发表评论-伍加-万维博客-万维读者网（电脑版）

周以真 (Jeannette M. Wing) 是华人计算机科学家中的佼佼者。她曾任卡内基梅隆大学计算机系主任，现任美国国家自然科学基金会（NSF) 计算机和信息科学与工程部（CISE) 主任。她在2006年提出的计算思维[1]引发了对计算机教育的改革，有数个 NSF CISE 的科研项目支持对计算思维的研究，她的文章[1]被翻译成了中文和德文。那么，究竟什么是计算思维？为什么计算思维很重要？根据伍加的理解，计算思维可以用四个字来概括：抽象、算法。如果再对这四个字略加修饰，可以用八个字来概括计算思维：合理抽象、高效算法。对于学习各类科学（包括自然科学和社会科学）的学生来说，计算思维意味着对物理世界进行建模和模拟，把物理世界的变化解释成一种计算的过程；把对物理性质的研究也看成一种计算的过程。这就是抽象，这就是由具体上升到一般的过程。要做到这一点，必须懂得可计算性，即计算的能力和极限，知道那些问题可以计算，那些问题不可能计算。这就是我所说的“合理”抽象。如果把某种物理性质抽象成了一种计算过程，结果这种计算永不停机，那结果就没有太大价值；如果计算过程停机，但是所需的计算时间太多，那么这种抽象模型在某个时间段里也不会有太大的实际意义。比如采用“穷举法”来破译由两万位密钥加密的信息，这个“穷举抽象”在当前的计算技术制约下就是不合理的，因为这样的计算需要亿万年之后才会出结果。所以，计算思维要求首先要学会抽象，而且是合理抽象，把有待解决的问题抽象成有效的计算过程。如果面对的问题是可计算的，合理的抽象，即有效的计算模型已经建立起来，下一步就是要会用计算的方法来解决现实问题。具体说来，就是要学会对问题进行有效的分解，并且尽量重用计算结果，重用计算过程，重用程序，从而快速获得计算结果。这里需要有两种技能，一是设计算法的能力，二是优化算法的能力，二者的结合才能使计算过程在最短时间内完成。算法设计与分析是计算机系学生的必修课，它对于计算思维的培养非常重要。许多常用的算法都有深刻的哲理，比如递归、并发、启发、学习等，由于牵涉到许多技术细节，在此不予展开。为什么计算思维非常重要？Jim Gray [2]最近对科学的发展总结出四个范式，也许我们能用它来解释计算思维的重要性。

经验积累型：几千年前，人们靠经验来证实或证伪某种猜想，逐步形成人类的知识。神农尝百草就是一个例子。远古时候，人们经常因吃东西而生病，甚至丧命。神农的科学实验就是尝遍百草，能吃的放在身体左边的袋子里，介绍给别人吃；不好吃的就放在身体右边袋子里，作药用。不能吃的就提醒人们注意。
数学理论型：几百年前，人们为各种物理现象和物理过程建立理论模型，比如开普勒定律，牛顿定律，马克思威尔方程，狭义相对论，广义相对论，等等。这些理论模型越来越复杂，越来越抽象，缺乏直观性。
计算模拟型：在过去几十年间，用计算机模拟物理现象和物理过程十分流行。许多科学家不再像从前那样用望远镜、显微镜等仪器直接观测世界，而是把那些观测仪器与计算机相连，把观测到的数据输入计算机计算，科学家们面对计算机屏幕，观察研究模拟实验的结果。
数据探索型：今天，我们处于信息爆炸的时代，各种理论、实验、模拟都统一在信息处理这种数据探索框架之下。科学研究就是收集数据，计算数据，分析数据。这些数据的来源可以是传感器也可以是计算模拟结果，通过软件进行分析计算，结果存储在数据库中。科学家必须能够用统计学知识对这些计算数据进行挖掘、探索、和提炼。

这种科学发展的范式变化为我们揭示了这样一个事实：科学研究和实践正在从计算密集型工作向数据密集型工作转变。这也是为什么我们今天又越来越多的学科冠以“计算”二字，比如计算物理学，计算生物学，计算经济学，等等。作为一名有志于科学的青年学生，必须知道数据如何在计算机中存储，数据如何在不同计算机之间传输，数据如何在不同应用环境中进行语义解释。所要这些知识，都需要计算思维。参考资料： [1] Jeannette M. Wing, Computational Thinking, Communications of ACM, Vol. 49, No. 3, March 2006, page 33-35. [2] Jim Gray, eScience: A Transformed Scientific Method, http://research.microsoft.com/en-us/collaboration/fourthparadigm/4th_paradigm_book_jim_gray_transcript.pdf. Mountain View, CA, January 11, 2007. 伍加，2010年3月30日，周二 http://blog.creaders.net/invictus/