科学家和工程师要学编程吗?

有人说，现在所有科学都在迅速变成所谓的“数据科学”。如今的研究人员，不论来自理工农医、甚至是人文学科，都要从巨量数据中找到可用之物，并将它们转化成有价值的东西。而用计算机离不开程序，大数据技术解决不了各门各类的数据分析问题。那么，是不是所有学科的科学家、所有工程领域的工程师都要学会编程呢？

近代的科学家和工程师在计算机上花的时间越来越多。譬如海洋学、机械工程，高科技的船上，机械零件的装配，水下传感器数据的收集，都离不开计算机。一个海洋工作者也许在海里的时间只占5%，95%的时间在计算机前从数据中清理、格式转换、处理、提取他的观察、验证他的猜想。对于其他领域，像天文学、生物学、物理学、航空工程师、经济学者、遗传学者、生态学家、环境工程师、神经系统科学家，所有这些科学家和工程师都要从数据中处理、分析和提取他们的观察，或者说是验证他们的假设。他们无法回到中学或大学去重新学编程。这问题怎么解决？我曾谈到计算机操作系统理念的改变，每一种应用都有一个APP，用户不必去考虑系统是怎么调度和运作这些资源的，系统就给你提供这些服务。对于一般用户，这已经足够了。但对于科学家和工程师的专业工作，这是不够的。

科学家和工程师学会编程有许多好处，有时甚至是必需。他们不可避免地要面对许多事务性的工作，譬如清理和集成数据，如果用程序，比手动至少提高工作效率10倍。当然，大牛、老板也许不需要自己动手，这样就离开了科研第一线，但是，可能失去某些发现和创新的机会。计算机帮你不是简单地使用工具和数据库，那些人人都会做。如果你写一个程序从新的数据源获取数据；清理、格式转换、集成已有数据；进行用原有工具做不到的更复杂的分析；你可能发现新的东西。而且，知道怎么编程使你更有效地与你实验室的程序员进行交流，更有针对性的指导学生。你究竟不是软件专业的人士，但是，你懂得编程，与他们的共同语言就多了。如果你能告诉他编什么样的程序可以帮助解决你的技术问题，譬如在并行计算机上进行计算，也许比你自己解决要快100倍。所以，科学家和工程师学会编程是有必要的。

现在科学家和工程师已经学会了某些编程，譬如Excel，MATLAB, Mathematica, LabVIEW。但是，针对你一个特定的问题，可能数据格式不匹配、某些数据需要取舍、要在一幅图上找特定条件的点、输出要求某些特殊的格式，等等，诸如此类的需求可能需要你自己编程序。编程是一种生产力。谁学习得越多，他就越有竞争力。未来有一天，编程也许会像现在算整数一样普通。从计算机专业人员的角度讲，我们必须创造终端用户编程工具，使他们在不知道是在编程的情况下编程。当然，让每人都像软件工程师一样是不可能的。理想地，希望用户界面和工具让使用者并不感觉是在编程。

通用编程技巧在一般的数据处理编程中都有了。只有一些特定的工具对于特定问题比较好用。譬如Excel，即使对于财务分析师，可能还需要用SQL。这对他们，可能要求太高。不管怎样，编程工具总有许多与需求不匹配的地方。终端用户编程工具应该让使用者并不感到是在编程。但现在，科学家懂得编程比只会使用工具要好。譬如Excel已经是一个很有力的工具，现在类似的东西可以做曲面积分或几何证明或在纸上画散点图。需求就是动力，即便对那些有统计学和相关数学背景的人相对容易一些，其他学科的研究人员也能够在一段合理的时间内，学会处理大量数据所需要的技能。

如果是选课，编程的MIT大学课程也不难，一般40小时授课，120小时作业，5个课程也就5X160=800小时，一个学期，足可熟练使用MATLAB/Maple/Mathematica/ C++。在计算机系找一些选修课程，可以帮助研究人员获得自己需要的技术，但许多科学家发现，这并不是最有效率的学习方法。一个对他们学科领域有足够了解的编程教员，授课的效果要好得多。“软件工坊”（Software Carpentry）正是这样的一个机构。它提供这样专业的编程教员，提供各种用途的软件工坊。过去15年里一直致力于帮助科学家开发更好用的软件。有这样一个故事：朱莉·梅西尔（Julie Messier）是亚利桑那大学研四的学生，她在加拿大一个北温带森林保护区测量了25个物种，超过400棵树木的35 个不同指标。为了完成论文，她必须用到编程和统计学的技术，对这片巨大的数据网络进行分析。她在犹他大学找到了一门一学期的课程——“生物学家的编程课”。这正是她需要的，但犹他州路途遥远，课也没有在网络上公开。授课教师伊桑·怀特（Ethan White）建议梅西尔到自己志愿工作的“软件工坊”去。意识到系里好多人和她有相同的需求，梅西尔在图森的自家校园里组织了一个为期两天的编程突击营，帮她学习为自己的问题编程。

科学家和工程师利用已有工具进行简单的编程，应该像过去使用计算尺一样熟练和普通，才能得心应手，运用自如。