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。