本次课(周三)分两部分:
0-3 (本课件): C 简史与人工智能
0-4: 变量与基本数据类型、代码展示、开发环境与 AI 工具
周二我们知道了:
程序是计算机的灵魂, 程序 = 算法 + 数据
计算机工作的流程: 输入 → 处理 → 存储 → 输出
写程序 = 结构(顺序、判断、循环) + 数据 + 分解
还动手写了自己的第一个程序 Hello World
今天: C 从哪里来、AI 为什么用 C, 然后开始写真正的程序!
C 是 UNIX 的副产品: Thompson 先设计了小型语言 B (源自 BCPL)
1971 年 Ritchie 扩展 B, 初名 NB("New B"), 分歧渐大后改名 C
1973 年: UNIX 已可以用 C 重写, 语言足够稳定
1978: Kernighan 和 Ritchie 合著《C程序设计语言》，成为事实标准
1989: 正式标准化为 ANSI C (C89/C90)，后续 C99、C11
影响力: 高效、灵活，广泛应用于系统编程、嵌入式系统
C++: 包括 C 的所有特性, 添加了类以支持面向对象编程
Java: 基于 C++, 继承了许多 C 特性
C#: 从 C++ 和 Java 派生
Python: 解释器与核心计算库大量用 C 实现 (为 C语言与人工智能 埋下伏笔)
低层语言: 提供对机器级概念的访问 (字节和地址)
小型语言: 有限的特性集合, 很大程度依赖标准函数库
宽松包容: 高自由度, 不强制详细的错误检查
优点: 效率高、可移植、灵活、功能强大、标准库、与 Linux 集成
缺点: 程序容易隐藏错误、可能难以理解、可能难以维护
应对:
深入理解以避免 C 语言的陷阱
避免过于复杂的代码
使用软件工具 (lint、调试器) 使程序更可靠
采用一套合理的编码规范
紧贴标准
人工智能 (Artificial Intelligence): 研究如何用计算机去模拟、延伸和扩展人的智能
图灵测试: 让机器表现得像人一样思考、学习、做决策
身边的 AI:
人脸识别
机器翻译
自动驾驶
语音助手 (Siri/小爱同学)
大语言模型 (GPT、DeepSeek 等)
你们觉得 Siri 会'听懂人话'吗？背后其实是 语音识别 + 大语言模型
1950: 图灵提出"机器能思考吗？"，图灵测试
1956: 达特茅斯会议，"人工智能"正式诞生
1980s: 专家系统
2006~: 深度学习兴起
2017~: Transformer 架构 → 大语言模型 (GPT、DeepSeek 等)
当我们用 Python 调用 AI 框架时，发生了什么？
TensorFlow / PyTorch 核心: C++ 实现
BLAS / LAPACK: 数值计算的接口标准 (经典实现用 Fortran); OpenBLAS 等高性能实现用 C/汇编
CUDA: 以 C 语言为基础扩展而来，驱动 GPU
TinyML (如 TensorFlow Lite for Microcontrollers): 用 C/C++ 编写、无动态内存，跑在单片机上
C 语言是 AI 底层生态的通用接口
学 C 能理解张量 (Tensor): 连续内存 + 指针
学 C 能理解矩阵运算: 二维数组 + 循环 + Cache 优化
学 C 能理解内存管理: malloc / free
学 C 才能看懂 PyTorch / TensorFlow 的"引擎"
接下来打开 0-3 课件:
变量与基本数据类型 (正式知识点)
代码展示: 年龄 / 温度转换 / 成绩 / 石头剪刀布
开发环境与 AI 工具