解決當代復雜問題的利器

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，而利用當今先進高效的計算機及信息技術方式能夠得到快速解決，這就要求我們學會用“計算思維”的方式去思考，即把當前計算機強大、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能力和求解方法的思維模式，它的形成與應用對于思考如何解決復雜問題具有重要的意義。作者認為，要建立和養成科學的計算思維模式，需要建立抽象化與自動化的解決問題思路。當下，隨著計算機及信息技術的發展，特別是網絡及大數據的發展，還需建立類比及互聯網跨界思維，建立大數據思維，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對各種復雜問題。

關鍵詞：計算思維;大腦;抽象思維;自動化思維;互聯網;大數據

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

引言

隨著時代的進步，特別是計算機及信息技術的高速發展，計算機及信息技術正深刻地改變著我們當下的這個世界，由于計算機強大、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，如吳軍博士在數學之美中講到的當代密碼學、大數據處理等[1]，往往需要利用計算機及信息技術方式來解決。這就要求我們在遇到問題時，能突破常規僅依靠人腦解決問題的思維模式，學會用“計算思維”的方式去思考[2，3]，即把當前計算機強大、快速的計算及信息處理能力作為人腦能力的延伸，一并納入到復雜問題的解決思路中去，充分結合人腦創新能力及計算機準確快速的計算分析處理能力的優勢，形成科學的解決方案。要養成計算思維，首先要弄清人腦與計算機各自的優勢與不足，要了解當代計算思維的核心要素和當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，并隨著計算機及信息技術的發展逐步升級計算思維模式，這將有利于我們解決和應對各種復雜問題。

大腦與計算機的優勢與不足

相對于人的大腦，計算機的最大優勢在于計算速度快、計算準確性高、存儲準確且容量大。在數值運算方面，人類大腦的神經元激活最高頻率是每秒1000次，神經元主要在叫做突觸的軸突末梢特殊結構上釋放化學神經物質，將信息傳輸至伴侶神經元，最快的傳遞大約需要1毫秒時間，因此，大腦每秒最多能執行大約1000次基本運算，而目前計算機最快可達每秒幾十億億次計算[4]，也就是大腦比計算機運輸速度慢上億倍，且計算機還可以不用休息，24小時為人類服務。在計算準確性方面，計算機也大大優于人腦，人腦會容易犯一些錯誤，而計算機基于硬件可靠的電路設計，出錯率極低，不但計算精度可采用增加有效位數的辦法提高，而且還可以利用其強大的計算能力，采用冗余等方式進一步改善計算機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，有的細胞多次受到刺激（干擾），先前存儲的生物電信號及化學信號就有可能丟失，過了一段時間就無法再次被調用，特別是一些機械的、無法引起人們興趣的海量過程信息，而當前計算機存儲信息準確豐富，可反復快速調用。

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

因此，計算思維就是在發揮人腦創造能力及邏輯思考能力的過程中，充分利用計算機計算速度快、計算準確性高、存儲準確且容量大的優勢，形成科學高效解決方案的過程。

計算思維的本質

計算思維在學術界有不同的討論[5，6]，當前“計算思維”的主流定義，是由美國卡內基·梅隆大學計算機科學系主任周以真教授提出的。[7]周教授認為，計算思維是運用計算機科學的基本概念去解決問題、設計系統和理解人類行為等涵蓋計算機科學之廣度的一系列思維活動。Google計算機思維課程進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。分解，就是把數據、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，就是觀察數據的模式、趨勢和規律;抽象，就是識別模式形成背后的一般原理;算法開發，就是為解決某一類問題撰寫的一系列詳細的指令。

計算思維隨著計算機技術的發展而逐步形成和發展的[1，8]，當前計算機及信息技術的發展日新月異，可以預見，計算思維也必將隨著計算機技術、互聯網技術的發展而不斷發展。隨著網絡技術和大數據的發展，計算思維也應在這兩個主要領域不斷深化發展，以后隨著人工智能、物聯網、云計算的發展，相關技術也必將促進計算思維的持續拓展與深化。

抽象化與自動化思維

為了充分利用計算機技術解決實際問題，在思考解決問題的方案中，將實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，各種問題千變萬化，需要我們把實際問題中人腦解決起來比較困難但計算機比較容易解決的部分分離開來，并將此實際問題抽象為計算機可以識別和解決的問題。

例如，下象棋中“最優走法”問題，此問題看起來特別復雜，因為當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”的最優走法。但實際上，我們可以從計算思維的角度出發，利用最樸素的計算思維方法，把問題分解。當對手走完一步棋后，對計算機而言，就是根據象棋規則，窮舉我方所有可能的“走法”，針對我方當前每一步可能合規的“走法”，又窮舉對方所有可能合規的應對“走法”，然后逐步計算推演至“獲勝”“平”或“失敗”，最后統計出當前每一步的“走法”最終獲勝概率，然后選擇獲勝概率最大的“走法”作為當前步的“走法”。對計算機而言，就是抽象為計算機根據象棋規則，做無數次的邏輯判斷和計算，最終統計當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”作為當前最優“走法”。為了讓計算機能夠快速自動實施計算，需要為計算機建立自動化過程，可先由計算機根據象棋規則確定當前所有合理的“走法”，然后對這些“走法”進行排序，再依據排序的“走法”，逐個進行模擬應對“走法”，并再排序，然后針對所有模擬應對“走法”，再模擬應對“走法”，以此類推，建立遞歸自動化算法，最后統計所有“走法”的獲勝概率，將獲勝概率最大的“走法”作為當前步的“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踐活動，一般包括分析問題、設計算法、實現算法等步驟，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。

類比及互聯網跨界思維

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。在網絡日益發達的今天，利用互聯網跨界思維，在類比的基礎上，尋找出問題的相似性，然后利用互聯網信息，尋求類似問題的解決方案，并將此解決方案應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;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，不同的時間點有各自不同的三維空間，這就容易理解四維空間了。

大數據思維

2008年，谷歌推出了一款流感傳播趨勢預測的軟件產品GFT（Google Flu Trends）[10]，引起了全球巨大轟動，該產品能近乎實時地對全球當前的流感疫情（流感發病率及流感擴散情況）進行預測與顯示，也就是說人們不需要等美國疾病預防與控制中心公布就可以知道當前流感的蔓延狀況及未來醫院因流感就診的人數。這乍一聽起來非常不可思議，流感疫情的發生擴散一直以來都是在疾病預防與控制中心的領導下，各地醫療衛生部門根據各地流感發病診治人數的變化快速統計上報，然后由疾病預防與控制中心匯總各地數據分析得出流感發病人數、流感現狀及疫情演變趨勢，從而對當前的流感疫情進行估測，通常最快也需要幾天到十幾天的時間。而谷歌作為一網絡科技公司，根本無法獲得各地醫院流感病人的信息，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，谷歌發現某些搜索關鍵詞可以很好地標示流感疫情的現狀，谷歌利用用戶搜索的關鍵詞，與流感的發生及輿情擴散建立關聯，這些關鍵詞包括“流感癥狀”“溫度計”“肌肉疼痛”“胸悶”等。只要用戶輸入這些關鍵詞，谷歌后臺就能利用這些搜索信息開展大數據跟蹤分析，創建地區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防中心在2003年到2008年間季節性流感傳播時期的數據進行比較，通過模型訓練，建立了一個特定的數學模型，成功地預測了2009年冬季流感的傳播[11]，甚至可以具體到特定的地區和州。通過不斷地調整算法，谷歌比美國疾病預防與控制中心基于監測報告給出的預測快近二周且更為準確。

從谷歌GTF軟件產品可以看出，大數據時代的來臨，為計算思維注入了新的活力，海量數據、實時數據、豐富多樣的非結構數據，正以前所未有的廣度進入了我們的生活，使得人類可以用一個全新的方式來與周圍的世界相處，即通過增加數據的數量來獲得對世界更深刻的認識。大數據為研究人類行為和人與人之間大規模的互動提供了新的方式。

如今，看看淘寶網站、新聞網站、百度網站等，瀏覽網頁查詢信息等都屬于大數據，大數據已經在營銷、電子商務等方面給我們的日常生活帶來了重大影響[12]，大數據已經在流行趨勢預測、消費預測、地域消費特點分析、客戶消費習慣分析、各種消費行為的相關度分析、消費影響因素分析等方面得到了廣泛應用。可以預見，未來在如無人駕駛汽車、醫療（基于大數據的治療方案）、學習（個性化的學習及因材施教）等方面將會有更廣泛的應用，因此，隨著互聯網及大數據的發展，我們必須熟悉并養成“大數據”思維，為每一個行為提供基于歷史數據與實時動態所產生的智能決策，助力問題的高效解決。

結語

隨著計算機及信息技術的發展，計算思維已成為當代人類解決復雜問題的一條高效途徑，我們需要逐步養成并熟練運用計算思維，進行問題分解、問題抽象，建立流程，設計自動化算法，形成解決問題的方案，還要結合網絡、計算機與大數據的發展，建立類比及互聯網跨界思維，建立大數據思維，不斷拓展計算思維的深度與廣度。科技產業發展表明，誰能提前判斷與預測科技發展浪潮，誰將脫穎而出，反之就被淘汰。[13]

參考文獻：

[1]吳軍.數學之美[M].北京：人民郵電出版社，2014.

[2]譚浩強.計算機應用與科學思維能力培養——關于計算機基礎教育深化改革的思考[J].計算機教育，2014（07）： 4-8.

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

[4]張紫.超級計算機榜單又要重新排名了[J].計算機與網絡，2018（12）：12-13.

[5]張廣兵.計算思維再反思[J].計算機教育，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].中國遠程教育，2019（08）：59-67.

[7]周以真.計算思維[J].中國科學技術協會會刊，2007（05）：111-116.

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

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

[10]高云華，王敏.國外流感預報系統研究進展[J].人民軍醫，2015（06）：627-628.

[11]鄒曉輝，朱聞斐，楊磊，等.谷歌流感預測——大數據在公共衛生領域的嘗試[J].中華預防醫學雜志，2015，49（06），581-584.

[12]張敏.大數據時代大數據分析的應用[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.