薛老師：擁有知識不是目的，是必要的基礎和手段，解決問題才是目的！我們的現狀是滿腦子的知識和標準答案，而缺乏很多重要的能力。其中最重要的能力包括：生存能力、學習能力、思辨能力（批判能力）、創新能力等等。
我們從未接受過解決問題的訓練，所以今天給大家推薦一種能幫助我們解決問題的思維方式：編程思維。
編程的核心，不是編程，不是語法，甚至不是算法或數據結構本身，恰恰是如何分解問題——發現規律建立解決問題模型，映射到合適的數據結構和算法上，最后才根據算法寫程序實現。
基于此，卡耐基梅隆大學計算機的一名華裔教授提出“編程思維”這個概念。
他定義編程思維是：能夠把現實生活中的復雜問題，逐步拆分成可理解的小問題。
【二】
Decomposition，即拆分。根據已有的知識和經驗，把問題拆分。比如我想喝咖啡，那我可以請求你：“可以幫我倒杯咖啡嗎？”
但這句話如果想讓電腦聽懂，我得先告訴它哪個是“杯子”、哪個是“咖啡”、什么是“倒”，然后再告訴它怎么去倒，比如先直走5米，左轉75度，左臂下放50度……
現實生活，每一個復雜問題，都是基于解決一個個被拆分的小問題而被解決的。
比如說，超級計算機感覺很復雜最后無非是解決一個帶寬問題、一個存儲問題；比如說，解決碳排無從下手，實際上是解決人口、服務、能源、單位能源的碳排放這幾個問題。
【三】
Pattern Recognition，即模式識別。根據新問題和以前解決過的問題的相似性，舉一反三琢磨出規律。假如你需要畫100只貓，你會怎么辦？找100只貓來挨個臨摹？對于計算機來說，你需要找出貓的“模式”。
你要知道貓是專屬的毛，眼睛，尾巴，四條腿等，按照這個“模式”，你才可以“批量”畫貓——你不用每次畫一個新動物，只需要變換局部特征：黃白條的貓還是黑貓，長尾巴的貓還是短尾貓。
【四】
Abstraction，即抽象。將問題里涉及的數據，抽象到數據結構（變量，數組，鏈表等），把數據處理過程可重復執行部分抽象成函數模塊。
聽起來很復雜吧？這是一個過濾的過程，整個過程你要聚焦重要的關鍵信息，忽視無用細節，這樣才能通過認知問題的核心本質，幫助我們形成解決問題的構想。
比如，當我們看到這一房子，我們看到的是：
但在建筑師的眼中，它可能是這樣的：
建筑師通過自己的經驗，抽象出房子里面具體的構造。這一步，我們雖然幾乎難以在應試教育的學習方法中獲得，但我們能從不斷地編程訓練中去培養抽象思維。
會編程的人，往往能透過一個應用表象，看到背后實現的步驟。
【五】
Algorithms，即算法。通過循環執行，根據前三步的分析成果，設計步驟，寫出算法，從而解決問題。這一整個過程，我們看到所謂的編程語言和語法，在最后才發揮出作用。所以當我們覺得學編程難，是因為我們還未從過去根深蒂固的學習習慣中抽離出來，凡是需要打破習慣的事，必是不易的。
就像很多剛剛出國讀書的孩子，常常在面對外國老師問出“why”的問題時，馬上一種驚慌失措的表情，滿腦子想著自己是不是又說錯答案了，不知道老師這樣問僅僅是為了引導他們拓展思維。
我們真實的社會和生活也是不易的，它們沒有標準答案！許多人終其一生沒有追尋問題的能力，無法理解世界的復雜。而編程，是你找出解決方法的能力，把現實問題轉換為代碼邏輯的能力。
最后，以喬布斯的話來結尾：我覺得每個人都應該學習一門編程語言。學習編程教你如何思考，就像學法律一樣學法律并不一定要為了做律師，但法律教你一種思考方式。學習編程也一樣，我把計算機科學看成是教育，每個人都應該花至少1年時間學習編程。——Steve Jobs
