現在很多地方都在講計算思維、編程思維，這到底是什麽？和我們有什麽關系？今天我們就來聊聊這個話題。
計算思維，或者稱為編程思維也行，這是不同的譯者給出的結果，其實就是一個東西。計算思維的提出人是美國卡內基·梅隆大學電腦科學系主任-周以真。
所謂計算思維，可以理解為「 電腦是如何解決問題的 」，包括四個部份：分解、演算法、模式辨識、抽象。
我們先來看 分解。 下面這張圖如果是會編程的朋友，一眼就能夠看出來它是什麽。
對，這就是流程圖，也就是程式的思路。這和我們寫文章是一個意思，寫一篇文章，都是要先構思，形成框架，時間、地點、人物、起因、過程、結果，然後再逐步細化。編程也是一樣，首先要根據使用者的需求，形成一個概要設計文件，描述清楚這個程式做什麽用？給誰用？大體的思路、過程……，然後在這個基礎之上，再形成詳細設計文件，流程圖就是這些文件中最常用的描述工具。
流程圖體現的就是分解的思想，即 把一個大問題逐步分解為多個小問題，然後逐個擊破 ，這樣無論多復雜的問題都可以化解。而生活中的分解思想隨處可見，比如國慶日計劃全家出去自駕遊，從行程、訂票、住宿、交通到隨行物品、個人偏好、風土人情等等，這些因素都要考慮，也是一個大工程，弄不好就會留有遺憾，但如果提前規劃好，將旅行分解為若幹個部份，比如行程規劃、各類票的預訂……，然後每個部份再做進一步分解，最後一項項落實，整個過程就會有條不紊，不留遺憾。所以具備分解思維的人，往往不畏難，即使再復雜的問題交給他，他也會條理清晰的規劃出具體方案。而生活中也常見這種人，一遇到事情就退縮，「太難了」，「我做不了」，因為在他眼中，這是一個無比復雜的事情，毫無頭緒，所以不敢做，但如果他懂得分解，就會發現這個事情雖然復雜，但並非不可做。
計算思維的第二部份是 演算法 。演算法這個詞比較專業，但並不難理解，字面意思就是計算的方法，專業的解釋是「 電腦解決通用問題的一系列步驟 」。現在人工智能已經影響到生活的方方面面，像ChatGPT之類的大語言模型，更是掀起了人工智能的新高潮，那麽這些人工智能為什麽那麽厲害呢？這背後就是演算法，各類演算法。當然這些演算法往往有著高深莫測的名稱，例如Transformer、BERT、K-means、Random Forest、RLHF、Q-Learning，演算法的背後往往是苦澀難懂的高等數學公式。但我們不要被表象欺騙，所有的演算法都只是電腦解決某類問題的步驟而已，而電腦如何解決問題是人（程式設計師）告訴它的，所以演算法和日常生活有著緊密的聯系。
接下來我們舉個生活中的例子，來解釋一類常用演算法。上學期間，我們經常會遇到站隊這個場景，要按照高矮進行排序，如果你是老師，要如何做呢？
方法一：找出最矮的站在第一，然後在剩余人中找最矮的，站第二，以此類推。這種方法很簡單，在電腦演算法中我們把它稱為「選擇排序演算法」，屬於排序演算法中的一種。原理看起來高大上的演算法也不過如此嗎。當然這種演算法是有弊端的，如果只有幾個人排隊，一眼就能看出誰最矮，如果有100個人呢，恐怕就沒那麽容易了，所以我們可以用第二種方法。
方法二：每次兩兩比較，矮的站前面，以此類推。比如一開始先比較左邊二人，矮的站右邊（以右邊為隊首），會發現原來二人的位置無需調整。
接著比較第二第三兩人，會發現他兩的位置需要調整。
繼續比較第三、第四兩人，他們的位置也需要調整。
然後是第四、第五兩人，同樣需要調整。
經過前幾次比較調整，我們發現了一個規律，就是最矮的那位同學從原來左邊第二移到了最右邊，也就是隊首，如果把這個同學想象成一個水中的氣泡，因為它最輕（最矮），所以直接升到了水面（隊首），這個過程可以形象的叫做冒泡。經過第一圈的多次比較，我們把最矮的同學放到了隊首，接下來我們按照剛才的思路繼續。重新從左邊二人開始比較，二人的位置無需調整。
比較第二、第三兩人，位置無需調整。
比較第三、第四二人，位置需要調整。
因為第五個人就是隊首，也就是第一圈比較中篩選出的最矮者，所以無需比較第四、第五。這樣經過第二輪比較，我們將第二矮的同學放到了對應的位置。剩下的步驟都是類似的了，重新從左邊開始第三輪比較……，直到將所有同學排序完畢。這個排序方法在電腦中被稱為「氣泡排序演算法」。這個方法的好處是不論是5個人，還是5萬人，都可以用這種方法排序。
我們剛剛用生活中的例子解釋了電腦中的排序演算法，只要我們掌握了一種演算法，就可以解決所有同類別的問題，比如有了氣泡排序，不僅可以做隊伍的排序，也可以做任何事物的排序，只要這些事物之間可以比較大小即可。在電腦中排序隨處可見，比如開啟各類商品網站，映入眼簾的是各類商品，這些商品都是排序的。
排序演算法只是演算法中的一類，其他還有：加密演算法、圖論演算法、搜尋演算法、壓縮演算法、機器學習演算法……。
有人會說，這些專業的內容對生活有用嗎？別說，還真有用。大家有收到過垃圾短訊或垃圾郵件吧，這些垃圾資訊中除了大量廣告之外，就是詐騙資訊，比如說下面這個場景：足球世界杯期間，你是個球迷，每場比賽必看，同時也會和朋友激烈爭論接下來某場比賽的勝負。
這時你收到一個短訊「內部訊息：哥倫比亞 vs 烏拉圭，哥倫比亞勝！」，你的第一反應可能是「無聊」，接下來這場比賽如期舉行，結果居然和短訊預測相同，哥倫比亞果然勝利了。「這不過是狗屎運！」，你如是想。接下來的比賽是美國對陣比利時，你又收到一個短訊「內部訊息：美國 vs 比利時，比利時勝！」，你在想「又是這個垃圾短訊，我到要看看結果如何」，結果出來了，短訊又預言準了！你有些動心了，連續二場比賽預測準確，還是有些本事的。接下來是準決賽，法國對陣德國，法國隊如日中天，是奪冠大熱門，你和朋友們都認為法國會贏。那個短訊又如期而至「內部訊息：法國 vs 德國，德國贏！」，怎麽可能？德國隊員都是老態龍鐘了，簡直胡說八道。但是前面二場都預測準了，對方也許大有來頭，我要不要小賭一把？於是你找到一個博彩網站，裏面可以針對世界杯結果下註，你花了100元賭德國贏，「反正就100，輸了也沒關系」，比賽完畢，結果如你所願，德國真的贏了！媒體一片嘩然，出乎了大部份人的預料，你如期贏了一小把，更關鍵的是你對短訊的內容深信不疑，「這必然是有高人在背後，否則不可能連續三場都準，連某名嘴都沒預測準確」。接下來就是決賽，德國對陣巴西，你急切的等待短訊的到來。「內部訊息：德國 vs 巴西，想知道預測結果嗎？請往XXXX賬號匯款1萬元」。果然天下沒有免費的午餐，還是要花錢的，不過可以理解，人家當然也要盈利，既然前三場都那麽準，第四場我就賭把大的，給他一萬，然後在博彩網站下重註，這樣絕對能大賺一筆！於是你把錢打給了對方，至此，騙局完成！不論比賽結果如何，你都輸了。
這種場景我們都似曾相識，有人說既然對方能連續預測準確，肯定是有高人在啊，不可能都是運氣吧。你輸就輸在這了！騙子很巧妙的運用了一個方法，在電腦中被稱為二分法，騙子的做法是這樣的：首先拿到大量（假設10萬個）個人聯系方式，比如手機號、郵箱等，然後在第一場比賽（哥倫比亞vs 烏拉圭）之前，編輯二段內容，一段是預測哥倫比亞贏，一段預測烏拉圭贏，然後分別發送給一半人，也就是說5萬人收到的資訊是哥倫比亞贏，5萬人看到的是烏拉圭贏，不論比賽結果如何，都有一半人會看到正確的結果。在第二場比賽（美國vs比利時）之前，再編輯二段資訊，分別預測美國和比利時贏，然後分別發給上一輪看到正確結果的5萬人。
第二場比賽結果出來後，剩下2.5萬人看到了正確的預測結果，接下來如法炮製：
到最後決賽之前，還剩下1.25萬人，騙子會編輯資訊要求所有人匯款1萬元給他，假設大部份人有足夠的警惕性，只有1/100的人匯款，那麽騙子也會收到125萬元！不僅如此，最後比賽結果出來，總有一半人看到了正確的預測結果，那這些人就是鐵粉了，騙子接下來說什麽，他們都會相信的……，所以騙子最終獲利遠不止125萬，而他的花費成本幾乎可以忽略不計，只是發送了10多萬條短訊而已。
騙子套用了電腦中的二分法，也是演算法中的一種，而如果你了解二分法，就不會上當受騙了。
接下來我們看計算思維中的第三部份： 模式辨識 ，簡單來說模式辨識就是「透過表象看本質，找規律」，舉個例子：
過路口時，紅綠燈的規則我們都懂：
如果遇到紅燈，就停止
如果遇到綠燈，就透過
如果遇到黃燈，就……
這三條規則我們可以歸納為以下一條規律：如果遇到X燈，就執行Y動作。這個X就代表前面的紅綠黃，Y代表停止、透過……，所以看起來模式辨識並不難。
那麽模式辨識在電腦中有哪些套用呢？這太廣了，我們會發現現在的APP非常聰明，推播給我們的內容往往是我們所關註的，而不像早期的APP，往往需要翻閱很多內容才能看到自己感興趣的。這其實是基於大數據分析的使用者畫像在起作用。
簡單來說，就是APP會搜集你的各類資訊，包括基本資訊：器材型號、使用時段、瀏覽內容類別等等，也包括個人資訊：性別、年齡、職業、收入、愛好、行業……，然後APP提供商會根據這些資訊進行分析，將你進行歸類，打上標簽。比如你經常瀏覽購物網站，系統會給你打上「購物達人」的標簽，並且帶有一個權重，代表這個標簽的重要性。同時你還愛聽音樂，瀏覽音樂網站，系統會給你打上「音樂迷」的標簽，同時帶有權重。隨著標簽的增多，慢慢你的畫像就出來了。接下來系統會分析貼有相同標簽的人具有哪些共性的行為或喜好，然後將符合條件內容推播給屬於這個畫像的使用者。舉個例子，你是一個職場年輕人，透過對你的資訊搜集，系統分析出你的畫像是A，而屬於A的使用者基本都喜歡滑雪、爬山，而你從未瀏覽過相關內容，那麽系統除了推播日常你喜愛的內容之外，還會將滑雪、爬山的文章、廣告推播給你，這樣就可以進行精準行銷。我們剛才說的使用者畫像，就是模式辨識的套用。
那麽模式辨識在生活中有哪些套用呢？我們說過模式辨識就是透過表象看本質，找到規律，借助【教父】中的一句台詞「花半秒鐘就看透事物本質的人，和花一輩子都看不清事物本質的人，註定是截然不同的命運」。所以生活中活的通透的人都是模式辨識的高手！
計算思維最後一部份是 抽象 ，所謂抽象指的是「忽略細節，關註要點」，在電腦編程中有很多抽象的概念，例如：變量、指標、封裝、函數、繼承、多型、依賴註入、耦合……，正因為如此編程被認為是比較難學的一門技術。經常寫程式的人，對抽象絕對不陌生。那麽抽象的思維對生活有什麽幫助嗎？其實生活中的抽象也比比皆是，比如我們常用的地圖就是抽象的概念，一張行政地圖中只關註地名、公路、河流等主要資訊，而忽略建築、植被等資訊。
如果你炒股的話，對股票走勢圖會非常熟悉，這裏面同樣只關註漲落、成交量、趨勢等資訊，而忽略市值、收益等細節。
我們可以舉出很多這樣的抽象例子，在現代社會中，不管你願不願意，是必須要具有一定的抽象思維的。更不要說我們從小學到大的數學，那更是抽象的學科了。
總之，以分解、演算法、模式辨識、抽象為代表的計算思維代表著另一種思維方式，與日常思維相比，這是完全不同的一個角度，當我們有了另一個視角，這個世界在我們眼中就會完全不同！
