《高中数学 第一章 统计案例 1.2 回归分析 计算思维及分析素材 新人教B版选修1-2》由会员分享，可在线阅读，更多相关《高中数学 第一章 统计案例 1.2 回归分析 计算思维及分析素材 新人教B版选修1-2（5页珍藏版）》请在金锄头文库上搜索。
1、计算思维及分析2006年3月，美国卡内基梅隆大学计算机科学系主任周以真（Jeannette M. Wing）教授在美国计算机权威期刊Communications of the ACM杂志上给出，并定义的计算思维（Computational Thinking）。周教授认为：计算思维是运用计算机科学的基础概念进行问题求解、系统设计、以及人类行为理解等涵盖计算机科学之广度的一系列思维活动。 以上是关于计算思维的一个总定义，周教授为了让人们更易于理解，又将它更进一步地定义为：通过约简、嵌入、转化和仿真等方法，把一个看来困难的问题重新阐释成一个我们知道问题怎样解决的方法；是一种递归思维，是一种并行处理，
2、是一种把代码译成数据又能把数据译成代码，是一种多维分析推广的类型检查方法；是一种采用抽象和分解来控制庞杂的任务或进行巨大复杂系统设计的方法，是基于关注分离的方法（SoC方法）；是一种选择合适的方式去陈述一个问题，或对一个问题的相关方面建模使其易于处理的思维方法；是按照预防、保护及通过冗余、容错、纠错的方式，并从最坏情况进行系统恢复的一种思维方法；是利用启发式推理寻求解答，也即在不确定情况下的规划、学习和调度的思维方法；是利用海量数据来加快计算，在时间和空间之间，在处理能力和存储容量之间进行折衷的思维方法。 计算思维吸取了问题解决所采用的一般数学思维方法，现实世界中巨大复杂系统的设计与评估的一般
3、工程思维方法，以及复杂性、智能、心理、人类行为的理解等的一般科学思维方法。 计算思维建立在计算过程的能力和限制之上，由人由机器执行。计算方法和模型使我们敢于去处理那些原本无法由个人独立完成的问题求解和系统设计。 计算思维最根本的内容，即其本质（Essence）是抽象（Abstraction）和自动化（Automation）。计算思维中的抽象完全超越物理的时空观，并完全用符号来表示，其中，数字抽象只是一类特例。 与数学和物理科学相比，计算思维中的抽象显得更为丰富，也更为复杂。数学抽象的最大特点是抛开现实事物的物理、化学和生物学等特性，而仅保留其量的关系和空间的形式，而计算思维中的抽象却不仅仅如此
4、。去年3月刚读过卡内基梅隆大学（CMU）Wing教授的计算思维（ComputationalThinking）时，一丝共鸣在脑中闪过，但没引起太多的思索。年初去西交大软件学院商谈教学工作时，认为应引入一门面向新生的计算与软件的通识课。讨论中我突然想起“计算思维”，故建议设计一门讲座课，就叫计算思维与计算文化。这一时的闪念迫使我回头细究Wing的文章，开始感到“计算思维”关系到我们对计算机科学转型与发展的基本认识，意义重大。到了3月，CMU已与微软联合成立“计算思维中心”，而Wing也被聘为美国基金会计算机和信息科学与工程部主任。计算机作为一种计算工具出现到今天，已逾半个世纪，如何进一步发展，是我
5、们必须考虑的问题。对此，可在两个层面上思考：一是基本和哲学的，二是需求和现实的。在第一个方面，不妨回忆一下计算大师Dijkstra的一句话：“我们所使用的工具影响着我们的思维方式和思维习惯,从而也将深刻地影响着我们的思维能力。”电动机的出现引发了自动化的思维，计算机的出现催生了智能化的思维。Wing更是把计算机这一从工具到思维的发展提升到与“读、写、算”同等的基础重要性，成为适合于每一个人的“一种普遍的认识和一类普适的技能”。一定程度上，这也意味着计算机科学从前沿高端到基础普及的转型。在第二个方面，涉及计算机的发展，看法只能“发散”了，但还是可以再借鉴电动机的例子，说明计算机的问题。一定程度上
6、，电机可视为计算机的“近祖”，因此，一定意义上，其历史和命运之轨迹，也会折射出计算机的历史和命运之轨迹。明天之计算机，是不是就是今日之电机？甚至还不如？因为计算机将更加普遍和普通。明天之计算机系，是不是就是今日之电机系？甚至还不如？因为想教能教计算方法和应用的系远比想教能教电机的系多得多。催生大学计算机系的IBM早已开始鼓吹今天的系将“消失”,并被服务科学系取而代之。此话尽管危言耸听，但发人深省。刚刚兴起的万维学更是希望将人文社会等“软”科学融入计算机科学，利用社会计算，在“虚”的万维空间里开拓出新且有价值的“实”疆域。显然，这将促进实现Wing的目标：“一个人可以主修计算机科学，接着从事医学
7、、法律、商业、政治，以及任何类型的科学和工程，甚至艺术工作。而且，当我们行动起来去改变计算机的社会形象时，计算思维就是一个引导着计算机教育家、研究者和实践者的宏大愿景。”两种考虑的结合，或许表明了计算机科学将发生“涅槃”般的重生，而计算思维的提出，就是未来升华的前奏？并不是所有学者都认同对计算思维的这种认识。以研发Algol60著名的Naur教授为代表的欧洲学派的观点尤其值得重视。虽然Naur得过图灵奖，但他几乎完全拒绝图灵关于智能的想法，认为其整个论证都是站不住脚的，是建立在错误的概念之上的。Naur断言：尽管计算机这种形式能够描述世上许多现象，但人的思维不在其中。表面上，Naur与Wing
8、的思想直接冲突。特别是两人的文章前后不久在同一重要杂志上登出，更容易引起人们的遐想。其实不然，Wing特别强调：计算思维是“人的，不是计算机的思维”，而且，“计算思维是人类求解问题的一条途径，但决非试图使人类像计算机那样的思考”。不过，我对Naur的断言有所保留，因为人类的工具使用对人类的思维发展之影响，是人类自己难以预知的。除了Dijkstra的“工具影响思维”之断言，更有说服力的是达尔文的进化论和有关劳动工具在从猿到人的过程中起关键作用的论断。机器最终能否描述人的思维，似乎不是今日人类可以知道或理解的，就像不论是远祖还是今天的猿猴根本无法明白当年的木棍石器怎么能把它们的猴脑猴思维弄成现代的
9、人脑人思维一样。如果一定要现在弄个明白，那只好再用Dijkstra的话来回答：“机器能否思维的问题这个问题差不多与潜艇能否游泳的问题一样相关。”我更赞同Wing的想法：“当计算思维真正融入人类活动的整体，不再是一种显式之哲学的时候，它就将成为现实。”其实，还有更令人担心的网络工具。互联网和Google只是刚刚开了个头，就已经“稀里糊涂”地深刻影响并改变了我们的思维能力。这可是数不清的计算“机器”和计算“人”的有机大联合，是计算的“组合爆炸”和“指数升华”。说不定在弄清“计算思维”到底是什么之前，讨论就不得不转到“网络思维”，或更恰当地说，转到“万维思维”（WebThinking）了。在中文里，
10、计算思维不是一个新的名词，常被朦朦胧胧地使用，却一直没有被提高到Wing所描述的高度广度，那样的新颖、明确、系统。至于计算文化一词，国际上已开始有少数学者提起，但还没有与计算思维相联系，也没有达成共识形成趋势。中文目前还没见有人明确提出计算文化的概念，相关却不同的计算机文化课却较为普及。不过，我们传统文化中有根深蒂固的“算计”文化。凡“精明”之人常被称作是能“算计”，时褒时贬，但差不多就是“狡猾”的同义词。希望我们能借“计算思维”之东风，尽快把世故人情的“算计文化”反正成为科学理性的“计算文化”，以提高民族的整体素质。注：作者1990年起在美国亚利桑那大学先后任助教授、副教授和正教授，现为中科
11、院自动化所复杂系统与智能科学重点实验室主任,中科院自动化所副所长。主要研究领域为智能系统、复杂系统和社会计算的建模、分析、控制和管理。2003年当选IEEE Fellow，2004年当选IEEE Intelligent Transportation Systems Society主席、2005年当选INCOSE Fellow、2007年当选IFAC Fellow。 计算思维建立在计算过程的能力和限制之上，由人由机器执行。计算方法和模型使我们敢于去处理那些原本无法由任何个人独自完成的问题求解和系统设计。计算思维直面机器智能的不解之谜：什么人类比计算机做得好？什么计算机比人类做得好？最基本的问题是
12、：什么是可计算的？迄今为止我们对这些问题仍是一知半解。 计算思维可以做什么？计算思维是每个人的基本技能，不仅仅属于计算机科学家。我们应当使每个孩子在培养解析能力时不仅掌握阅读、写作和算术（Reading, wRiting, and aRithmetic3R），还要学会计算思维。正如印刷出版促进了3R的普及，计算和计算机也以类似的正反馈促进了计算思维的传播。计算思维是运用计算机科学的基础概念去求解问题、设计系统和理解人类的行为。它包括了涵盖计算机科学之广度的一系列思维活动。当我们必须求解一个特定的问题时，首先会问：解决这个问题有多么困难？怎样才是最佳的解决方法？计算机科学根据坚实的理论基础来准确
13、地回答这些问题。表述问题的难度就是工具的基本能力，必须考虑的因素包括机器的指令系统、资源约束和操作环境。为了有效地求解一个问题，我们可能要进一步问：一个近似解是否就够了，是否可以利用一下随机化，以及是否允许误报（false positive）和漏报（false negative）？计算思维就是通过约简、嵌入、转化和仿真等方法，把一个看来困难的问题重新阐释成一个我们知道怎样解决的问题。计算思维是一种递归思维。它是并行处理。它是把代码译成数据又把数据译成代码。它是由广义量纲分析进行的类型检查。对于别名或赋予人与物多个名字的做法，它既知道其益处又了解其害处。对于间接寻址和程序调用的方法，它既知道其威
14、力又了解其代价。它评价一个程序时，不仅仅根据其准确性和效率，还有美学的考量，而对于系统的设计，还考虑简洁和优雅。计算思维采用了抽象和分解来迎接庞杂的任务或者设计巨大复杂的系统。它是关注的分离（SOC方法）。它是选择合适的方式去陈述一个问题，或者是选择合适的方式对一个问题的相关方面建模使其易于处理。它是利用不变量简明扼要且表述性地刻画系统的行为。它是我们在不必理解每一个细节的情况下就能够安全地使用、调整和影响一个大型复杂系统的信息。它就是为预期的未来应用而进行的预取和缓存。计算思维是按照预防、保护及通过冗余、容错、纠错的方式从最坏情形恢复的一种思维。它称堵塞为“死锁”，称约定为“界面”。计算思维
15、就是学习在同步相互会合时如何避免“竞争条件”（亦称“竞态条件”）的情形。计算思维利用启发式推理来寻求解答，就是在不确定情况下的规划、学习和调度。它就是搜索、搜索、再搜索，结果是一系列的网页，一个赢得游戏的策略，或者一个反例。计算思维利用海量数据来加快计算，在时间和空间之间，在处理能力和存储容量之间进行权衡。考虑下面日常生活中的事例：当你女儿早晨去学校时，她把当天需要的东西放进背包，这就是预置和缓存；当你儿子弄丢他的手套时，你建议他沿走过的路寻找，这就是回推；在什么时候停止租用滑雪板而为自己买一付呢？这就是在线算法；在超市付帐时，你应当去排哪个队呢？这就是多服务器系统的性能模型；为什么停电时你的电话仍然可用？这就是失败的无关性和设计的冗余性；完全自动的大众图灵测试如何区分计算机和人类，即CAPTCHA注1程序是怎样鉴别人类的？这就是充分利用求解人工智能难题之艰难来挫败计算代理程序。计算思维将渗透到我们每个人的生活之中，到那时诸如算法和前提条件这些词汇将成为每个人日常语言的一部分，对“非确定论”和“垃圾收集”这些词的理解会和计算机科学里的含义驱近，而树已常常被倒过来画了。我们已见证了计算思维在其他学科中的影响。例如，机器学习已经改变了统计学。就数学尺度和维数而言，统计学习用于各类问题的规模仅在几年前还是不可想象的。各种组织的统计部门都聘请了计算机科学家。计算
