以计算机为代表的信息技术，作为辅助与延伸智能的工作，是通过“计算”来解决问题的。在人类科学发展的历史上，人类现代科技的突破，并非是用计算去解决问题，而是用更为精巧的数学方程（或称数学解析方法），“简洁”“精妙”、普适性地描述事物基本的运动变化规律，然后应用这些数学方程解决各种实际问题。在这里，“计算”是解决具体问题的最后的步骤，而不是一般性方法。从“牛顿”力学到爱因斯坦的“相对论”莫不如此。所以，这种方法根植于现代科技的思维之中，成为一种“理所当然”。

寻找精巧、简洁、普适性的数学方程或系统模型去解决问题，成为科学技术领域的基本共识。计算与统计的方法，除了作为解决具体问题的最后步骤，作为一般性方法只有在找不到数学方程或系统模型而“没办法”的时候才被使用，或用于解决特定的明显具有计算或统计性质的问题。人们的潜意识里将这种方法与“笨拙”“粗暴”联系在一起。

现代计算机的出现，使得计算方法得到了长足的发展，在数学领域形成了一门独立的学科。在这里不得不再次提到冯·诺依曼。

1946年，冯·诺依曼与同事一起向美国海军部提交了一份报告《高阶线性方程组的解》。虽然这份报告没有公开发表，但是人们认为它是计算数学或数值分析这个学科诞生的标志。因为从此，“数值分析”这个词不胫而走。所以，冯·诺依曼也被认为是现代“计算数学”学科的奠基人之一。

现代计算数学也叫作数值计算方法或数值分析。本质上就是用计算的方法，而不是用解析方程或系统模型的方法，去“一事一议”地解决各种问题。随着计算机能力的不断发展，后来还从其中派生出计算力学、计算生物学，乃至计算经济学等分支。

虽然现代计算机催生了现代计算数学，但是人们在很长时间里，特别是那些受过严格良好的科学工程训练的人员，依然本能地首先去寻求传统的、精巧普适的解析方法去解决问题。(www.daowen.com)

以人工智能领域为例，在计算机“暴力计算”时代到来之前（见第2章第2.4节），人们一直倾向于用传统的普适性的公式与规则及系统建模的方法来解决问题（见第8章第8.2节）。计算机的“暴力计算”能力，正在改变这种习惯与认识。在“暴力计算”能力的支撑下，人们发现，借助计算统计方法，可以解决很多原来望而生畏的问题，而且解决得比单纯用传统的方法要好得多。比如，在语音识别领域，之所以达到今天的实用程度，很重要的就是在传统的方法的基础上加了入大数据统计分析。

而且随着计算能力的增强，在很多领域原来无法实现的复杂算法现在可以轻松地实现；更为有意思的是，现在用相对“简单”的算法，就能够到达原来需要“高级”复杂的算法才能达到的效果。比如机械控制领域内的伺服控制，由于控制器的处理能力极大地提高了，已经不需要原来那么复杂的控制算法就能够达到比原来还高的控制精度。所以，现在能够完成各种复杂动作的机器人开始大量出现；同时，借助强大的计算能力，用计算的方法能够解决的问题也越来越多。原来很多看上去与计算无关的问题，也可以找到适当的计算方法解决到令人满意的程度了；随着计算机算力的提高而不断降低的使用成本，使得用计算与统计方法去“一事一议”地解决问题的方式也变得不再是负担而被广泛接受。

今天横扫围棋界的AlphaGo的设计，还需要蒙特卡洛树搜索、深度学习等复杂的算法组合。以后，随着计算机算力的提升，也许做出这样一个下围棋的程序，仅仅是一个大学毕业生的毕业设计。计算机正在科技领域引发一场技术方法模式的转变，从精巧普适走向笨拙粗暴与就事论事。

依赖“暴力计算”，信息技术用“笨拙”“粗暴”的方法，成为人类手中几乎所向披靡的“武器”。

科学技术的“审美观”正在被颠覆。在第8章第8.3节会结合“深度学习”再来讨论这个话题。