基于新信息技术的程序设计教程 课件 第3、4章 人工智能概述、C语言基础

第3章人工智能概述3.1人工智能的定义3.2人工智能的诞生与演进3.3人工智能的主要学派3.4人工智能的核心技术3.5人工智能的应用领域3.6人工智能的伦理与社会影响3.7人工智能的未来发展趋势

3.1人工智能的定义

3.1人工智能的定义

人工智能旨在模拟人类的思维模式与行为方式，使计算机系统具备感知、学习、推理、决策乃至一定程度的创造能力，从而辅助或部分替代人类完成各类复杂任务。简言之，人工智能是人类借助计算机技术构建的、具有部分类人脑功能与行为特征的智能体(IntelligentAgent)。

1．弱人工智能

弱人工智能，又称窄人工智能，是指专注于解决特定问题、执行单一领域任务的人工智能系统。这类系统通常依托预先设定的规则与海量数据完成工作，不具备真正意义上的自主意识、通用学习与跨领域推理能力。

弱人工智能本质上是为特定场景、特定任务量身设计的专用程序，仅依靠强大的计算能力，按照既定算法与模型，模拟人类在某一专业领域内的判断与决策过程。

2．强人工智能

强人工智能目前仍属于科幻设想，其出现可能对人类社会产生深远影响，但具体情形尚难预测。强人工智能指的是达到人类智能水平的通用智能系统。与弱人工智能相比，强人工智能依托强大的计算能力，更加全面地模拟人类的思维活动。除了在特定领域具备专家级决策能力，它甚至能够模拟人类的创造力与情感反应。

目前，人类对强人工智能的研究仍停留在理论与概念层面，尚未实现实际系统。强人工智能具有广泛的认知能力，能够像人类一样在多个领域和任务中表现出智能行为，并具备自主学习、推理、规划和创造等能力。

3．超级人工智能

超级人工智能长期以来是科幻作品中备受关注的题材。根据一些设想，超级人工智能不再仅仅依赖强大的计算能力进行模拟，而是实现了“觉醒”，具备自主认知和创新能力。觉醒后的超级人工智能对硬件算力的依赖可能反而降低，其处理和理解信息的能力远超人类。

面对人类数千年文明积淀的海量知识，超级人工智能可以快速整合突破并生成全新的知识体系。它不仅具备强人工智能的所有能力，包括自主学习、推理、规划、创造和情感模拟，还可能发展出适合自身的独特认知模式、创造方式，甚至形成属于自己的偏好和情感体验。在智力、创造力、学习能力等维度，理论上超级人工智能将会超过人类。

3.2人工智能的诞生与演进3.2.1人工智能的起源随着科技的不断进步，到了20世纪中叶，计算机技术的出现为人工智能的诞生提供了关键的物质基础。1956年，美国达特茅斯学院举办学术会议，正式提出“人工智能”这一术语，标志着人工智能正式成为一门独立学科。这次会议汇集了计算机科学、数学、心理学等多个领域的专家(见图3-1)，共同探讨如何让机器具备人类智能的相关问题。图3-1达特茅斯会议参会学者

3.2.2人工智能的发展阶段

如图3-2所示，人工智能的发展经历了三次浪潮。图3-2人工智能三次发展浪潮时间轴

1．第一次浪潮：基于规则的系统

20世纪50年代末至70年代初，迎来人工智能的第一次浪潮。在这个阶段，科学家试图通过编写大量的规则和知识，使计算机具备智能。例如，专家系统就是这一时期的典型代表。专家系统是一种基于知识的计算机程序，它能够模拟人类专家在特定领域的决策过程。

然而，基于规则的系统存在一些局限性。随着知识的不断增加，规则的数量和复杂性也迅速增长，导致系统的维护和扩展变得困难；另外，这种系统缺乏灵活性，难以处理不确定和模糊的信息。

2．第二次浪潮：机器学习

20世纪80年代至90年代，人工智能迎来了第二次浪潮，以机器学习为主要特征。机器学习的出现使得计算机能够通过数据学习和改进自身的性能，而不再仅仅依赖于人工编写的规则。统计学习方法在这个时期得到了广泛应用，如决策树、支持向量机等算法。

机器学习在很多领域取得了显著的成果，如模式识别、数据挖掘等。它能够从大量的数据中自动提取有用的信息和规律，为人工智能的发展注入了新的活力。

3．第三次浪潮：深度学习

从21世纪初开始，人工智能进入了第三次浪潮，以深度学习为核心。深度学习是一种基于神经网络的机器学习方法，它通过构建多层神经网络来学习数据的内在特征和规律。深度学习在图像识别、语音识别、自然语言处理等领域取得了突破性的进展。

3.3人工智能的主要学派

3.3.1符号主义学派符号主义学派认为人工智能的核心是符号系统，通过对符号的操作和推理来模拟人类思维。其理论基础源于数学逻辑和计算机科学。在早期的人工智能研究中，符号主义学派占据重要地位。例如，图3-3所示的专家系统就是符号主义学派的典型应用。专家系统将领域专家的知识以符号形式表示，通过规则引擎进行推理，从而解决特定领域的问题。图3-3专家系统架构图

3.3.2连接主义学派

连接主义学派基于神经网络的原理，认为人工智能可以通过模拟生物神经系统的结构和功能来实现。神经网络由大量的神经元相互连接组成，通过对数据的学习和训练，调整神经元之间的连接权重，从而实现对信息的处理和学习。

例如，在图像识别中，卷积神经网络(CNN)(见图3-4)通过多层神经元的卷积和池化操作，能够自动提取图像的特征，实现高精度的图像识别。图3-4卷积神经网络(CNN)结构示意图

3.3.3行为主义学派

行为主义学派强调从行为的角度研究人工智能，认为智能是在与环境的交互中产生的。它不关注内部的认知过程，而注重通过行为的反馈来学习和适应环境。例如，在机器人控制中，行为主义学派的方法可以使机器人通过与环境的交互，不断调整自身的行为，以完成特定的任务，如避障、导航等。

行为主义学派在机器人控制和一些简单的智能体系统中有着广泛的应用，为人工智能在实际环境中的应用提供了重要的思路。

3.4人工智能的核心技术

3.4.1机器学习机器学习是人工智能的基础技术之一，其核心思想是让计算机通过数据自动学习规律，无须人工编写具体规则就能完成任务。根据学习方式的不同，机器学习可分为监督学习、无监督学习和强化学习三大类，如图3-5所示。图3-5机器学习三类方法对比

(1)监督学习：通过标注好的训练数据(即输入与对应输出的“标准答案”)，让模型学习输入到输出的映射关系。例如，在图像分类任务中，给模型输入大量标注了“猫”“狗”的图片，模型通过学习可自动识别新图片中的动物类别。

(2)无监督学习：面对没有标注的数据集，模型通过挖掘数据内部的结构和规律(如相似性、聚类特征)完成任务。例如，电商平台通过用户消费记录的聚类分析实现精准的用户群体划分。

(3)强化学习：智能体通过与环境的交互，根据“奖励”或“惩罚”信号调整行为策略，逐步优化目标。例如，AlphaGo通过自我对弈学习围棋策略，最终战胜人类顶尖棋手，就是强化学习的典型应用。

3.4.2深度学习

深度学习是机器学习的一个重要分支，以人工神经网络为核心，通过模拟人脑神经元的连接方式实现复杂的信息处理。与传统机器学习相比，深度学习能自动提取数据的多层级特征，尤其在处理图像、语音等复杂数据时表现突出。

(1)卷积神经网络(CNN)：通过卷积层、池化层等结构，有效提取图像的局部特征(如边缘、纹理)，广泛应用于图像识别、人脸识别等领域。例如，手机相机的“人像模式”就是通过CNN识别前景人物与背景，实现虚化效果。

(2)循环神经网络(RNN)：针对序列数据(如文本、语音)，通过记忆先前信息处理后续输入，适用于机器翻译、语音识别等任务。例如，实时字幕生成利用RNN对语音流进行时序建模，完成语音到文本的转化。

(3) Transformer模型：基于“注意力机制”，同时关注输入数据的不同部分，在自然语言处理领域引发了革命(如ChatGPT、机器翻译系统)。其并行计算能力大幅提升了长文本处理效率。

3.4.3自然语言处理

NLP的关键技术与应用包括词嵌入、预训练语言模型、机器翻译等。

(1)词嵌入(WordEmbedding)：是NLP中语言模型与表征学习技术的统称。众所周知，计算机无法读懂自然语言，只能处理数值，因此自然语言需要以一定的形式转化为数值。词嵌入是将自然语言中的词语映射为数值的一种方式，用于将文字转化为计算机可理解的向量，捕捉词语间的语义关联。例如，“国王”与“女王”的向量差近似于“男人”与“女人”的向量差。

(2)预训练语言模型：如BERT、GPT等，通过海量文本数据预训练，能快速适配下游任务(如问答、摘要生成)。例如，智能客服系统通过预训练模型理解用户问题，并生成自然语言回复。

(3)机器翻译：打破语言壁垒的核心技术，从早期的基于规则翻译发展到如今基于深度学习的端到端翻译，准确率大幅提升。目前，谷歌翻译支持100多种语言实时互译。

自然语言处理使人类与计算机的交互更自然，推动了智能助手(如小艺、小爱、Siri等)、自动文档处理等应用的普及。

3.4.4计算机视觉

计算机视觉的典型技术与应用场景在各个领域均有体现，常见的有如下几种。

(1)目标检测：在图像中定位并识别多个目标(如行人、车辆)，广泛应用于自动驾驶(识别交通信号灯、障碍物)、安防监控(异常行为检测)等领域，如图3-6所示。

(2)图像分割：将图像像素级划分为不同语义区域(如天空、道路、建筑等)，是无人机航拍地图绘制、医学影像分析(如肿瘤区域定位)的核心技术。

(3)人脸识别：通过提取人脸特征点(如眼角、鼻尖位置等)进行身份验证，已应用于手机解锁、机场安检等场景，其准确率在理想条件下在99%以上。图3-6目标检测应用示例

3.5人工智能的应用领域

3.5.1医疗健康人工智能为医疗行业注入了“智慧基因”，从疾病诊断到健康管理实现全链条赋能。(1)医学影像分析：通过深度学习技术，计算机可自动识别CT、MRI等影像病灶(如肺部结节、脑瘤等)，辅助医生提高诊断效率和准确率。例如，乳腺癌筛查系统能在钼靶片中快速定位可疑钙化点，灵敏度远超人工肉眼。

(2)智能诊疗助手：基于自然语言处理的系统可解析患者病历，结合医学知识库给出诊断建议，尤其在基层医疗资源匮乏地区，能弥补医生经验不足的短板。

(3)药物研发：AI通过预测分子结构与疗效的关系，加速新药筛选流程，将传统需要数年的研发周期缩短至数月。例如，在新冠疫苗研发中，AI对蛋白结构的预测发挥了关键作用。

3.5.2金融服务

金融行业是人工智能应用最成熟的行业之一，其核心价值在于风险控制与效率提升。

(1)智能风控：通过机器学习分析用户征信、交易记录等多维度数据，构建风险模型，实时识别欺诈交易(如信用卡盗刷、洗钱行为)。某银行应用该技术后欺诈率下降60%以上。

(2)智能投顾：根据用户风险偏好、资金规模等，自动生成个性化投资组合，降低理财门槛。例如，蚂蚁财富的“智能理财助理”可实时调整资产配置。

(3)量化交易：AI算法通过分析市场波动规律，实现高频交易决策，在毫秒级时间内捕捉套利机会，远超人工操作效率。

3.5.3智能制造

人工智能推动传统制造业向“柔性化”和“智能化”转型，重构生产流程。

(1)预测性维护：在工业设备(如风机、机床)上安装传感器，AI通过分析振动幅度/频率、温度等数据，提前预判故障风险并发出维修提醒。某汽车工厂应用AI后停机时间相对减少。

(2)智能质检：计算机视觉系统可自动检测产品表面缺陷(如芯片划痕、玻璃瓶杂质)，替代传统人工抽检，降低漏检率。

(3)数字孪生：通过构建工厂虚拟副本，AI模拟生产流程并优化参数(如能耗、产能调度)，显著提高了工厂的生产效率。

3.5.4智能交通

人工智能是实现交通安全、高效、绿色的核心技术支撑。

(1)自动驾驶：L4级自动驾驶汽车通过激光雷达、摄像头等传感器感知环境，结合AI算法实时决策(如避让行人、变道超车)，如图3-7所示。百度Apollo已在多个城市开展Robotaxi试点。

(2)智能交通管控：AI分析路口车流量数据，动态调整信号灯时长，提高了早晚高峰通行效率；同时可预测交通拥堵点，提前发布绕行建议。

(3)车路协同：通过车与车、车与路侧设备的信息交互，AI实现全局交通优化，降低事故率。

图3-7自动驾驶示意图

3.5.5教育与服务

(1)个性化学习：AI根据学生答题数据生成知识图谱，定位薄弱环节并推送定制化习题，实现“因材施教”。

(2)智能客服：融合自然语言处理的客服系统可7 × 24小时响应用户咨询(如银行APP的语音客服)，大幅降低人工成本。

(3)文旅体验：故宫、敦煌等景区的AI导览机器人能通过语音交互讲解文物历史，还可根据游客兴趣推荐游览路线。

人工智能的应用已从“单点突破”迈向“全域渗透”，其价值不仅在于替代重复劳动，更在于通过数据洞察创造新的可能性。随着技术成熟，未来更多领域将迎来智能化变革。

3.6人工智能的伦理与社会影响

3.6.1伦理困境：技术进步背后的价值拷问1．算法歧视与公平性人工智能的决策依赖于训练数据，若数据中隐含偏见(如与性别、种族相关的历史数据)，则模型可能会强化这种不公。这种“隐性歧视”难以察觉，却会加剧社会不平等，如何在技术设计中嵌入“公平性原则”成为关键。

2．隐私与数据滥用风险

人工智能的高效运行依赖海量数据，尤其是生物特征(人脸、指纹)、行为习惯(消费记录、位置信息)等敏感数据。若这些数据被过度收集、非法交易或泄露，可能导致个人权利受损。例如，某企业未经授权采集用户人脸数据用于营销分析；黑客攻击AI系统窃取医疗记录。

3．责任归属与“算法黑箱”

当人工智能系统出现失误(如自动驾驶车辆事故、医疗AI误诊)时，责任该由开发者、使用者还是系统自身承担？由于深度学习模型的“黑箱性”(决策过程难以解释)，追责往往面临困境。例如，某自动驾驶汽车碰撞事故中，无法明确是算法缺陷、传感器故障还是人类误操作导致了结果。

3.6.2社会影响：变革中的机遇与挑战

1．就业结构的重构

人工智能对就业的影响具有两面性：

一方面，重复性劳动(如流水线工人、电话客服)可能被自动化取代，导致部分岗位消失；

另一方面，新职业(如AI训练师、算法伦理师)不断涌现，推动劳动力向高技能领域转型。据测算，到2030年，全球约15%的工作岗位将被AI和自动化技术重塑。

2．社会关系与人类主体性

随着AI在教育、医疗、陪伴等领域的渗透，人类对技术的依赖逐渐加深。例如，儿童长期与教育机器人互动，可能影响其社交能力的发展；老年人过度依赖陪护机器人，可能弱化亲情联结。更值得警惕的是，若AI被用于制造“深度伪造”(如虚假视频、语音)，可能破坏信息的真实性，动摇社会信任基础。

3.6.3应对路径：构建负责任的人工智能

面对伦理与社会挑战，国际社会已开始探索解决方案。

(1)技术层面：开发“可解释AI”和“公平性算法”，让模型决策透明化、可追溯。

(2)政策层面：出台数据保护法规(如欧盟《通用数据保护条例》GDPR)、AI伦理指南(如联合国教科文组织《人工智能伦理建议》)。

(3)教育层面：培养技术开发者的伦理意识，提升公众对AI的认知与批判能力。

只有将“伦理嵌入技术设计”“责任融入发展理念”，才能让人工智能真正成为服务人类福祉的工具。

3.7人工智能的未来发展趋势

3.7.1技术融合：多领域协同催生新范式人工智能将与其他新兴技术深度融合，形成“1+1>2”的协同效应，重塑产业形态。

(1) AI + 物联网(IoT)：通过智能传感器收集物理世界数据，AI进行实时分析与决策，实现“万物智联”。

(2) AI + 区块链：区块链的去中心化、不可篡改特性为AI数据提供可信支撑。

(3) AI + 边缘计算：将AI模型部署在终端设备(如手机、摄像头)上，而非云端，实现低延迟、高隐私的智能服务。

3.7.2能力升级：从“感知智能”迈向“认知智能”

当前AI以“感知智能”(如识别图像、语音等)为主，未来将向具备推理、规划、创造能力的“认知智能”突破。

(1)通用人工智能(AGI)探索：现有AI系统多为“窄人工智能”(NarrowAI)，即只能在特定任务或领域内表现出智能。例如，AlphaGo专注于围棋对弈，机器翻译系统仅擅长语言转换，它们缺乏跨领域迁移能力和自主理解复杂场景的综合智能。而AGI的核心目标是实现“通用智能”：具备与人类相似的认知能力，能够理解、学习任何领域的知识，灵活应对未预设的复杂任务，甚至拥有自主意识和创造力。

(2)可解释AI(XAI)：破解“算法黑箱”，使AI决策过程透明化、可追溯。例如，医疗AI不仅给出诊断结果，还能说明“基于患者的哪些症状、历史病例得出该结论”，增强医生对系统的信任；金融风控AI需解释拒贷原因，保障用户知情权。

(3)自主进化能力：AI系统将具备自我学习、自我优化的能力。例如，工业机器人通过持续积累生产数据，自主调整动作参数以提高精度；推荐系统根据用户反馈实时迭代算法，减少“信息茧房”效应。

3.7.3应用拓展：从“产业赋能”到“社会治理”

(1)可持续发展领域：AI助力“双碳”目标实现。

(2)公共服务普惠化：AI推动教育、医疗资源均衡分配。

(3)全球治理协同：AI在应对公共卫生危机(如疫情传播预测)、自然灾害(如地震预警)、粮食安全(如病虫害智能防治)等全球性问题中发挥作用。

人工智能浪潮是一场深刻的结构性变革。它既带来了岗位替代与职业转型的挑战，也催生了大量新职业、新产业与新机遇。未来，人工智能将不再只是孤立的技术工具，而逐步发展为融入社会运行体系的“智能基础设施”，广泛服务于生产制造、教育医疗、城市治理和日常生活等领域。

人工智能的发展既需要持续推动技术创新，也必须加强制度规范与伦理治理，在追求效率与突破的同时坚守安全、公平与责任底线。唯有如此，才能推动人工智能朝着更加健康、可持续的方向发展，最终实现“以人为本、人机协同、共享共赢”的智能社会愿景。第4章C语言基础4.1C语言程序介绍4.2C语言程序的组成4.3C语言程序的实现

4.1C语言程序介绍

4.1.1C语言的发展早期的操作系统等系统软件主要用汇编语言编写(包括UNIX操作系统在内)，但汇编语言存在明显缺点，即用其编写的程序可读性和可移植性较差。为了提高程序的可读性和可移植性，可改用高级语言。但是，一般的高级语言难以实现汇编语言的某些功能(如直接对硬件进行操作、对内存地址的操作、位操作等)。

为此，人们希望找到一种既具有一般高级语言特性，又具有低级语言底层操作能力的语言—集二者优点于一体的语言。于是，C语言在20世纪70年代初应运而生。1978年，美国电话电报公司(AT&T)的贝尔实验室正式发布了C语言；同时，B.W.Kernighan和D.M.Ritchit合著出版了影响深远的TheCProgrammingLanguage一书(该书通常被简称为K&R，也有人称之为K&R标准)。K&R标准并没有定义一个完整的标准C语言，因此，许多开发机构纷纷推出自己的C语言版本，而这些版本之间的微小差别不时引发兼容性问题。针对这些问题，美国国家标准学会(AmericanNationalStandardsInstitute，ANSI)在各种C语言版本的基础上制定了C语言标准，于1983年发表，通常称为ANSIC。

4.1.2C语言的特点

C语言是一种通用、灵活、结构化、标准化且使用广泛的编程语言，能完成用户的各种任务，尤其适合系统程序设计和对硬件进行操作的场合。C语言本身对程序员限制较少，是专业程序员优先选择的语言。

C语言有如下主要特点：

(1)简洁紧凑：压缩了一切不必要的成分。ANSIC只有32个关键字，书写形式自由。

(2)运算符丰富：将括号、赋值、强制类型转换、取变量地址等以运算形式实现。ANSIC提供了34种运算符，灵活使用这些运算符可实现其他高级语言难以完成的操作。C语言的表达式简练、多样、灵活、实用，加上分号即可构成语句。

(3)数据类型丰富：具有现代语言的各种数据类型，用户还能扩充它，以实现各种复杂的数据结构，来完成各种问题的数据描述。C语言的指针类型非常有特色，可指向各种数据，完成数据的高效处理。C语言不但能对数据作类型上的描述，还提供了存储属性方面的考虑。

(4)结构化的程序设计语言：层次清晰，便于按模块化方式组织程序，易于调试和维护。C程序由若干程序文件组成，一个程序文件又由若干函数组成。

(5)可直接访问物理地址：进行位(bit)级操作，实现汇编语言的大部分功能。由于C语言实现了对硬件的编程操作，集高级语言和低级语言功能于一体，表现能力和处理能力极强，有时也被称作“中级语言”。

(6)提供预处理机制：有利于大型程序的编写和调试。

(7)目标代码质量高：程序执行效率高，一般只比汇编程序生成的目标代码效率低10%～20%。

(8)可移植性好：与汇编语言相比，用C语言编写的程序基本上不做修改就可以用于各种型号的计算机和操作系统。

(9)语法限制不太严格：程序员的设计自由度较大(如数组下标越界不做检查，由程序员自己保证程序的正确性)。一般高级语言语法检查都比较严格，能查出大部分语法错误；而C语言允许程序员有较大的自由度，因此放宽了语法检查。限制与灵活是一对矛盾：限制严格，就会失去灵活性；而强调灵活，就必然放松限制。不熟练的程序员编写正确的C语言程序可能会比其他高级语言难一些。也就是说，对于使用C语言的人，要求其对程序设计更熟练一些。

4.2C语言程序的组成

下面通过几个简单的程序实例来说明C语言程序的组成。

【例4.1】在屏幕上输出一串字符“HelloWorld!”。

分析：

(1) main( )为主函数。C语言程序由函数构成，但有且只有一个主函数。

(2) C语言程序中必须至少有一对{}，代表程序的开始与结束，其中内容称为函数体。

(3) printf( )为标准输出函数，用于将程序运行结果显示到输出设备(显示器)上。

(4) #include<stdio.h>为预处理命令，当程序中有输出函数或输入函数时必须包含此行。

【例4.2】已知a = 10,b = 30，求两数之和sum。

分析：

(1)“inta,b,sum;”语句说明a、b和sum为三个整型变量，可通过赋值操作改变变量的值。

(2)“a = 10;”语句表示将整数10送到a的存储单元中；“sum = a + b;”语句表示先取a和b两个存储单元中的数据并在运算器中相加，然后将结果保存在sum变量单元中。

(3)“printf("sum = %d\n",sum);”语句中，printf( )函数的参数包括两部分：“sum”是要输出的数据；“sum=%d\n”是数据输出的格式控制字符串，其中格式控制符“%d”的作用是按整数格式输出sum的值，“sum=”是输出数据的提示说明，按原样输出。

(4)“/*…*/”表示注释，目的是增加程序的可读性。注释可插入程序的任何位置，对程序的执行没有任何影响，编译时将被忽略。

【例4.3】求最大数。

分析：

(1)本程序由两个函数组成，即主函数main( )和自定义函数max( )。

(2)程序从main( )函数开始执行；printf( )函数用于输出一个字符串，具有提示作用；scanf( )函数表示从键盘输入数据，分别给变量a和变量b赋值，使得变量a和b从键盘上获取值；执行“c = max(a, b);”语句时程序转移到max( )函数，遇到“return”语句则返回主函数继续执行。

通过以上实例可以看出C语言程序的基本组成。

(1) C语言程序是由函数构成的，函数是C程序的基本单位。

(2)一个函数由函数头和函数体两部分组成：函数头即函数的第一行，函数体即函数头下面用大括号{}括起来的部分。

(3)函数体由语句构成，语句以分号 ; 结束。

(4)一个C程序可由一个或多个函数组成，但必须有且只有一个main( )函数(即主函数)。C程序总是从main( )函数开始执行，无论main( )函数在整个程序中的位置如何。

(5)通常每行只写一条语句，短语句可一行写多条，长语句可一条分多行写。

(6)程序中应尽量使用注释信息来增强程序的可读性。注释符以/*开头，以*/结束，其间的字符为注释信息。

4.3C语言程序的实现

4.3.1C语言程序的运行过程由高级语言编写的程序称为源程序，它不能被计算机直接识别和执行，必须由语言处理程序翻译成由0和1构成的二进制指令代码。按照C语言规则编写的程序，要得到最终结果，必须经历以下步骤(其实现过程如图4-1所示)。图4-1C程序的实现过程

1．编辑

编辑是指使用文本编辑软件输入和修改C语言源程序，最后以文本文件的形式存放在硬盘上，文件名由用户自己选定，扩展名一般为“.c”。编辑器可以是任何一种文本编辑软件，比如TURBOC和VC++ 专用编辑系统，也可以是写字板、记