计算机科学（Computer Science，CS）是系统性研究信息与计算的理论基础以及它们在计算机系统中如何实现与应用的实用技术的学科。

作为一门学科，计算机科学涵盖了一系列主题，从算法的理论研究和计算的极限到在硬件和软件中实现计算系统的实际问题。CSAB，原名计算科学鉴定委员会代表了美国计算机协会（ACM）和IEEE计算机学会（IEEE CS）标识四个方面，认为对计算机科学学科至关重要：计算理论，算法与数据结构，编程方法与编程语言，以及计算机组成与架构。除上述四个领域外，CSAB还确定了软件工程，人工智能，计算机网络和通信，数据库系统，并行计算，分布式计算，人机交互，计算机图形学，操作系统以及数值和符号计算等领域。

数据科学（英语：data science）是一门利用数据学习知识的学科，其目标是通过从数据中提取出有价值的部分来生产数据产品。它结合了诸多领域中的理论和技术，包括应用数学、统计、模式识别、机器学习、数据可视化、数据仓库以及高性能计算。

数据科学通过运用各种相关的数据来帮助非专业人士理解问题。数据科学技术可以帮助我们如何正确的处理数据并协助我们在生物学、社会科学、人类学等领域进行研究调研。此外，数据科学也对商业竞争有极大的帮助。

传感器（英文名称：transducer/sensor）是一种检测装置，能感受到被测量的信息，并能将感受到的信息，按一定规律变换成为电信号或其他所需形式的信息输出，以满足信息的传输、处理、存储、显示、记录和控制等要求。

传感器的特点包括：微型化、数字化、智能化、多功能化、系统化、网络化。它是实现自动检测和自动控制的首要环节。传感器的存在和发展，让物体有了触觉、味觉和嗅觉等感官，让物体慢慢变得活了起来。通常根据其基本感知功能分为热敏元件、光敏元件、气敏元件、力敏元件、磁敏元件、湿敏元件、声敏元件、放射线敏感元件、色敏元件和味敏元件等十大类。

机器学习一种实现人工智能的方法，深度学习是一种实现机器学习的技术。深度学习是利用深度神经网络来解决特征表达的一种学习过程。神经网络一般包括：训练，测试两大阶段，而把训练过程所涉及的环节数据统一抽象，形成可使用的深度学习框架。

人工智能的浪潮正席卷全球，诸多词汇时刻萦绕在我们的耳边，如人工智能，机器学习，深度学习等。“人工智能”的概念早在1956年就被提出，顾名思义用计算机来构造复杂的，拥有与人类智慧同样本质特性的机器。经过几十年的发展，在2012年后，得益于数据量的上涨，运算力的提升和机器学习算法(深度学习)的出现，人工智能开始大爆发。但目前的科研工作都集中在弱人工智能部分，即让机器具备观察和感知能力，可以一定程度的理解和推理，预期在该领域能够取得一些重大突破。电影里的人工智能多半都是在描绘强人工智能，即让机器获得自适应能力，解决一些之前还没遇到过的问题，而这部分在目前的现实世界里难以真正实现。

“世界上第一台笔记本”的归属之所以一直处于争论之中，究其原因，很大程度上是因为对“便携PC”概念理解的不同。就像Laptop和Notebook，我们都知道指的是“笔记本电脑”，但如果深入了解其中含义就会发现，Laptop其实特指的是膝上笔记本，也就是那种可以放在大腿上使用的产品。

所以也就有很多人认为那些不能放在膝上的“笔记本”不能称之为笔记本。也正是因为有如此多种多样的解释，笔记本“开山鼻祖”的概念也才一直没有定论。而本文内容将以时间线的角度，向大家介绍一下那些能被称之为“笔记本电脑起源”的产品。