本文的文字及图片来源于网络,仅供学习、交流使用,不具有任何商业用途,版权归原作者所有,如有问题请及时联系我们以作处理
本文章来自腾讯云 作者：Python知识大全
编程究竟难在哪？
“编程一点都不难，它只是和你十几年来在学校受的教育格格不入而已。”
第一次看到这句话，是在知乎问题“编程究竟难在哪里？”里一位名叫@ invalid s的高赞回答。
与也是这两年才开始半路学编程的我，所感所悟不谋而合。
所以今天站在前人的肩膀上，我想和大家好好聊聊“编程究竟难在哪?”这件事。
一、难在我们从未接受过解决问题的训练
从小到大，我们受到的教育终极目的是有一个：考取理想的学校。每一张张考卷都是一个个堆砌起来的知识点：三角函数，解析几何，数列，函数……
这么多知识点，你需要做的是背下它们，或者说的更高级一点，理解它们。
即便是强调思辨和分析的“文科类”，也可以靠死记硬背答题模板拿分，就连作文都要有统一的标准。
我记得有一年考试，题目是对冰心的一首小诗写评论：
“墙角的花，当你孤芳自赏的时候，世界就变小了。”
出题老师原意是让大家批判孤芳自赏，但有同学偏偏赞美孤芳自赏，赞美这种洁身自好的精神。而这种文章要一律判作不及格。
年纪尚小的我们甚至都来不及怀疑“为什么这个学生说得没有道理？为什么所有的人都只能有一样的价值观呢？”因为千万军挤独木桥，保险起见的我们只需要按照所理解下来的知识，将一块块碎片，根据正确而万能的模板拼好，才容易拿下满分。
我们非常擅长理解和记忆，并井井有条地套公式。
这一切，到了学编程这里，统统不奏效。
我大一的时候刚开始接触C语言，非常痛苦。那会儿，没有任何计算机基础，编程语法大多靠背——C++语法、操作系统各项定义、计算机网络各种协议、常量、作用域、多态…
身边不少同学也这样，“高考精神”还深深印烙在骨子里，我们都认为学习一门编程语言最重要的就是掌握其语法，所以为了将语法烂熟于心，最直接的方法就是记忆。
结果可想而知，即便拿了相应的学分，没有人敢说自己会编程。
我们接受了十几年的应试教育，为了最大化公平，考试必须有一套清晰的标准。正是如此，我们更看中重应试技巧而非知识本身，学习变成了追求标准答案，求知变成了死记硬背。
绝大部分人，难以形成系统的学习方法论的意识，以至于很多人一旦脱离试卷，在社会中面对实际问题的时候，完全没有一套行之有效的方法论支撑其解决问题。
而编程的核心，不是编程，不是语法，甚至不是算法或数据结构本身，恰恰是如何分解问题——发现规律建立解决问题模型，映射到合适的数据结构和算法上，最后才根据算法写程序实现。
基于此，卡耐基梅隆大学计算机的一名华裔教授提出「编程思维」这个概念。
他定义编程思维——能够把现实生活中的复杂问题，逐步拆分成可理解的小问题。
1、Decomposition，即拆分。
根据已有的知识和经验，把问题拆分。
比如我想喝咖啡，那我可以请求你：“可以帮我倒杯咖啡吗？”但这句话如果想让电脑听懂，我得先告诉它哪个是“杯子”、哪个是“咖啡”、什么是“倒”，然后再告诉它怎么去倒，比如先直走5米，左转75度，左臂下放50度……
现实生活，每一个复杂问题，都是基于解决一个个被拆分的小问题而被解决的。
比如说，超级计算机感觉很复杂最后无非是解决一个带宽问题、一个存储问题；
比如说，解决碳排无从下手，实际上是解决人口、服务、能源、单位能源的碳排放这几个问题。
2、Pattern Recognition
即模式识别。根据新问题和以前解决过的问题的相似性，举一反三琢磨出规律。
假如你需要画100只猫，你会怎么办？找100只猫来挨个临摹？
对于计算机来说，你需要找出猫的“模式”。
你要知道猫是专属的毛，眼睛，尾巴，四条腿等，按照这个“模式”，你才可以“批量”画猫——你不用每次画一个新动物，只需要变换局部特征：黄白条的猫还是黑猫，长尾巴的猫还是短尾猫。
3、Abstraction，即抽象
将问题里涉及的数据，抽象到数据结构（变量，数组，链表等），把数据处理过程可重复执行部分抽象成函数模块。
听起来很复杂吧？这是一个过滤的过程，整个过程你要聚焦重要的关键信息，忽视无用细节，这样才能通过认知问题的核心本质，帮助我们形成解决问题的构想。
比如，当我们看到这一房子，我们看到的是：
但在建筑师的眼中，它可能是这样的：·
建筑师通过自己的经验，抽象出房子里面具体的构造。
这一步，我们虽然几乎难以在应试教育的学习方法中获得，但我们能从不断地编程训练中去培养抽象思维。会编程的人，往往能透过一个应用表象，看到背后实现的步骤。
4、Algorithms，即算法。通过循环执行，根据前三步的分析成果，设计步骤，写出算法，从而解决问题。
这一整个过程，我们看到所谓的编程语言和语法，在最后才发挥出作用。
所以当我们觉得学编程难，是因为我们还未从过去根深蒂固的学习习惯中抽离出来，凡是需要打破习惯的事，必是不易的。
就像很多刚刚出国读书的孩子，常常在面对外国老师问出「why」的问题时，马上一种惊慌失措的表情，满脑子想着自己是不是又说错答案了，不知道老师这样问仅仅是为了引导他们拓展思维。
我们真实的社会和生活也是不易的，它们没有标准答案，许多人终其一生没有追寻问题的能力，无法理解世界的复杂。
而编程，是你找出解决方法的能力，把现实问题转换为代码逻辑的能力。只有认清这一点，你才能更好地攻克它。
二、难在我们从未学过创造
清华大学前校长陈吉宁曾提过一个观点：
清华大学里有很多“A型学生”，但未来社会最需要的是“X型学生”。
“A型学生”，指的是传统观念里的“好学生”，他们的成绩总是能得“A”。
“X型学生”与之不同，他们的成绩并不一定拔尖，但愿意承担创新风险，勇于尝试新鲜事物。
两者最重要的差别，在于创造力。
可是我们连作文还不敢写得太跳，生怕阅卷的是个老古董，大笔一挥，让你再考一年。创造力，更是我们在学校想都不敢想的事。
绝大部分学生的思维，早已在填鸭式的教学中，变成了一个只会收纳外部知识的容器，根本无法用所学的东西创造出任何东西来。
所以，当我们开始学编程，面对“Hello world.”这个等着我们创造的世界，其实是非常茫然的。
因为编程没有“题型”和“公式”能把你解决问题的过程简化成填空，编程提出的问题基本都是空而泛，需要你根据脑子里的逻辑推断，利用所学编程语言的各项功能组织成代码，来解决问题。
整个世界的运转，都是靠你的大脑想象出来的。这是编程的难。
但是，只要你明知其中不易，仍有一腔骁勇，你可以尝试在编程的世界中，保持“实验者心态”，不断探索自己的想法，质疑自己的假设，从所犯错误中学习宝贵的经验，就一定能在编程的魔法世界中得到更多宝藏。
如果你看过近期大火的《乐队的夏天》，那么在参赛的三十一支乐队中，你一定会被其中一支叫做“刺猬”的乐队所打动。
刺猬乐队的子健，他是台上的狂躁主唱，台下的学霸码农。
即使每天都在和冰冷的数字打交道，但作为程序员的他，体内有被保护得非常好的创造力，使得他拥有满腔的诗意与细腻的内心，更可以谱写出令人折服，引人共鸣，充满无限色彩的音乐作品。
三、难在我们从未需要如此深刻了解世界
在我工作以后，曾受过一名编程大佬指点，他说了一句让我印象深刻的话：
“所有的程序，都是建立在自然之上，我们现在所学的编程，和自然是一体的。”
举两个小例子：
C语言冒泡排序法，它的原理是来自汽水中的气泡，水中常常有许多小小的气泡，哗啦哗啦飘到上面来。而组成小气泡的二氧化碳比水要轻，所以小气泡可以一点一点向上浮动。
在C语言中，这种排序算法的每一个元素都可以像小气泡一样，根据自身大小，一点一点向着数组的一侧移动。
人工神经网络，则是依靠一种类似于大脑神经突触联接的结构，进行信息处理的数学模型。
它们都受到了自然的启发。
学编程，往往学的也不仅仅是计算机本身，而是将各行各业，结构力学，生物细胞，光学声学……等千百万个行业，抓住它们的重点，迅速理解并且教给CPU，让它代替人类工作。
尤其是身处信息时代，计算机是信息处理的核心，商业、农业、工业、教育等，都被计算机技术推动着进步，如果能知道计算机是怎么做到这一切的，即知道这里蕴含的编程思维是什么，才能给个人在所处行业的发展带来帮助。否则，就只能浮于表面地应用现成软件而已。
这是编程的第三难。应试教育标准化的课堂，正好背离了这点。
从前的课堂里，为了实现教学效益化，将课程进行了划分。
遗传学被归入了生物课，概率这个概念被归入了数学教育，然而遗传学实际上是对概率的应用。同理，物理明明需要应用代数和微积分，它却与这两门课程脱节，成了独立的学科。
仿佛每个知识只存在于真空中，于外界事物毫无关联。
这些划分限制了学生的理解，让学生对世间万物运行规律的理解产生了偏差。
于是，为了了解每个“独立”的知识，我们接收各种各样精细化加工的知识：推演好的理论、公式，讲义、ppt、难点总结、高分模板，我们无需知道这些公式是怎么推导出来的，只要运用公式去解题就好了。
久而久之，我们认为学语文就是语文，数学就是数学，甚至我们对世界的认知，只是基于“知识共同体”，对于许多现象无须究其根本，自动达成共识。
什么叫知识共同体？
史蒂文·斯洛曼和菲利普·费恩巴赫的《知识的错觉》一书提出了“知识共同体”。
知识共同体由某一知识领域相互联系的行为体组成的，人类社会本身就是一个庞大的知识共同体系统。
为了人与人之间的相互协作，人们逐渐根据不同人擅长的领域进行分工。时至今日，如果我们家的锁坏了，我们会去找锁匠；如果有人生病了，我们会去找医生。不同的工种的人，掌握了不同的知识。于是，人们被归入一个个不同的群体，这就是所谓的“知识共同体”。
我们以为自己非常了解世间万事万物，其实是个错觉，事实上我们脑袋里存着的知识微不足道，全靠相互依存和形成的认知。
就好比中世纪的人们相信地球是平的，而现代的我们相信地球是圆的，并非由于我们大多数人能够给出基于物理学的解释，而是现代科学让我们相信了这个基本事实。
即便日常生活中充满了各种各样的奇迹，也因为司空见惯的缘故，很多人甚至没有意识到它们是奇迹：
我们坐拥空调暖气，搭乘高铁飞机，手握平板手机， 搜索查询问题，享受生活之安全惬意，当整个世界的知识就在指尖之时，我们仿佛真的认为自己博学多闻，其实我们只是活在在知识共同体里。
这也是为什么我们以为掌握了知识，其实没有——
考完试以后，我们会忘记大部分所学的知识；
开会讨论出很多点子，但一到执行的时候，就故态复萌，还是不知道从哪里入手，典型的“一听就会，一做就废”。
回到学编程。
之所以感觉那么难，正是因为它不允许我们丧失独立并深入探究知识细节的能力，不允许我们冠以笼统的态度求知，因为计算机听不懂我们模棱两可的语言。
程序员需要探其根本，理解每一个概念的来由、定义和用途；需要多学科、深入而原始了解这个世界：
他要懂“生物”：不同的技术构成不同的生态系统，不同的生态系统有不同的规则。
他要懂“化学”：各类系统和语言的关键性质，提供能写出优秀程序的原料；
他要懂“历史”：技术从哪里来，要到哪里去；
他甚至还要懂“艺术”：写程序对得起自己的眼睛，做产品对得起用户。
编程世界是真实世界的缩影。
四、尾声
所以，你说编程难吗？编程一点都不难，用电脑听得懂的语言，告诉它帮你做你想要做的事情，只要认真学，谁都可以。
难就难在，"学以致考"和"学以致用"是不一样的；记忆和创造是不一样的；学好学科和理解世界是不一样的。
当然，并非要彻底否定应试教育。在中国教育资源极其不平均、经济文化撕裂的大生态下，以考试为目的的教育，提供了一套非常清晰的评判标准，通过分数这个显性的指标来筛选和划分学生群体，选拔出社会精英，可能是当下最公平的取舍了。
只是时代在不断的发展，无论是学校，家长还是孩子，都应该反思一下现在的所接受的教育形式，如何发挥出每一个自己的个性，让他们成长为更好的人——学编程的过程会给你提供答案。