《算法帝国》是一部令人深思的科幻小说，讲述了一个由算法主宰的未来世界。通过描绘人类与算法之间的斗争与博弈，作者探讨了科技发展对人类社会的影响。小说引人深思，警示人们在追求科技进步的同时，也要警惕科技可能带来的负面影响。
算法帝国读后感篇一
本书的主题就是：大量的工作将会被算法替代。这其实是人类文明发展的一贯趋势，但也许我们将迎来一个更激进的时代，因为将被替代的不仅仅是体力劳动，可能包括大量的现在看来还需要智力的劳动。也可能就像工业革命时期热血沸腾的预言家们的空想那样，作者的故事有不少建立在激情的基础上。无论如何，本书对尚未老去者有一些警示：反省自己的工作和知识，有多少可能会轻易地被替代。
算法帝国读后感篇二
真的很一般，没有超过预期
推荐的很多，但是有的内容未必真实，夸大了。
推荐的很多，但是有的内容未必真实，夸大了。
推荐的很多，但是有的内容未必真实，夸大了。
推荐的很多，但是有的内容未必真实，夸大了。
推荐的很多，但是有的内容未必真实，夸大了。
推荐的很多，但是有的内容未必真实，夸大了。推荐的很多，但是有的内容未必真实，夸大了。
推荐的很多，但是有的内容未必真实，夸大了。
推荐的很多，但是有的内容未必真实，夸大了。推荐的很多，但是有的内容未必真实，夸大了。
推荐的很多，但是有的内容未必真实，夸大了。
推荐的很多，但是有的内容未必真实，夸大了。
算法帝国读后感篇三
目前随着智能手机的普及，算法已经深入我们的生活，我们每天上网购物，看新闻，玩游戏，都是通过程序的算法，来计算，人们的喜好，进行信息的排序，以使能让我们更多的浏览到喜欢的信息。此虽丰富了我们的生活，满足的我们更多的生活需求，当我们同时也被计算机所控制着，由他来决定，我们去阅读怎么样的信息，玩怎么样的游戏，其实就好比程序算法是水，人是舟，水能载舟也能覆舟。
仔细的读了书的2章，基本知道书的大致结构，通过一些在算法进化历史的案例，来阐释算法对我们的生活影响趋势。一个精准的算法，后面所涉及的数学，计算机，社会，各个学科的知识，也让我们明白，能够产生一个能够影响我们生活的有效算法，背后所要付出的努力，同时也告诫我们，在一个已经成熟的圈子里，我们要勇于敢想，敢做，通过一种创造性的手段，来改变当前的瓶颈
算法帝国读后感篇四
写的不错。讲计算机的算法在各行各业的应用。一半的篇幅跟华尔街有关。
第一章的故事：彼得非在上世纪80-90年代股票人肉交易的时期，率先破解电话线中的交易信号，采用机器和算法来交易股票，领先华尔街股市十多年，有点像穿越的故事；
第三章，有人用电脑来预测新歌的流行程度，成功发现了新歌手和新的流行歌曲，并更进一步让机器作曲，机器作的曲人听不出来是机器作的；
第四章：斯皮维花重金在纽约和芝加哥之间铺了一条几乎是直线光纤，比现行的光线的速度快4毫秒，能更快地对两地的股市和股指期货的变化做出反应，后来这条光纤使用费非常高，成了交易商们的必选，否则会别别人慢，坐失良机。
第七章：算法对人的性格做快速的分类，美国人成功地应用在宇航员的性格匹配上，成功避免了宇航员性格不匹配上天后发生冲突。苏联宇航员在天上发生过冲突；理论上类似算法可以用于婚姻匹配、呼叫中心的员工与打电话进来的客人之间的性格匹配（性格匹配的情况下解决客人投诉的概率高出许多）；
算法帝国读后感篇五
这本书是带有一点魔幻主义的纪实文学。虽然书中大肆鼓吹算法的魔力，但是算法终究不是万能的，从作者所举的例子来看，基于现实问题而产生算法求解的思路，才是真正改变世界的力量。
书中给出了几个经典的算法，有助于开阔视野。作为算法相关的从业人员，看了这本书，才发现算法真正的乐趣是解决现实问题，而日常工作中不断调参，更新模型，孜孜不倦于提升几点ctr，则早已落在了算法的下乘。
对于身在这一行业的人来说，这本书更多地是帮助发散思维，对于生活中的问题，也可以从算法角度去解决。仔细地看，这本书中的所有大师级人物，几乎都不是计算机从业者，他们因为对自身行业的问题产生困惑，而去寻求基于算法的解决方案。如果没有对于原行业的深度认知和数据敏感性，单纯追求算法准确性，模型复杂性，无异于缘木求鱼。这也说明了博学的重要意义，如《穷查理宝典》所推崇的多学科交叉的思维方式。
这本书有那么一点励志的意味，书中有句话，算法下一个引爆点在于“破坏的可能性和破坏产生的回报”，可谓是创业者的圭臬之言。
算法帝国读后感篇六
在阅读此书时，经常发出感慨“哇，原来程序还可以做这些事情”，“原来算法还可以这么用”。
这是一本讲算法应用的书，其中并无涉及算法的原理与实现细节，所以不要把它当做教材，这是本人人都能读的科普书。读过算法导论的朋友可能会疑惑，其中所述的算法与本书大相径庭，实际上这里所谓算法乃指大数据挖掘算法，“数据挖掘帝国”也许更为切合。
本书以数据挖掘与人工智能算法在金融，服务，管理，医疗等各方面的应用实例为基础，给我们展示了一个隐藏在网络与计算机背后的，鲜为人知的，由数据与算法控制的世界，其中涉及多个在传统认知中由经验丰富的专家所掌控的行业，事实上已经被算法所渗透甚至攻破。而品味书中算法的发展历史，技术进步与商业利益之间，到底是谁成就了谁，谁又阻碍了谁，从诞生之初的震惊与恐惧到现在的独霸江湖，硅谷与华尔街，到底有怎样的恩恩怨怨，程序员与交易员之间的爱恨情仇，不亚于最优秀的编剧所写剧本。
这本书有没有背景都可以读。作为应用思路的扩展，为现在大火的数据挖掘算法提供一些应用背景方向的介绍，是我对此书的定位。
算法帝国读后感篇七
工作之后公司的老总给我们部门每个人发了一本这个书。起初以为是学术类书籍，打开却是一本科技发展史。于是就利用坐地铁时间看完了。
看这本书之前，我是在某国企混了半年的应届生，一心想逃离技术，觉得写代码不是女生的特长。入职半年，写年中总结的时候我思考了这半年来的收获。在这里如果继续做IT项目管理（国企一般coding都外包。。。），处理流程、文档，做运维、部署、测试这类支持性工作，虽然领导说适合女生，但是我清楚这不是我想要的。以前觉得自己技术烂，找开发类工作一直受挫，小公司又不屑于加入，大公司分分钟笔试就秒杀我，开始自暴自弃。现在的工作轻松，我有大把时间去浪费。半年之后，我觉得是时候做些改变了。
这本书也说“当下这个时代，最不可缺少的就是能构建、维护、完善代码和算法的人才，未来亦是如此。”如果还有一丝梦想，如果想要对世界做一些贡献，做一些改变，学好技术应该是可行的一条路径吧。我不想年纪轻轻就选择一条轻松的道路，不想未来后悔年轻的时候没有趁脑子好使多干一些事情。学习算法，享受其中的乐趣，做好不被社会淘汰，不被机器人淘汰的准备吧！
算法帝国读后感篇八
在算法帝国统治下，一个不“与时俱进”的人，将免不了走向一条通向奴役的不归路。
7、8年前，哈佛耶鲁的毕业生纷纷涌向华尔街，期待成为笼罩着神秘光环的“宽客”。如今，哈佛耶鲁的毕业生们再次把目光聚焦在了硅谷，期待成为下一个“扎克伯格”。
但是，这“七年之痒”也好，“八年抗战”也罢，变化的只是潮流的方向，而这股汹涌彭拜的算法大潮依然势不可挡，席卷着芸芸众生。
书中所讲的故事，“涵盖金融、医疗、法律、体育、娱乐、外交、文化、国家安全等诸多方面”，存在于计算机中的算法，似乎变得日益有生命的迹象，在某些领域比你更了解你自己。
不管是弄潮逐浪，还是迟疑排斥，这股浪潮正深刻地改变着当今政治、经济、文化、社会的方方面面。
如果你充满好奇，雄心勃勃，加上过硬的技术和一点点运气，那么真的可能“改变世界”甚至“颠覆世界”。
如果你是一位普通的公民，消费者，那么这些算法也能给生活带来很多便利，提供不少“贴心”的服务。
如果，你是一位谨慎和怀疑者，那么似乎也难以彻底摆脱算法帝国的阴影，除非选择重返原始丛林，彻底断网。
曾经流传一种说法，说二十一世纪的文盲是“不会英语 . 不懂电脑 . 不会开车”
那么，在算法帝国的统治下，这三者的重要性似乎已经不那么突出了。强大的算法，对即时翻译、人机对话和自动驾驶的驾驭能力越来越强。那么，在如此汹涌的变革和进化面前，更可能的文盲是什么？
笔者认为，二十一世纪的文盲是“不会体验，不会学习，不会创新”的人。
一个相关公式：创造力=体验深度*热情强度
也许，只有不断体验，不断学习，不断创新，才能使自己在强大的算法帝国统治下，免于成为一个奴隶，一个也许自己都浑然不觉的奴隶。
算法帝国读后感篇九
书名：算法帝国
作者：【美】克里斯托弗.斯坦纳
译者：李筱莹
出版者：人民邮电出版社
版次: 2014年6月第一版，2014年6月第1次印刷
读书笔记：
（开始时间20140720）
前言：算法是通过所掌握的信息使算法使用者得到某一针对性问题的答案，或掌握输出信息的一系列指令的策略。
第一章：华尔街，第一张多米诺骨牌
讲彼得菲使用算法进行投资交易的历史，其中包含了一种颠覆性的黑客范式：先是一个技术熟练地电脑代码和算法工程师对某一新的领域产生了兴趣，培养自身在该领域的技能，然后应用计算机科学，让代码片段模仿前人的操作，并战胜了无数公司，破坏了行业标准，击败了行业的老旧势力，从而颠覆了整个行业。构建算法模仿、超越并最终取代人类，是21世纪最重要的能力。由于具有这种能力的人剧增，工作会逐渐消失，生活会发生巨变，各行各业都会重建规则。随着算法在交易中使用的增加，交易变成了算法与算法之间的竞争。
第二章：人与算法的简史
介绍算法一词的来源，斐波那契、莱布尼茨、高斯、伯努利、欧拉、布尔、申农等人对计算机产生的贡献。
第三章：机器评出的前四十榜单
讲算法在音乐中的应用，包括对作曲的评价，计算机作曲，对演奏方法的辨认等。
第四章：计算机的秘密高速公路
通过提高硬件水平来使算法发挥更好的作用（以金融行业的应用为例）。
第五章：系统里的博弈论
讲算法在象棋、扑克等博弈游戏，情报分析，体育运动中的运用。
第六章：呼叫机器人医生
算法在医疗中的应用，包括辅助诊断，检查结果判读，计算机专家系统等。
第七章：人的分类
算法在心理学中的应用，人才选拔等。
第八章：华尔街与硅谷的较量
华尔街与硅谷争夺算法人才，2008金融危机使人才从金融界向硅谷流动。
第九章：华尔街的损失让我们大家获益
随着金融危机的发生，很多人才回流到高科技企业，华尔街对人才的吸引力也下降了。
第十章：未来属于算法和它们的创造者
算法和计算机将逐渐取代很多人力的工作，必须为此做好准备，培养学生的编程能力。当下这个经济时代，最不可缺少的就是能构建、维护、完善代码和算法的人才，未来亦是如此。
评价：介绍算法在各行各业的应用，还行，但是有点简略，没有具体的这些算法是怎么来的，怎么设计的等技术细节。也许是因为作者也不是专业人士或者商业上需要保密的缘故吧。
算法帝国读后感篇十
《算法帝国》[美]克里斯托弗 著的这本书还是不错，一开始讲述了彼得非怎样用算法操控华尔街，甚至一定程度促进计算机的发展和暗光纤的使用，资本家一方面不停获利，也在另一方面促进了科技，算法和应用数学的发展，其中最为明显的是数学在算法中启的主导作用，从微积分，到图论，到博弈论，再到混沌学等等，书中有讲述傅立叶数学知识怎样把乐曲变为代码，利用算法进而创造出和名家媲美的乐曲，华尔街在早期吸引了一大批当时最优秀的数学家，经济学家，计算机学家和物理学家，他们当时称为宽客，他们的目的只有一个，如何更快，更多的获利。这导致当时很大一部分工程师选择金融业而放弃其工程师专业，直到当时公认数学大师哈默巴赫尔离开华尔街和08前华尔街的经济危机，而当时扎尔伯格创立Facebook，一方面优秀数学家和工程师，放弃当时只顾敲代码的高薪职位，为了更好的人生追求，他们反思了自己，希望给世界留下更好未来，一方面收到扎尔伯格Facebook成功的巨大影响，大批数学家和工程师离开华尔街，走进了硅谷，这就是硅谷前生的故事。以下是原书的一些摘录： 世界上最重要的发明通常并非来自通用电气和微软公司。它们来自专注于某一领域的企业家，而这种专注程度是大公司无法具备的。绝大多数大公司认为提高已有产品和既定流程的效率是最值得花时间做的事。如果利润为1000亿美元的公司效率提高2%。那么净收益也就轻松增加50亿，几乎没有一件新产品可以达到同样效果。因此，大公司易落入管理过度，创新不足的窠臼。这也就是为什么初创公司如此重要。 初创公司以更便宜，更有效的方式专攻复杂难题，这就是规模更大，制度更成熟的公司不会考虑的，科德罗斯基这样写道，对于需要企业家精神的前沿领域，科学家和工程师是创办或加入新公司必不可少的力量。 如今，很多学生对数学不感兴趣，有很大一部分准工程师学位的学生转投非工程专业，只为不再学习数学，对他们来说，数学只是死记硬背，生搬硬套来应付考试的机械技能；他们从来没有看到数学的例外一面——改变世界。 医疗保健和科学技术将会是未来50年经济发展的引擎。前者是美国医疗系统根基不稳和人口老龄化危机的结果。而后者，不论经济形式好坏，都能为人们提供工作机会，无论其背景如何，只要掌握了技术。对于少数敢冒风险，开拓进取的人，凭借编写创新算法的本领，更是能打开创业与创新之门。这道门为任何有志之士敞开。但是能在数学和科学类考试中取得高分的人，不一定就是技术奇才。成为技术奇才的关键在于实践，在于花时间研究流程，多花时间思考，而不是忙碌的重复。 未来，会编写代码的人有许多事情可以做。如果你还能构思构造出复杂精妙的算法，那就浩林——你很有可能统治世界，如果没有机器人抢在你的前头的话。 记住，重复性职位都能被机器人取代，希望你选择的是机器现在不能或不会被永久取代的职位。
算法帝国读后感篇十一
摘录第三章及之后
推荐的书籍：《哥德尔、艾舍尔、巴赫：集异璧之大成》深度分析了人工智能与音乐创作，获得了普利策奖。bueno de mesquita
解开披头士乐队（甲壳虫乐队）。解开了 a hard day's night 起始和弦。
算法通过观察歌曲的三维结构，而非聆听，绝对客观与热门歌曲对比，在屏幕上用点表示分析的歌曲和热门歌曲，形成云结构，基本结构相似的热门歌曲汇聚成带，靠近中心的新歌，即使不一定能红，也是不错的。
反思：判断是基于过去的流行歌曲，对于不一样的风格的新歌曲，则是该技术的瑕疵。
考普：算法音乐作曲机：emmy-emily howell-annie
他走上这条路是因为要写一本音乐书，其中一个章节是计算机创造音乐，决定亲自用电脑作曲，而不是随便采访这方面的人。
“没有人告诉我那很难，所以我当时也不知道会有这么难。”
这一路非常的艰苦，他长时间的看好几遍才能看懂的编程书，还去旁听大学的计算机科学课程，运用各种软件编程。
工作中有相当单调繁琐的过程。每一音符都要5个代码，分别表示节拍、音高、时长、声道和音量或振幅，翻译一首乐曲就需要几周的时间。为了得到一组结果，往往需要半年的时间翻译数据。这需要很强大的耐心，处理必须经过的琐碎、单调的工作部分。
屡次修改后，结果仍然不如人意。
他有几次都到了精神崩溃的边缘，深信自己陷入了无法克服的绝境。有几周一点都不碰算法，然而过后又继续回到电脑前，一头扎进去。就这样子坚持，长时间的积聚终于有一天突然就迎来了突破点，他想到了更改设定的作曲规则。
这让我再次意识到：一直专注在某个值得的问题上，一定会迎来不断优化的突破。
思考点：最大的问题是谁在真正创造音乐？考普还是作曲机器。考普本身迷茫了很久。最后他是这样解释的，你不会把挖洞看成是铁铲的功劳，而是归功于挖掘者。
作曲机器人以巴赫的作品为基础做成的曲子非常棒，但是当人们得知是机器做出来以后，有相当一部分人改口说这曲子是没有生命力的。
考普本人为此承受了很大的压力，他也已经明白“凡事向人们说的太清楚没有什么好处”。人们会把他当做一名程序员，而不是一个参与创作的人。
因为人们一直认为音乐是人类灵魂的作品。当算法可以做这件事情的时候，它破坏了人们认为是创造力区域的行业。如果连凭借创造力的作曲家的功能可以被替代，那么还有其他什么方面将要面对人工智能的取代？
但是作者认为，即使在作曲家这个空间，依然会有机会。或许和以前的方式不同。
考普用算法作出了日本的徘句。
中情局：
情报部门耗费巨资收集到的大部分信息，只不过是在分析一些人为何作出某种选择。信息包括每个人的历史、私事和他走到这个职位的历程。但是麦斯奇塔教授说这情报官无关紧要“比方说你一个下棋的房间，你只要看一下棋盘，就知道棋手接下来将怎么走，”麦斯奇塔说“它们怎样走到那一步不重要，现实世界的事也是如此。”
绝大多数中情局从业人员都是直接从大学招聘的。旧式研究方法规定分应该对其研究的地域人文有深厚的了解，所以大多数新成员毕业于文科而非理工科。因此，很多情报员都致力于研究个人历史以及围绕权力人物上演的戏剧性事件，这些事情谈论起来也许很有趣，但要预测个遥远国度的人最终会做什么事，它们并非是至关重要的因素。真正重要的是分析出怎样做才符合掌权人的最佳利益。然而，我们的情报员却只是在文化差别、宗教冲突，以及种族，国家和民族之间主流意见的差异上狠下功夫。相比之下，算法编写更为便捷。如果重量级相关人和他们的利益能被清楚了解、明确定义（通常也是可以做到的）那么即便是要分析预测伊朗这样领导层不稳定的国家，算法也能比人类分析员更准确地预测他们将会怎样做。
推荐杂志：彭博商业周刊。
英文好，可以随时了解来自世界的最新信息。时差很重要。
极端环境下，每个人的反应不同。哪怕绝境近在眼前，有些人都能控制自己的感情，冷静地开展手头的任务。
美国航空航天局的宇航员，面对高危险，必须非常沉着，极具变通，并深晓事物的原理。
宇航局有一个心理评估项目对宇航员的性格进行分类。
麦克尼参加攀岩和登山的原因是观察不同人对于恐惧、压力、疼痛和困难的反应，认为这些项目是极好的实验室。有些人会在压力中越挫越勇。
卡勒系统把言语互动简化为言语模式和词汇选择。
在习惯面前，无法伪装自己。
我们造句的程序已经到根深蒂固的程度。没有办法在一瞬间改变习惯或采用一种完全不同的说话方式。而我们运用的句式、词汇、谓语和代词显示出了我们长期养成的性格。
美国航空局规定期间监听苏联宇航员和地面指挥员的对话。非常厉害。
卡勒算法将人分成六类，
情感支配型（切入正题前试图建立关系，了解交流的人，女性居多）
思想支配行动（提出很多问题，收集数据，没有客套话直接正题，决策基于严谨的实用主义）
行动支配型（销售人员，崇尚进取和实干）
反思支配型（思考可能的情况多于处理已经发生的现实。将知识运用到现实中是一个弱点）
意见支配型（政客。会把自己的想法当成事实）
反应支配型（对事物反应强烈，自然率真，有创造力）
你觉得受不了的人，在其他人看来就没那么讨厌，是因为他们性格更合得来。
飞行员通常是思想支配型，但最好的飞行员也同时具有情感和意见支配型的特点。
人们不喜欢跟毫无热情，按部就班的工作狂汇报报告，但是却会紧密团结在工作努力又关心下属的人周围。
多愁善感和坚忍不拔是互不影响、独立发展的特质。
麦古尼发展卡勒的心理系统，评估宇航员之间的合作关系。
一个人说的任何话都能被算法读取进而判断其性格。
这在客服服务上可以极大运用。
反思点，强行分类导致我们建造一个属于我们自己的舒适世界。和不同类型的人及文化交流和接纳能力受到影响。
学工商管理的人，往往局限于细节，流程和标准。
有创造力、头脑灵活的技术型人才，能够快速思考问题并用独特的方法解决。
具有超强专注力和分析力的人才能承担康威的电子忠诚公司算法任务。设计出分辨细微差别，实现准确性格分类的算法。
2000到2006年，整个科技界和华尔街的人在争抢人才，投资银行、交易机构和高频交易商，人才抢占率很高，尤其数量统计方面的人才。在这个期间MIT有四分之一的学生都进了金融界。很多学生在毕业之际背负着六位数的债务，得想办法还清。自然提供高薪的金融行业有更高的吸引力。
直到2008年，金融危机出现以后，这种情况才得到改善。
facebook根据鼠标点击停留的情况来筛选信息、组织页面排版。把最吸引人的留下来，其他的扔进垃圾箱。
数据处理高手哈默巴赫尔，在facebook的时候已经积累了一定的财富和远见。他退回来审视科技界，思考到底什么才能真正改变世界。他意识到，海量数据的挖掘能帮助到更多的行业。比起留在facebook针对广告挖掘数据来挣钱，他觉得自己应该去做更重要的事情。他现在帮助公共事业、生物学研究人员和医疗服务人员解决棘手的大数据问题。
大公司容易落入管理过度、创新不足，因为提高已有的产品和既定流程的效率是能够赚取最多的钱。
世界上最重要的发明大都是来自专注于某一领域的初创公司，这种专注度是大公司所不具备的。
朋友之间总是有等级排序的。等级最高的是那些能够左右其他人观点的人，具有影响力的人，等级较低的则是追随者。
很奇妙的算法运用，在我们的只言片语间寻找线索，分辨谁是真正的影响者。
以前人类是所有重要问题的决策者，而今在某些领域，算法与人类共同扮演这一角色。在世界转型之际，智力超群的人才的价值也在于与日俱增。
宽客quant
只有你自己懂的东西，你才能够教会别人。
算法帝国读后感篇十二
一、算法的渊源
“算法”一词源自公元9世纪的波斯数学家阿布•阿卜杜拉•穆罕默德•伊本•穆萨•花剌子密的第一本关于代数的系统著作《还原与对消科学》。代数（Algebra）的名字则是直接来自书名中的“还原”（al-Jabr）。
中古世纪的学者们用拉丁语传播哈喇子密的学说时，其名字的拉丁语音译“算法”（algorism），便成为程序化运算或自动运算方法的统称。
约公元前300年，欧几里得的《几何原本》中，就已经包含了寻找不同数值的最大公约数的算法。
二、神奇的自然算法：斐波那契数列
1202年，莱昂纳多•斐波那契发表《珠算原理》，解释小数怎样转化为分数，以及怎样运用小数、分数来简化记账以及解决实际问题，并发明了一系列西方文明几百年来频繁使用的算法，例如未来现金流流量现值计算和类似现代抵押贷款的利息结算算法。
《珠算原理》提到的神奇的斐波那契数列，更是让这位古代数学家的名字至今仍然响彻华尔街。
斐波那契数列从第三项开始，每一项都等于前两项之和，1、1、2、3、5、8、13、21、34......数列后一项与前一项的比值，则无穷接近黄金分割率1.618，这个大自然无处不在的神奇比率。
华尔街一些古怪的交易员利用黄金分割或所谓的裴波那切数作为交易，操作数以十亿计的美元。
三、莱布尼茨对现代算法的三大贡献
贡献一：0和1的定义
戈特弗里德•莱布尼茨是一位博学家，他总说：“在哲学上只有两条绝对真理：神和虚无。”
由此，我们不难理解为什么他会想出只有0和1两个数字定义的计算语言。
1703年，莱布尼茨发表论文《关于只用记号0和1的二进制算术的阐释》，给出了二进制的定义。可以说，“在构思上，莱布尼茨是历史上第一个接近人工智能的人。”
莱布尼茨明确规定了认知思维和逻辑可以被简化为二进制表达式。他认为，越复杂的思想越需要简单朴素的概念来描述。他还相信，通过将人类逻辑推理分解为数学运算，能够找到一种演算推论器，即一种解决争议的算法。
“逻辑总能被无情地简化到其骨干，就像纷繁复杂的国家铁路网，追根溯源是由一系列简单的双向岔道口组成。如果逻辑能够被分解为一连串的二元判定，即便是这样的二元判定数需要无限延伸，也可以不用人为而执行。”
莱布尼茨希望在自己设计的一台机器上，实现将逻辑思维简化为机械运算。为此，他从巴黎请来了一位钟表匠，终于在1674年造出了一台比当时布莱士•帕斯卡的加法器更完善的机械计算器。
虽然这台古老的计算器在当年向英国皇家学会的展示中并没能为莱布尼茨长脸，但它的设计原理却在之后的200年间发挥了重要作用，一代又一代的计算器在此基础上问世。
贡献二：微积分符号系统
莱布尼茨对微积分符号系统和理论的发展完善，为数学家提供了构建强大算法的武器。
数学家戴维•柏林斯基在他的著作《infinite Ascent》中就总结了微积分和算法的关系：
人类思想史上爆发了回音阵阵的超音爆。在微积分被发现以前，数学是一门趣味盎然的学科，而在微积分被发现以后，数学变成了一门力量无穷的学科，只有20世纪出现的数学理念（计算机）算法的影响力可与之媲美。微积分和算法是西方科学界的两大主导思想。
贡献三：人类的语言和心智可以解构
莱布尼茨发现了存在于最简单的语言片段及其表达的人类情感之间的联系。他认为语言，以及人类如何使用语言，应该用一种严谨、科学的方式来研究。既然复杂的人类认知能被0和1解构，那么语言为什么不能呢？
当人的认知和语言能被解构，那么人的行为就能被预测。
莱布尼茨预感个体活动可以按照被预测的方式进行，如今，这已经成为驱动华尔街算法发展的事实，而预测人类的科学，也已经发展到NASA的技术实现，以及渗入进我们生活的方方面面。
今天，所有的计算机语言都是在二进制的基础上得以发展起来，同样受益的，还有运行算法的芯片和电路。
四、高斯：算法和误差的故事
1817年，英王乔治四世委派卡尔•弗里德里希•高斯负责汉诺威公园的测量工作。
为此，高斯发明一种新的测量工具——日光反射仪。但是，高斯知道，这种精巧的方法，用于测量那么大面积的土地，难免不准。
结合高斯自己早在18岁时发现的最小平方法，高斯建立了求“实际值和预测模型计算值的偏差最小平方和”的方程式，而最小平方法正是现代统计学算法建模的基础。
这个方法基于历史数据提炼出一个函数或一条曲线，并借此预测未来数据。
高斯（正态）分布则被用于测量误差分布。这条看上去很像一口倒置的钟的曲线，拟合了自然界随处可见的测量误差分布规律。
高斯分布的尾部逐渐趋近于零，在很长历史的实践中，人们过多地寄希望于这条钟形曲线的中部，而忽略了它的尾部。如今，长尾理论（效应）警示人们换一种眼光看待金融市场和企业业绩。
高斯相依函数可以用来表示两个或多个变量之间的行为关系。2000年，这个公式被李祥林引进到华尔街，用于预测关联风险，以审查核准抵押贷款证券的评级。
但问题是，当华尔街把李祥林发表的数学公式奉为唯一的风向标，债务抵押债券市场就进入了极端，而极端事件的关联性建模，恰恰是高斯相依所做不了的事。
五、帕斯卡和伯努利的游戏
概率论的现代应用要追溯到1654年。那一年，两个法国人，布莱士•帕斯卡和皮埃尔•费马，因为“如果一场赌博游戏还没有结束该怎样分奖品”的问题，开始了一场书信探讨。
在长达五年的书信往来中，帕斯卡特别论述了精确计算各种事件发生的可能性的方法，并提出了概率的可预测性，认为可以根据概率分配奖品。
在此基础上，雅各布•伯努利和之前的克里斯蒂安•惠更斯，将严密的概率论应用到纸牌和骰子等概率游戏中，终于，伯努利提出了大数定理。
这个定理影响了21点游戏，也影响了华尔街很多高频交易者：成功的算法只需有51%的正确率就够了，而高频交易会保证有盈利的交易趋近51%。
六、欧拉：算法有形状哦
为了解决著名的哥尼斯堡七桥问题，欧拉创造了图论。专门为图论编写的算法则为现代计算机科学的发展翻开了令人振奋的崭新篇章：
生物学家通过它建立DNA链和生理特征之间的关系；教授们用它解码披头士的音乐华尔街观察员用它找出看似不相关事物之间的联系；Facebook用它分析人脉网、关注点、影响力，等等。
著名的欧拉公式不仅可以帮助我们简洁地计算立方体、椎体、球体等基本刚性图形，还在分析天气系统、光学、磁学、流体力学等方面被用到。
欧拉对非刚性图形的思考，就是我们现在熟悉的拓扑图形。如今，拓扑学是混沌理论的一个重要分支。
七、布尔逻辑机器与香农的成就
乔治•布尔与莱布尼茨相隔了两个世纪，但不可否认的是，布尔就是那个乘势而上的人。
1832年的一天，17岁的布尔在草坪上散步，突然间他想到，也许某些代数符号可以用来定义一门逻辑语言、一门思维语言、一种解构人类理智的工作机制的方法。
1854年，布尔在17岁时的这个突发奇想有了收获，他的著作《An Investigation of the Laws of Thought, on Which Are Founded the Mathematical Theories of Logic and Probabilities》出版。
这本书的开篇这样写道：“本书以探索人类理性思维运功的基本规律为目的。”
这个英国人试图定义一种思维语言，比如：if（如果）、and（与）、or（或）、not（非）等等，这些可以用来进行加减乘除的语言运算符，相信哪怕仅仅写过一小段基础代码的人都对它们非常熟悉。
遗憾的是，布尔逻辑在当时并没能来得及一鸣惊人，以至于阿达•洛夫莱斯，一位堪称计算机迷的女数学家，在1842年首次为机器编写算法程序时，没有用到布尔符号。（特别备注：1979年，洛夫莱斯逝世100多年之后，美国防部部用她的名字Ada命名了新的计算机语言。）
直到20世纪30年代后期，一位名叫克劳德•香农的麻省理工学院研究生，把莱布尼茨的二进制计算数制和布尔运算符结合起来，创造了可以写进电子电路的算法表达式，解决了所有关于控制电子电路的数学工具的难题，包括存储数据、编辑图像和文字等信息的输入输出难题。
由于成就至高，香农被誉为“信息论之父”。
八、从深蓝到沃森
1989年，IBM的一批科学家开始构建一台计算机，声称将挑战国际象棋世界冠军，这台计算机就是“深蓝”。1997年，深蓝挑战国际象棋大师加里•卡斯帕洛夫并赢得胜利。
当然，这场胜利并没有什么了不起，因为人们知道，重达1.4吨、同时运行256个处理器、平均每秒可以权衡2亿步棋的深蓝，打的是一场“围殴战”。
但是，深蓝是一个开始。
2011年初，IBM的计算机“沃森”在智力竞赛节目Jeopardy中全胜人类选手，则是一个重要里程碑。
与象棋对弈的套路不同，Jeopardy的问题五花八门、无章可循，期间还夹杂着幽默、反讽、双关等人类情绪的表达，而沃森却能敏捷地处理随机问题，并通过快速查阅原始数据库，再转换成人类语言，继而说出答案，不时地，还惨杂着与人类的斗嘴。
尽管沃森如此智能，却仍然无法与扑克高手以及华尔街的人心抗衡，算法必须能够变得狡猾。
九、桑德霍姆：更狡猾的算法
桑德霍姆是博弈论专家，他说：“扑克机器人必须学会解读和实施虚张声势。”
2005年，桑德霍姆和卡内基大学的教授一起，利用博弈论编写了一套算法，赢得了罗德岛州扑克比赛的冠军。但是这个游戏对于应对高风险的德州扑克高手却还是小巫见大巫。
2012年，桑德霍姆的程序在限额扑克一对一比赛中完胜所有人类选手，但还是在不限额以及稍大型的比赛中稍逊一筹。
虽然赢不了德州扑克高手，但桑德霍姆的算法却在股票交易市场中足以应对人类的不理智决策行为。2010年，桑德霍姆扑克项目的合伙人安德鲁•吉尔平创办了一家对冲基金公司，他们设计的算法像玩扑克一样，在股票市场声东击西、出奇制胜。
十、华尔街：金融不是永恒的爱
从2001年至2008年，华尔街花了7年时间，追逐每一位聪明的工程学毕业生、物理学家，以及对高起薪感兴趣的博学通才，并于2008年上半年，实现了自动化电子交易占了全美股市交易量的60%。
这个期间，最出色的的算法人才最受华尔街各家公司的欢迎，这些人凭借独特而宝贵的技能，能够赚得百万美元以及更多、甚至亿万年薪。
2008年之后，华尔街释放出来的算法人才，进入像康威这样的人工智能与信息识别技术公司、苹果和Facebook这样的互联网公司、自主创业的新公司，等等，给我们的这个世界带来更奇特的影响。
十一、Facebook的数据国王
在算法人才从华尔街到西海岸的流势逆转过程中，Facebook公司比任何一家公司都值得称颂。
杰弗里•哈默巴赫于2005年从哈佛大学数学系毕业，那时候他选择了去华尔街。
2006年的一天，马克•扎克伯格认识了哈默巴赫，一周后，哈默巴赫搬到了加州，成为Facebook的早期员工，而他的工作就是用算法分析不同年龄、性别、地理位置和收入的人群使用Facebook的方式，以及为什么Facebook会在某些地方发展很好，却在另一些地方却惨败的原因，以便寻找创新的模式、异常和趋势。
哈默巴赫把他在华尔街学到的算法带进了硅谷的办公室，成为Facebook的“数据国王”，并组建了一支像他一样经验丰富、技艺高超、来自摩根士丹利、骑士交易集团、高盛等华尔街公司的算法工程师队伍。
两年后，哈默巴赫从Facebook功成身退，创立了自己的Cloudera公司，为网站、公共事业公司、生物学研究、医疗机构做数据挖掘。
十二、AlphaGo的围棋挑战
在所有的棋类游戏中，围棋一直被看做是人类最后的智力竞技高地，因为它更加需要所谓的“直觉”。
2015年，计算机深度学习的代表、谷歌公司旗下的智能机器AlphaGo以5:0的战绩完胜欧洲围棋冠军、围棋二段选手樊麾。
2016年3月，AlphaGo对战世界围棋冠军、职业九段选手李世石，以4:1的总比分获胜。
2016年7月18日，世界职业围棋排名网站GoRatings公布最新世界排名，AlphaGo以3612分，超越3608分的柯洁，成为新的世界第一。
从深蓝到AlphaGo，这是一个新的里程碑。
AI正在由一种新的机器，成长为一种新的生命。
十三、算法侵袭，你还会记得我们初相识的样子吗？
以前，人类是所有问题的决策者。今天，算法已经开始参与扮演这一角色。
当我们输入的每一个看似无关大碍的信息，都能变成机器的无远弗届的联想力，我们的手工力、思辨力、影响力、创造力、掌控力，甚至生活自理能力，可还是当初相识的样子？
麻省理工学院两位经济学家，埃里克•布林约夫森和安德鲁•麦卡菲，在一篇具有里程碑意义的论文中写道：“简而言之，很多工人在这场比赛中输给了机器”，并特别提醒白领会计们做好被替换掉的准备。
事实上，有这种被机器替换掉的危机的，除了我们已经知道的生产流程相关岗位，还有医生、律师、理财师、卡车司机等等，就连音乐家、作家也难独善其身了。
至此，想起我曾经写过的另一篇读书笔记《与机器赛跑：未来总在想象之外》，却也是只想多问一句：
“当算法侵袭，你是否还会记得我们初相识的样子？”
