的顺利问世,宣告了一个新时代的开始。
  在研制ENIAC期间,几位数学家在一起切磋一道数学难题,百思不得其解,又不甘心放弃。于是,一位青年数学家决定带着台式机回家继续演算。
  第二天一早,数学家们又在办公室里讨论这道难题。这时,那位带计算机回家演算的同事推门而入,模样狼狈不堪,却面带笑容颇为得意地对大家炫耀道:“感谢上帝,天道酬勤。我从昨晚开始马不停蹄地用计算机算到凌晨4时30分,总算找到这道难题的5种特殊解答。它们一个比一个难,我的天哪!”他的用意,一是表达如释重负;二是准备接受众人的夸奖。
  就在此时,冯·诺依曼恰好刚进办公室,随口问道:“什么一个比一个难?”有人将题目讲述给他听,冯·诺依曼一听立即来了劲头,但随即眼望天花板默不作声,陷入沉思之中。同事们饶有兴致地待在一边,大家对他超凡脱俗的神算本领早有耳闻,今天当然要见识一下。大约过了5分钟,冯·诺依曼就给出了4个正确答案。这下那位熬了一夜的青年数学家再也坐不住了,脱口说出最后一个答案。冯·诺依曼先是一愣,但没有接过话茬。在1分钟之后,他才肯定地说:“你的答案是正确的。”当那位青年数学家怀着无比敬佩而又尴尬的复杂心情离去后,冯·诺依曼仍在原地苦苦思索,一脸困惑,许久不能自拔。
  有人悄悄地问他在想什么。冯·诺依曼不安地说:“我在想,他究竟用的是什么方法,这么快就算出了答案。”众人忍俊不禁,道出了原委:“他可是用台式机算了整整一个晚上啊!”冯·诺依曼这才释怀地大笑起来。

稳操胜券


  印象中,科学家可能都是木讷呆板、不苟言笑的学究形象。他们大多都沉浸在自我的世界里,似乎不食人间烟火,少有情趣。不过下面这则冯·诺依曼为获胜耍小伎俩的趣事,或许能让你改变这种刻板印象。
  有一次,冯·诺依曼与9位同事一起去踏青。春意盎然的美景让大家心旷神怡,而自在美味的野餐更是让人兴致勃勃。一番尽兴地吃喝谈笑过后,饱了眼福和口福的数学家们有的卧着、有的坐着,端详着不远处的几座崇山峻岭感叹不已。
  或许是出于职业习惯和专业敏感,有人提议目测对面一座山峰的高度,众人立刻响应。大家商议的规则是:每个人悄悄写下一个数字,哪个人的数据最接近10个人估计数据的算术平均数,就算赢。
  冯·诺依曼稍加思考后,把一个关系最好的同事拉到一边耳语一番后,他俩分别写下了自己的数据。结果不用猜也知道——冯·诺依曼胜出。
  原来,两人先判断别人的估算值,认定其他8位同事写下的数据都小于m(比如3000米),然后冯·诺依曼在纸片上写m,他的好朋友则写9m。这样一来,可以理解的数据从小到大的常规情形如图1所示。
  从中可以轻易地判断出,如此这10个数据的算术平均数必定位于m和9m之间。从以下这2种极端情形,便可直观理解结论的正确性。
  1、8位同事估计的数据都很小,哪怕是都接近于0。
  不妨就认为8位同事都写了0,冯·诺依曼写了m,他的好友写了9m,那么这10个数据的算术平均数为(m 9m)÷10=m,相当于好友写的9m分别给前8位同事各补了一个m,即所谓减高补低。因此,冯·诺依曼的数据显然最为接近而获胜。
  2、8位同事估算的数据都很大,哪怕是都接近于m。
  不妨就认为8位同事都写了m,那么10个数据的算术平均数为(8m m 9m)÷10=1.8m,从排序上就可以判断,冯·诺依曼的数据仍最为接近。
  即使8位同事中一些或全部数据都大大超过m,也不难判断,10个数据的算术平均数仍位于m和9m之间,只是存在接近9m的可能。如果这样,那获胜的就是冯·诺依曼的好友,这可是他俩商议设定的结果哦!
其他文献
SAR图像目标识别是目前一个研究热点.本文提出了一种基于视区的快速识别方法.论文首先引入了一种基于目标三维模型的SAR图像仿真算法,获得在成像条件下不同目标类别的SAR仿真
会议
高分辨率遥感图像的变化检测存在四个难点:类间可分性低、对配准误差和视角变化鲁棒性差、计算量大以及"变化"具有歧义性,本文针对这些问题提出了一种基于尺度传播的多尺度变
会议
如何有效地从序列图象中检测和跟踪运动目标是计算机视觉研究的重要内容,针对现有方法存在的不足,给出了分层背景更新的运动目标检测与跟踪算法.在该算法中将背景更新分为三
会议
在运动目标检测过程中,若两帧图象在拍摄条件下光线强度发生突变,则运动目标检测的结果将会受到影响.据此,该文提出了抑制光强突变影响运动目标检测方法.首先,利用统计的方法
会议
提出一种基于提升小波的人脸识别算法.该算法利用D9/7提升小波对归一化人脸图像进行变换,分别提取低频平滑,水平细节和垂直细节三个子图的小波特征,将提取的小波特征利用新的
会议
本文提出了一种新的基于一维相关滤波器的类依赖特征分析人脸识别方法.和传统的基于二维相关滤波器的类依赖特征分析人脸识别方法不同,该方法在低维的特征空间中设计一维相关
一种彩色图像人脸检测新方法被提出.该方法首先对人脸彩色图像进行PCA变换以得到主分量P,并结合图像亮度分量Ⅰ构建PI图.在PI图中使用经验掩模进行图像肤色的自动检测,并使用
会议
本文提出了一种将UDP特征与LDA相结合的半监督学习算法,利用整体的样本结构信息,对原始的LDA进行正则化约束,从而提高分类算法的推广性能.在标准库人脸上的实验结果表明,该算
数字图像被动认证是一种新兴的认证技术.它事先不需要往图像数据中添加任何签名或水印信息,仅仅依靠图像自身的特性进行认证.本文提出了一种数字图像被动认证方法,对多幅图像
2019年动画类电影在内地票房突破115亿,接近全年票房收入的18%,是推动电影市场发展的重要力量.本文将以《哪吒之魔童降世》《冰雪奇缘2》《狮子王》《熊出没·原始时代》《千