容易被误解的计算思维
2006年，卡内基·梅隆大学周以真教授首次系统性地定义了计算思维。这一年，她在美国计算机权威期刊《Communications of the ACM》上发表了题为《Computational Thinking》的论文，由此开启了计算思维大众化的全新历程。
在此之前，“计算思维”在非计算机领域的应用多集中在科研学术圈，如计算化学、计算生物学、计算决策学等。像我这样的普罗大众真正开始了解“计算思维”的价值是在《Computational Thinking》发表之后（的10年）。今天，计算思维成了世界公认的普适思维方式，和理论思维、实验思维一样，任何人在解决任何问题时都可以运用。
计算思维对每个人都意义重大，但却非常容易被误解。有人望文生义，以为计算思维就是关于数学的学问；有人片面理解，以为学了编程就懂了计算思维；有人非要攀高枝，连学个Word、Exel、PPT都要说培养了计算思维。
计算思维被误解成这样，小编决心为它正名，带大家好好认识下计算思维。
计算思维是什么，不是什么
计算思维是什么呢？
在《Computational Thinking》这篇论文中，周以真教授用“硬科学”的术语描述了计算思维：计算思维是运用计算机科学的基本理念，进行问题求解，系统设计以及理解人类行为。也就是说，计算思维是一种解决问题的思考方式，而不是具体的学科知识，这种思考方式要运用计算机科学的基本理念，而且用途挺广的。
想要更快更好的理解计算思维，先来看看周以真教授对计算思维的几个清晰论断。1 计算机思维是研究计算的。
2 是概念化，不是编程。
3 是基础技能，不是死记硬背的技能。
4 是人的思考方式，不是计算机的思考方式。
5 是数学思维、工程思维的补充和结合。
6 是想法，不是人造产品。理解了上面6句话，就能在很大程度上减少对计算思维的误解了。
把编程当作计算思维是对计算思维的常见误解之一，甚至一些学计算机专业出身的人也会有类似的观点，其实不然。计算思维是一种概念化的思考方式，而编程则是一种行为，虽然编程的过程中经常会用到计算思维，但计算思维绝不是编程。把信息素养当作计算思维也是对计算思维的常见误解之一，其实计算思维和信息素养完全不同。信息素养注重的是培养人们对信息进行有效利用的方式方法，重点在于利用信息工具和信息，比如Excel、录音机、传感器、QQ的使用，从互联网上找到自己想要的信息等。而计算思维则是研究计算的，研究一个问题中哪些可以计算，怎样进行计算。
计算思维不是一门孤立的学问，也不是一门学科知识，它源于计算机科学，又和数学思维、工程思维有非常紧密的关系。说它和数学思维相关，是因为用计算思维解决问题时，需要将问题抽象为可计算的数学问题，例如比较罗马帝国的崛起和蒙古人的扩张，需要选择适当的数学模型来对国力进行量化计算。在运用计算思维设计大型复杂系统时，需要考虑效率、可靠性、自动化等问题，这些都是工程思维中非常重要的东西。
计算思维是每个人在日常生活中都可以运用的一种思考方式。没错，每个人都可以运用，而且可以用在几乎任何地方。出行路线规划、理财投资选择、科学研究分析、天气预报预测，不论你试图解决什么问题，运用计算思维都能帮你化繁为简，四两拨千斤。理解计算思维，首先要理解计算理解计算思维的前提是理解计算，因为计算思维本质上还是研究计算的，研究在解决问题过程中，哪些是可计算的，以及如何计算。通常我们理解的计算是算术运算，如“1+1=2”，，但运算其实有很多种类，如集合运算、逻辑运算、条件运算等等。集合运算如 “ ∁U（A∩B）=（∁UA）∪（∁UB）”,这里面就没有具体的数值运算了，而是用代表集合的字母进行运算；又比如逻辑运算“1∧0=0”，这个运算里有数值“0”和1，但意义完全不同，这里的“1”代表的是“真”—即命题为真，“0”代表的是“假”—即命题为假，通过用数字“0”和“1”来代换命题的真假，用“∧”来代换逻辑语言里的“并且”，逻辑判断过程也能通过计算来实现。
在上面这三类运算中，“1和2”、“ A、B” “1和0”是计算对象，是用特定符号代表一定的含义（可能是数、集合、命题真假等等）；“+”、“∁U、∩、U”和“∧”是运算符,也就是运算规则（可能是加减乘除、可能是求并／补集、可能是判断并且／或者的复合命题）。如果把计算对象用特定的符号串表示，计算的实质就是将已知的特定的符号串，按照预定的规则，一步一步地改变符号串，经过有限步骤，最终得到一个满足预定条件的符号串的过程。
当我们跳出算术运算的局限，理解了计算的本质后，就会发现原来好多看似不可计算的东西都能变得可计算，也就很容易理解计算思维的普适性了。因为经过一定的抽象，我们对很多问题的理解都能用特定的数学语言来描述，接下来，当我们用特定的数学语言去描述解决过程的时候，就是在用计算化的方式来求解了。计算思维里的人机分工当我们把一个问题的求解操作变的可计算化后，我们是要靠人力去进行运算吗？NO！运用计算思维就是为了把人从大量的机械的运算中解脱出来，让计算机去做这些事。
在用计算思维解决问题时，人负责把实际问题转化为可计算问题，并设计算法让计算机去执行，计算机负责具体的运算任务，这就是计算思维里的人机分工。人机分工能大幅提高问题处理的效率，减少出错率，特别是在处理情况复杂，运算量大的问题时。比如出行路线规划，在没有导航软件的时候，我们想要规划从A点到B点的最近的路线，可能要花费不少功夫，往往是我们根据经验进行判断，并不精确，很难有足够的时间和精力去寻找最优解。
当我们用电子地图来表示实际地理情况，用坐标点来表示实际位置时，最短路线的问题就转化为比较地图上A点到B点的各种线段组合的长度问题。从输入起点和目的地到导航软件给出导航路线不到半秒的时间里，后台服务器已经进行了高达千万甚至上亿次的运算，这种效率高出人类N个数量级。计算思维里的2A
Abstraction （抽象）和Automation（自动化）是计算思维的两大核心特征。想要理解抽象和自动化之于计算思维的重要性，我们先来看下运用计算思维进行问题求解的关键路径：<1>把实际问题抽象为数学问题，并建模将人对问题的理解用数学语言描述出来<2>进行映射，把数学模型中的变量等用特定的符号代替用符号一一对应数学模型中的变量和规则等<3>通过编程把解决问题的逻辑分析过程写成算法把解题思路变成计算机指令，也就是算法<4>执行算法，进行求解计算机根据算法，一步步完成相应指令，求出结果
建立数学模型的过程就是理解问题的过程，并且要把你对问题的理解用数学语言描述出来。这很关键，数学模型的好坏意味着你对问题的理解程度够不够深，而且数学模型还说明了在这个问题中，哪些东西可以计算以及如何进行计算，这可以说是计算思维里最最核心的东西了。这个关键过程需要的核心能力就是抽象能力以及一定的数学基础。
数学建模只是可计算化的第一步，为了让计算机帮我们去求解，我们还需要虚拟的符号来代替的数学模型里的每个变量和运算规则，这个过程就是映射啦！
完成映射，我们就能把解题思路（注意，是解题思路，不是数学模型）用程序语言完整地告诉计算机啦，这个过程就是具体的编程写算法的过程啦！这一步需要较强的编程能力，但编程能力的核心之一也是抽象思维能力。对于编程能力不够强的人来说，映射还有编程的过程可以交给擅长编程的人来做。
关键路径的前3步都是人来完成的，最后一步执行算法进行运算是机器自动完成的，体现了计算思维的自动化的特点。
在整个过程中，抽象是方法，是手段，贯穿整个过程的每个环节。自动化是最终目标，让机器去做计算的工作，把人脑解放出来，中间目标是实现问题的可计算化，体现在成果上就是数学模型、映射、还有算法。至此，你应该对计算思维有个差不多的理解了。当你再听到某些课程顾问说“我们的课程能培养孩子的计算思维时”，你可以反问一下他们是怎样培养孩子的计算思维的，而不是傻傻地为一个听起来高大上的词汇买单。俗话说“师傅领进门，修行在个人”，真正运用计算思维去解决问题，还需要各位踏踏实实地掌握相关知识，并加以操练才行。
