鄧子涵

摘要：由于受記憶、分析及快速計算能力等的限制，很多難題利用人腦無法解決，而利用當(dāng)今先進(jìn)高效的計算機(jī)及信息技術(shù)方式能夠得到快速解決，這就要求我們學(xué)會用“計算思維”的方式去思考，即把當(dāng)前計算機(jī)強(qiáng)大、快速的計算及信息處理能力作為人腦能力的延伸，形成基于“計算思維”的解決方案。計算思維是一種基于計算科學(xué)能力和求解方法的思維模式，它的形成與應(yīng)用對于思考如何解決復(fù)雜問題具有重要的意義。作者認(rèn)為，要建立和養(yǎng)成科學(xué)的計算思維模式，需要建立抽象化與自動化的解決問題思路。當(dāng)下，隨著計算機(jī)及信息技術(shù)的發(fā)展，特別是網(wǎng)絡(luò)及大數(shù)據(jù)的發(fā)展，還需建立類比及互聯(lián)網(wǎng)跨界思維，建立大數(shù)據(jù)思維，不斷拓展計算思維的深度與廣度，這將有利于我們解決和應(yīng)對各種復(fù)雜問題。

關(guān)鍵詞：計算思維;大腦;抽象思維;自動化思維;互聯(lián)網(wǎng);大數(shù)據(jù)

中圖分類號：G434? 文獻(xiàn)標(biāo)識碼：A? 論文編號：1674-2117（2020）09-0098-04

引言

隨著時代的進(jìn)步，特別是計算機(jī)及信息技術(shù)的高速發(fā)展，計算機(jī)及信息技術(shù)正深刻地改變著我們當(dāng)下的這個世界，由于計算機(jī)強(qiáng)大、快速的計算能力及信息處理能力，很多人腦無法解決的難題，如吳軍博士在數(shù)學(xué)之美中講到的當(dāng)代密碼學(xué)、大數(shù)據(jù)處理等[1]，往往需要利用計算機(jī)及信息技術(shù)方式來解決。這就要求我們在遇到問題時，能突破常規(guī)僅依靠人腦解決問題的思維模式，學(xué)會用“計算思維”的方式去思考[2，3]，即把當(dāng)前計算機(jī)強(qiáng)大、快速的計算及信息處理能力作為人腦能力的延伸，一并納入到復(fù)雜問題的解決思路中去，充分結(jié)合人腦創(chuàng)新能力及計算機(jī)準(zhǔn)確快速的計算分析處理能力的優(yōu)勢，形成科學(xué)的解決方案。要養(yǎng)成計算思維，首先要弄清人腦與計算機(jī)各自的優(yōu)勢與不足，要了解當(dāng)代計算思維的核心要素和當(dāng)下幾種重要的計算思維模式，逐步在大腦中建立這種思維計算模式，并隨著計算機(jī)及信息技術(shù)的發(fā)展逐步升級計算思維模式，這將有利于我們解決和應(yīng)對各種復(fù)雜問題。

大腦與計算機(jī)的優(yōu)勢與不足

相對于人的大腦，計算機(jī)的最大優(yōu)勢在于計算速度快、計算準(zhǔn)確性高、存儲準(zhǔn)確且容量大。在數(shù)值運(yùn)算方面，人類大腦的神經(jīng)元激活最高頻率是每秒1000次，神經(jīng)元主要在叫做突觸的軸突末梢特殊結(jié)構(gòu)上釋放化學(xué)神經(jīng)物質(zhì)，將信息傳輸至伴侶神經(jīng)元，最快的傳遞大約需要1毫秒時間，因此，大腦每秒最多能執(zhí)行大約1000次基本運(yùn)算，而目前計算機(jī)最快可達(dá)每秒幾十億億次計算[4]，也就是大腦比計算機(jī)運(yùn)輸速度慢上億倍，且計算機(jī)還可以不用休息，24小時為人類服務(wù)。在計算準(zhǔn)確性方面，計算機(jī)也大大優(yōu)于人腦，人腦會容易犯一些錯誤，而計算機(jī)基于硬件可靠的電路設(shè)計，出錯率極低，不但計算精度可采用增加有效位數(shù)的辦法提高，而且還可以利用其強(qiáng)大的計算能力，采用冗余等方式進(jìn)一步改善計算機(jī)由于局部硬件故障或信息傳輸中出錯的概率。在存儲記憶方面，受生物記憶本身的限制，有的細(xì)胞多次受到刺激（干擾），先前存儲的生物電信號及化學(xué)信號就有可能丟失，過了一段時間就無法再次被調(diào)用，特別是一些機(jī)械的、無法引起人們興趣的海量過程信息，而當(dāng)前計算機(jī)存儲信息準(zhǔn)確豐富，可反復(fù)快速調(diào)用。

相比計算機(jī)，人腦的優(yōu)勢在于創(chuàng)造能力及真正的邏輯思考能力。計算機(jī)只能基于人腦設(shè)定的流程去做計算與分析，人腦最強(qiáng)大的地方就在于通過思考學(xué)習(xí)以及強(qiáng)大的創(chuàng)造能力，人類可以創(chuàng)造出新的理論，可以制造出計算機(jī)，研究出人工智能，研究出解決問題的辦法，但計算機(jī)沒有創(chuàng)造能力，不可能創(chuàng)造出新的理論，對于完全未知的問題，基于創(chuàng)造及邏輯思考能力，人腦能夠不斷找到解決問題的思路，而計算機(jī)則沒有任何辦法。

因此，計算思維就是在發(fā)揮人腦創(chuàng)造能力及邏輯思考能力的過程中，充分利用計算機(jī)計算速度快、計算準(zhǔn)確性高、存儲準(zhǔn)確且容量大的優(yōu)勢，形成科學(xué)高效解決方案的過程。

計算思維的本質(zhì)

計算思維在學(xué)術(shù)界有不同的討論[5，6]，當(dāng)前“計算思維”的主流定義，是由美國卡內(nèi)基·梅隆大學(xué)計算機(jī)科學(xué)系主任周以真教授提出的。[7]周教授認(rèn)為，計算思維是運(yùn)用計算機(jī)科學(xué)的基本概念去解決問題、設(shè)計系統(tǒng)和理解人類行為等涵蓋計算機(jī)科學(xué)之廣度的一系列思維活動。Google計算機(jī)思維課程進(jìn)一步將計算思維的基本要素整理為更易理解的方式，即分解、模式識別、抽象和算法開發(fā)。分解，就是把數(shù)據(jù)、過程或問題分解成更小的、易于管理或解決的部分;模式識別，就是觀察數(shù)據(jù)的模式、趨勢和規(guī)律;抽象，就是識別模式形成背后的一般原理;算法開發(fā)，就是為解決某一類問題撰寫的一系列詳細(xì)的指令。

計算思維隨著計算機(jī)技術(shù)的發(fā)展而逐步形成和發(fā)展的[1，8]，當(dāng)前計算機(jī)及信息技術(shù)的發(fā)展日新月異，可以預(yù)見，計算思維也必將隨著計算機(jī)技術(shù)、互聯(lián)網(wǎng)技術(shù)的發(fā)展而不斷發(fā)展。隨著網(wǎng)絡(luò)技術(shù)和大數(shù)據(jù)的發(fā)展，計算思維也應(yīng)在這兩個主要領(lǐng)域不斷深化發(fā)展，以后隨著人工智能、物聯(lián)網(wǎng)、云計算的發(fā)展，相關(guān)技術(shù)也必將促進(jìn)計算思維的持續(xù)拓展與深化。

抽象化與自動化思維

為了充分利用計算機(jī)技術(shù)解決實(shí)際問題，在思考解決問題的方案中，將實(shí)際問題抽象化并想辦法建立自動化計算分析流程必不可少。大千世界，各種問題千變?nèi)f化，需要我們把實(shí)際問題中人腦解決起來比較困難但計算機(jī)比較容易解決的部分分離開來，并將此實(shí)際問題抽象為計算機(jī)可以識別和解決的問題。

例如，下象棋中“最優(yōu)走法”問題，此問題看起來特別復(fù)雜，因?yàn)楫?dāng)前局面下每一步可能的“走法”很多，每一種“走法”并不能立即確定是不是有利于“獲勝”的最優(yōu)走法。但實(shí)際上，我們可以從計算思維的角度出發(fā)，利用最樸素的計算思維方法，把問題分解。當(dāng)對手走完一步棋后，對計算機(jī)而言，就是根據(jù)象棋規(guī)則，窮舉我方所有可能的“走法”，針對我方當(dāng)前每一步可能合規(guī)的“走法”，又窮舉對方所有可能合規(guī)的應(yīng)對“走法”，然后逐步計算推演至“獲勝”“平”或“失敗”，最后統(tǒng)計出當(dāng)前每一步的“走法”最終獲勝概率，然后選擇獲勝概率最大的“走法”作為當(dāng)前步的“走法”。對計算機(jī)而言，就是抽象為計算機(jī)根據(jù)象棋規(guī)則，做無數(shù)次的邏輯判斷和計算，最終統(tǒng)計當(dāng)前每種走法的獲勝概率，選擇獲勝概率最大值的那一步“走法”作為當(dāng)前最優(yōu)“走法”。為了讓計算機(jī)能夠快速自動實(shí)施計算，需要為計算機(jī)建立自動化過程，可先由計算機(jī)根據(jù)象棋規(guī)則確定當(dāng)前所有合理的“走法”，然后對這些“走法”進(jìn)行排序，再依據(jù)排序的“走法”，逐個進(jìn)行模擬應(yīng)對“走法”，并再排序，然后針對所有模擬應(yīng)對“走法”，再模擬應(yīng)對“走法”，以此類推，建立遞歸自動化算法，最后統(tǒng)計所有“走法”的獲勝概率，將獲勝概率最大的“走法”作為當(dāng)前步的“走法”。[9]

抽象化與自動化是計算思維的核心，利用計算思維解決問題的實(shí)踐活動，一般包括分析問題、設(shè)計算法、實(shí)現(xiàn)算法等步驟，是最典型的計算思維方法。抽象和分解是計算思維的兩個重要特征。只有將問題抽象為計算機(jī)可以解決的問題，并思考建立起遞歸的自動化算法，才能真正建立起基于計算思維的解決辦法。

類比及互聯(lián)網(wǎng)跨界思維

類比是思考解決問題的一種重要的方式，通過與熟悉的東西的類比，可以讓我們的思路得以清晰。在網(wǎng)絡(luò)日益發(fā)達(dá)的今天，利用互聯(lián)網(wǎng)跨界思維，在類比的基礎(chǔ)上，尋找出問題的相似性，然后利用互聯(lián)網(wǎng)信息，尋求類似問題的解決方案，并將此解決方案應(yīng)用到所面臨的問題中，將大大拓展我們解決問題的思路，也是當(dāng)下拓展計算思維的有效途徑。

例如，對于“四維空間”的理解，直接思考想象“四維空間”比較困難和抽象，此時若使用類比的思維方式，四維空間就比較容易理解。如零維空間通常是指一個沒有長度、沒有寬度、沒有高度的點(diǎn);一維空間就是零維空間朝某一方向的無限延伸，即一條沒有寬度沒有高度的直線;二維空間是一維空間沿著任意垂直方向無限延伸，即直線沿著任意垂線方向無限延伸成為二維平面;三維空間即是二維空間沿任意垂直方向無限延伸，即平面沿著其垂線方向無限延伸即形成三維立體;那么按照類比思維的模式，四維空間一定是三維空間在某一方向的延伸，時間是一個重要的維度，因此可以把四維空間理解為三維空間在時間軸上的延伸，即在一個時間軸上，不同的時間點(diǎn)有各自不同的三維空間，這就容易理解四維空間了。

大數(shù)據(jù)思維

2008年，谷歌推出了一款流感傳播趨勢預(yù)測的軟件產(chǎn)品GFT（Google Flu Trends）[10]，引起了全球巨大轟動，該產(chǎn)品能近乎實(shí)時地對全球當(dāng)前的流感疫情（流感發(fā)病率及流感擴(kuò)散情況）進(jìn)行預(yù)測與顯示，也就是說人們不需要等美國疾病預(yù)防與控制中心公布就可以知道當(dāng)前流感的蔓延狀況及未來醫(yī)院因流感就診的人數(shù)。這乍一聽起來非常不可思議，流感疫情的發(fā)生擴(kuò)散一直以來都是在疾病預(yù)防與控制中心的領(lǐng)導(dǎo)下，各地醫(yī)療衛(wèi)生部門根據(jù)各地流感發(fā)病診治人數(shù)的變化快速統(tǒng)計上報，然后由疾病預(yù)防與控制中心匯總各地數(shù)據(jù)分析得出流感發(fā)病人數(shù)、流感現(xiàn)狀及疫情演變趨勢，從而對當(dāng)前的流感疫情進(jìn)行估測，通常最快也需要幾天到十幾天的時間。而谷歌作為一網(wǎng)絡(luò)科技公司，根本無法獲得各地醫(yī)院流感病人的信息，谷歌是如何做到的呢？原來，作為全球最大的搜索引擎與搜索平臺，谷歌發(fā)現(xiàn)某些搜索關(guān)鍵詞可以很好地標(biāo)示流感疫情的現(xiàn)狀，谷歌利用用戶搜索的關(guān)鍵詞，與流感的發(fā)生及輿情擴(kuò)散建立關(guān)聯(lián)，這些關(guān)鍵詞包括“流感癥狀”“溫度計”“肌肉疼痛”“胸悶”等。只要用戶輸入這些關(guān)鍵詞，谷歌后臺就能利用這些搜索信息開展大數(shù)據(jù)跟蹤分析，創(chuàng)建地區(qū)流感圖表和流感地圖。2009年谷歌通過分析5000萬條美國人最頻繁檢索的詞匯，將之和美國疾病與預(yù)防中心在2003年到2008年間季節(jié)性流感傳播時期的數(shù)據(jù)進(jìn)行比較，通過模型訓(xùn)練，建立了一個特定的數(shù)學(xué)模型，成功地預(yù)測了2009年冬季流感的傳播[11]，甚至可以具體到特定的地區(qū)和州。通過不斷地調(diào)整算法，谷歌比美國疾病預(yù)防與控制中心基于監(jiān)測報告給出的預(yù)測快近二周且更為準(zhǔn)確。

從谷歌GTF軟件產(chǎn)品可以看出，大數(shù)據(jù)時代的來臨，為計算思維注入了新的活力，海量數(shù)據(jù)、實(shí)時數(shù)據(jù)、豐富多樣的非結(jié)構(gòu)數(shù)據(jù)，正以前所未有的廣度進(jìn)入了我們的生活，使得人類可以用一個全新的方式來與周圍的世界相處，即通過增加數(shù)據(jù)的數(shù)量來獲得對世界更深刻的認(rèn)識。大數(shù)據(jù)為研究人類行為和人與人之間大規(guī)模的互動提供了新的方式。

如今，看看淘寶網(wǎng)站、新聞網(wǎng)站、百度網(wǎng)站等，瀏覽網(wǎng)頁查詢信息等都屬于大數(shù)據(jù)，大數(shù)據(jù)已經(jīng)在營銷、電子商務(wù)等方面給我們的日常生活帶來了重大影響[12]，大數(shù)據(jù)已經(jīng)在流行趨勢預(yù)測、消費(fèi)預(yù)測、地域消費(fèi)特點(diǎn)分析、客戶消費(fèi)習(xí)慣分析、各種消費(fèi)行為的相關(guān)度分析、消費(fèi)影響因素分析等方面得到了廣泛應(yīng)用?？梢灶A(yù)見，未來在如無人駕駛汽車、醫(yī)療（基于大數(shù)據(jù)的治療方案）、學(xué)習(xí)（個性化的學(xué)習(xí)及因材施教）等方面將會有更廣泛的應(yīng)用，因此，隨著互聯(lián)網(wǎng)及大數(shù)據(jù)的發(fā)展，我們必須熟悉并養(yǎng)成“大數(shù)據(jù)”思維，為每一個行為提供基于歷史數(shù)據(jù)與實(shí)時動態(tài)所產(chǎn)生的智能決策，助力問題的高效解決。

結(jié)語

隨著計算機(jī)及信息技術(shù)的發(fā)展，計算思維已成為當(dāng)代人類解決復(fù)雜問題的一條高效途徑，我們需要逐步養(yǎng)成并熟練運(yùn)用計算思維，進(jìn)行問題分解、問題抽象，建立流程，設(shè)計自動化算法，形成解決問題的方案，還要結(jié)合網(wǎng)絡(luò)、計算機(jī)與大數(shù)據(jù)的發(fā)展，建立類比及互聯(lián)網(wǎng)跨界思維，建立大數(shù)據(jù)思維，不斷拓展計算思維的深度與廣度。科技產(chǎn)業(yè)發(fā)展表明，誰能提前判斷與預(yù)測科技發(fā)展浪潮，誰將脫穎而出，反之就被淘汰。[13]

參考文獻(xiàn)：

[1]吳軍.數(shù)學(xué)之美[M].北京：人民郵電出版社，2014.

[2]譚浩強(qiáng).計算機(jī)應(yīng)用與科學(xué)思維能力培養(yǎng)——關(guān)于計算機(jī)基礎(chǔ)教育深化改革的思考[J].計算機(jī)教育，2014（07）： 4-8.

[3]譚浩強(qiáng).計算思維的研究及其進(jìn)展[J].計算機(jī)科學(xué)，2011，38（03）： 10-15.

[4]張紫.超級計算機(jī)榜單又要重新排名了[J].計算機(jī)與網(wǎng)絡(luò)，2018（12）：12-13.

[5]張廣兵.計算思維再反思[J].計算機(jī)教育，2018（02）：140-143.

[6]史文崇，劉茂華，楊大志.計算思維教育的困惑與博弈[J].中國遠(yuǎn)程教育，2019（08）：59-67.

[7]周以真.計算思維[J].中國科學(xué)技術(shù)協(xié)會會刊，2007（05）：111-116.

[8]范文翔，張一春，李藝.國內(nèi)外計算思維研究與發(fā)展綜述[J].遠(yuǎn)程教育雜志， 2018（02）：3-17.

[9]Tom R.Halfbill，黃隆慶.剖析計算機(jī)如何下象棋[J].中文信息，1998（01）：108-110.

[10]高云華，王敏.國外流感預(yù)報系統(tǒng)研究進(jìn)展[J].人民軍醫(yī)，2015（06）：627-628.

[11]鄒曉輝，朱聞斐，楊磊，等.谷歌流感預(yù)測——大數(shù)據(jù)在公共衛(wèi)生領(lǐng)域的嘗試[J].中華預(yù)防醫(yī)學(xué)雜志，2015，49（06），581-584.

[12]張敏.大數(shù)據(jù)時代大數(shù)據(jù)分析的應(yīng)用[J].自動化與儀器儀表，2015（09）：125-128.

[13]吳軍.浪潮之巔[M].北京：人民郵電出版社，2016.