AI第一篇论文中文版(图灵)
人工智能论文5000字
人工智能的发展与应用引言人工智能（Artificial Intelligence，AI）是一种模拟人类智能的技术，它为计算机注入了类似人类思维和决策的能力。
自20世纪50年代的图灵测试以来，人工智能一直是计算机科学和工程领域的重要研究方向之一。
本文将探讨人工智能的发展历程、当前的应用场景以及其对社会和经济的影响。
人工智能的发展历程人工智能的发展可以追溯到1956年，当时由一些计算机科学家和心理学家组成的团队在达特茅斯会议上首次提出了人工智能的概念。
然而，在接下来的几十年里，由于计算能力的限制以及缺乏有效的算法，人工智能的发展一度进展缓慢。
直到20世纪80年代，随着计算机技术和算法的不断改进，人工智能开始蓬勃发展。
专家系统、机器学习和神经网络等技术的应用为人工智能的进一步发展注入了新的活力。
1997年，IBM的深蓝超级计算机击败了国际象棋冠军卡斯帕罗夫，引起了全球的轰动，也标志着人工智能迎来了新的里程碑。
随着时间的推移，人工智能技术越来越成熟，应用领域也不断扩大。
目前，人工智能已经渗透到日常生活的方方面面，包括语音助手、自动驾驶、医疗诊断、金融风险分析等。
人工智能的应用场景自然语言处理自然语言处理（Natural Language Processing，NLP）是人工智能的一个重要应用领域。
通过NLP技术，计算机可以理解、处理和生成自然语言。
例如，语音助手可以通过NLP技术理解人类的语言指令，并进行相应的操作。
另外，机器翻译、情感分析和文本生成等也是NLP技术的应用场景。
机器学习机器学习是人工智能的核心技术之一，它使计算机能够通过从数据中学习和改进来执行任务。
机器学习在图像识别、语音识别、推荐系统等领域都有广泛的应用。
例如，人脸识别技术已经被广泛应用于刷脸支付、安全门禁等场景。
智能交通智能交通是另一个人工智能的热门应用领域。
通过图像识别和数据分析等技术，智能交通系统可以实时监控交通状况、识别车辆和行人，从而提供更高效和安全的交通服务。
图灵测试和图灵机论文
图灵测试和图灵机学院计算机科学与技术学院班级零八级计算机科学与技术（师范）姓名刘时辰学号 20081201052摘要：图灵测试（又称“图灵判断”）是图灵提出的一个关于机器人的著名判断原则。
所谓图灵测试是一种测试机器是不是具备人类智能的方法。
被测试的有一个人，另一个是声称自己有人类智力的机器。
一种测试机器是不是具备人类智能的方法。
关键字：人工智能图灵测试图灵机阿兰.图灵正文：1图灵测试1.1 如果说现在有一台电脑，其运算速度非常快、记忆容量和逻辑单元的数目也超过了人脑，而且还为这台电脑编写了许多智能化的程序，并提供了合适种类的大量数据，使这台电脑能够做一些人性化的事情，如简单地听或说。
回答某些问题等。
那么，我们是否就能说这台机器具有思维能力了呢?或者说，我们怎样才能判断一台机器是否具存了思维能力呢?为了检验一台机器是否能合情理地被说成在思想，人工智能的始祖阿兰·图灵提出了一种称作图灵试验的方法。
此原则说：被测试的有一个人，另一个是声称自己有人类智力的机器。
测试时，测试人与被测试人是分开的，测试人只有通过一些装置（如键盘）向被测试人问一些问题，这些问题随便是什么问题都可以。
问过一些问题后，如果测试人能够正确地分出谁是人谁是机器，那机器就没有通过图灵测试，如果测试人没有分出谁是机器谁是人，那这个机器就是有人类智能的。
目前还没有一台机器能够通过图灵测试，也就是说，计算机的智力与人类相比还差得远呢。
比如自动聊天机器人。
同时图灵试验还存在一个问题，如果一个机器具备了“类智能”运算能力，那么通过图灵试验的时间会延长，那么多长时间合适呢，这也是后继科研人员正在研究的问题1.2 要分辨一个想法是“自创”的思想还是精心设计的“模仿”是非常难的，任何自创思想的证据都可以被否决。
图灵试图解决长久以来关于如何定义思考的哲学争论，他提出一个虽然主观但可操作的标准：如果一台电脑表现（act）、反应（react）和互相作用（interact）都和有意识的个体一样，那么它就应该被认为是有意识的。
人工智能历史英国发展论文
人工智能历史英国发展论文人工智能（Artificial Intelligence, AI）是一个多学科交叉融合的领域，它的发展历史可以追溯到20世纪40年代。
英国作为现代计算机科学的发源地之一，对人工智能的发展做出了重要贡献。
本文将探讨人工智能在英国的发展历史，分析其在不同阶段的成就和挑战，并展望未来的发展。
引言人工智能的概念最早由英国数学家艾伦·图灵（Alan Turing）在1950年提出。
图灵在其著名的论文《计算机器与智能》中提出了“图灵测试”，为人工智能的发展奠定了基础。
此后，英国在人工智能领域的研究逐渐展开，成为全球人工智能研究的重要力量。
早期发展20世纪50年代至60年代，人工智能在英国经历了初步的发展阶段。
1956年，英国科学家克里斯托弗·斯特雷奇（Christopher Strachey）开发了第一个人工智能程序“逻辑理论家”，它能够证明数学定理。
这一时期，英国学者对人工智能的逻辑推理能力进行了深入研究。
学术研究与工业应用70年代至80年代，随着计算机技术的发展，人工智能在英国开始从理论研究转向实际应用。
英国的大学和研究机构，如剑桥大学、牛津大学和爱丁堡大学等，都建立了人工智能研究中心，推动了人工智能技术的发展。
同时，英国的工业界也开始利用人工智能技术，如在制造业、金融服务等领域的应用。
人工智能的挑战与突破90年代，人工智能在英国面临了一系列挑战，包括技术瓶颈、资金短缺等问题。
然而，英国的科学家和工程师通过不懈的努力，克服了这些困难，取得了一系列重要突破。
例如，1997年，IBM的深蓝计算机在英国击败了国际象棋世界冠军加里·卡斯帕罗夫，这是人工智能在复杂决策领域的一个重要里程碑。
21世纪的人工智能进入21世纪，人工智能在英国迎来了新的发展机遇。
随着大数据、云计算和机器学习等技术的发展，人工智能的应用领域不断扩大。
英国政府也高度重视人工智能的发展，通过政策支持和资金投入，推动了人工智能产业的快速发展。
人工智能：挑战与机遇的相关论文
人工智能：挑战与机遇摘要：本文深入探讨了人工智能的发展历程、技术原理、应用领域以及所带来的挑战与机遇。
通过对人工智能的历史回顾，分析了其关键技术，包括机器学习、深度学习、自然语言处理等。
详细阐述了人工智能在医疗、金融、交通、教育等多个领域的广泛应用，并探讨了其对社会、经济和伦理等方面的影响。
同时，也指出了人工智能发展过程中面临的技术瓶颈、数据安全和伦理道德等问题，并提出了相应的解决方案。
最后，对人工智能的未来发展趋势进行了展望，强调了人类与人工智能协同发展的重要性。
关键词：人工智能；机器学习；深度学习；应用领域；挑战与机遇一、引言随着科技的飞速发展，人工智能（Artificial Intelligence，简称 AI）已经成为当今世界最具影响力的技术之一。
它犹如一场汹涌的科技浪潮，席卷了各个领域，深刻地改变着人们的生活和工作方式。
人工智能旨在让计算机模拟人类的智能行为，包括学习、推理、决策等。
其发展不仅是技术的进步，更是人类对自身智能的深入探索和拓展。
回顾历史，人工智能的概念最早可以追溯到古代的神话和传说中，如希腊神话中的机械人塔罗斯。
然而，现代人工智能的起源可以追溯到 20 世纪 50 年代。
1950 年，英国数学家艾伦・图灵发表了一篇具有里程碑意义的论文《计算机器与智能》，提出了著名的“图灵测试”，为人工智能的发展奠定了理论基础。
自此以后，无数的科学家和研究人员投入到人工智能的研究中，推动着这一领域不断向前发展。
近年来，人工智能技术取得了重大突破，在各个领域都得到了广泛的应用。
从医疗领域的疾病诊断和药物研发，到金融领域的风险评估和投资决策；从交通领域的智能交通系统和自动驾驶，到教育领域的个性化学习和智能辅导，人工智能无处不在，给人们的生活和工作带来了深刻的变革。
然而，人工智能的发展也带来了一系列的挑战，如技术瓶颈、数据安全和伦理道德等问题。
这些问题不仅关系到人工智能的可持续发展，也关系到人类社会的未来走向。
人工智能发展趋势论文
摘要：随着科技的飞速发展，人工智能（Artificial Intelligence，AI）已成为当今世界最具竞争力的前沿技术之一。
本文从人工智能的定义、发展历程、核心技术、应用领域、挑战与机遇等方面对人工智能发展趋势进行探讨，旨在为我国人工智能产业提供有益的参考。
一、引言人工智能作为一门综合性学科，融合了计算机科学、数学、心理学、语言学、神经科学等多学科知识。
近年来，随着大数据、云计算、物联网等技术的飞速发展，人工智能得到了广泛关注，成为全球科技竞争的焦点。
本文将从以下几个方面对人工智能发展趋势进行探讨。
二、人工智能发展历程1. 初创阶段（20世纪50年代-60年代）20世纪50年代，人工智能诞生，以图灵测试为标志，标志着人工智能研究的正式开始。
这一阶段，人工智能主要集中在符号主义、逻辑推理等领域。
2. 转折阶段（20世纪70年代-80年代）70年代，人工智能进入低谷期，符号主义方法逐渐暴露出局限性。
80年代，专家系统、模式识别等应用型研究成为主流，人工智能开始向实用化方向发展。
3. 转型阶段（20世纪90年代-21世纪初）90年代，机器学习、神经网络等研究取得突破，人工智能开始向数据驱动方向发展。
21世纪初，人工智能进入新一轮快速发展阶段。
4. 爆发阶段（2010年至今）随着大数据、云计算、物联网等技术的兴起，人工智能进入爆发阶段。
深度学习、强化学习等算法取得突破，人工智能在各个领域得到广泛应用。
三、人工智能核心技术1. 机器学习机器学习是人工智能的核心技术之一，主要包括监督学习、无监督学习、半监督学习等。
近年来，深度学习在机器学习领域取得显著成果，为人工智能的发展提供了强大的技术支持。
2. 神经网络神经网络是模拟人脑神经元连接的一种计算模型，具有强大的非线性处理能力。
近年来，深度神经网络在图像识别、语音识别、自然语言处理等领域取得突破。
3. 强化学习强化学习是一种使智能体在环境中通过试错学习最优策略的方法。
人工智能理论发展成果论文
人工智能理论发展成果论文人工智能（Artificial Intelligence, AI）作为一门跨学科的研究领域，自20世纪中叶以来，已经取得了巨大的发展和进步。
本文将探讨人工智能理论的发展成果，从早期的逻辑推理和问题解决，到现代的机器学习、深度学习以及人工智能的伦理和哲学问题。
引言人工智能的发展可以追溯到计算机科学的诞生之初。
早期的人工智能研究集中在模拟人类思维过程，如逻辑推理、问题解决等。
随着时间的推移，人工智能的研究领域逐渐扩展，包括了机器学习、自然语言处理、计算机视觉、机器人技术等多个子领域。
早期人工智能理论早期的人工智能理论主要集中在符号推理和问题解决上。
1950年代，艾伦·图灵提出了图灵测试，这是衡量机器智能的一个重要标准。
图灵测试的核心思想是，如果一台机器能够与人类进行对话，并且让人类无法区分它是机器还是人类，那么这台机器就可以被认为具有智能。
这一理论为人工智能的发展奠定了基础。
1960年代，约翰·麦卡锡等人提出了一种基于逻辑的人工智能理论，即逻辑推理系统。
这些系统能够通过符号操作来模拟人类的推理过程。
然而，这些早期的系统在处理复杂问题时遇到了困难，因为它们缺乏对现实世界知识的理解和学习能力。
机器学习与深度学习随着计算机硬件的发展和数据量的增加，机器学习成为了人工智能研究的一个重要分支。
机器学习的核心是让计算机通过数据来学习模式和规律，而不是通过预设的规则。
这一领域的突破性进展包括决策树、支持向量机、神经网络等算法。
特别是神经网络的复兴，为深度学习的发展提供了基础。
深度学习是一种基于人工神经网络的机器学习方法，它能够处理大量数据，并在图像识别、语音识别等领域取得了显著的成果。
深度学习的成功案例包括谷歌的AlphaGo，它在围棋比赛中战胜了世界冠军，展示了人工智能在复杂策略游戏中的潜力。
自然语言处理自然语言处理（Natural Language Processing, NLP）是人工智能的另一个重要领域。
阿兰·图灵
阿兰·图灵（Alan Turing 1912-1954）：人工智能之父Alan Turing入选理由阿兰·图灵，可与美国的冯·诺伊曼相媲美的电脑天才。
在他短暂的生涯中，在量子力学、数理逻辑、生物学、化学方面都有深入的研究，在晚年还开创了一门新学科——非线性力学。
他是天才的数学家和计算机理论专家。
24岁提出图灵机理论，31岁参与COLOSSUS 的研制，33岁设想仿真系统，35岁提出自动程序设计概念，38岁设计“图灵测验”。
这一朵朵灵感浪花无不闪耀着他在计算机发展史上的预见性。
当然，他最高的成就还是在电脑和人工智能方面，是这一领域开天辟地的大师。
姓名（中文）阿兰·图灵姓名（英文） Alan Turing出生年月 1912年6月23日－1954年6月8日出生国家、地点英国伦敦教育背景 1938年5月，在普林斯顿获得博士学位1934年，获剑桥大学国王学院数学学士学位职业背景 1951年，当选为英国皇家学会会员1950年，到曼彻斯特大学任教1947年，加入皇家学会电脑实验室1945年，英国国家物理研究所担任高级研究员1938年，恢复剑桥研究生院的学籍目录• 简介• 故事从谜开始• 神童图灵• 怪才图灵[显示全部]简介回目录阿兰·图灵（Alan Turing）这个名字无论是在计算机领域、数学领域、人工智能领域还是哲学、逻辑学等领域，都可谓“掷地有声”。
图灵是计算机逻辑的奠基者，许多人工智能的重要方法也源自这位伟大的科学家。
他在24岁时提出了图灵机理论，31岁参与了Colossus（二战时，英国破解德国通讯密码的计算机）的研制，33岁时构思了仿真系统，35岁提出自动程序设计概念，38岁设计了“图灵测试”，在后来还创造了一门新学科—非线性力学。
虽然图灵去世时只有42岁，但在其短暂而离奇的生涯中的那些科技成就，已让后人享用不尽。
人们仰望着这位伟大的英国科学家，把“计算机之父”、“人工智能之父”、“破译之父”等等头衔都加冕在了他身上，甚至认为，他在技术上的贡献及对未来世界的影响几乎可与牛顿、爱因斯坦等巨人比肩。
高考作文专题素材解读：“AI之父”艾伦 图灵(附：适用话题)
高考作文专题素材解读：“AI之父”艾伦图灵（附：适用话题）有人说，世界上有三只著名的苹果，一只诱惑了夏娃，一只砸中了牛顿，还有一只在乔布斯手中。
苹果公司标志的来源，也有两种说法，一种来自夏娃咬了禁果的传说，还有一种是为了向艾伦·图灵致敬。
2019年7月15日，英国央行英格兰银行宣布，英国科学家、計算机科学和人工智能之父、被BBC誉为“20世纪最伟大的人”的艾伦·图灵（Alan Turing）的肖像将被印在50英镑纸币上，新钞将于2021年开始流通。
除肖像外，新版50英镑纸币上还会印有图灵的名言，图灵1936年的论文、签名等。
英国前首相特蕾莎·梅发推特称，图灵在数学和计算机科学方面的开创性工作对结束二战起到了至关重要的作用。
英国央行表示，图灵的遗产至今仍对科学和社会产生影响。
遭受折磨而吃毒苹果英年早逝给这位超越时代的天才科学家的人生增添了旖旎想象和传奇色彩。
图灵曾说：“这不过是将来之事的前奏，也是将来之事的影子。
”辞世50余年，超算、人工智能，当这些曾经超乎想象的东西一步步成为现实，人们开始自觉或不自觉地意识到，我们的生活正在与他的设想发生真切的联系，所以，每一个现代人都应该知道这位“人工智能之父”——艾伦·图灵。
人物素描解码·图灵的传奇人生1.一位早慧的数学家艾伦·图灵1912年6月23日出生于英国伦敦，9岁时，他就读的圣迈克尔小学校长就曾向他的父母表示，图灵是个天才。
他14岁就考进了伦敦知名的谢伯恩公学，在中学期间表现出对自然科学的极大兴趣和敏锐的数学头脑。
他喜欢体育运动，尤其是足球，但是他并不追求上场出风头的机会，而是喜欢在场外巡视，以观察和计算足球飞出边界的角度。
他的老师评价他：“图灵的头脑可以像袋鼠一样进行跳跃。
”他16岁的时候，为了帮助母亲理解爱因斯坦的相对论，写了爱因斯坦某部著作的内容提要，并用于推导力学定律，展现出非凡的数学水平和科学理解力。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
【写在前面】本文是A.M.Turing在1950年创作，详细定义并解释了人工智能及其研究目的，发展方向，并驳斥了此前科学界及社会上普遍存在的反对观点，讲解通俗易懂，细致入微，有理有据，被称为人工智能科学的开山之作，直到现在仍有极重要的意义，几乎所有的人工智能教材都向读者强力推荐此文，读罢真的会让人切实感到，图灵不愧为计算机天才。
计算机器与智能A.M.图灵1.模仿游戏我建议考虑这样一个问题: "机器能够思考么?" 要回答这个问题,我们需要先给出"机器"和"思考"的定义。
我们可以用尽可能接近它们普通用法的方式定义这些词语。
但是这种方式是危险的。
如果使用这种方式，我们很可能会用盖勒普调查那样的统计方式来得出"机器能够思考么"这个问题的结论及其意义。
显然,这是荒谬的。
因此,我没有尝试给出一个定义,而是提出了另外一个问题。
这个问题和原问题紧密相关，而且通过并不含糊的词语给出。
这个新的问题可以通过一个游戏来描述,不妨称之为"模仿游戏"。
需要三个人来玩这个游戏，一个男人(A),一个女人(B)和一个询问人(C)男女皆可。
询问人呆在一个与另外两人隔离的屋子里.游戏的目标是询问人判断出外面的人哪个是男人,哪个是女人。
询问人用标签X,Y代表外面的两个人,游戏结束时,他要说出"X是A,Y是B"或者"X是B,Y是A"。
询问人C允许向A和B提出下面这样的问题: C: X,请告诉我你头发的长度.现在假如X实际是A,那么A必须回答。
A在游戏中的目标是努力使C做出错误的判断。
他的回答可以是:我的头发乌黑发亮，最长的一缕大概九英寸长。
为了排除声音帮助询问者得出结论,问题的答案可以写出来,打出来更好。
理想的安排是使得两个屋子又远程打印通讯。
也可以通过中间人传递答案。
而B在这个游戏中的任务是努力帮助询问者获得正确的答案。
她的最优策略可能就是给出正确答案。
她可以在她的答案中加入"我是女的,别听他的。
"这样的词语。
但是男人A同样也能做出相似的评论。
所以这并不能提供更多的帮助。
现在我们提出这样一个问题,"如果用一个机器担当A的角色",将会发生什么情况?同与两个人玩这个游戏相比,询问者判断错误的频率是否发生变化?这个问题取代了原先的"机器能够思考么?" 这个问题.2．对新问题的评论你可能会问:"新问题的答案是什么？"。
同样也可能问："这个新问题真的有研究价值么？" 我们先解决第二个问题，因此不会进入一个无限的循环。
这个新问题的优势在于它把一个人的体力和智力完全区分开来。
没有任何工程师或化学家宣称能够生产出和人的皮肤完全相同的物质。
在未来的某天，这可能成为现实。
但是尽管这样的发明是可能的，赋予一个"思维机器"人的皮肤对于让它更像人并不能提供更大的帮助。
我们设置问题的方式考虑到了这个问题。
因为我们让询问者无法看到，接触到或听到其它的游戏者。
新的评判标准的其它优势在下面的样例问题和回答中显示了出来。
问:请写一首以 Forth Brige (译注:1890建成于英国，开现代桥梁建造的先河)为主题的诗。
A:我无能为力，我从来都不能写诗。
问: 34957 加 70764 等于多少？A:(停了三十秒钟后给出答案) 105621。
问:你玩象棋么？A:玩。
问:我的王在K1，没有别的棋子了，你只有王在K6，车在R1。
该你走，你走哪步？答:(十五秒钟的停顿后) 车移动到 R8，将军。
这种问答形式几乎适用于我们想要包括的人类行为的一切形式。
我们不希望因为一个机器不能在选美比赛中胜出就认为它无能；正如我们不能因为一个人不能在和飞机赛跑的比赛中胜出就认为他无能一样。
我们的游戏设定让这些无能变得无关紧要。
只要参与者认为合适，他们可以吹牛。
可以把自己描述成魅力无限，强壮无比，英勇无畏。
而询问人无法要求他们做实际的展示。
对这个游戏的批评可能是:机器在游戏的成败中占有了过多的比重。
如果一个人试图假装成一个机器的话，他肯定是一个蹩脚的演员。
他会由于算术方面的缓慢和不准确立即暴露。
机器会不会解决了一些应该是思考的问题，其解决方式却和人的方式相差甚远？这个反对意见确实很棘手。
但是，至少我们可以说，尽管如此，机器可以被设计得可以很好的玩这个模仿者游戏。
我们不需要对这个问题过分担心。
有一种情况是机器在玩模仿者游戏时的最佳策略是做别的事而不是模仿人的行为。
这种情况是可能的。
但是我认为这样的情况并没有付出多大的努力。
不管怎样，本文并不试图研究这个游戏的理论。
我们假定机器的最优策略是努力提供和人一样的答案。
3．游戏中的机器在 1 中提出的问题只有当我们确定“机器”这个词的意义的时候才是确定的。
自然，我们希望一切工程科技都允许使用在我们的机器上。
我们同样希望有这样一个可能:一个或一组工程师制造出一个可以工作，但是其工作方式却不能被它的建造者很好的描述，因为他们使用了一个基于试验的方法来设计它。
最后，我们希望把通过生育诞生的人从"机器"的概念中排除出去。
要让定义同时满足这三个要求是困难的。
例如，你可能会要求这些工程师都是同一个性别，但是这实际上也是无法满足要求。
因为通过单个人的一个皮肤细胞产生一个完整的个体不是完全不可能的。
这将是生物科技具有划时代意义的突破。
但是我们并不希望把它成为"建造了一个思维机器"。
这就要求我们放弃允许一切的科技的打算。
我们更愿意这样，因为目前“思维机器”的研究热点集中在一种特殊的，通常被称为“电子计算机”或“数字计算机”的机器上。
因此，我们仅仅允许“数字计算机”参加我们的游戏。
第一眼看上去，这个限制过于严格。
事实上并非如此。
首先我们需要简单的了解一下这些计算机以及它们的一些性质。
你可能会说:万一数字计算机不能如我所愿，即不能在游戏中有所表现，把机器完全用数字计算机代替就只能令人失望，会像我们为"思考"定的评判标准一样。
目前已经有许多数字计算机在工作，人们可能要问:"为什么不拿一台直接作实验？很容易就能满足游戏的要求。
同时用许多的询问者参加游戏，然后统计出判断正确的概率。
"对这个问题的简要回答就是:我们并不是要问是不是所有的数字计算机都能在游戏中表现良好，也不是要问现在的计算机中有没有机器能够通过实验。
而是要问:是否存在一台想象中的机器能够通过游戏。
这仅仅是一个简要回答，后面将从另一个角度考虑这个问题。
4．数字计算机数字计算机可以被解释成可以执行一切计算人员能够进行的操作。
一个计算人员应该严格遵守规则；在一切细节上，都没有一丝偏离的权力。
我们可以假设这些规则写在一本书上。
每次被分配新的任务的时候，将会改变执行步骤。
他有无限的纸进行计算，他可以用"算盘"进行乘法和加法运算，这并不重要。
如果使用上述解释定义数字计算机，我们可能陷入循环定义。
为防止这种情况发生，我们列出期望结果得出的方式。
一个数字计算机通常由以下三个部分组成：（i）存贮器（ii）执行单元（iii）控制器存储器用来储存信息，对应于计算人员的纸。
纸上既记录了他的计算过程，也记录了他所遵循的计算步骤。
同样，如果计算员进行心算的话，一部分存储器将对应于他的记忆。
执行单元是一次计算中单个操作进行的场所。
操作对象随着机器的不同而不同。
通常一个相当长的操作可能是：“3540675445 乘以 7076345687”，但是一些机器可能仅能够执行“写下0”之类的简单操作。
上面曾经提到计算员的“记录操作步骤的书”由机器中的一部分存储器代替。
不妨把它们称为“指令列表”。
控制器的职能就是保证这些指令按照正确的顺序得到正确的执行。
控制器的设计使得这成为可能。
存储器上的信息通常被分为许多的小包存放。
例如，在一个机器中，一个包由十个十进制数组成。
每个存储信息的包都以某种系统的方式分配了数字。
一个典型的指令可以是:“把存放在 6890 的数加上存放在 4302 的数相加并把结果存入后一个存储位置。
”显然，机器中的指令不会用英语标示。
这个指令更有可能用 6809430217 这样的形式来表示。
这里，1 7指定在可以对这两个数进行的所有操作中的哪个被执行。
这里的操作如上所示是"进行加法操作。
"请注意，这里的指令共占用了10个数字因此正好可以放在一个存储空间中，非常方便。
控制器保证指令按照它们的存储顺序被执行，但是偶尔可能碰到下面的指令：“现在执行存储在 5606 的指令，并从那里继续执行。
”或者是“如果 4505 位置是 0 ，那么执行存储在 6707 的指令，否则继续。
”后面这种指令非常重要，因为它使得我们能够反复执行一段指令直到满足一些条件。
要达到这个目的，在每次执行时不要改变指令，而是一遍一遍的执行相同的指令。
可以用家庭生活情况做一个类比:如果妈妈想让汤姆每天上学时都到修鞋匠那里看看她的鞋是不是修好了。
妈妈可以每天都告诉他一遍。
另一种方式是，在一个汤姆每天上学都能看到的地方贴各个便条告诉他到鞋匠那里去看一下，当汤姆拿回他的鞋的时候，撕掉那个便条。
读者必须接受计算机可以而且事实上正是按照我们所提出的原则建造的。
这些计算机几乎能够完全模仿一个计算员。
上面我们提到的计算员要遵守的写在书上的步骤实际上仅仅是一个设想。
一个实际的计算员总是能够记得他们需要做什么。
如果一个人想让机器模仿计算员执行复杂的操作，他必须告诉计算机要做什么，并把结果翻译成某种形式的指令表。
这种构造指令表的行为通常被称为"编程"。
"给一个机器编程使之执行操作A"意味着把合适的指令表放入机器以使它能够执行A。
一个数字计算机的一个有趣变化是让其成为"带有随机元素的数字计算机"它们有特定的指令进行掷色子或者别的等价电子过程。
例如其中一个是"掷色子并把结果存入 1000。
"有些时候这样的机器被描述为具有自由意志。
(尽管我自己并不使用这个描述)通常并不能通过观察判断出一个机器有没有随机元素。
因为一个相似的效果可以通过依据 Pi 的小数部分进行选择来产生。
绝大多数的数字计算机具有有限的存储空间。
让一个计算机获得无限的存储空间并不存在理论困难。
当然，在任何时候都只有有限的部分被使用。
同样，只有有限的存储空间被建造。
不过我们可以想象越来越多的存储空间可以根据要求添加。
这样的计算机具有特殊的理论价值，将被称为无限容量计算机。
有关计算机的设想很早就产生了。
1828至1839年担任剑桥大学的Lucasian数学教授的 Charles Bab bage 设想了这样的机器，并称之为分析机。