现在很多地方都在讲计算思维、编程思维，这到底是什么？和我们有什么关系？今天我们就来聊聊这个话题。

计算思维，或者称为编程思维也行，这是不同的译者给出的结果，其实就是一个东西。计算思维的提出人是美国卡内基·梅隆大学计算机科学系主任-周以真。

所谓计算思维，可以理解为“计算机是如何解决问题的”，包括四个部分：分解、算法、模式识别、抽象。

我们先来看分解。下面这张图如果是会编程的朋友，一眼就能够看出来它是什么。

对，这就是流程图，也就是程序的思路。这和我们写文章是一个意思，写一篇文章，都是要先构思，形成框架，时间、地点、人物、起因、过程、结果，然后再逐步细化。编程也是一样，首先要根据用户的需求，形成一个概要设计文档，描述清楚这个程序做什么用？给谁用？大体的思路、过程……，然后在这个基础之上，再形成详细设计文档，流程图就是这些文档中最常用的描述工具。

流程图体现的就是分解的思想，即把一个大问题逐步分解为多个小问题，然后逐个击破，这样无论多复杂的问题都可以化解。而生活中的分解思想随处可见，比如国庆节计划全家出去自驾游，从行程、订票、住宿、交通到随行物品、个人偏好、风土人情等等，这些因素都要考虑，也是一个大工程，弄不好就会留有遗憾，但如果提前规划好，将旅行分解为若干个部分，比如行程规划、各类票的预订……，然后每个部分再做进一步分解，最后一项项落实，整个过程就会有条不紊，不留遗憾。所以具备分解思维的人，往往不畏难，即使再复杂的问题交给他，他也会条理清晰的规划出具体方案。而生活中也常见这种人，一遇到事情就退缩，“太难了”，“我做不了”，因为在他眼中，这是一个无比复杂的事情，毫无头绪，所以不敢做，但如果他懂得分解，就会发现这个事情虽然复杂，但并非不可做。

计算思维的第二部分是算法。算法这个词比较专业，但并不难理解，字面意思就是计算的方法，专业的解释是“计算机解决通用问题的一系列步骤”。现在人工智能已经影响到生活的方方面面，像ChatGPT之类的大语言模型，更是掀起了人工智能的新高潮，那么这些人工智能为什么那么厉害呢？这背后就是算法，各类算法。当然这些算法往往有着高深莫测的名称，例如Transformer、BERT、K-means、Random Forest、RLHF、Q-Learning，算法的背后往往是苦涩难懂的高等数学公式。但我们不要被表象欺骗，所有的算法都只是计算机解决某类问题的步骤而已，而计算机如何解决问题是人（程序员）告诉它的，所以算法和日常生活有着紧密的联系。

接下来我们举个生活中的例子，来解释一类常用算法。上学期间，我们经常会遇到站队这个场景，要按照高矮进行排序，如果你是老师，要如何做呢？

方法一：找出最矮的站在第一，然后在剩余人中找最矮的，站第二，以此类推。这种方法很简单，在计算机算法中我们把它称为“选择排序算法”，属于排序算法中的一种。原理看起来高大上的算法也不过如此吗。当然这种算法是有弊端的，如果只有几个人排队，一眼就能看出谁最矮，如果有100个人呢，恐怕就没那么容易了，所以我们可以用第二种方法。

方法二：每次两两比较，矮的站前面，以此类推。比如一开始先比较左边二人，矮的站右边（以右边为队首），会发现原来二人的位置无需调整。

接着比较第二第三两人，会发现他两的位置需要调整。

继续比较第三、第四两人，他们的位置也需要调整。

然后是第四、第五两人，同样需要调整。

经过前几次比较调整，我们发现了一个规律，就是最矮的那位同学从原来左边第二移到了最右边，也就是队首，如果把这个同学想象成一个水中的气泡，因为它最轻（最矮），所以直接升到了水面（队首），这个过程可以形象的叫做冒泡。经过第一轮的多次比较，我们把最矮的同学放到了队首，接下来我们按照刚才的思路继续。重新从左边二人开始比较，二人的位置无需调整。

比较第二、第三两人，位置无需调整。

比较第三、第四二人，位置需要调整。

因为第五个人就是队首，也就是第一轮比较中筛选出的最矮者，所以无需比较第四、第五。这样经过第二轮比较，我们将第二矮的同学放到了对应的位置。剩下的步骤都是类似的了，重新从左边开始第三轮比较……，直到将所有同学排序完毕。这个排序方法在计算机中被称为“冒泡排序算法”。这个方法的好处是不论是5个人，还是5万人，都可以用这种方法排序。

我们刚刚用生活中的例子解释了计算机中的排序算法，只要我们掌握了一种算法，就可以解决所有同类型的问题，比如有了冒泡排序，不仅可以做队伍的排序，也可以做任何事物的排序，只要这些事物之间可以比较大小即可。在计算机中排序随处可见，比如打开各类商品网站，映入眼帘的是各类商品，这些商品都是排序的。

排序算法只是算法中的一类，其他还有：加密算法、图论算法、搜索算法、压缩算法、机器学习算法……。

有人会说，这些专业的内容对生活有用吗？别说，还真有用。大家有收到过垃圾短信或垃圾邮件吧，这些垃圾信息中除了大量广告之外，就是诈骗信息，比如说下面这个场景：足球世界杯期间，你是个球迷，每场比赛必看，同时也会和朋友激烈争论接下来某场比赛的胜负。

这时你收到一个短信“内部消息：哥伦比亚 vs 乌拉圭，哥伦比亚胜！”，你的第一反应可能是“无聊”，接下来这场比赛如期举行，结果居然和短信预测相同，哥伦比亚果然胜利了。“这不过是狗屎运！”，你如是想。接下来的比赛是美国对阵比利时，你又收到一个短信“内部消息：美国 vs 比利时，比利时胜！”，你在想“又是这个垃圾短信，我到要看看结果如何”，结果出来了，短信又预言准了！你有些动心了，连续二场比赛预测准确，还是有些本事的。接下来是半决赛，法国对阵德国，法国队如日中天，是夺冠大热门，你和朋友们都认为法国会赢。那个短信又如期而至“内部消息：法国 vs 德国，德国赢！”，怎么可能？德国队员都是老态龙钟了，简直胡说八道。但是前面二场都预测准了，对方也许大有来头，我要不要小赌一把？于是你找到一个博彩网站，里面可以针对世界杯结果下注，你花了100元赌德国赢，“反正就100，输了也没关系”，比赛完毕，结果如你所愿，德国真的赢了！媒体一片哗然，出乎了大部分人的预料，你如期赢了一小把，更关键的是你对短信的内容深信不疑，“这必然是有高人在背后，否则不可能连续三场都准，连某名嘴都没预测准确”。接下来就是决赛，德国对阵巴西，你急切的等待短信的到来。“内部消息：德国 vs 巴西，想知道预测结果吗？请往XXXX账号汇款1万元”。果然天下没有免费的午餐，还是要花钱的，不过可以理解，人家当然也要盈利，既然前三场都那么准，第四场我就赌把大的，给他一万，然后在博彩网站下重注，这样绝对能大赚一笔！于是你把钱打给了对方，至此，骗局完成！不论比赛结果如何，你都输了。

这种场景我们都似曾相识，有人说既然对方能连续预测准确，肯定是有高人在啊，不可能都是运气吧。你输就输在这了！骗子很巧妙的运用了一个方法，在计算机中被称为二分法，骗子的做法是这样的：首先拿到大量（假设10万个）个人联系方式，比如手机号、邮箱等，然后在第一场比赛（哥伦比亚vs 乌拉圭）之前，编辑二段内容，一段是预测哥伦比亚赢，一段预测乌拉圭赢，然后分别发送给一半人，也就是说5万人收到的信息是哥伦比亚赢，5万人看到的是乌拉圭赢，不论比赛结果如何，都有一半人会看到正确的结果。在第二场比赛（美国vs比利时）之前，再编辑二段信息，分别预测美国和比利时赢，然后分别发给上一轮看到正确结果的5万人。

第二场比赛结果出来后，剩下2.5万人看到了正确的预测结果，接下来如法炮制：

到最后决赛之前，还剩下1.25万人，骗子会编辑信息要求所有人汇款1万元给他，假设大部分人有足够的警惕性，只有1/100的人汇款，那么骗子也会收到125万元！不仅如此，最后比赛结果出来，总有一半人看到了正确的预测结果，那这些人就是铁粉了，骗子接下来说什么，他们都会相信的……，所以骗子最终获利远不止125万，而他的花费成本几乎可以忽略不计，只是发送了10多万条短信而已。

骗子应用了计算机中的二分法，也是算法中的一种，而如果你了解二分法，就不会上当受骗了。

接下来我们看计算思维中的第三部分：模式识别，简单来说模式识别就是“透过表象看本质，找规律”，举个例子：

过路口时，红绿灯的规则我们都懂：

如果遇到红灯，就停止

如果遇到绿灯，就通过

如果遇到黄灯，就……

这三条规则我们可以归纳为以下一条规律：如果遇到X灯，就执行Y动作。这个X就代表前面的红绿黄，Y代表停止、通过……，所以看起来模式识别并不难。

那么模式识别在计算机中有哪些应用呢？这太广了，我们会发现现在的APP非常聪明，推送给我们的内容往往是我们所关注的，而不像早期的APP，往往需要翻阅很多内容才能看到自己感兴趣的。这其实是基于大数据分析的用户画像在起作用。

简单来说，就是APP会搜集你的各类信息，包括基本信息：设备型号、使用时段、浏览内容类型等等，也包括个人信息：性别、年龄、职业、收入、爱好、行业……，然后APP提供商会根据这些信息进行分析，将你进行归类，打上标签。比如你经常浏览购物网站，系统会给你打上“购物达人”的标签，并且带有一个权重，代表这个标签的重要性。同时你还爱听音乐，浏览音乐网站，系统会给你打上“音乐迷”的标签，同时带有权重。随着标签的增多，慢慢你的画像就出来了。接下来系统会分析贴有相同标签的人具有哪些共性的行为或喜好，然后将符合条件内容推送给属于这个画像的用户。举个例子，你是一个职场年轻人，通过对你的信息搜集，系统分析出你的画像是A，而属于A的用户基本都喜欢滑雪、爬山，而你从未浏览过相关内容，那么系统除了推送日常你喜爱的内容之外，还会将滑雪、爬山的文章、广告推送给你，这样就可以进行精准营销。我们刚才说的用户画像，就是模式识别的应用。

那么模式识别在生活中有哪些应用呢？我们说过模式识别就是透过表象看本质，找到规律，借助《教父》中的一句台词“花半秒钟就看透事物本质的人，和花一辈子都看不清事物本质的人，注定是截然不同的命运”。所以生活中活的通透的人都是模式识别的高手！

计算思维最后一部分是抽象，所谓抽象指的是“忽略细节，关注要点”，在计算机编程中有很多抽象的概念，例如：变量、指针、封装、函数、继承、多态、依赖注入、耦合……，正因为如此编程被认为是比较难学的一门技术。经常写程序的人，对抽象绝对不陌生。那么抽象的思维对生活有什么帮助吗？其实生活中的抽象也比比皆是，比如我们常用的地图就是抽象的概念，一张行政地图中只关注地名、公路、河流等主要信息，而忽略建筑、植被等信息。

如果你炒股的话，对股票走势图会非常熟悉，这里面同样只关注涨落、成交量、趋势等信息，而忽略市值、收益等细节。

我们可以举出很多这样的抽象例子，在现代社会中，不管你愿不愿意，是必须要具有一定的抽象思维的。更不要说我们从小学到大的数学，那更是抽象的学科了。

总之，以分解、算法、模式识别、抽象为代表的计算思维代表着另一种思维方式，与日常思维相比，这是完全不同的一个角度，当我们有了另一个视角，这个世界在我们眼中就会完全不同！

来源: 孙老师聊人工智能