2.0 系统的主要几个细分部分 #

2.1 #

在分析所设想的设备功能时，某些分类上的区别立即就能显现出来。

2.2 #

首先: 由于该设备主要是一台计算机，它将不得不最频繁地执行基本的算术运算。这些是加法，减法，乘法和除法:+，−，×，÷。因此，它应该包括专门负责这些运算的机构，这是合理的。

然而，必须注意的是，尽管这一原则可能是合理的，但实现这一原则的具体方式需要仔细审查。即使是上面的操作列表：+、−、×、÷，也不是毫无疑问的。运算可以扩展为包括以下操作 \(\sqrt{\quad}\) , \(\sqrt[3]{\quad}\) , sgn, | |, 以及 \(\log_{10}\) , \(\log_{2}\) , \(\ln\) , \(\sin\) 以及它们的逆运算等。人们也可以考虑限制它，例如省略 ÷ 甚至 ×。人们还可以考虑更具弹性的安排。对于某些操作，可以想到根本不同的过程，例如使用逐次逼近法或函数表。这些内容将在{10.3，10.4}中讨论。无论如何，设备的中央算术(Central Arithmetical)部件可能必须存在，这构成了第一个特定部件: CA。

2.3 #

其次：设备的逻辑控制，即其操作的正确顺序可以由中央控制机构最有效地执行。如果设备需要有弹性，也就是尽可能具有所有用途，则必须区分为特定问题发出和定义的具体指令，以及负责执行这些指令的总控制机关 — 无论这些指令是什么。前者必须以某种方式存储 — 在现有设备中，如1.2所述（译注：数值表示） — 后者由设备的确定运算部分表示。我们所说的中央控制（central control）只是指后一种功能，执行这一功能的机构构成了第二个特定部件：CC。

2.4 #

第三点: 任何要执行长而复杂的运算序列(特别是计算)，设备都必须有可观容量的存储器。至少其运算的以下四个阶段需要一个存储器:

(a)即使在执行乘法或除法的过程中，也必须记住一系列中间(部分)结果。这在较小的程度上甚至适用于加法和减法 (当进位数字可能必须在几个位置上进位计算时)，以及在扩展到更复杂的 \(\sqrt{\quad}\) , \(\sqrt[3]{\quad}\) , 如果需要这些操作。(参见 {10.3，10.4})
(b)管控一个复杂问题的指令可能会构成相当可观的数据原料，特别是如果代码是视情况而定的(在大多数规划安排中是这样的)。设备必须能记住这些原料。
(c)在许多问题中，特定函数起着至关重要的作用。它们通常以表格的形式给出。事实上，在某些情况下，这就是经验赋予它们的方式 (例如，在许多流体动力学问题中，物质的状态方程)，在其他情况下，它们可以由解析表达式给出，但是，从固定列表中获取它们的值可能比在需要值时重新计算它们 (基于分析定义) 更简单，更快捷。通常，只有中等数量条目(100-200)的表并且使用插值法是比较方便的。线性甚至二次插值在大多数情况下是不够的，因此最好依靠三次或双二次 (甚至更高阶) 插值的标准 (参见 {10.3})。

在章节2.2中提到的这些函数可以这样处理： \(\log_{10}\) , \(\log_{2}\) , \(\ln\) , \(\sin\) 以及它们的逆运算，以及 \(\sqrt{\quad}\) , \(\sqrt[3]{\quad}\) . 甚至可以以这种方式处理逆运算，从而将 ÷ 减少到 ×。
(d)对于偏微分方程，初始条件和边界条件可能构成广泛的数值原材料，必须在整个给定的问题中记住这些原材料。
(e)对于沿变量t积分的双曲型或抛物线型偏微分方程，在计算cycle t + dt时必须记住属于cycle t的 (中间) 结果。这些原材料构成了(d)类型存储的很大部分，除了它不是由人工操作员放入设备，而是由设备本身在其自动操作过程中产生 (并且可能随后再次移除并由相应的数据替换为t + dt)。
(f)对于全微分方程(d)，(e)情况也适用，但它们需要较小的存储容量。在取决于给定常数，固定参数等的问题中，需要进一步的 (d) 类型的存储要求。
(g)通过逐次逼近(例如，用松弛法处理的椭圆型偏微分方程式)解的问题需要存储类型(e)的记忆：必须记住每个近似值的 (中间) 结果，同时计算下一个近似值的结果。
(h)分类问题和某些统计实验(超高速设备为他们提供了一些有趣的新机遇)需要对正在处理的材料的记忆。

2.5 #

总结第三点: 设备需要相当大的存储器。虽然看起来这种记忆的不同部分必须执行在它们的性质和目的上有所不同的功能，但仍然不妨碍将整个记忆功能视为一个机构，并使其各部分对上面列举的各种功能尽可能可互换。这一点将得到详细考虑，参看{13.0}。

无论如何，所有存储器构成设备的第三个特定部件: M.*

2.6 #

CA、CC(统称为C)和M这三个特定部件对应于人类神经系统中的联想神经元。而感觉或传入神经元以及运动或传出神经元的等效物仍有待讨论。这些可以对应于设备的输入和输出机构，现在我们将简要地讨论它们。

换句话说: 设备的部件C和M之间的所有数字(或其他)信息传输必须由这些部件中包含的机构实现。然而，仍然有必要从外部将原始定义信息获取到设备中，以及需要有从设备向外获取最终信息和结果的过程。

外部我们指的是1.2中描述的媒介类型: 在这里，信息或多或少可以由人类行为直接产生 (打字，打孔，拍摄同类型按键产生的光脉冲，以类似磁化金属带或金属丝等方式)，它可以静态存储，最后或多或少地被人体器官直接感觉到。

该设备必须具有保持输入和输出 (感觉和运动) 与对应特定介质接触的能力 (参见1.2): 该介质将被称为设备的外部记录（recording）介质：。现在我们有了R.

2.7 #

第四点: 设备必须有机构来将(数字或其他)信息从R转移到它的C和M特定部件。这些机构组成了它的 输入(input)，*第四个特定部分 *: I。可以看出，最好是将所有从R(通过I)转移到M，而不是直接转移到C(参见{14.1，15.3})。

2.8 #

第五点: 设备必须通过一些机构从其特定C和M部分向R传递(可能只是数字信息)。这些机构形成其输出（Output），第五个特定部分: O。可以看出，最好还是从M(通过O)向R进行所有传输，而不是直接从C(参见{14.1，15.3})。

2.9 #

进入R的输出信息当然表示设备在所考虑问题上传输的最终结果。这些结果必须与中间结果区分开来，例如2.4(e)-(g)中讨论的中间结果，这些结果仍保留在M中。在这一点上，出现了一个重要的问题: 除了其或多或少直接可访问人类行为和感知的属性之外，R还具有记忆的属性。事实上，它是长期存储由自动化设备获得的关于各种问题的所有信息的天然介质。为什么后续有必要在设备M内提供另一种类型的存储器？难道M的所有功能，或者至少部分功能–最好是那些涉及大量信息的功能–不能被R取代吗？

检查M的典型功能，如2.4 (a)-(h) 所示: 将(a)(在执行算术运算时所需的短持续时间的存储器)移到设备之外，即从M移到R将是比较方便的。 (实际上 (a) 将在设备内部，在CA中而不是在M中。参见12.2的结尾)。所有现有设备，甚至是现有的台式计算机，在这一点上都使用M的等价物。然而，(b)(逻辑指令)可能从外部被感测，即由来自R的I感测，对于(c)(函数表)和(e)、(g)(中间结果)也是如此。当设备产生它们时，后者可能会由O传送到R，当需要它们时，由R的I感测到。在某种程度上，(d)(初始条件和参数)甚至(f)也是如此。 (例如来自全微分方程的中间结果)。关于(h)(分类和统计)，情况有些模棱两可：在许多情况下，尽可能使用M会带来明显的加速，但是将M的使用与R的较大范围的使用适当混合可能也是可行的，而不会严重损失速度并增加可以相当大程度地处理的材料量。

实际上，所有现有的 (完全或部分自动的) 计算设备都使用R - 如一堆打孔卡或一段电传打字带 - 用于所有这些目的 (除了 (a)，如上所述)。然而，如果一个真正高速的设备不能为了2.4，(a)-(h)中所列举的所有目的而仅依赖于M，或依赖于R，那么在(e)，(g)，(h)它的高性能使用将是非常有限的(cf.{12.3})。