2016 年蓋洛普民意測驗(Gallup poll)調(diào)查發(fā)現(xiàn)，在美國，大多數(shù)學(xué)校希望開始教授編程，且 66% 的美國基礎(chǔ)教育(簡稱 K-12 教育)學(xué)校的校長認(rèn)為，非計算機專業(yè)的學(xué)生也應(yīng)該考慮學(xué)習(xí)計算機科學(xué)。

大多數(shù)歐洲國家都在學(xué)校課程中增設(shè)了編程課和計算機科學(xué)，其中法國和西班牙早在 2015 年就開設(shè)了這些課程。很顯然，在這樣高速增長的勢頭之下，新生代程序員持續(xù)涌現(xiàn)，預(yù)計會將全球開發(fā)人員的規(guī)模從 2019 年的 2390 萬增加到 2024 年的 2870 萬。

而在中國，編程教育有多火熱就更不用贅述了，“內(nèi)卷” 這個詞便被頻頻用來形容該領(lǐng)域。

盡管各行各業(yè)在編程的教育上做了如此多的努力，但對于如何教授編程仍然存在一些困惑。

比如說，我們至今都沒搞明白，它究竟更像一種語言，還是更像數(shù)學(xué)?

尤其從腦科學(xué)的角度來看，計算機編程是一種新穎的認(rèn)知工具，已經(jīng)改變了現(xiàn)代社會。哪些認(rèn)知和神經(jīng)機制支持這項技能?

這個問題至關(guān)重要，因為它將決定著我們的傳授該領(lǐng)域知識的方式應(yīng)該遵循怎樣的底層方法。

正如麻省理工學(xué)院的神經(jīng)科學(xué)家安娜・伊萬諾娃(Anna Ivanova)所說：“我們有興趣探討語言和計算機編程之間的關(guān)系，部分原因在于，計算機編程是一個新的發(fā)明，我們知道不可能有任何結(jié)構(gòu)上的硬件機制(hardwired mechanisms)讓我們成為優(yōu)秀的程序員。”

安娜・伊萬諾娃也和她的同事進行了一項新的研究，嘗試通過觀察受試者在閱讀 Python 代碼時的大腦活動，來回答這個問題。

編程語言本質(zhì)是什么?兩種不同的解答

目前，針對上述疑問，存在兩種思想流派 ——“語言派” 和 “數(shù)學(xué)派”。

其中，較為流行的觀點是，編程是一種語言，必須遵循自己的語法規(guī)則和語義規(guī)則。畢竟，它們被稱為編程語言是有原因的。

在某些方面，學(xué)習(xí)計算機編程也與學(xué)習(xí)新語言相似。它要求學(xué)習(xí)新的符號和術(shù)語，必須正確組織這些符號和術(shù)語以指導(dǎo)計算機該怎么做。計算機代碼還必須足夠清晰，以便其他程序員可以閱讀和理解。

因此，依附于該觀點之下，還有一個頗為時髦的縮寫：CAL, Coding as Another Language。

而與之對立的是，有些人認(rèn)為編程更像是學(xué)習(xí)數(shù)學(xué)中的邏輯，即借助公式和算法來創(chuàng)建輸入和輸出。

究竟哪種方法更貼近真理?自編程進入到教育體系以來，爭論就從未休止，但目前看來，“語言派” 顯然已占據(jù)上風(fēng)。

比如說，在美國德克薩斯州(Texas)、俄克拉何馬州(Oklahoma)和喬治亞州(Georgia)的法律均允許高中生選修計算機科學(xué)課程，以完成他們的外語學(xué)分。

但這場辯論對神經(jīng)科學(xué)家似乎有著特殊的意義：由于計算機編程才出現(xiàn)了幾十年，大腦還沒有進化出任何特殊的區(qū)域來對其進行處理，所它必須重新利用大腦中通常用來處理其他事情的區(qū)域。

.因此，就在去年年底，麻省理工學(xué)院(MIT, Massachusetts Institute of Technology)的神經(jīng)科學(xué)家試圖觀察人們在處理計算機編程時會用到大腦的哪些區(qū)域和所對應(yīng)的功能系統(tǒng)。

他們認(rèn)為，“解釋計算機代碼的能力是一種非凡的認(rèn)知技能，與包括一般執(zhí)行功能、數(shù)學(xué)、邏輯和語言在內(nèi)的不同認(rèn)知領(lǐng)域有著相似之處。”

考慮到一個人成年后可以學(xué)會編程的事實，它一定是依賴于我們大腦中某些預(yù)先存在的認(rèn)知系統(tǒng)。

由此看來，以下兩個大腦系統(tǒng)似乎是可能的 “候選者”：要么是大腦的語言系統(tǒng)，要么是處理復(fù)雜認(rèn)知任務(wù)的系統(tǒng)，如解決數(shù)學(xué)問題或填字游戲的 “多需求網(wǎng)絡(luò)”(multiple demand network)。

大腦中的編程

在這支 MIT 團隊的實驗中，研究人員要求精通代碼的參與者躺在磁共振功能成像(fMRI, Functional Magnetic Resonance Imaging)機器中，以方便測量他們的大腦活動，規(guī)則是要求被試者閱讀編程問題并預(yù)測輸出答案。

在這項研究中使用的兩種編程語言是以 “可讀性”(readability)著稱的 Python 和 ScratchJr。其中，后者是以符號為基礎(chǔ)，專門為兒童開發(fā)的語言，以便尚未學(xué)會閱讀的兒童也可以使用它。

首先，研究的主要任務(wù)包括給定一個人的身高和體重參數(shù)，讓參與者計算一個人的身體質(zhì)量指數(shù)(BMI, Body Mass Index)。

實驗中的代碼示例和難題

這個問題要么以 Python 風(fēng)格的代碼的形式呈現(xiàn)，要么以普通句子的形式呈現(xiàn)。類似地，ScratchJr 也采用了同樣的方法，只是參與者被要求去追蹤小貓走路和跳躍時的位置。

其次，研究的控制任務(wù)包括兩項：其一記住網(wǎng)格上的一系列方塊，以激活參與者的多重需求系統(tǒng);其二閱讀一個正常和一個無意義的句子，以激活他們的語言系統(tǒng)。

最后，研究結(jié)果表明，當(dāng)參與者在閱讀代碼時，大腦的語言部分反應(yīng)微弱，論文作者認(rèn)為，這很可能是在整個過程中未涉及口語和聽力的原因。相反地，這些任務(wù)主要由多需求網(wǎng)絡(luò)處理。

具體來說，多需求網(wǎng)絡(luò)分布在我們大腦的額葉(frontal lobes)和頂葉(parietal lobes)，它主要負(fù)責(zé)處理復(fù)雜繁重的心理任務(wù)，即日常生活中我們需要努力思考的部分。

該網(wǎng)絡(luò)大致可以分為負(fù)責(zé)邏輯的左側(cè)部分和主管抽象思維的右側(cè)部分。此外，MIT 的研究人員發(fā)現(xiàn)，閱讀 Python 代碼似乎可以同時激活多需求網(wǎng)絡(luò)的左、右兩側(cè)，而在 ScratchJr 語言的實驗中則顯示，相對于左側(cè)來說，右側(cè)激活的比例更大。

他們寫道：“我們發(fā)現(xiàn)，盡管代碼和自然語言之間有許多相似之處，但語言系統(tǒng)在代碼理解過程中的反應(yīng)并不一致。”

編程似乎進化出了新的處理網(wǎng)絡(luò)

有趣的是，解碼過程激活了多需求網(wǎng)絡(luò)的部分，而這些部分在解決數(shù)學(xué)問題時沒有被激活，因此，大腦并沒有把它當(dāng)作語言或邏輯來處理，它更像是自己獨立的一個部分。

盡管閱讀計算機代碼可以激活多需求網(wǎng)絡(luò)，但與數(shù)學(xué)或邏輯問題相比，它似乎更多地依賴于網(wǎng)絡(luò)的不同部分，這表明編程并不能精確地復(fù)制數(shù)學(xué)的認(rèn)知需求。

“這些發(fā)現(xiàn)表明，大腦將編碼視為一個獨特而復(fù)雜的過程。理解計算機代碼似乎是獨立的事件。它和語言不一樣，和數(shù)學(xué)和邏輯也不一樣……”，麻省理工學(xué)院研究生、該研究的主要作者安娜・伊萬諾娃說。

同時作者指出，這并不排除經(jīng)驗豐富的程序員可能有專門用于編碼的大腦區(qū)域的可能性。

去年，日本神經(jīng)科學(xué)家做的另一項實驗，支持解釋了計算機代碼所涉及的大腦獨特過程。

在那項研究中，分別向新手級、經(jīng)驗級和專家級程序員展示代碼片段，與此同時，他們需要躺在 fMRI 中完成將這些代碼片段分類到四種類型算法的任務(wù)。

正如預(yù)期的那樣，具有更高技能的程序員可以更好地分類代碼片段。

不過，研究人員還發(fā)現(xiàn)，與自然語言處理(natural language processing)、情景記憶檢索(episodic memory retrieval)和注意力控制(attention control)相關(guān)的大腦區(qū)域的活動，也隨著程序員的技能水平而加強。

由此看來，雖然編程與語言的相似性并非我們想象的那樣，但兩者似乎都是越早學(xué)越受益。