一.计算、算法和可计算性
广义的计算应当包括计算理论层、算法层以及实现层三个层次的理论（N.J.Nilsson，1998），其中，计算理论层是要确定采用什么样的计算理论去解决问题；算法层是寻求为实现计算理论所采用的算法；实现层是给出算法的可执行程序或硬件可实现的具体算法。显然，计算理论层最为根本，也最为困难。同时，即使解决了计算理论层和算法层的问题，也未必能解决实现层的问题，因为还存在一个计算复杂性的问题。计算主义强纲领事实上是在“存在算法”的意义上，断言物理世界、生命过程以及认知是“可计算的”。其中的“算法”概念是指20世纪30年代，哥德尔（K.Gödel）、丘奇（A.Church）、克林尼（S.C.Kleene）、图灵（A.Turing）等数学家对于直观的“能行可计算”概念严格的数学刻画，而与此概念相联的丘奇-图灵论题就应当是计算主义的基本工作假说。事实上，恰是由于算法和图灵机概念的引进，哥德尔不完全性定理有了图灵机语境下的版本。而且，通过建立在算法概念之上的可计算性理论，人们很快证明了一系列数学命题的不可判定性和一系列数学问题的算法不可解性。而且，在自动机理论和数学世界中，已经证明存在不可计算数那么多的不可计算对象。我们认为，对于探讨计算主义是否合理的问题，算法概念和哥德尔不完全性定理是最重要的理论基础之一。下面我们依次讨论计算主义强纲领下各种论断的可质疑之点。
二.物理世界是可计算的吗？
在计算主义的强纲领下，“物理世界是可计算的”无疑是一个基本的信念。当今这种信念的典型形式是多奇（D.Deutsch）1985年提出的“物理版本的丘奇-图灵论题”：“任何有限可实现的物理系统，总能为一台通用模拟机器以有限方式的操作完美地模拟”（D.Deutsch,1985：97）。多奇认为，算法或计算这样的纯粹抽象的数学概念本身完全是物理定律的体现，计算系统不外是自然定律的一个自然结果，而且通用计算机的概念很可能就是自然规律的内在要求。进一步推而广之，物理可计算主义的一个强硬命题是“宇宙是一台巨型计算机”（王浩，1993:104）。
我们认为，要考察物理世界是否可计算的问题，需要考虑物理过程、物理定律和我们的观察三个基本因素的相互作用问题，而且我们最为关注的是，用可计算的数学结构，物理理论能否足够完全地描述实在的物理世界，特别是能否描述在偶然性和随机性中显示出的物理世界的规律性。
物理学家是通过物理定律来理解物理过程的，而成熟的物理理论是使用数学语言陈述的。真实物理世界的对象由时间、位置等这样的直接可观察量、或者由它们导出的能量这一类的量组成。因此，我们可以考虑像行星的可观察位置和蛋白质的可观测构型、以及大脑的可观察结构这样的事物。但是，即使用最高精度的仪器，我们仍然不能分辨许多更精细的数量差别，只能得到有限精确度的数值，这表明，我们对物理过程观察的准确度是有限的。恰如哥德尔所言“物理定律就其可观测后果而言，是只有有限精度的”（WangHao，1974：.326）。同时，由于“观察渗透理论”的影响，我们的观察必定忽略或舍弃了许多我们不得不忽略和舍弃的因素，我们的物理理论永远是真实物理世界的一种简化和理想化。
当我们将数学应用于物理学理论时，一个最重要的手段是借助数学中的各种有效算法和可计算结构，自从康托尔（G.Cantor）之后，人们认识到数学中的可计数的数仅仅是实数的非常小的部分，图灵-丘奇论题之后，人们知道算法可计算函数也仅仅是函数中非常小的部分。当然，在数学家和物理学家中已成为不争结论的是，在描述物理过程时，任何不可计算的数和不可计算函数都可以在一定的有效性的要求下，用可计算数和可计算函数作具有一定精度的逼近。密尔本（G.L.Milburn）认为，“理论物理是借助数学给出观察数据的，这些数据正是可借助通用计算机的算法得到的。因此，无论是经典的，还是量子的物理系统都可以以任意高的精度模拟”（密尔本，1999：115）。
但是，我们显然没有充足的理由就此作出“真实的物理世界就是可计算的”断言。真实的包含着巨大随机性的物理世界与计算机可模拟的理想化的世界毕竟有着巨大差异，图灵机可产生的可计算性结构仅仅是真实世界结构的一部分。
尽管带有机外信息源的图灵机早已把图灵的整数计算法推广到了以实数为输入、输出的情形，普艾尔（Pour-El）和里查斯（J.IanRichards）也已经探讨了数学中的连续量和物理过程中的可计算性结构问题，讨论了函数空间和测度空间的可计算性结构（M.B.Pour-El&J.I.Richards，1989）。彭罗斯（R.Penrose）也认为，在经典物理理论中，很难看到任何重大的“不可计算”的因素。但是，我们仍然不能排除某些物理理论具有不可计算性，例如，普艾尔和里查斯证明了，物理场论中的波动方程有一种特解，使时间1的输出不可能由时间0的输入计算，或者说，波动方程中存在一类看似有些“古怪”的可计算的初始数据，使得在以后的可计算时刻被决定的场的值实际上是不可计算的（彭罗斯，1994：214-215）。
宇宙是一个处在不断演化过程中包含着巨大复杂性的系统。没有先验的理由使我们相信，物理世界的任何过程都一定是基于算法式规则的，如果自然界中的确存在不可计算的过程——例如，像王浩和卡斯蒂（J.L.Casti）所指出的，某一级别的地震可能在某些构成不可计算系列的时点或时段发生，海浪在海岸的翻涌和大气在大气层中的运动等物理过程，很可能就是不可计算的——我们就永远找不到精确计算它们的算法，永远不可能在计算机中看到整个真实世界的面貌，物理世界与可计算的世界并非是同构的。物理理论的目的是尽可能完全地记录我们对物理世界的经验，但物理理论并不能包括我们经验的全部。这其中一个重要的原因是，我们对物理对象和物理过程的经验都是有限的，而不可计算性涉及的是无穷的系列。恰如王浩所言，“我们观测的有限精度似乎在物理世界和物理理论之间附加了一层罩纱，使得物理世界中可能存在的不可计算元素无法在物理理论中显现”（WangHao，1993：111-112）。这里，我非常赞同圣菲研究所的统计学家莱恩（D.Lane）强调的，经验世界与该经验的理论之间有着重要区别的思想。我也赞同卡斯蒂强调的，应当区分物理世界、数学世界和计算世界的思想（卡斯蒂，1998：198-201）。可计算的世界仅仅是我们所能精确理解的世界的一小部分，世界恐怕是我们的算法概念所不能穷尽的。至少，某些量子过程和一些具有高度复杂性的物理系统是不能由算法产生的。1993年迈尔弗德（W.C.Myrvold）也作出断言，“在量子力学中企图由可计算的初始状态产生不可计算结果的简单算法是注定要失败的，因为，量子力学中存在的不可计算的结果不可能由可计算的初始数据产生”（转引自WangHao，1993：111）。况且，量子计算机也没有完全解决物理定律的可逆性与计算程序的不可逆性的矛盾，我们如何断定“物理世界是可计算的”？
三.生命过程是可计算的吗？
相信宇宙是一部巨型计算机的人们认为，生命本身是最具特色的一类计算机，因为生命过程是可计算的。自沃森（J.Wotson）、克里克（F.H.C.Crick）以后，我们已经接受了“生命的本质是DNA”的结论。但是我们能够由此出发，得出“生命的本质是信息”，因而“生命的本质是计算”吗？一些计算主义者作出如上推论，更主要的依据是近年来人工生命的研究进展。我们不妨考察一下这种论断的可信程度。
如果在现代意义上使用计算概念，生命过程的可计算主义思想事实上可追溯到1960年代冯•诺意曼（J.vonNeumann）的细胞自动机理论。冯•诺意曼当时认为，生命的本质就是自我复制，而细胞自动机可以实现这种复制机制，因此可以用细胞自动机理解生命的本质。在此基础上，从60年代斯塔勒（Stahl）的“细胞活动模型”，到科拉德（Conrad）等人的“人工世界”概念，从兰顿（C.Langton）的“硅基生命”形式，到道金斯（R.Dawkins）和皮克奥弗（C.Pickover）的“人工生物形态”理论，直到90年代，采用霍兰（J.Holland）的遗传算法，建基在细胞自动机理论、形态形成理论、非线性科学理论之上，生命计算主义的倡导者们全面进入人工生命领域的工作（阎平凡等，2002：357），这一切都是试图用计算机生成的虚拟生命系统了解真实世界中的生命过程。在他们看来，生命是系统内各不同组成部分的一系列功能的有机化，这些功能的各方面特性能够在计算机上以不同方式创造，最重要的是生物的自适应性、自组织性造就了自身，而不在于是不是由有机分子组成。当托马斯•雷（TomasRay）的梯尔拉（Tierra）程序在机器上不仅能自我复制，而且还能“演化”出新的结构并构成一个丰富多彩的“电子生态系统”时，人们认为，进化过程本身完全可以独立于特殊的物质基质，简单发生在为了争夺存储空间的计算机程序的某种聚合中，生命完全可以通过计算获得。
对于“硅基生命”是否可以看作“活的生命”，人工生命是否具有生命的某些特征，例如自我复制的特征问题，我们暂时不予讨论，我们关注的是，计算主义者把生命的本质看作计算，把生命过程看成可计算的观点其理由是否充分。
我们认为，能够在计算机上实现某种复制过程，甚至能够在计算机中看到某种“演化”的特性，以及能够实现某些人工生命的“进化”过程，与能够真正“演化”或“进化”出所有自然生命显然是两回事。因为依照可计算性理论中的“递归定理”，机器程序复制自身并不是困难之事，递归定理已经指出，图灵机有能力得到自己的描述，然后还能以自己的描述作为输入进行计算，即机器完全有自再生的能力（计算机病毒即是递归定理可以描述的一种逻辑结构）。如果生命的本质仅仅是自我复制，当初冯•诺意曼设想的“从细胞自动机可以获得生命本质”的思想并无不妥。但是，今天我们早已知道，普遍认可的生命的几大本质特征是：（1）自我繁殖的能力；（2）与环境相互作用的能力；（3）与其他有机体以特定的方式相互作用和相互交流的能力。而计算主义者并没有指出，图灵算法如何可以穷尽后面两种类型的本质，事实上，已经证明，目前最先进的人工神经网络模型欠缺的正是与环境相互作用的机制，难以建立神经网络中间语言与外部环境语言之间的沟通渠道。这也恰是目前人工生命研究者最感棘手的问题（特瑞•波素马特尔，1999：200）。
而依我们的理解，这里关键的问题在于，承认硅基生命具有生命的某些特征，并不意味着承诺计算可以穷尽生命的所有本质，也不意味着承诺通过能行程序可以实现所有的生命过程。这里“穷尽”和“所有的”概念至关重要。倡导“生命的本质是计算”的学者恐怕确实是在误读“可计算的”概念。毕竟，某一范围的对象或过程是可计算的，是指存在能行的程序，或存在算法，能够计算这一范围的一切对象和一切过程，或者说，这种可计算结构可以穷尽这一范围的一切对象和一切过程。如果仅仅是此一范围的某些对象，某些过程的某些特性，甚至仅仅是一些最为表象，最为简单的特征可以用计算粗糙地表达或模拟，并不能由此妄称这一范围的对象和过程是“可计算”的。“可穷尽”显然是非常强的要求，并不像某些认知科学家和哲学家断言得那么容易实现。
至于认为阿德勒曼（L.N.Adleman）倡导的DNA计算机是“实现了生命的本质就是计算的思想”，显然是计算主义者的另一个误解。因为计算主义者们这里忽视了一个重要的问题，DNA计算机显然已经远远超出了我们最初对于“算法可计算性”概念的理解，事实上它已经引进了基因工程的手段，这里的“计算”借助了自然机制，借助了自然生命的基因编码机制，已经不复是图灵机的计算机制了。恰如阿德勒曼本人所言，“或许我们对计算的看法过于狭隘了，是否可能存在一种由相互作用的分子进行计算的液体计算机呢”（L.M.Adlems，1998：54-61.）？可见，一些倡导计算主义的学者早已将“计算”的概念延伸到了“图灵可计算”的范围之外。也许生物计算机可以作为某种借助自然机制的仿真工具，而且DNA计算机在计算复杂性等方面确实优于经典计算，但它仍然没有超越丘奇-图灵论题（P.C.G.Rozenberg，1998）。况且，DNA计算机对DNA聚合酶产生互补DNA链的遗传操作中的高度并行性和随机性不能把握，如何能够断定“可以对DNA程序重新编程，计算一切可以计算的东西，甚至计算图灵机‘不可计算’的量”？！
四.认知是可计算的吗？
主张计算主义强纲领的人们认为，不仅物理过程、生命过程是可计算的，而且人类的认知和智能活动也是可计算的，或者像兰顿所表达的“宇宙是一个处于混沌边缘的细胞自动机，它不仅可以做复杂的计算，而且可以支持生命和智能”（C.G.Langton，1991：41-92.）。为了聚焦于最具代表性的某些观点，我们将在认知科学中与计算关联最为直接的人工智能的范围内讨论“认知是否是可计算的”主题。
事实上，恰是因为“算法”概念的引进，才使人类对智能的研究从一种哲学思辨式的争论、依赖于直觉的猜想或停留于过分经验式的观察结论，开始转向对智能的产生和认知本质的理论研究。正如西蒙（H.A.Simon）1988年在回顾认知科学发展的历史时所说的：“在把计算机看作通用符号处理系统之前，我们几乎没有任何科学的概念和方法研究认知和智能的本质”（J.Casti&DePauliWerner,2000：130）。因此，认知科学和人工智能工作的出发点长期以来一直建立在具有唯理主义还原论倾向的“认知可计算主义”纲领的基础上。最初，这种计算主义主张，无论是人脑还是计算机，都是操作、处理符号的形式系统，认知和智能的任何状态都不外是图灵机的一种状态，认知和智能的任何活动都是图灵意义上的算法可计算的。正是基于这一认识，纽厄尔（A.Newell）和西蒙曾乐观地宣称：“作为一般的智能行为，物理符号系统具有的计算手段既是必要的也是充分的，人类认知和智能活动经编码成为符号，都可以通过计算机进行模拟”（C.Robert&C.D.Dellarosa,2000：84-94）。但是，几十年来，随着大脑科学、复杂性科学和计算机技术的进展，认知科学经历了从最初的符号主义经联结主义，到行为主义工作范式的转换，越来越显示出这种纲领的局限。这种局限性主要表现在如下几个方面：
1.在知识的获取、表达和处理上的局限。
常识知识是认知科学面对的最困难的问题。自1977年海斯（P.J.Hayse）首先发表《朴素物理学宣言》以来，人类就开始借助符号逻辑手段向常识知识领域进军，海斯及逻辑主义者们坚信，如果能对我们所了解或我们所相信的日常生活的非形式知识提供形式化理论，就能通过恰当的编程来获取、表达和处理知识。因此，他们主张用一阶逻辑将常识知识形式化，并希望借用塔尔斯基（A.Tarski）语义学摆脱计算机程序的局限，研究知识表达问题，并试图通过建立一种“极小常识系统”演绎出整个知识体系。但事实证明，日常生活要解决的大多数问题不能归为几种因素的简单组合，特别是机器翻译的实践提示人们，人的认知与基于文化环境的对于真实世界的大量背景知识有关，任何实际问题涉及到的大量背景知识本身完全是一个不确定集合，这一集合中的绝大部分知识不能基于符号逻辑推理获得，即使局限于求解小范围问题的专家系统，也仍然不能摆脱符号逻辑功能的固有局限，还原主义立场必然面临不可克服的困难。
2.在模拟人类心智方面的局限。
人类认知的重要载体是大脑，而大脑是由巨大规模的神经元经过复杂的相互连接构成的信息处理系统，它具有作为复杂巨系统的特征、分布式并行计算特征和非线性特征，以及极强的容错能力和概括、类比、推广的能力，包括由于后天的经历、学习、训练等起作用产生的各种能力。1980年代认知科学吸收大脑科学研究成果开始采取“联结主义”工作范式，尝试建构各种与大脑结构相似的人工神经网络。人们期望这种网络能够体现大脑的自组织、自适应的特征。但是，经过20余年的努力，人工神经网络专家尝试了各种方案后逐渐开始意识到，试图通过机器程序建立一个与大脑功能类似的人工网络实在过于困难了。人类大脑不仅仅是先天模块化的，而是与人类的文化进化过程紧密相关的，借用德莱弗斯的话：“如果分析的最小单元是同整个文化世界联系起来的整个有机体，那么，类似于符号化和程序化的计算机式的神经网络就仍然有很长的路要走”（玛格丽特•博登，2001：451-452）。迄今为止，研究者已经提出了五十多种有效的人工神经网络模型，广泛应用于模式识别与图象处理、控制与优化、金融预测与管理以及通信等领域，但是，人们已经从理论上研究了现有神经网络模型计算能力的局限性，认为它们仍然不能解决基于经典的符号逻辑所不能解决的人工智能中的困难，更不可能模拟人类意识（阎平凡等，2002：11）。
人类的意识，是对于自我，对于世界的相互作用，对于思想产生过程以及对自己的控制，或至少是部分控制过程的一种认识（戴维•弗里德曼，2001：197），意识的最重要特征是的它的意向性、自指性、非定域性和涌现性等。这些特征显然是超越逻辑、超越算法的。霍兰等人认为，意向性意识涌现于集群系统动力学，并由环境激发。依照他对意识和认知的涌现特征所作的精细分析，我们目前还没有理论和模型能够清楚地表现这种自涌现的现象，也没有人工系统能显示每个神经元主体与成百上千的通过突触连接的其他神经元主体的相互作用（约翰•霍兰，2000：269）。虽然目前已有一些借助人工神经网络模拟意识的研究，例如泰勒（J.D.Taylor）的分阶段的意识神经网络模型表明实现某些意识特征的一些可能性，但是，拉多文（M.Radovan）1997年已经证明，从根本上，这种人工神经网络的表达能力与传统的符号逻辑表达的能力是等价的，特别是卡普坦尼（G.Captain）1997年已经证明，传统的符号逻辑方法根本不能描述意识现象（周昌乐，2002：214）。
3.在模拟人类自适应、自学习和与环境作用能力的局限。
在认知可计算主义纲领指导下，行为主义方向研究者的基本出发点是，略去知识的表达和推理的环节，考虑在感知与行为之间建立直接的联系，期望认知主体在感知刺激后，通过自适应、自学习、自组织方式产生适当的行为响应。可以说，从开发各种工业机器人开始，到研制具有自学习、自适应、自组织特性的智能控制系统，直到2000年研制出具有一定自行设计与进化功能的机器人，人工智能的研究者都在企图模拟人类自适应、自学习和与环境作用的能力。但是，这种最先进的机器人所具有的适应能力仍然是极端初等和局部的，根本谈不上所谓“自主性”和“进化”。正如某些专家所言，如果计算仅仅局限于基于传统算法的图灵机，即使借用最新的模拟进化计算，模拟进化的过程仍然是一个没有终点的过程。毕竟，人类的进化在视觉及运动肌肉的控制方面经历了数百万年，在语言和逻辑推理方面也已经历了几千年。人类在领悟能力、运动肌肉的控制能力、对外界的反应能力，以及常识推理的能力、求解问题的能力及潜在的创造能力显然不仅仅是算法所能达到的。甚至认知可计算主义纲领的倡导者明斯基1990年也不得不承认，“人脑在进化过程中形成了许多用以解决不同问题的高度特异性的结构，认知和智能活动不是由建基在公理上的数学运算所能统一描述的。无论是符号主义还是联结主义都受害于唯理主义倾向，都是用在物理学中获得成功的方法和简单漂亮的形式系统来解释智力。因此，要在认知科学领域有实质性突破，应当放弃唯理主义哲学，从生物学中得到启示和线索”（《21世纪初科学技术发展趋势》编写组，1996：108，314）。
五.我们的结论
通过以上分析，我们看到，建立在唯理主义还原论哲学立场上，单纯以传统的图灵可计算的概念为基础，计算主义强纲领遇到了理论和实践上的困境，而且学术界从思辩到科学和技术各个层面对这种纲领的质疑之声一直不绝于耳。正是由于对计算主义强纲领的各种反思（刘晓力，2003：106-108），刺激了研究者开始寻求新的突破。由于哥德尔定理仅仅揭示了形式系统的局限，并没有设定人类理性的界限，图灵可计算的概念也未必永远不可超越。1990年代以后，研究者开始另辟蹊径，不局限于传统的逻辑手段，而开始尝试“以自然为基础”的探索工作，研究方法除了借助计算机外，还引进了生物学和量子物理的“自然机制”。他们试图将“计算”的概念从传统的图灵可计算概念进一步拓展，倡导一种“算法+自然机制”的研究模式，采取一种新的方法论策略：将能够归约到算法层面的问题，采用算法来实现，不能归约到算法层面的问题，采用某种自然机制实现。（周昌乐，2002：210-217）目前，传统的人工智能虽举步维艰，而建立在自然基础上的“半人工化”的人工智能却有蓬勃发展之势（戴维•弗里德曼，2001：201-210）。当然，所有这些探讨仅仅是将计算概念拓展的初步尝试，在解决计算复杂性问题上这类计算的确优越于传统的图灵计算，但是，究竟能否像另一批乐观主义者所断言的，“以自然为基础的人工智能已经跑在快车道上，未来几十年里人类就能建构出堪与人脑相匹敌的半人工化的智能来”，我们将拭目以待。
以上，我们对计算主义强纲领下的各种观点提出了质疑，而一些学者为“宇宙是一台巨型计算机”的强硬断言提供的论据是，既然康韦（J.C.Conway）已经证明，特殊配置的细胞自动机与图灵机等价，我们完全可以把宇宙看成一个无限大的三维细胞自动机，因此，宇宙是一个巨大的的计算系统，自然界这本大书是用算法写成的，甚至从虚无到存在，从非生命到生命，从感觉到思维，实际上都是一个计算复杂性不断增加的过程（郝宁湘，2000：32-36，李建会，2002）。
尽管我们承认，建立在乌拉姆（S.Ulam）和冯•诺意曼作为物理空间模型的细胞自动机理论之上，康韦的模型在某种意义上可以作为理解复杂系统的有效工具，而且，也有人证明，任何能在计算机上通过建模实现的过程，都能够按照康韦细胞自动机中的“物理机制”来模拟。但是，通过简单的分析不难看出，即使细胞自动机完全等价于图灵机，但从这种等价过渡到“宇宙可看成无限大的三维细胞自动机，因而是可计算的”，这一飞跃，并没有任何逻辑的通道，也没有任何科学理论为其提供有说服力的辩护。况且，如前面几部分论述，由于图灵机等价于形式系统，如果局限于图灵机算法可计算范围，我们将无法摆脱哥德尔不完全性定理设定的逻辑极限，宇宙中毕竟存在不可计数的不可计算的对象，完全等价于图灵机的细胞自动机无疑也包含了图灵机的所有局限性。而且，进一步，假定宇宙仅仅是一台等价于图灵机的细胞自动机，我们根本没有必要拓展“计算”概念去探索新的计算模式，当然也不必求助任何“自然机制”了。
因此，依照我们的立场，也许，建立在还原论的基础上，“宇宙是可计算的”论断暂且可以充当一种无须提供论证的信仰，但它毕竟不是依赖于当前科学的进展得出的有理论依据的科学哲学结论。而且，我们对于在“算法+自然机制”这种拓展的意义上使用“计算”一词并无大的异议，对于这种计算的前景也并不持悲观主义的立场。毋宁说，我们质疑的是某些计算主义倡导者们为支撑其论断所采取的论证方式。
参考文献：
1.《21世纪初科学技术发展趋势》编写组，1996，《21世纪初科学技术发展趋势》，科学出版社。
2.玛格丽特•博登，2001，《人工智能哲学》，刘西瑞、王汉琦译，上海译文出版社。
3.特瑞•波素马特尔，1999，《沙地上的图案——计算机、复杂和生命》，陈禹等译，江西教育出版社。
4.戴维•弗里德曼，2001，《制脑者》，张陌译，三联书店。
5.约翰•霍兰，2000，《涌现》，陈禹等译，上海科学技术出版社。
6.郝宁湘，2000，《计算：一个新的哲学范畴》，《哲学动态》，第11期。
7.李建会，2002，《走向计算主义》，李建会著，《与真理为友》，上海科技教育出版社，第190-201页。
8.刘晓力，2003，《认知科学研究纲领的困境和走向》，《中国社会科学》，第1期。
9.杰拉德•密尔本，1999，《费曼处理器》，郭光灿等译，江西教育出版社。
10.罗杰•彭罗斯，1994，《皇帝新脑》，许明贤等译，湖南科学技术出版社。
11.王浩，1993，《人或电脑会有灵魂吗？心物对应说和物理程式主义》,《二十一世纪》2月号，第104页。
12.阎平凡等，2002，《人工神经网络与模拟进化计算》，机械工业出版社。
13.周昌乐，2002，《关于人工意识研究途径的哲学反思》，《科学技术中的哲学问题学术讨论会论文集》，清华大学，第210-217页。
14.L.M.Adlems，1998，ComputingwithDNA，ScientificAmerican，279（2）.
15.C.G.Langton，1991，LifeattheEdgeofChaos，.ArtificialLifeⅡ.SFIStudiesintheSciencesofComplexity，Vol.Ⅹ.C.G.Langton，C.Taylor，J.D.Farmer&S.Rasmussen,eds.Addison-Wesley，pp.41-92.
16.J.L.Casti&DePauliWerner,2000,Gödel:AlifeofLogic.PerseusPublishing.
17.D.Deutsch,1985，Quantumtheory，TheChurch-TuringPrincipleandUniversalQuantumComputer.ProceedingsoftheRoyalSocietyofLondon，Vol.400.
18.C.Robert&C.D.Dellarosa,2000,Minds,Brains,andComputers:theFoundationsofCognitiveScience.BlackwellPublishers.
19.N.J.Nilsson，1998，ArtificialIntelligence，ANewSynthesis，MorganKaufmannPress.
20.M.B.Pour-ElandJ.IanRichards，putabilityinAnalysisandPhysics，springer-Verlag.
21.P.C.G.Rozenberg&A.Salomas，1998，DNAComputing:NewComputingParadigm，SpringerVerlag,.BerlinHeidelberg.
1.1营造创新气氛。
文科计算机软件理论知识课对于文科学生来说是有点枯燥的，因此，营造一种创新的氛围是非常必要的。营造一种创新的氛围可以让文科学生从枯燥的科目中找到兴趣点。信息技术在人们生产工作中被广泛应用，所以，教师在上课的过程中，需要对学生具体的阐述一下计算机的重要性，以便让学生足够的重视这门科目。在此之后，教师可以利用音像、文献资料、掺杂学生喜欢的文学等向学生讲授计算机的软件理论知识。
1.2使用创新方法。
使用创新方法，增加文科学生对计算机软件理论课的兴趣。传统的计算机软件理论课上，学生对计算机软件知识的了解均来自教师或课本。而学生在理解这些内容时，往往是随便应付的，并且很多时候并没有通过自己的思考。这种情况使得学生对计算机软件理论知识缺乏自己独立的理解，也缺乏软件的意识，进而制约了学生创新能力的培养，而学生也对这门课程无感。为了让文科学生加强对计算机的认识，在计算机软件理论知识课上，教师一定要适当的将理论与实践相结合。
1.3创新实训。
为了让学生更好的消化掉理论知识课程，教师在进行计算机软件教学时，应当提高学生的实践创新能力，以便让学生懂得如何将理论知识应用。计算机软件主要分为系统软件和应用软件两者。其中办公软件有WPS、Word等，信息管理软件则主要有AutoCAD等软件。不过在生活中，教育和娱乐类的软件比较受学生喜欢，也很贴近学生的生活。不管怎么说，教师在实践课上，要充分为学生讲述软件的使用原理和操作过程，并在课堂上安排学生进行操作和训练，给学生布置一些软件学习和创新应用的作业等等，以便能帮助学生消化所学的知识。
1.4开展计算机软件比赛。
为了让学生有点竞争感，使学生对这门课程更加重视，教师可以为学生们开展一系列计算机软件类比赛。教师不一定要拉动全院的人参加，在班上举行即可。比赛的内容可以是图像编辑大赛、影视海报制作大赛、明信片设计大赛、影像剪辑大赛等等。让学生在适当的压力下，将自己所学的计算机软件理论知识发挥出来，并从中得到更多的经验。
二、结论
关键词：计算机基础教育；创新能力；培养
中图分类号：G712文献标识码：B文章编号：1002-7661（2015）19-091-01
我国社会科技化进程逐渐加快，计算机基础教育是科技在社会中普及的前提。计算机基础教育无论在中小学教育中还是在社会群体教育中，都占据着重要的地位。而在计算机基础教育中培养创新能力，是科技创新的初级阶段，为此，下文就计算机基础教育的现状，提出创新能力培养的策略。
一、计算机基础课程特点
1、知识逻辑性强
计算机知识本身具有一定的逻辑性，在学习与掌握程序设计方法的过程，就是一个逻辑思维训练的过程。在进行计算机基础课程教学中，通过简单的程序教学，就能够在一定程度上提高学生思维的灵活性，打破学生消极的思定式。由此可见，计算机基础知识的学习与培养与创新思维能力养成具有较大的联系[1]。
2、实践性较强
计算机基础教学与其它学科有较大的不同，其它学科理论性较强，学生在接收大量的理论知识后不能得到及时的实践练习，导致知识理解不深入。而计算基础教学则不同，其教学过程就是在实践中总结出理论知识，理论在得以深化的过程中，实现了理论知识与实践相结合。学生在学习的过程中，能够迅速掌握理论知识，在知识的树立运用中实现创新。
3、应用领域广泛
科技不断发展，学科之间实现了知识的相互渗透，计算机基础学科能够在各个学科之间实现相互连通，应用领域比较广泛。例如，在语文学科中教师通过办公软件进行教学，通过PPT制作课堂演示文稿等。学科之间的相互渗透不仅能够拓宽学生的知识面，还能培养发散思维[2]。
二、创新能力培养在计算机基础教育的途径探索
1、教育理念与教学模式的创新
创新在教育中应用的目的是培养创新型的人才，对于人才的培养，创新教育不可缺少。实现计算机基础教育的创新，需要从教育教学理念上入手，对教育理念进行创新。教育在人才培养上是持续性，是终身的，因此对于人才的创新能力培养也是终身的。在计算机教学中，学生的的创新动力与能力养成来源于对知识学习的兴趣，也就是说兴趣引导知识创新。因此，在实际的计算机基础教育中应该注重以兴趣教学模式引导学生在知识学习中有所思考，实现学习创新。而对于教学模式的创新是科技时展的必然[3]。
传统的教学模式在计算机基础教学中束缚了学生的思想创新，为了顺应时展，创新型的教学模式应该倡导教师与学生在课堂上的沟通与互动。在教学形式上，可以通过网络教育、多媒体教育等多彩方式，培养学生的创新能力。传统的课堂教学中，教师是课堂上的主体，忽视了学生个性化发展，因此，在创新模式下的计算机基础教学中，教师应注意引导与启发学生思考问题，并在课堂上开展计算机基础知识竞赛，实现学生之间的小组合作。
2、教学体系与教学内容的创新
计算机基础在实际教学中重视学生的基础知识积累固然重要，但是一味的在基础知识上下功夫，容易忽视了学生的能力拓展。教师在实际教学中要明晰，学生的能力拓展与创新能力息息相关，学生只有将自身的能力进行拓展，知识面拓宽，才能迸发出新的想法，面对同一个问题时才能另辟蹊径，找寻与一般解决方案不同的方式，这样的过程实际上就是创新。因此说，计算机基础教育中，为了避免学生盲目学习，教师需要从教学体系上入手，建立具有实际应用意义的教育课堂体系，帮助学生掌握基础知识后，引导学生知识创新。而在教学内容上的创新，需要构建计算机基础教育应用型模式，以科技为依托，以实际应用激发学生学习兴趣，进而激发学生的创新思维。例如，开展个人网站设计比赛，通过实际的图片、文字等实际技能处理，开发学生创新思维，利用先进的技术软件，形成示范效应。另外，加大计算机实验室开放力度，通过实验室的资源，帮助学生主体活动设计[4]。
3、创新学生认知结构
学习过程就是认知结构形成、变化和完善的过程，认知结构决定了学习的关键。认知结构具有差异性、整体性以及层次性等特点，良好的认知结构形成有助于学习的正向迁移。在进行计算机基础知识逻辑性教学中，以数进制转换为例，学生在心中形成了十进制和二进制转换的规则认知之后，才能够对八进制、十六机制的规则进行掌握。因此，在计算机基础教学中，应该充分重视学生原有知识的认知水平，然后进行教学设计，并注重培养学生良好的认知结构。在认知结构培养中，教学方法是关键，由于计算机基础课程中对实践学习比较重视，因此，我们要结合计算机基础教育教学的特点，通过激发学生创新意识、提高学习积极性的方式，实现认知结构形成。
结论：综上所述，计算机基础课程教学的意义在于创新。那么如何培养学生的创新能力，是摆在身处教育第一线的计算机基础教学教师面前的难题。同时创新能力培养也是教育界最为重视的课题之一。因此说，在计算机基础教育中研究创新能力培养具有重大的现实意义。为此，本文以创新理念为指导思想，提出了计算机基础课程创新教学的策略。
参考文献：
[1]姬朝阳，赵纪涛.公共计算机基础教育与创新能力培养探讨[J].教育与职业，2010，18：133-135.
[2]杨建磊.关于我国大学计算机基础课程教学中“计算思维能力培养”的研究[D].兰州大学，2014.
关键词：计算机；系统论；辩证法；
中图分类号：S951.2文献标识码：A
由于世界处于普遍联系和永恒发展之中，因此辩证法和系统论是人们认识世界和改造世界的一个重要的思想武器。作为人类智慧结晶的计算机科学，凝聚大量的系统论和辩证法的思想。无论是发明者还是后来的使用者，在使用计算机的时候，都在自觉或不自觉的体现这一理论。
在计算机相关专业的教学活动中，存在着重部分，轻整体等片面等违反系统论和辩证法的现象。这种现象的出现，主要是因为没有宏观的方法论来进行指导。国内已经有一些学者将系统论、辩证法以及计算机科学技术结合起来，对计算机科学与技术中的问题进行阐述。赵致琢等在计算科学导论中阐述了计算科学的意义、内容和方法，具体包括：什么是计算科学，计算科学发展主线和学科的基本问题，并将其应用于计算科学的教学计划和课程体系制定。董荣胜等阐述了计算学科中各主要领域发展的基本规律，揭示了各领域之间的内在联系，有助于人们对计算学科的深入理解。周长林等在操作系统课程中从最一般意义上给出了操作系统的基本理论，指出了资源共享和进程并发是操作系统的两个基本特性，操作系统的所有内容都是围绕资源和进程展开的。陈次白等应用对立统一思想分析了计算机科学与技术中存在的时间与空间、静态与动态、绝对与相对等问题。
本文将系统论与辩证法引入到计算机科学与技术中，用辩证观点解释计算机中的相关问题。
1唯物辩证法的主要观点
1.1唯物论
为物论认为，世界的本质是物质的。物质决定意识，意识对物质具有能动的反作用。物质处于永恒的运动之中，运动是绝对的、无条件的，静止是相对的、有条件的。时间和空间是运动著的物质的存在形式。
1.2唯物的辩证法
唯物的辩证法认为世界处于普遍联系和永恒发展之中。对立统一规律、质量互变规律和否定之否定规律是辩证法的基本规律。包括现象和本质、内容和形式、原因和结果、可能性和现实性、偶然性和必然性等若干个范畴。
1.3认识论
唯物主义认识论认为理论来源于实践，实践是理论的基础，相反理论可以指导实践。认识分为感性认识和理性认识，感性认识是理性认识的基础，理性认识是感性认识的升华。
2计算机科学与技术中的系统论与辩证法
2.1软件系统和硬件系统
唯物辩证法认为，物质决定意识，意识对物质具有能动的反作用。而计算机系统是由硬件系统和软件系统两大部分组成。计算机的硬件是看得见摸得着的，相当于物质，而软件是由大量的代码编写出来是思维的成果，软件必须在硬件的基础之上才能够运行，离开了硬件，软件变成了无源之水，无本之木。同样，硬件也离不开软件，没有软件的支持，硬件就无法发挥其应有的性能。硬件在通常的情况下都会给软件留出一定的升级空间，方能软件的更新，而反过来软件的不断升级，对硬件的要求也在不断的提高，促使硬件的更新换代。这样二者相互依存、相互制约，在总体上处于一种动态的平衡之中。
冯诺依曼模型是现代计算机硬件系统的鼻祖。它确立计算机系统由主机、输入系统和输出系统构成，并且一直沿用到今天。这个设计是系统论思想的生动体现。而确立计算机软件系统的图灵，在本质是就是确定了1和0这两个二进制的代码作为计算机的语言。1代表开，0代表关，这两者既互相对立，有互相统一，最终构成了计算机语言的最基本的单位。1和0是计算机语言的基础和本质，而我们通过显示器所看到的各种文字、动画以及听到的各种声音都是一种现象。不论多么逼真的动画，它在本质上就是有无数的1和0通过不同的排列而构成的。
2.2操作系统
操作系统对于计算机来说就像是一个管家，或者说是灵魂。它通过对硬件进行协调和调用，起到连接硬件和软件之间桥梁的作用。由于整个硬件资源在总体上是有限的，操作系统便充分发挥资源共享和进程并发的两个最基本的作用。当运行应用软件时，操作系统经过计算，在保障硬件性能得到最大程度发挥的前提下对软件发出的资源请求进行协调、分配。
时间要素和空间要素是操作系统正确运行的前提。在操作系统中，时间与空间往往是互相结合的。在计算机中，时间和空间是相互转化的，如虚拟存储技术在内存不足的情况下将内存中的内容写入硬盘，这是典型的利用时间换取空间的方法。通过虚拟储存技术，内存的逻辑容量大大的增加了，但四同样的，这是以牺牲存储时间为代价获得的，但是这可以使超出内存容量的应用程序得以运行。相反，缓冲区技术就是利用空间换取时间，通过在存储区上设置一部分的存储空间作为缓存区，这样可以使设备的读取和写入速度大大的提升，从而节省大量的时间。
2.3程序设计语言和算法
计算机算法是通过程序语言的来实现的。而程序自身的运行是无法脱离时间和空间而独立存在的。在程序语言中，其中一个重要的因素就是语言变量。例如在C语言中，包含自动和静态两种变量，它们都有各自的生存时间和作用范围。在编写结构化程序的时候，往往将复杂的程序执行过程逐步的细化。在结构化程序总，最基本的组成要素就是函数。函数可以被看成是一个系统，函数参数表是函数与外部联系的路径，参数本身就是一个输入的过程。函数的返回值就是函数进行输出的过程。函数体自身就是控制。
类和对象是面向对象程序设计中的两个最基本的观念。类和对象是抽象和具体，一般与特殊的关系。对象是组成程序的基本要素，而对象之间本来就存在着联系，只有对象之间的相互作用，最终才能求出最优解。这是普遍联系这是唯物辨证法思想的生动体现。
想要获得问题正确的结果，关键在于算法。正确只是算法的一个最基本的要求，除此之外，一个优秀的算法还要有时间和空间复杂度小的优点。比较小的空间复杂度一般需要比较大的时间复杂度，反之亦然。总之，在设计算法时要根据实际情况综合考虑时空关系，使设计的算法达到最优。
有些复杂的问题，在解决的时候需要递归程序设计。在求解问题的时候，递归程序利用问题自身整体与部分的某些相似的特性，反复进行调用，可以节省大量系统资源与时间。面向对象程序设计和结构化程序设计相互补充，而并非是一种对立的关系。前者是在继承后者的基础进行的发展，同样后者是对前者的基础。结构化程序设计是面向对象程序设计的最终落脚点和归宿。
3结语
本文采用马克思主义哲学观点分析和阐述了计算机科学与技术中存在的系统论和辩证法等规律，涵盖了计算机硬件、操作系统、程序设计语言、计算机网络与计算机发展等各方面。将上述规律应用于计算机专业的教学和培养方案的制定，取得了良好的效果。计算机科学与技术将继续迅猛发展，但万变不离其宗，采用系统论与辩证法分析计算机发展中出现的新问题、新技术仍会得到有意义的结论。
参考文献
[1]桂起权,任晓明.计算机科学哲学的核心理念[J].淮阴师范学院学报(哲学社会科学版),2010,(01).
摘要：本文就笔者在“算法设计与分析”课程中的教学改革实践对理论与技术的平衡问题提出了一些看法，并结合近期在学生中所作的调查统计提出了一些观点。
关键词：算法设计；算法分析；实践环节
中图分类号：G642
文献标识码：B
“算法设计与分析”近年来在很多院校的本科阶段开设，体现计算学科以算法为主要研究内容的学科目标。算法研究的是解决计算问题的操作序列，早在计算机技术发明之前，人们就对算法作了大量的研究。在本科阶段开设“算法设计与分析”，就是要使学生通过本课程的学习认识算法的设计与分析对程序设计与程序性能改善的理论指导作用，为今后在职业生涯中开发出具有创新性的应用程序打下良好基础。
基于这一指导思想，在计算机专业本科阶段“算法设计与分析”课程的教学改革就要求我们把握好理论与技术的平衡。如何把握本门课程中理论与技术的平衡，笔者认为需要从如下几个方面加以考虑。
1教学内容
算法课是理论课，它指导的是程序设计的思想和行为。因此，本课程的教学内容以理论为主应是合理的。问题在于对本科阶段的理论深度与广度的把握。首先，从我国普通高校本科阶段数理基础课的教学实际出发，学生掌握的数学知识限于微积分、线性代数、数理统计初步以及不多的离散数学(包括集合论、近世代数、数理逻辑和图论的基本概念)基础知识，远不能达到在理论论证中灵活运用的程度。在算法课程中，无论是算法的设计还是算法的分析，都不能超越这一基础。盲目追求理论严密将会严重挫伤学生的学习积极性。其次，本课程往往开设于高年级阶段，课时少也限制了教学容量。但是，通过有限的理论教学要使学生明白如下几点：
程序设计不能没有理论指导
理论指导下设计的程序更优秀
实际的应用需求将会推动理论的发展
因此，笔者在本课程的教学中在内容上注重以下三个方面：
经典算法设计方法
常用的算法分析方法
算法性能改善对理论研究的要求
2教学模式
很多重点院校，特别是偏重于理论研究的院校开设算法课通常不包含实验环节。但计算学科发展至今，更多的学生走进计算机系学习计算机技术，把算法课作为一门纯理论课来开设，对大多数学生是不利的。以前算法课不含有实践环节的一个可能的原因是技术远落后于理论(数学理论已有近千年的历史，而计算机技术却仅有短短几十年的发展历程)，很多精巧的理论很难用当时的描述工具和运行平台加以实现。今天，我们不但能够用高度抽象的程序设计语言描述复杂的算法，在微型计算机上实现大多数流式算法，很多院校还配置了中小型计算机，让学生可以做并行算法的实验。所以，现在我们已经有了验证理论的物质条件，就应当把算法课的课堂扩展到实验室去。
应当认识到，为算法课增添适当课时的实验环节不但是可行的也是必要的。这首先要从教学目标出发，我们培养的是今后从事计算机软硬件开发制造和计算机技术应用的工程技术人才，学习算法就是要培养他们能用正确的理论指导创新开发的实践。其次，通过实验，让学生知道现有技术可能还不足以实现理论上已有的成果，引导学生思考明天可能的技术改进或理论创新。笔者所在学校将算法课的教学模式设置为3：1的理论与实践教学学时比。课堂教学以理论阐述论证为主，实验课实现算法并验证算法的效率。笔者最近在学生中作了一个问卷调查，调查了如下问题：
对你而言“算法设计与分析”课程对提高程序设计技术的水平________________。
回答“没有什么帮助”占3%，回答“有一点帮助”占23%，回答“有较大帮助”占47%，回答“有很大帮助”28%。
对你而言学习“算法设计与分析”课程的最大好处在于_______________。
回答“深入学习程序设计语言”的占20%，回答“深入学习数据结构”的占23%，回答“提高程序设计能力”的占56%。
这说明大多数学生认为算法课确实能提高他们的程序设计能力。
3实验课的设计
笔者认为，在实验课中将课堂讨论的理论加以验证，加深对理论的理解仅仅是实验课最基本的任务。绝大多数学生必须保质保量地完成这一任务。但是，我们从调查问卷中对如下问题的统计数据中却看到一个很让人担心的情况：
你认为学习“算法设计与分析”课程的最大困难在于___________________。
回答“听课理解”的占5%，回答“阅读理解”的占26%，回答“习题练习”的占17%，回答“算法实现”的占53%。
也就是说，半数以上的学生认为用他们在一、二年级所学的程序设计技能来实现已有的算法有困难。认真想来这也符合规律：一、二年级学习的是程序设计语言和基本的数据结构，学生没有充分体验到用语言和数据来设计解决问题的算法进而开发出能实际运行的程序的问题。所以，算法课的实践环节对工科学生来说，不仅是必要的，还是必须的。算法课增添实验环节既能让学生验证理论，还能在低年级所学的程序设计基础上提高程序设计开发的能力。
然而笔者认为，仅仅停留在算法的验证上还是不够的。当今的程序设计技术日新月异，利用当前的新技术实现并应用经典算法，使学生能够跟上技术发展的步伐，增强就业竞争力应当是我们在“算法设计与分析”课程中加入实验环节的另一个重要着眼点。利用诸如模板、仿函数、迭代子、对象合成等程序设计模式将实现的算法拓展成通用的函数库或类库，以此方式在实验中让学生自己掌握在高级程序设计语言课程中由于学时限制未曾深入研习的程序设计技术，从而切实地提高程序设计能力。
普通工科院校计算机专业的学生学习算法的设计与分析的最重要的目标，应当是其在程序开发中的应用。实验内容应该包含应用。笔者认为ACM/ICPC(国际大学生程序设计竞赛)历年来的题目很好地反映了算法设计与分析技巧在程序设计中的应用意义。笔者尝试着在本课程的实验中让有能力的学生研习一些这方面的题目，效果在一部分学生中是显著的。
总之，计算机教育工作者都在思考计算学科教育的本质以及如何提高本学科的教学质量。理论与技术的平衡是这场思考中的一个重要主题。厦门大学的赵致琢教授曾经指出“理论与实践相结合，理论与实践的统一是计算科学发展中最重要的特点之一。”因此，在教学中如何凸显本学科的这一特点，是每一门课程的教师应当认真思考并努力实践的。
参考文献
[1]中国计算机科学与技术学科教程2002研究组.中国计算机科学与技术学科教程2002[M].北京:清华大学出版社,2002.
[2]钱能.C++程序设计教程(第二版)[M].北京:清华大学出版社,2005.
关键词：计算机；科学与技术；方法论
在计算领域中认识指的是抽象过程（感性认识）和理论过程（理性认识），实践指的是学科中的设计过程。抽象、理论和设计是具有方法论意义的三个过程，这三个过程是科学技术方法论中最重要的研究内容。从认识论的角度来看，学科的基本内容包含在抽象、理论和设计三个过程（或形态）之中，不仅如此，也正是因为它们之间的相互作用，促进了学科的发展。
一、计算学科中的抽象、理论和设计及其内在联系
方法论在层次上有哲学方法论、一般科学技术方法论、具体科学技术方法论之分，它们相互依存、互为作用。在一般科学技术方法论中，抽象、理论和设计是其研究的主要内容。以下我们以一般科学技术方法论为指导，阐述计算学科中的抽象、理论和设计内容。
（一）学科的抽象形态
在科学技术方法论中，科学抽象是指在思维中对同类事物去除其现象的、次要的方面，抽取其共同的、主要的方面，从而做到从个别中把握一般，从现象中把握本质的认知过程和思维方法。科学抽象的成果有：科学概念、科学符号、思想模型等内容。
“Computingasadiscipline”报告认为：理论、抽象和设计是我们从事本领域工作的三种主要形态（Paradigm），或称文化方式，它提供了我们定义学科的条件。第一个学科形态是抽象（按方法论研究的习惯，我们将报告中理论和抽象原来的次序对调），抽象源于实验科学。按客观现象的研究^程，抽象形态包括以下四个步骤的内容：形成假设；建造模型并做出预测；设计实验并收集数据；对结果进行分析。
（二）学科的理论形态
科学认识由感性阶段上升为理性阶段，就形成了科学理论，科学理论是经过实践检验的系统化了的科学知识体系，它是由科学概念、科学原理以及对这些概念、原理的理论论证所组成的体系。
在计算学科中，第二种学科形态是理论，理论源于数学。按统一的合理的理论发展过程，理论形态包含以下四个步骤的内容：表述研究对象的特征（定义和公理）；假设对象之间的基本性质和对象之间可能存在的关系（定理）；确定这些关系是否为真（证明）；结论和解释。
（三）学科的设计形态
在计算学科中，第三个形态是设计，设计源于工程。按为解决某个问题而实现系统或装置的过程来看，设计形态包含以下四个步骤的内容：需求分析；建立规格说明；设计并实现该系统；对系统进行测试与分析。
设计、抽象和理论三个形态针对具体的研究领域均起作用，在具体研究中，就是要在其理论的指导下，运用其抽象工具进行各种设计工作，最终的成果将是计算机的软硬件系统及其相关资料（如，需求说明、规格说明和设计与实现方法说明等）。
设计形态（技术方法）和抽象、理论二个形态（科学方法）具有许多共同的方面。这是因为，设计作为变革、控制和利用自然界的手段，必须以对自然规律的认识为前提（可以是科学形态的认识，也可以是经验形态的认识）；设计要达到变革、控制和利用自然界的目的，必须创造出相应的人工系统和人工条件，还必须认识自然规律在这些人工系统中和人工条件下的具体表现形式。所以，科学认识方法（抽象、理论二个形态），对具有设计形态的技术研究和技术开发是有作用的。但是设计形态毕竟还有其不同于抽象形态和理论形态的特点。其中最主要的是设计形态有更强的实践性；其次，设计形态具有更强的社会性；第三，设计形态具有更强的综合性。
二、三个学科形态的内在联系
理论是数学的根本：应用数学家们认为，科学的进展都是建立在数学基础上的。抽象（建模）是自然科学的根本：科学家们认为，科学的进展过程主要是通过形成假说，然后系统地按照建模过程对假说进行验证和确认取得的。类似地，设计是工程的根本：工程师们认为，工程的进展主要是通过提出问题，并系统地按照设计过程，用建立模型而加以解决的。许多有关数学、科学和工程相对优劣的争论都隐含的基于抽象、理论和设计三个过程中某一个更为更根本的假设。
“Computingasadiscipline”报告认为，更详细的研究揭示出：在计算学科中，“三个过程”是错综复杂地缠绕在一起的，以至于把任何一个作为根本都是不合理的。
当专家们把注意力集中于“三个过程”谁更为根本的时候，学科方法论中的关键问题―抽象、理论和设计三个过程的相互作用被忽视了。不仅如此，在一定程度上还转移了我们的视线，削弱了我们对报告本质的理解，以致“CC2001”任务组不得不承认，与报告密切相关的“CC1991”计划的执行并没有达到预期的效果。
“Computingasadiscipline”报告的实质是学科方法论的思想，其关键问题是―抽象、理论和设计三个过程的相互作用的问题，正是因为它们之间的相互作用，促进了学科的发展。
参考文献：