念了六年資工， 再搞了30年的電腦，覺得最有價值的兩門課程，就是「資料結構」與「演算法」。
就我的體會：資料結構是我們看待真實世界並轉化為數位世界的方法（陣列、堆疊、樹、鏈、雜湊…），而演算法則是我們應對數位世界然後反饋到真實應用的手段（搜尋、排序、編解碼…）。人生當中有無窮多的問題有待解決，但是我們很難發明無窮多的解法來一一對應，更別談最佳化了。因此我們需要前文裡面提到的「化整為零，拆解分類，分項撃破」。當我們將複雜的大問題拆解到一定的程度，往往會發現它其實是一些有限的「基本題型」疊加之後的排列組合，而這些基本題型已經有前人的智慧歸納出來的最佳演算法，這樣就能事半功倍的解掉問題。
台灣的理工教育，長期以來著重在解決小問題，卻忽略了「定義」大問題及拆解的能力。用白話來說，know-how很厲害，know-what一知半解，know-why就很少關心，更別提why-not了。然而「質疑why-not 才是突破窠臼，推動世界前進的力量。
AI時代，單一問題的解法越來越現成，越來越可能由電腦取代。未來人才的STEAM養成，關鍵應該是在對命題的解剖，MECE式的洞察。
文章標籤
全站熱搜
