1. What is computation thinking ?
您好，本篇博客是《Computation Thinking》的第一章 ---《什么是计算机思维 ？》 的翻译。
《Computation Thinking》：今年 4 月份出版的新书，中文名为《计算机思维》，作者是两位计算机科学家，美国的彼得·丹宁（和芬兰的马蒂·泰德。
如果直接写英文的句子，就是我看不懂的......
第一章基本没啥干货，就是科普一下 “计算”。
前言
什么是计算机 ？
大多数人会回答这是一个电子黑盒子，它通过收集、存储、检索和转换数据来完成惊人的工作。
几乎所有的设备与计算机相关：电话、平板电脑、台式机、网页、手表、导航器、温度计、医疗设备、时钟、电视、DVD播放器、wifi网络。
像无人超市、银行、滴滴、酒店预定、社交软件、在线课程这样的服务，都在 Google搜索里---一个看不见的世界。
译者补充：
- Google所有的业务，尤其是由用户产生数据的业务，比如邮件、博客、Orkut等都搬到了云计算上面。在Google内部，产品团队的工程师开发产品时，已经不关心实际用了多少物理上的服务器，这些服务器在哪里，互相是如何连接的。他们只要提出自己需要多少计算资源，包括CPU资源和存储资源就好，填好配置文件，剩下就是云计算的事了。
对于用户来讲也是如此，他们不知道自己的内容放在了哪里，这些数据就像一个存储在看不见的世界里。
- 提出云计算是为了提供服务，可以让网民们在互联网云中任何时间、任何地点都能快速和安全地访问、处理、存储和共享信息。后来发现云计算的力量超自己的想象，云计算的产业链一旦形成对信息产业的影响极大，就是让越来越多的服务从 PC 客户端转移到网上。
- 云计算最早由 Google 提出，当Google创始人佩奇和布林还在斯坦福读书时，就提出并实现了一种叫 “Big File” 的新型文件系统，TA 是后来的 Google 云计算技术中的 GFS 文件系统的雏形，有了 GFS 和 迪恩以分治思想开发的并行处理工具 MapReduce，能把很多廉价的服务器集成起来完成超级计算机的计算和存储功能，前者的成本不到后者的五分之一，便完成了云服务。
计算机创造了大量的工作机会，促进通信、经济发展、国防、提高生活水平，等等。
与此同时，也淘汰了许多工作机会、隐私泄露、被人监测，等等。
随处可见的东西，都被数字化了。计算机革命正发生在我们的身边。
计算的能力和价值
计算机思维提供了一些这些问题的答案。
很多计算机思维都是专门针对如何让计算机为我们做一件事，如何控制一个复杂的电子设备，在不造成损害或伤害的情况下，可靠地完成一项工作。
译者补充：
所谓的计算机思维，其实是一些通用的方法，人在设计程序时，总结出的经验。
递归：计算机遇到的问题的处理的数据可能是数量级，不好直接解决；这时便可以把原问题变成一个很TA相似但问题规模比TA小的问题来解决，分解为一级一级，直到变成了不可分解的个体时，问题就好解决了。
分治：将一个大问题拆解为俩个或俩个以上的小问题；企业为什么喜欢招新人，不招牛人，因为老板可以把一个大项目拆解为数十个小项目，找有相关技术的新人即可完成这个大项目，新人组合起来就比得上一个牛人了。
对立统一：计算机的 “智能” 是通过收集到的大量数据喂的，得到的结果往往具有网络效应；而人的思维常常只能局限在自己的角度，不能站在对方面或者多纬度的思考，若能做到就取得很好的效果。
全局与局部：写程序时，我们都会先定义好整个程序的模块，模块下的内容我们只会有一个模糊的想法，等模块被定义清楚后，我们再一级一级的地细化。
算法是专门说明计算机应该如何工作的过程。
虽然人类可以执行算法，但他们不能像机器那样快；现代计算机可以在人类完成一步所需的时间内完成一万亿步。
译者补充：
我电脑的处理器是 1.6 GHz，每秒可以运算 1.6 * 10 亿次。 1 GHz = 每秒运算 10 亿次。
魔法不过是一台机器，它可以快速执行大量非常简单的计算。
程序是自动化的桥梁：用编程语言编码的算法，会被翻译成控制计算机的机器指令。
译者补充：
大多数计算机科学家的工作是把现实问题转换为数学问题，判断这个数学问题是否可计算，如果是就把数学问题描述成可计算问题；“可计算”，就是不但可以算，还能算出结果来，对于计算机科学家来说：给定输入，经过计算机的有限次计算，能得到一个确定的输出就是 “可计算”。
工程师的工作是把可计算问题用编程语言实现出来，但因为工程师动手能力太强，往往问题都是被工程师提前解决(工程师也不知道为什么可以解决)，而后过了很多年才被计算机科学家把理论补上，为什么这样可以完成！
但计算思维远不止于自动化。 信息和计算过程已经成为理解自然现象和社会现象的一种方式。
今天的许多计算机思维都是分析学习世界是如何运作的。
越来越多的生物学家、物理学家、化学家和其他科学家正在通过计算的角度来观察他们的主题；艺术、人文和社会科学的专业人士也加入进来。
计算机模拟使以前不可能的虚拟实验成为可能。
世界的 “信息解释” 提供了其他任何方法都无法做到的概念性和经验性工具。
译者补充：
以前的科学研究只有两种模式，一个是实验，一个是理论。
实验科学家要搭建一个真实的科学场景，或是前往一个真实的科学场景去做观测，得尝试各种不同的条件，收集数据，看看能不能验证某个模型或者想法。
理论科学家则是对实验观测的现象和数据提出解释。有时候要发明一个自己的模型，甚至提出一条定律，要不但能解释现有的实验，还能预测新的结果。
而现在出现了模拟，也许正如《黑客帝国》的故事情节，因为模拟太真实了，我们都不确定我们是否是真实的，还是只是被模拟了呢，对这方面的讨论参见博客《集合论的计算机与数学的区别》 ？
模拟不能让您得到什么一句话解释，但是计算能让你更接近真实情况；实验费钱，理论费脑，而计算……最多也就费点电，计算机的确改变了某些科学家的工作方式，调整几个参数就是一场新的实验！
计算也给我们提供了计算机在任何合理的时间内都不能做的工作。对计算机来说，这些工作根本不可能完成。
译者补充：计算的渐进复杂度如果能控制在
或以下，那这个时间是合理的，渐进复杂度参见博客《渐进记号》。
许多社会、政治和经济问题都是计算机无法解决的。
通过了解计算的局限性，我们可以避免用计算来解决这些问题的坑。
显然，在这么短的时间内设计一台程序或一台机器，这是一项艰巨的设计任务，要让机器在没有错误的情况下完成工作，就需要有自己的思维方式。
事实上，站在用户的角度上理解用户，并为他们专门设计系统，是现代计算的一大挑战。
设计是计算机思维的核心问题之一。
计算机思维的定义
计算机思维已成为一个具有多种定义的流行词。
我们总结出许多的思想为这本书中使用这个定义：计算思维是智力技能和实践
- 设计使计算机为我们工作的算法(计算方法)，还有
- 解释和解释世界是一个复杂的信息过程。
设计的总结反映了计算的工程传统，在这种传统中人们创造方法和机器来帮助他人。
把现实的问题翻译为数学问题，一直是计算的科学传统，人们试图理解计算是如何工作的，以及它如何在世界上出现。
Design features immersion in the community being helped, explanation features being a dispassionate external observer.
理论上，设计计算而不解释计算，或者解释计算而不设计计算是可能的。
在实践中，这两个方面是会同时进行的。
计算是一系列复杂的数值计算和符号处理。
- 数值计算如，基本的算术运算（加、减、乘、除）和基本的三角函数（正弦、余弦和正切）。
- 符号处理如，数字或符号的逻辑比较、决定下一步要做什么指令，或者用一个字母串替换另一个字母和数字串。
以适当的顺序安排数万亿次这样的简单操作时，可以解决现实生活中的许多问题如：预测明天的天气、决定在哪里钻探石油、设计具有足够升力的飞机机翼、找出最有可能在哪个物理位置飞行等，导航，叫出租车，或者弄清楚哪两个人会成为一对好夫妻......
而计算机是执行计算操作的代理。
被算法化后，所有计算都遵循执行算术和逻辑运算的指令程序。
算法当然也可以被人类按照流程计算出来，不过，除了一些天才，大部分人的计算速度远不及机器快，或无错误。
我们用 “工作” 一词，来指任何人认为有价值的任务。
而今天，许多人依靠计算机(实际上是由计算机执行的计算)来完成工作，因为自动化的工作，而没有机器的帮助是做不到的。
计算机在一些日常工作上已经足够好了，因此，由于自动化而失去就业机会已经成为一个重要的社会问题。
译者补充：自动化是我们的工作(程序员)，现在我们的工作可能会让别人失业；当我们工作到巅峰时，也是我们自己失业的时候。
这件事情，我们也没办法；被自动化的工作都是人的工作效率远低于机器的(以及成本方面)，一个企业家出于长远考虑，一定会使用机器的，如果 TA 不使用机器，TA 的对手使用了就可以打价格战......
我们不要把 “工作” 一词等同于自动化哦。
【翻译ing...】