【觀書有感】《全圖解-寫給所有人的運算思維入門》
不只是Coding，學習寫程式背後的思維方法
前言
約莫在智慧型手機剛普及，行動裝置開始進入人們的日常生活，人們開始滑起各種應用程式（App），這時候演算法這個詞也開始流行起來。
從那時候起，其實一直到現在也是，演算法被描述成科技巨頭操控人們的無形魔法，只要擁有它就能掌控大眾，主宰人們生活的各個層面，並且讓企業賺得缽滿盆滿。
在接觸寫程式之後，我親身驗證了一個道理：群眾對於陌生的事物，時常會誇大，或是妖魔化。
所以演算法到底是什麼？
我想就用我最近閱讀的一本書來介紹好了！
這本書的書名叫：《寫給所有人的運算思維入門》，作者為日本電腦科學專家、通往未來有限公司（みらいアクセス合同会社）創辦人－草野俊彥。
本書以生活化的角度切入，淺白地介紹了運算思維，以及程式開發者是如何解決問題的。
既然目標讀者是所有人，IT素人也能理解本書內容，認識運算思維，這個建構了我們習以為常的現代科技生活—無所不在的各類智慧裝置、網路通訊，以及近期的AI狂潮——的思維方式。
有在寫程式的人一定要了解它，不寫程式的人也需要認識它。
它不只能用在寫程式，也是一種相當實用的思考框架。
演算法是什麼？
電腦，包括你用的各種智慧裝置，其實都只能執行簡單的指令。
這些簡單的指令必須明確、精準。
以日常移動來說，人對移動這個概念可能不會有太多遲疑，它可以是行走、搭乘或駕駛交通工具，但以上的描述對電腦而言，其實是相當曖昧、模糊，以至於窒礙難行。
那對電腦而言怎樣才算明確、精準？
書中用駕駛來舉例，想像你打算開車回家，來到路口時要操作車輛轉彎，人類駕駛只要專注在目標車道的轉向，憑手感轉動方向盤，利用視線修正車輛的軌跡，就能完成轉彎。
但如果讓電腦來做同樣的操作就會變成：「進入路口2公尺後，用3kgf的力將方向盤往右轉0.87圈」！
原本對人來說可以簡單完成的事情，若變成給電腦下指令，就需要明確、精準到近乎繁瑣、囉唆的地步了。
給電腦的指令之所以需要這麼囉唆，是因為電腦沒有「理所當然」的常識，書中稱之為「內隱知識」。
內隱知識，讓人可以不假思索地進行日常的各種活動，因為我們無意識地依靠生活經驗、學識背景、本能、情緒等等，這早已成為我們行為的一部分，所以我們能夠直覺地發揮這些能力，這是電腦所缺乏的。
因此我們在要求電腦執行任務時，會需要將整體情況、目標，化約成明確的指令，電腦才有辦法執行。
追根究底，電腦的運作不過就是利用電流控制0與1的訊號來計算而已，所以就像前面所說的，電腦只能執行簡單的指令。
那為什麼現今的電腦有各種強大功能，能完成各種複雜的工作，甚至最近的AI浪潮，也讓電腦看起來聰明到不可思議呢？
因為演算法。
「程式由兩個要素構成：讓人與電腦相互理解用的程式語言，以及提供給電腦的指示步驟的演算法（algorithm）。演算法意指為了解開問題的一連串程序。」
演算法說穿了，就只是讓電腦自動完成工作的「一系列步驟」。
複雜巧妙的演算法其實是「簡單指令的複雜組合」。
讓簡單指令，能夠組合在一起的關鍵在於「邏輯」，它在電腦科學領域還有另一個名字：「運算思維」。
看到「運算」，你可能會覺得「很數學」、「很抽象」，但在了解這個概念後會發現，其實我們相當常使用「運算思維」的方式來工作與生活，只是沒有特別意識到，並且刻意練習這種思考方式。
用日常生活來舉例，像是做菜，料理的步驟其實就是演算法，雖然煮一道菜不需要像電腦程式那樣嚴謹（除非你想寫一個給料理機器人用的料理演算法）。
但料理還是有它的邏輯與程序在，像是備料、食材處理、食材搭配、烹煮調味等等，這些程序該怎麼安排、食材該怎麼處理與組合等等。
當有大廚將這些步驟整理成食譜，其實就是寫成一個讓其他人也能照著步驟完成料理的演算法。
（除了駕駛與料理的例子，書還提供許多有趣的問題給讀者進行思考練習，或是跟著作者的思路一起來體驗運算思維的操作過程。）
運算思維
運算思維的內涵包含四個步驟：拆解問題 -> 模式辨識 -> 抽象化 -> 演算法設計。
從這套流程我們可以發現，演算法是在運算思維的最後流程才冒出來。
運算思維的運用，初步會先將遇到的問題進一步定義與拆解，如果問題太過龐大、空泛、複雜，就很難找到下手解決問題，甚至走錯方向。
在嘗試拆解問題的過程，如果發現某些現象一再出現（模式識別），那就可以整理成規則（抽象化）來處理。
程式設計中的DIY原則(Don’t repeat yourself)就是這樣，當寫程式的開發者發現，他們不斷在寫重複的代碼，或是不斷將某段代碼一直複製貼上時，就該考慮該怎麼將這個「反覆執行」的動作，抽換成讓程式自動運行的規則，來完成這個低效的作業。
最後將規則統整成一連串解決問題的步驟，就是演算法。
以前我還在政府機關任職的時候，執行公務都必須按照既定的SOP進行。
SOP其實也是演算法的一種，我之前有寫過的一篇：《為什麼流程很重要？從戰術執法到運算思維，我學到受用一生的思維技術》就有提過。
（有些人會將SOP視為僵化的教條，確實啦！如果制定出來就不再隨著時代變遷更新的話，那這種沒有迭代可能性的有毒SOP確實跟演算法扯不上邊。）
其實大部分專業工作者在工作時，都會有一套專屬的流程，這是經驗總結出來的Know-How，專業人士或者說專業化，就是熟練流程並且能夠精準判斷情況的行為。
所以懂專業才不會瞎忙（雖然專業遭到輕忽的情況好像在各行各業大量發生…），正如美國的生產管理學家－威廉·愛德華茲·戴明所說的：「說不出你的工作流程，就代表你根本不知道自己在幹嘛！」
演算法可以解決曖昧問題？
雖然食譜上料理步驟可以視為一種演算法，但做菜有時候含有「藝術」成分，多年經驗的大廚有時候會隨性揮灑，但電腦在運行過程不存在模糊的空間，機器會完全按照演算法的規則來執行。
人類的判斷力具有彈性。 機器人（電腦）是有限制的，無法自行任意推敲內容來決定規則。
那當碰到曖昧的人性問題，演算法還有介入的空間嗎？
有句老話是這樣說的：「運用之妙，存乎一心」。
有時候不是解決辦法不存在，而是有沒有辦法想到。
許多巧妙的解決方案，都是人類思考能力極致的展現。
書中有一個思考練習是關於購物的情境，讓我覺得很有啟發，這個問題是關於該如何評估人們購物時的主觀購買慾望。
作者提到：
將隨心情影響的划算感轉換為「機率性現象」，程式設計便大有可為。
本來曖昧難解的人類喜好、心情，換成數學的機率概念來描述就變得清晰起來。
近期的AI狂潮，讓人們見識到，即便指令既不明確也不精準，機器也能準確理解人類使用的自然語言，甚至只靠模糊的指令，也能產生有結構、條理的回答，這感覺很神奇，但其本質仍然是簡單指令所構成的演算法。
當簡單的事物持續累積，且不斷彼此互動時，最終就會增長成極其複雜的系統或現象，這在探討系統理論 (Systems Theory)與複雜性科學 (Complexity Science)的領域中，有個專有名詞稱作「湧現 (Emergence)」。
其實在生活中就有許多湧現的例子，像是天氣，其本質不過就是水分子與空氣的流動，當規模變大，就會複雜到連超級電腦也難以預測的天氣系統（所以你看氣象預報都只寫機率）；市場，從最單純的買賣行為，演變成千絲萬縷的經濟脈動；群眾行為，像是投票，即便確定少數選民的投票偏好，也沒有一家民調公司能夠「每一次」都完美預言選舉的當選人等等。
電腦演算法也是一種湧現，原本單純的0與1的電流訊號，演變成現在的AI。
湧現造成的複雜性，讓一般人甚至連專家也難以完全理解其中的運作機制，這樣你應該就能了解為什麼運算思維可以有這麼大的能耐，甚至讓演算法成為一種科技信仰。
結語
網路通訊的發展，讓獲取資訊不再是問題。
所以記憶知識資料的能力價值，已經被搜尋引擎的等技術工具取代大半，反倒是觀點、思路、如何解決問題的能力，開始變得稀缺。
畢竟培養思考能力，比死記硬背知識還要花費成本（時間、方法、麻煩程度）。
運算思維是一套簡單實用的思考框架，它讓素人也能一窺大神們解決問題的思路，雖然它出身自資訊領域，卻不只能拿來coding。
近期生成式AI的迭代，各式強大功能讓各界驚嘆，也讓各個專業領域的知識工作者人人自危，各種販賣焦慮的言論也隨著AI熱潮竄起。
不免讓人覺得，如果AI的產出水準這麼高，人們所積累的學經歷與思考產出是不是毫無意義？AI最終仍會取代人的思考？
我最近看到一個觀點，讓我覺得，不需要悲觀到完全交出思考的主導權：
AI在本質上還是工具，駕馭AI、對AI下指令的還是人。
而該怎麼對AI提問，取決於你的思考品質，問問題的能力會決定AI的回答水準。
垃圾進就只有垃圾出（garbage in, garbage out），資訊領域流傳已久的那句老話依然適用。