“学习编程可以锻炼你的思维，让你更好思考，创建一种在各个领域都很有用的思维方式。”——— 比尔盖茨

编程学习的重要性不言而喻，编程普及已呈现全球化趋势。作为国家战略的重要内容，人工智能与少儿编程受到很多人的关注与青睐。

我们一直在强调，让孩子学编程，不是为了培养未来的程序员，而是希望通过这种学习训练，掌握人工时代最重要的一种必备技能——编程思维。拥有了编程思维，孩子可以更好地理解人工智能时代的运转规则，更从容地应对未来的讯息万变。

那么，“编程思维”，到底是一种什么样的思维呢？

当我们试着从电脑的角度去思考问题时，将问题的解决思路、方法、和手段通过计算机能够理解的形式告诉计算机，使得计算机能够根据人的指令一步一步去工作，完成某种特定的任务，我们就已经在开始学习并锻炼“编程思维”了。

所以，所谓“编程思维(ComputationalThinking)”，其实就是指利用我们已有的知识和工具，将自身的思路转化成逻辑运算的步骤，从而完成复杂的任务，帮助孩子培养逻辑思维和抽象思维。最常见的形式就是根据指令完成一系列动作。

它不是编写程序的技巧，而是一种高效的问题解决思维方式，包含“理解问题——找出路径”的思维过程，由问题分解、模式识别、抽象化（模式归纳）、算法设计四个步骤组成。通过这4个步骤，孩子学会把问题有效拆解，并且可以设计出解决问题的流程，将所有问题逐一解决，即使不当程序员也能用得上。

Step1 : 分解问题--化繁为简

问题解决包括两种常见的策略：算法和启发法。

所谓算法策略，就是在问题空间里中随机搜索所有可能的方法，逐一尝试，直到获取一种有效的方法解决问题。

而启发法策略，就是人类根据生活经验，在问题空间内进行较少的搜索，就能快速问题解决的策略，它是一种凭借直觉经验与知识积累、省时省力、走捷径的方法。

机器擅长算法，而人类常用启发法，所以有时候人类会遇到一些问题完全束手无策，尤其当这个问题的界定不够清晰，不清楚问题的起始状态是什么，要到达什么目标状态，以及用什么手段和遵循哪些步骤到达想要的目标状态，即使拥有强大的算法也不能解决。

所以，面临复杂棘手的问题，如果我们善于运用手段-目标分析（means-to-end）将问题界定清楚、化繁为简，就好办得多。

简单来说，就是将问题按照一定目的，进行清晰界定和目标拆解，转化为一个个我们熟悉的简单问题或一个个更好执行、更好理解的小步骤，再逐个击破。即使采用启发法，也不愁找不到解决之道。

最糟糕的结果，无非就是换几套思路尝试几遍。这种思维，我们称为“分解思想”，它是编程和数学里重要的思想之一。

编程的过程，就是把复杂和庞大的问题“自上而下，逐步拆解，直至理顺”。它是解决问题的基础，只有把问题拆解清楚，才有接下来实现的可能。正如Scratch之父Mitchel Resnick所说：“ 在学编程的过程中教孩子们学会拆分问题，这才是最重要的。”

Step2 : 模式识别--规律整合

人在观察事物/现象的时候，常常要寻找它与其他事物/现象的不同之处，并根据一定的目的，把各个相似但又不完全相同的事物或现象组成一类。

这种共同的特征与规律，我们称为模式。顺序模式是按顺序排列所有项目（物品）；分组模式是将相似项目（物品）分成一个组。人脑通过扩充模式库，对关键性特征快速匹配并触发认知判断，可以大大简化我们对世界的认识，把复杂的世界简化，从而高效处理信息。

编程中的模式识别，就是找出不同问题中的模式和趋势（共同点）的过程，能够极大锻炼规律整合的能力，让我们能快速从以往的经验中，得到规律并举一反三以快速高效解决细分问题。

假如要画100只猫，我们如何实现这个目标？是自己找100只猫临摹，还是临摹一只猫，找出它的“模式”，然后让电脑批量复制呢？

如果让电脑画100只猫，它是这样做的：对猫进行模式识别，发现猫的共同点：有眼睛、耳朵、身体、尾巴、四条腿……根据这些特点，建立起猫的“模式”，然后按照这个模式批量画猫；每次变换一个局部特征（例如毛发颜色、尾巴长短），就能轻松完成100只猫。

所以善于识别模式，就相当于擅长掌握、识别和运用套路，在经验库里搜索类似情境与解决方法，套用模式快速解决以前未曾遇到过的问题，将新问题变为小菜一碟的老问题。

人脑在进行认知加工，就擅长用这种方式来节省资源，提高效率。遇到相似的情况就直接调用，当模式库的内容越多，分解问题、算法求解更容易，迭代、复用、翻创的素材也会更丰富。所以，善于发现和总结规律的人，效率也特别高。

Step3 : 抽象化--聚焦关键

计算思维的实质是抽象和自动化，这和人脑的信息化加工模式有点像。生活中随处可见模式，发现模式的能力是可以锻炼的，最常见的方法就是找相同与找不同。

在生活中，我们对一些事物的概念与印象也是在多次这样的认知中逐步形成的。抽象级别越高，越接近事物的本质，规律的适用面也就越广。

所以，抽象化，也称为模式归纳，在大量表面现象的模式中，寻找规律，归纳共性，找出最本质的模式，抽取最关键特征，忽略和过滤不必要细节的过程。通过认知问题的核心本质，帮助我们形成解决问题的构想。

以早起出门为例，对于大脑而言，早上起床出门上班，其实是一连串高度重复且自动化的流程事件组合，大脑只需要按照多年以来的习惯发出指令，并记住几个关键时间点要干什么，完全可以按流程自动化完成。

事实上，大脑非常喜欢用这种抽象、聚焦关键的方式，消耗最少的认知资源，高效地达成我们的行为目标，但有时候也会给造成一些无关紧要的小困扰：比如，到底有没有锁过门。当然这就涉及到其他认知成分的参与了。

以画猫为例，我们了解猫的特征，并基于这些抽象的特征，我们可以形成关于画猫的整体设想并制作模型。勾勒出猫的轮廓与五官，就能让人意会到这是一只睡猫，我们想让它更生动形象一些，可以再对它进行细节补充。

编程中最关键的就是“抽象思维”能力，每件事物都有自己的主要特征和其他细节，如果我们找不出重点，就无法解决问题。抽象思维可以帮我们快速认清事物的本质，剥离出问题的核心，能在大量信息中抓住关键信息，提高学习效率！

Step4 : 算法设计--最优解与次优解

解决任何问题，都需要制订具体的执行计划。

在给定有限的资源情况下，我们可能会设想多种可能性、规划多条解决路径与流程步骤，帮助我们更好地应对突发状况，增加目标实现的概率，甚至找到最经济最高效的最优解或次优解。对于计算机而言，这个过程，就相当于在执行指令之前设定好算法的过程。

而算法是指解题方案的准确而完整的描述，是一系列解决问题的清晰指令，代表着用系统的方法描述解决问题的策略机制。深度优先和广度优先是计算机编程中的经典算法。广度优先解决是最短路径的问题；深度优先解决最长路径问题。

所以，这里所说的算法设计，主要是指根据前面几个步骤对问题的分析与理解，设计每一个关键步骤的多条路径与方法，最后一步步尝试最终解决整个问题的过程。当我们找到最优算法和最优解，甚至提前备好次优算法与次优解，在执行之时就可以风雨无阻、如有神助。

而编程的学习和训练，让我们有机会模仿、掌握甚至内化计算机这种运用算法来解决问题的思维方式，优化工作与生活。总而言之，高速运转的人工智能社会，需要这套高效的问题解决思维方式。

写在最后

编程思维看似抽象，但蕴含着丰富的人生智慧，小到起床上班，大到公司决策。从小就开始接触思维能力训练的孩子，思维严谨，语言表达流畅自如，创造性强，不管在学业，还是职场上都比较容易取得成功！未来人工智能时代，将属于拥有编程思维的孩子！未来也需要更多懂编程、有教育情怀的优秀老师！