諸葛越的《未來算法》是一部計算機的科普之作，簡單地講，就是講解計算機是如何工作的。介紹有關“未來算法”的新知識，重點拆解了排序、分類、搜索、遞歸幾大基本的未來算法，講述了數據結構、模式識別、抽象、優化的定義和應用，并提出“計算思維”的新概念。

分解問題是計算思維的核心

計算思維，簡單地說就是計算機怎么解決世界上的問題。拆解復雜問題，直到復雜問題成為可重復的簡單問題。諸葛越表示，計算機解決問題，首先就要拆解。分解問題是把原問題分解成子問題，解子問題，再把子問題的解合成原問題的解。無論多么強大的計算機應用，背后都是把原問題分解成可以解的子問題，只是規模不同。我們生活在一個物理世界里，計算機生活在一個數字世界里。

計算機并不像人一樣理解真實的事物，我們需要把真實的世界表達成它能理解的語言。然后在計算或操作后，它才能在真實世界中把結果展示出來。小到炒雞蛋，大到短視頻推薦和無人駕駛，這些事都是可以用分解問題的方法去拆解的。計算思維是解決復雜問題的思維能力，而分解問題是計算思維的核心，這個過程把一個大問題分解成計算機可以運作的子問題，之后計算機再把子問題隔離開，分別清晰地描述出來，然后逐步用算法解決。

算法是計算機術語，算法就是用一系列簡單確定的操作來完成一項標準任務。算法是計算機用來解決問題的基本單元。因為計算機是一臺機器，它不會猜想，也沒有直覺或者感情，算法的操作必須是清楚的，沒有歧義的，可以嚴格遵從的。算法的第一個重要特性是正確性，也就是它在任何情況下都必須正確。

例如，我們如果用某個算法為孩子排隊，那么不管是對1個孩子，10個孩子，還是100萬個孩子，也不管他們開始是怎么站的，這個算法都要保證最終能夠把所有的孩子排好。算法系統地解決一類問題，而不是解決某個特殊的問題。對同一個問題，往往有多個算法可以解。計算思維關心的是哪個解更快、更好，或者說效率更高。

模式識別，找規律做預測

2020年4月，麻省理工學院的自動識別實驗室研發了一個基于語音的新冠肺炎AI檢測工具Sigma。Sigma可以“聽出”健康人和新冠肺炎患者咳嗽聲的差別，進而區分出用戶是否感染了新型冠狀病毒。這主要運用的就是模式識別算法，具體是怎么做到的呢？首先，在模式識別的第一階段中，模型需要學習分辨咳嗽和不咳嗽的聲紋，通過分類算法來對咳嗽的聲音數據進行分類。

研究小組用眾包的方式向社會開放搜集和獲取數據，請新冠肺炎患者通過社交媒體渠道提交錄音。錄音的要求是時長12秒的咳嗽聲、數字從0到9或拉長的語氣詞“嗯”。接下來，研究人員利用這些數據，借助主成分分析方法制作出一個圖表，對健康人的咳嗽聲和新冠肺炎患者的咳嗽聲分別進行了聚類分析，提取兩種咳嗽聲的特征。經過模式識別后，Sma模型能夠主動區分出這兩類聲音。然后，研究小組根據實時訓練數據同步更新模型。

2020年11月公布的結果顯示，這個工具能識別與新冠肺炎特有的4個特征相關的咳嗽差異：肌肉是否退化、聲帶強度、情緒、呼吸和肺功能。結果表明，該AI模型識別出新冠肺炎患者的準確率為98.5%，識別出無癥狀感染者的準確率為100%。

諸葛越總結道：模式識別是在不同的認識事物的過程中找到共同的規律，找到了以后，這些規律抽象出來就可以重復操作。計算機做的很大一部分事都是在現有的數據中找規律。找到規律，就可以對未來可能出現的現象做出預測。對經濟規律的預測，包括對股市的預測，都是最典型的模式識別案例。諸葛越認為，醫生看病也是最典型的模式識別。根據所有癥狀的組合，根據病史、發現模式，做出是什么病癥的判斷。越有經驗的醫生，模式識別能力越強，判斷力越好。AI技術基本上就是基于大量數據的模式識別。