因为前段时间研究了很久的图形学，也写了很多向量和矩阵的运算函数，但是其中一些程序的编写和设计难度无疑让我很难受，由于之前看了alan kay写的关于smalltalk80的历史，我突然意识到使用lambda来计算矩阵，或许会有更简单的方法，相比于alan kay的一切都是对象的思想，它达到了无限的伸缩性，对数字和数据结构都达到了很好的建模，但是奇怪的一点是，使用面向对象语言解决基础算法，好像并没有实质性的进步，我们先来看一个c程序：
#include <stdio.h>
#include <string.h>
int bank(char * msg, int val){
static balance = 0;
if(strcmp(msg,"set") == 0)
balance = val;
else if(strcmp(msg,"do") == 0)
balance += val;
else if(strcmp(msg,"get") == 0)
return balance;
}
int main(){
bank("set",10);
bank("do",10);
printf("%d",bank("get",0));
return 0;
}
这个c程序封装了一个static变量balance，外部环境可以通过 char * msg 来访问它,但是我们的程序还是基于变量这一个前提，无论是在smalltalk内部，还是java，都保留了内部状态，这样的程序实际上只带来了非破坏性，也就是把程序使用通信的方式组织在一起，拿到消息的每个部分只需要对接口编程，而不需要对实现编程，提高了程序的利用率，降低了总体代码变化的部分，从而降低了实现功能的编写难度，并没有真正从算法的角度去改变程序的内部结构，在面对一个复杂的大型程序带来的复杂性，这样的方法论是很好的，但是实际上，我们还可以更进一步思考，我们的程序实际上并不是在通信，取而代之的是，它们是在计算。
有人说，这不是废话吗？但是仔细想想，我们的用户使用某个软件，到底是在干嘛，他们是在通信吗，还是说他们在计算？其实可以推而广之，我们人类获取知识，改造现实世界，计算更普遍，还是通信更普遍，可能不同的人有不同的结论，但是两者在某些时候是等同的，比如说，一个正在建造航天飞机的工程师，他急需解决一个空气动力学方程从而设计机翼的宽度，他有可能会选择自己计算出来，他也可以找某个团队里的数学很好的助手，计算出来，他只要知道结果就好了，然而这个助手的可信度，或许比起计算机，会有一定的差异，他有可能更相信某个科学计算软件，也可能正好相反，但是可以知道的是，他自己计算出来，和借助某些外部力量知道了这个方程的解，只取决于他的信任度，答案只是一个比特位描述的符号或者方程式，他只需要关注它的可信度，到底是计算得来，还是某种通信得来，两者没有本质上的区别，他只是描述出了问题，然后想知道答案，只要答案的可信程度够高，他就达到了自己的目的，半个月之后，机翼制作完成，他可以做实机试飞实验了，他早已经忘记那个微不足道的微分方程，但是某一天，他可能又要重新捡起来，他可能已经记录在了某个记事本上，但是他已经忘记是哪个本子了，但是他有一个好习惯，就是给自己的笔记本写时间，只要翻阅某段时间内的笔记，他肯定可以找到它，我们发现了某个找回信息的普遍的方法论，我们通过给信息添加标签，它只要是某个类型的信息，可以有不同的查询方式，这样就可以把固定查找的过程，转化为模糊查询的过程，我们只是想要答案，并且定位它，给定了一个范围以后，并不需要准确地记住它的位置，需要的时候再去查询，我们的大脑便可以降低思考的难度，我们再来看范围到底是什么，最初范围这个词和类型是联系到一起的，一个类型的概念，它包含了无数它的实例，这些实例都是它涵盖的范围，我们只需要知道这个范围，它映射到更大更明确的内涵，该微分方程属于某个航天飞机项目，这个项目属于某段时间，记事本都是这个时间的，所以我们肯定可以在那里找到它。
接下来是我们的另一个c语言程序，它表示了一个矩阵计算
void mul_matrix(int M,int N, int K,int**A,int**B,int**C){
for (i = 0; i < M; i++){
for (j = 0; j < N; j++){
int sum = 0;
for (m = 0; m < K; m++)
sum = sum + A[i][m] * B[m][j];
C[i][j] = sum;
}
}
}
看起来这个程序好像很简单，实际上它的编写隐含的都是机器的思维，它理解起来是非常深奥的，以至于很多人会看着它深思很久，因为它不包含任何的充足的概念内涵，它就是数组，和矩阵扯不上任何关系，甚至和向量也没有任何关系，它是如此晦涩和陌生，循环，加减乘除，控制条件，这些原始的部分死死地连接到了一起，无法使用更好的办法分开它们，并且每一次的计算都写死在了算法给定的数组里，所以说用c语言，甚至c++和java等编程，它们是等价的，算法的部分无法用更好的方式分解，它们死死地耦合在一起，一个问题无法被分解为某些相同的计算部分，从而让每一次的思考都重复出现，人的大脑提前计算了一次，然后再进入了计算机运算。
实际上人脑思考问题并不是这样的方式，人脑擅长模糊思考，通过一个概念来引用它的范围，从而确定它包含的内容，每一个计算都可以用足够的信息来描述它的运作方式，把计算过程设计为通信，而不是计算，要获取数据，则向函数发送一条信息，它返回一个你需要的信息就是数据，lambda演算很好的做到了这一点，它并不执着于把每一条数据都提前计算好，而是用到的时候再拿出来，由于具有足够多的描述信息来确定它的范围，所以确定内容的时候再计算，可以避免提前把每一个数据都演算一遍，于是大大降低了思考的难度，这是用scheme实现同样的c代码的功能
(define (mul-vec v1 v2)
(if (= (length v1) (length v2))
(if (null? v1) 0
(+ (* (car v1) (car v2))
(mul-vec (cdr v1) (cdr v2))))
'error))
(define (make-matrix row col data)
(lambda msg
(if (= (length msg) 1)
(cond
((eq? (car msg) 'row) row)
((eq? (car msg) 'col) col))
(list-ref data (+ (* (car msg) col) (cadr msg))))))
(define (col-ref matrix col-index)
(define (col-loop matrix row-index)
(if (= row-index (matrix 'row))
'()
(cons (matrix row-index col-index) (col-loop matrix (+ row-index 1)))))
(col-loop matrix 0))
(define (row-ref matrix row-index)
(define (row-loop matrix col-index)
(if (= col-index (matrix 'col))
'()
(cons (matrix row-index col-index) (row-loop matrix (+ col-index 1)))))
(row-loop matrix 0))
(define (mul-matrix A B)
(if (= (A 'col) (B 'row))
(lambda msg
(if (= (length msg) 1)
(cond
((eq? (car msg) 'row) (A 'row))
((eq? (car msg) 'col) (B 'col)))
(mul-vec (row-ref A (car msg)) (col-ref B (cadr msg)))))
(lambda msg 'error)))
代码好像长了很多，但是实际上上面的代码可以用语法糖的形式实现
(m ([mx i j _] * [mx j k _]) n) = (m [mx i j _]) * ([mx j k _] n)
主要的mul-matrix函数只做了一个事情，把A的行和B的列进行向量相乘的函数作为一个计算结果，每一次使用该函数，就是获取它的元素，由于之前我们把list等等都实现为lambda函数，所以相乘之后的矩阵函数实际上性质上等同于make构造的函数，整个系统无缝地揉合在了一起，然而我们只是描述了某些规则，它并没有把所有的元素都计算好，我们并不需要都去计算好，我们只是把A和B给了它，它自己知道怎么算出来，它描述了将要执行的计算，这里没有可怕的循环和大量的递归，只有足够多的描述，它精确地描述了，矩阵的行和列到底是什么，向量的乘法到底是啥，矩阵的定义到底是什么，矩阵乘法的定义到底是什么，它就可以计算了，它是如此地优雅，以至于让人想到了万物的运行状态，到底是一系列的状态变化，还是即将执行的计算对象，每一次计算都带来了新的数据，假如不计算，你无法确定它到底是什么状态，每一次计算，你就可以知道它内部到底有什么。
