Merge branch 'pryor'
[lambda.git] / week1.mdwn
1 Here's what we did in seminar on Monday 9/13, (Sometimes these notes will expand on things mentioned only briefly in class, or discuss useful tangents that didn't even make it into class.)
2
3 Applications
4 ============
5
6 We mentioned a number of linguistic and philosophical applications of the tools that we'd be helping you learn in the seminar. (We really do mean "helping you learn," not "teaching you." You'll need to aggressively browse and experiment with the material yourself, or nothing we do in a few two-hour sessions will succeed in inducing mastery of it.)
7
8 From linguistics
9 ----------------
10
11 *       generalized quantifiers are a special case of operating on continuations
12
13 *       (Chris: fill in other applications...)
14
15 *       expressives -- at the end of the seminar we gave a demonstration of modeling [[damn]] using continuations...see the linked summary for more explanation and elaboration
16
17 From philosophy
18 ---------------
19
20 *       the natural semantics for positive free logic is thought by some to have objectionable ontological commitments; Jim says that thought turns on not understanding the notion of a "union type", and conflating the folk notion of "naming" with the technical notion of semantic value. We'll discuss this in due course.
21
22 *       those issues may bear on Russell's Gray's Elegy argument in "On Denoting"
23
24 *       and on discussion of the difference between the meaning of "is beautiful" and "beauty," and the difference between the meaning of "that snow is white" and "the proposition that snow is white."
25
26 *       the apparatus of monads, and techniques for statically representing the semantics of an imperatival language quite generally, are explicitly or implicitly invoked in dynamic semantics
27
28 *       the semantics for mutation will enable us to make sense of a difference between numerical and qualitative identity---for purely mathematical objects!
29
30 *       issues in that same neighborhood will help us better understand proposals like Kit Fine's that semantics is essentially coordinated, and that `R a a` and `R a b` can differ in interpretation even when `a` and `b` don't
31
32
33 Declarative/functional vs Imperatival/dynamic models of computation
34 ===================================================================
35
36 Many of you, like us, will have grown up thinking the paradigm of computation is a sequence of changes. Let go of that. It will take some care to separate the operative notion of "sequencing" here from other notions close to it, but once that's done, you'll see that languages that have no significant notions of sequencing or changes are Turing complete: they can perform any computation we know how to describe. In itself, that only puts them on equal footing with more mainstream, imperatival programming languages like C and Java and Python, which are also Turing complete. But further, the languages we want you to become familiar with can reasonably be understood to be more fundamental. They embody the elemental building blocks that computer scientists use when reasoning about and designing other languages.
37
38 Jim offered the metaphor: think of imperatival languages, which include "mutation" and "side-effects" (we'll flesh out these keywords as we proceeed), as the pate of computation. We want to teach you about the meat and potatoes, where as it turns out there is no sequencing and no changes. There's just the evaluation or simplification of complex expressions.
39
40 Now, when you ask the Scheme interpreter to simplify an expression for you, that's a kind of dynamic interaction between you and the interpreter. You may wonder then why these languages should not also be understood imperatively. The difference is that in a purely declarative or functional language, there are no dynamic effects in the language itself. It's just a static semantic fact about the language that one expression reduces to another. You may have verified that fact through your dynamic interactions with the Scheme interpreter, but that's different from saying that there are dynamic effects in the language itself.
41
42 What the latter would amount to will become clearer as we build our way up to languages which are genuinely imperatival or dynamic.
43
44 Many of the slogans and keywords we'll encounter in discussions of these issues call for careful interpretation. They mean various different things.
45
46 For example, you'll encounter the claim that declarative languages are distinguished by their **referential transparency.** What's meant by this is not always exactly the same, and as a cluster, it's related to but not the same as this means for philosophers and linguists.
47
48 The notion of **function** that we'll be working with will be one that, by default, sometimes counts as non-identical functions that map all their inputs to the very same outputs. For example, two functions from jumbled decks of cards to sorted decks of cards may use different algorithms and hence be different functions.
49
50 It's possible to enhance the lambda calculus so that functions do get identified when they map all the same inputs to the same outputs. This is called making the calculus **extensional**. Church called languages which didn't do this "intensional." If you try to understand this in terms of functions from worlds to extensions (an idea also associated with Church), you will hurt yourself. So too if you try to understand it in terms of mental stereotypes, another notion sometimes designated by "intension."
51
52 It's often said that dynamic systems are distinguished because they are the ones in which **order matters**. However, there are many ways in which order can matter. If we have a trivalent boolean system, for example---easily had in a purely functional calculus---we might choose to give a truth-table like this for "and":
53
54         true and true   = true
55         true and *      = *
56         true and false  = false
57         * and true      = *
58         * and *         = *
59         * and false     = *
60         false and true  = false
61         false and *     = false
62         false and false = false
63
64 And then we'd notice that `* and false` has a different intepretation than `false and *`. (The same phenomenon is already present with the mateial conditional in bivalent logics; but seeing that a non-symmetric semantics for `and` is available even for functional languages is instructive.)
65
66 Another way in which order can matter that's present even in functional languages is that the interpretation of some complex expressions can depend on the order in which sub-expressions are evaluated. Evaluated in one order, the computations might never terminate (and so semantically we interpret them as having "the bottom value"---we'll discuss this). Evaluated in another order, they might have a perfectly mundane value. Here's an example, though we'll reserve discussion of it until later:
67
68         (\x. y) ((\x. x x) (\x. x x))
69
70 Again, these facts are all part of the metatheory of purely functional languages. But *there is* a different sense of "order matters" such that it's only in imperatival languages that order so matters.
71
72         x := 2
73         x := x + 1
74         x == 3
75
76 Here the comparison in the last line will evaluate to true.
77
78         x := x + 1
79         x := 2
80         x == 3
81
82 Here the comparison in the last line will evaluate to false.
83
84 One of our goals for this course is to get you to understand *what is* that new
85 sense such that only so matters in imperatival languages.
86
87 Finally, you'll see the term **dynamic** used in a variety of ways in the literature for this course:
88
89 *       dynamic versus static typing
90
91 *       dynamic versus lexical scoping
92
93 *       dynamic versus static control operators
94
95 *       finally, we're used ourselves to talking about dynamic versus static semantics
96
97 For the most part, these uses are only loosely connected to each other. We'll tend to use "imperatival" to describe the kinds of semantic properties made available in dynamic semantics, languages which have robust notions of sequencing changes, and so on.
98
99 Map
100 ===
101
102 <table>
103 <tr>
104 <td width=30%>Scheme (functional part)</td>
105 <td width=30%>OCaml (functional part)</td>
106 <td width=30%>C, Java, Pasval<br>
107 Scheme (imperative part)<br>
108 OCaml (imperative part)</td>
109 <tr>
110 <td width=30%>lambda calculus<br>
111 combinatorial logic</td>
112 <tr>
113 <td colspan=3 align=center>----------------------------------------- Turing complete -----------------------------------------</td>
114 <tr>
115 <td width=30%>&nbsp;
116 <td width=30%>more advanced type systems, such as polymorphic types
117 <td width=30%>&nbsp;
118 <tr>
119 <td width=30%>&nbsp;
120 <td width=30%>simply-typed lambda calculus (what linguists mostly use)
121 <td width=30%>&nbsp;
122 </table>
123
124
125
126
127 Rosetta Stone
128 =============
129
130
131
132
133 Basics of Lambda Calculus
134 =========================
135
136 The lambda calculus we'll be focusing on for the first part of the course has no types. (Some prefer to say it instead has a single type---but if you say that, you have to say that functions from this type to this type also belong to this type. Which is weird.)
137
138 Here is its syntax:
139
140 <blockquote>
141 <strong>Variables</strong>: <code>x</code>, <code>y</code>, <code>z</code>...
142 </blockquote>
143
144 Each variable is an expression. For any expressions M and N and variable a, the following are also expressions:
145
146 <blockquote>
147 <strong>Abstract</strong>: <code>(&lambda;a M)</code>
148 </blockquote>
149
150 We'll tend to write <code>(&lambda;a M)</code> as just `(\a M)`, so we don't have to write out the markup code for the <code>&lambda;</code>. You can yourself write <code>(&lambda;a M)</code> or `(\a M)` or `(lambda a M)`.
151
152 <blockquote>
153 <strong>Application</strong>: <code>(M N)</code>
154 </blockquote>
155
156 Some authors reserve the term "term" for just variables and abstracts. We won't participate in that convention; we'll probably just say "term" and "expression" indiscriminately for expressions of any of these three forms.
157
158 Examples of expressions:
159
160         x
161         (y x)
162         (x x)
163         (\x y)
164         (\x x)
165         (\x (\y x))
166         (x (\x x))
167         ((\x (x x)) (\x (x x)))
168
169 The lambda calculus has an associated proof theory. For now, we can regard the proof theory as having just one rule, called the rule of **beta-reduction** or "beta-contraction". Suppose you have some expression of the form:
170
171         ((\a M) N)
172
173 that is, an application of an abstract to some other expression. This compound form is called a **redex**, meaning it's a "beta-reducible expression." `(\a M)` is called the **head** of the redex; `N` is called the **argument**, and `M` is called the **body**.
174
175 The rule of beta-reduction permits a transition from that expression to the following:
176
177         M [a:=N]
178
179 What this means is just `M`, with any *free occurrences* inside `M` of the variable `a` replaced with the term `N`.
180
181 What is a free occurrence?
182
183 >       An occurrence of a variable `a` is **bound** in T if T has the form `(\a N)`.
184
185 >       If T has the form `(M N)`, any occurrences of `a` that are bound in `M` are also bound in T, and so too any occurrences of `a` that are bound in `N`.
186
187 >       An occurrence of a variable is **free** if it's not bound.
188
189 For instance:
190
191
192 >       T is defined to be `(x (\x (\y (x (y z)))))`
193
194 The first occurrence of `x` in T is free.  The `\x` we won't regard as being an occurrence of `x`. The next occurrence of `x` occurs within a form that begins with `\x`, so it is bound as well. The occurrence of `y` is bound; and the occurrence of `z` is free.
195
196 Here's an example of beta-reduction:
197
198         ((\x (y x)) z)
199
200 beta-reduces to:
201
202         (y z)
203
204 We'll write that like this:
205
206         ((\x (y x)) z) ~~> (y z)
207
208 Different authors use different notations. Some authors use the term "contraction" for a single reduction step, and reserve the term "reduction" for the reflexive transitive closure of that, that is, for zero or more reduction steps. Informally, it seems easiest to us to say "reduction" for one or more reduction steps. So when we write:
209
210         M ~~> N
211
212 We'll mean that you can get from M to N by one or more reduction steps. Hankin uses the symbol <code><big><big>&rarr;</big></big></code> for one-step contraction, and the symbol <code><big><big>&#8608;</big></big></code> for zero-or-more step reduction. Hindley and Seldin use <code><big><big><big>&#8883;</big></big></big><sub>1</sub></code> and <code><big><big><big>&#8883;</big></big></big></code>.
213
214 When M and N are such that there's some P that M reduces to by zero or more steps, and that N also reduces to by zero or more steps, then we say that M and N are **beta-convertible**. We'll write that like this:
215
216         M <~~> N
217
218 This is what plays the role of equality in the lambda calculus. Hankin uses the symbol `=` for this. So too do Hindley and Seldin. Personally, I keep confusing that with the relation to be described next, so let's use this notation instead. Note that `M <~~> N` doesn't mean that each of `M` and `N` are reducible to each other; that only holds when `M` and `N` are the same expression. (Or, with our convention of only saying "reducible" for one or more reduction steps, it never holds.)
219
220 In the metatheory, it's also sometimes useful to talk about formulas that are syntactically equivalent *before any reductions take place*. Hankin uses the symbol <code>&equiv;</code> for this. So too do Hindley and Seldin. We'll use that too, and will avoid using `=` when discussing metatheory for the lambda calculus. Instead we'll use `<~~>` as we said above. When we want to introduce a stipulative definition, we'll write it out longhand, as in:
221
222 >       T is defined to be `(M N)`.
223
224 We'll regard the following two expressions:
225
226         (\x (x y))
227
228         (\z (z y))
229
230 as syntactically equivalent, since they only involve a typographic change of a bound variable. Read Hankin section 2.3 for discussion of different attitudes one can take about this.
231
232 Note that neither of those expressions are identical to:
233
234         (\x (x w))
235
236 because here it's a free variable that's been changed. Nor are they identical to:
237
238         (\y (y y))
239
240 because here the second occurrence of `y` is no longer free.
241
242 There is plenty of discussion of this, and the fine points of how substitution works, in Hankin and in various of the tutorials we've linked to about the lambda calculus. We expect you have a good intuitive understanding of what to do already, though, even if you're not able to articulate it rigorously.
243
244
245 Shorthand
246 ---------
247
248 The grammar we gave for the lambda calculus leads to some verbosity. There are several informal conventions in widespread use, which enable the language to be written more compactly. (If you like, you could instead articulate a formal grammar which incorporates these additional conventions. Instead of showing it to you, we'll leave it as an exercise for those so inclined.)
249
250
251 **Dot notation** Dot means "put a left paren here, and put the right
252 paren as far the right as possible without creating unbalanced
253 parentheses". So:
254
255         (\x (\y (x y)))
256
257 can be abbreviated as:
258
259         (\x (\y. x y))
260
261 and:
262
263         (\x (\y. (z y) z))
264
265 would abbreviate:
266
267         (\x (\y ((z y) z)))
268
269 This on the other hand:
270
271         (\x (\y. z y) z)
272
273 would abbreviate:
274
275         (\x (\y (z y)) z)
276
277 **Parentheses** Outermost parentheses around applications can be dropped. Moreover, applications will associate to the left, so `M N P` will be understood as `((M N) P)`. Finally, you can drop parentheses around abstracts, but not when they're part of an application. So you can abbreviate:
278
279         (\x. x y)
280
281 as:
282
283         \x. x y
284
285 but you should include the parentheses in:
286
287         (\x. x y) z
288
289 and:
290
291         z (\x. x y)
292
293 **Merging lambdas** An expression of the form `(\x (\y M))`, or equivalently, `(\x. \y. M)`, can be abbreviated as:
294
295         (\x y. M)
296
297 Similarly, `(\x (\y (\z M)))` can be abbreviated as:
298
299         (\x y z. M)
300
301
302 Lambda terms represent functions
303 --------------------------------
304
305 All (recursively computable) functions can be represented by lambda
306 terms (the untyped lambda calculus is Turing complete). For some lambda terms, it is easy to see what function they represent:
307
308 >       `(\x x)` represents the identity function: given any argument `M`, this function
309 simply returns `M`: `((\x x) M) ~~> M`.
310
311 >       `(\x (x x))` duplicates its argument:
312 `((\x (x x)) M) ~~> (M M)`
313
314 >       `(\x (\y x))` throws away its second argument:
315 `(((\x (\y x)) M) N) ~~> M`
316
317 and so on.
318
319 It is easy to see that distinct lambda expressions can represent the same
320 function, considered as a mapping from input to outputs. Obviously:
321
322         (\x x)
323
324 and:
325
326         (\z z)
327
328 both represent the same function, the identity function. However, we said above that we would be regarding these expressions as synactically equivalent, so they aren't yet really examples of *distinct* lambda expressions representing a single function. However, all three of these are distinct lambda expressions:
329
330         (\y x. y x) (\z z)
331
332         (\x. (\z z) x)
333
334         (\z z)
335
336 yet when applied to any argument M, all of these will always return M. So they have the same extension. It's also true, though you may not yet be in a position to see, that no other function can differentiate between them when they're supplied as an argument to it. However, these expressions are all syntactically distinct.
337
338 The first two expressions are *convertible*: in particular the first reduces to the second. So they can be regarded as proof-theoretically equivalent even though they're not syntactically identical. However, the proof theory we've given so far doesn't permit you to reduce the second expression to the third. So these lambda expressions are non-equivalent.
339
340 There's an extension of the proof-theory we've presented so far which does permit this further move. And in that extended proof theory, all computable functions with the same extension do turn out to be equivalent (convertible). However, at that point, we still won't be working with the traditional mathematical notion of a function as a set of ordered pairs. One reason is that the latter but not the former permits uncomputable functions. A second reason is that the latter but not the former prohibits functions from applying to themselves. We discussed this some at the end of Monday's meeting (and further discussion is best pursued in person).
341
342
343
344 Booleans and pairs
345 ==================
346
347 Our definition of these is reviewed in [[Assignment1]].
348
349
350 It's possible to do the assignment without using a Scheme interpreter, however
351 you should take this opportunity to [get Scheme installed on your
352 computer](/how_to_get_the_programming_languages_running_on_your_computer), and
353 [get started learning Scheme](/learning_scheme). It will help you test out
354 proposed answers to the assignment.
355
356
357
358 1.      Declarative vs imperatival models of computation.
359 2.      Variety of ways in which "order can matter."
360 3.      Variety of meanings for "dynamic."
361 4.      Schoenfinkel, Curry, Church: a brief history
362 5.      Functions as "first-class values"
363 6.      "Curried" functions
364
365 1.      Beta reduction
366 1.      Encoding pairs (and triples and ...)
367 1.      Encoding booleans
368
369
370
371
372