作者克里斯·布利克利
（Chris Bleakley）
布利克利用一连串历史故事串起算法的发展：从美索不达米亚泥板上的记账、欧几里得求最大公约数的步骤，到中国的筹算、《九章算术》、密码与图灵、搜索排序，再到机器学习与神经网络——结论是：算法不是现代产物，而是人类处理问题的古老方式，AI 只是它最新的形态。
一句话总览 + 书籍信息
One Line一部用历史故事讲清"算法是什么"的科普书：算法是人类解决问题的古老步骤，从泥板记账一路走到神经网络；所谓 AI，不过是这套古老方式最新的、会自我学习的形态。
全书的方法论地基——算法作为"被外化的思维"
| 维度 | 人算 | 机算 |
|---|---|---|
| 步骤在哪里 | 在人的理解和记忆里 | 被写成机器可执行的程序 |
| 执行速度 | 慢、受注意力限制 | 极快、可并行海量 |
| 可解释性 | 人懂"为什么" | 有时是黑箱，难解释 |
| 谁定义步骤 | 由人设计、传授 | 多由人设计，部分由数据自定 |
| 最大优势 | 可纠错、可迁移理解 | 规模与速度碾压人脑 |
六张帮你串起算法史的卡片
美索不达米亚人在泥板上记录粮税与交易，用可重复的步骤处理数字——这是算法最早可考的痕迹之一。
用"反复相减 / 取余"求两个数的最大公约数，是史上最经典的、可被严格证明正确的算法之一。
中国用算筹布位记数，在《九章算术》里给出开方、方程等成套解法——是另一条并行的算法传统。
加密解密是可重复步骤；图灵等人追问"什么能被机械地计算"，奠定了现代计算的边界。
在海量数据里"找得到、排得顺"，是计算机时代最基础也最频繁的算法操作。
让模型从数据中自己学出"步骤"（参数），是算法的最新形态，也是 AI 能力的来源。
沿着"人类如何把步骤越做越外化"展开
从美索不达米亚的记账到古希腊、中国的求解术，人类早已在用确定步骤处理问题——算法先于计算机几千年。
算法 = 旧石器之后的思维习惯希腊人把算法推向严谨：步骤不仅要能算，还要能被证明正确，奠定"算法可信"的根。
可证伪 / 可证明另一条并行传统：用算筹与成套术文处理方程、开方、面积，证明"算法"是人类共通的求解方式。
东方的算法传统加密需求与"什么能被机械计算"的思考，把算法从手艺变成可被理论刻画的对象。
计算边界被定义电子计算机让算法被外化、被极速执行；搜索、排序成为信息社会的日常基础设施。
算法离开人脑模型从数据中自己学出参数，"步骤"不再全由人写——算法进入能自我调整的新阶段。
步骤由数据自定书的最终落点：AI 不是全新物种，而是人类"按步骤求解"这条老路线上，最新、最会学的一站。
古老方式的新形态以下均为据本书核心观点的概括式转述，非逐字引文（详见每条 .note）
贯穿全书的一个核心判断可以概括为：算法并不是计算机出现后才有的新东西，而是人类自古以来"按确定步骤解决问题"的古老方式；AI 只是它最新的、会自我学习的形态。
从泥板记账到欧几里得求最大公约数，再到中国的筹算，东西方的先人都在用"可重复步骤"处理问题——算法是人类共通的求解习惯。
真正改变历史的，不是"发明了算法"，而是把算法从人脑里"外化"到机器上——速度与规模因此发生质变。
图灵那一代人追问的，不只是"怎么算"，更是"哪些事到底算不算得出来"——这给现代计算划出了边界。
今天的机器学习，连"具体步骤"都不全由人写，而是让模型从数据里自己学出来——这是算法发展到"会自学"的一站。
把"算法思维"借到工作与学习上（不替你编造经历，只给可迁移的视角）
遇到复杂任务，先问"它的确定步骤是什么"。能把流程说清，才谈得上优化、交给人或交给工具。
对应：算法 = 确定步骤看到"算法推荐""算法决策"，先拆：它背后是哪种规则 / 模型？谁定义的？避免被抽象词吓住或盲信。
对应：算法很古老重复、量大、易错的环节，写成流程或用工具跑；把人省下来做需要判断与创造的部分。
对应：机算的外化用 AI / 模型做关键决策时，问清它"为什么这么算"。解释不了的环节，至少保留人工复核。
对应：机算的黑箱老师傅的经验别只留脑袋里，提炼成可传授的步骤，团队才不依赖单个人，也更易被工具接管。
对应：人算的可迁移像图灵提醒的那样：先确认问题在不在可计算范围内，再谈效率与精度，别在不可能的事上硬耗。
对应：可计算性四类读者 + 一条诚实的读前提示