Rust | Tony Bai

标签 Rust 下的文章

认知负荷对编程语言选择和学习的影响

十月 24, 2024
0 条评论

本文永久链接 – https://tonybai.com/2024/10/24/cognitive-load-impact-on-programming-language-choice-and-study

在《Go语言精进之路：从新手到高手的编程思想、方法和技巧》两卷书出版后，我收到了一些读者的反馈。其中一位读者提到：“为什么作者如此偏爱使用心智负担这个词？”当时我对此并未给予太多关注。然而，近期我阅读了一些关于认知心理学和脑科学的著作后，才意识到读者的反馈不仅仅是对该词频繁使用的关注，更可能暗示了用词不当的问题。

“心智负担”（Mental Load）指的是在处理多任务或日常生活安排时所需耗费的心理资源和精力，包括记忆、计划、组织以及应对各种任务所带来的精神压力。然而，在学习、思考和理解的情境中，特别是在编程语言的学习中，使用“认知负荷”（Cognitive Load）这一术语可能更为恰当。

认知负荷理论最初由澳大利亚新南威尔士大学的认知心理学家约翰·斯威勒(John Sweller)于1988年首先提出来的，旨在解释学习过程中的认知资源分配。认知负荷是指在学习、思考或解决问题时，大脑在处理信息和执行任务时所承受的负担。在选择编程语言时，认知负荷是一个至关重要的因素，指的是人们在学习和使用某种编程语言时，为理解语法、掌握工具和解决问题所需付出的心理负担和精力。

那么，在面对众多主流编程语言时，在不考虑市场需求与公司或组织强制学习的情况下，认知负荷究竟如何影响开发人员对编程语言的选择呢？在这篇文章中，我将进行一些不那么严谨，也非专业的粗略探讨，希望能够为大家带来一些启发。

1. 认知负荷在编程语言中的体现

认知负荷理论发展到今天，其总体被分为三种类型：

内在认知负荷(Intrinsic Cognitive Load)

内在认知负荷，也称为固有负荷，是由学习材料本身的复杂性所决定的，它与学习任务的本质和内容密切相关。例如，编程语言的语法规则、数据类型、内存管理和并发模型等都是内在负荷的一部分。学习这些概念的难易程度主要取决于编程语言本身的设计和复杂度。

外在认知负荷(Extraneous Cognitive Load)

外在负荷是由学习环境和教学方式引起的负担，通常是由于无关信息或低效的学习方法造成的。比如，配置开发环境、学习非必要的工具或被复杂的IDE界面困扰，都可能增加外在负荷。在编程语言学习中，清晰的文档和易于理解的教程可以显著减少外在负荷。

虽然外在负荷不是由编程语言语法本身决定的，但它会影响新手的学习体验。如果学习资源和工具太复杂或不直观，即使是简单的编程语言也会让人感到困难。

相关认知负荷(Germane Cognitive Load)

相关认知负荷是指学习过程中专门用于理解、整合和构建知识结构的认知努力。它与思维加工、模式识别、知识内化等过程有关。在编程中，相关认知负荷指的是学习者在掌握编程思想、设计模式和编程习惯时所付出的努力。例如，理解如何在实际项目中应用编程概念，如何优化代码设计，以及如何解决编程中的复杂问题，这些过程都会增加相关认知负荷。这种负担是积极的，因为它有助于深入理解和长期记忆。

下面这张图来自网络，可以帮助我们进一步理解三类认知负荷(只是出发点来自教学角度)：

由此可见，对于新手来说，学习一门编程语言时，外在认知负荷是第一道门槛，它决定了是否能坚持学习，还是选择“Hello and Bye”；内在认知负荷则是基础，是核心；相关认知负荷则是进阶挑战，决定了可以达到的高度。

接下来，我们将针对一些主流编程语言，沿着新手入门学习编程语言的认知负荷先后顺序进行粗略对比。希望这能为大家提供在编程语言选择方面的有用信息，同时帮助不同阶段的学习者针对各自的认知负荷水平做好心理准备。

2. 主流编程语言的认知负荷对比

在探讨主流编程语言的认知负荷时，我们需要从外在认知负荷、内在认知负荷以及相关认知负荷这三个维度进行深入分析。这种分析不仅能帮助我们理解不同语言的特点，更能为选择合适的编程语言提供参考依据。

注：笔者是后端程序员出身，对前端语言比如Javascript、Typescript等了解有限，因此这里将使用像Go、Rust、C++等主流后端语言作为分析和对比的参考对象。

2.1 外在认知负荷的影响

在编程语言学习的初始阶段，外在认知负荷往往是最先遇到的挑战。

Python在这方面表现出色，它简单的环境搭建流程让初学者能够快速开始编程之旅。只需安装一个解释器，新手就能立即开始编写代码。虽然在使用pip管理依赖时可能遇到一些包冲突的问题，但整体来说，在环境搭建、工具使用等外在认知负荷方面对初学者相当友好。

Go语言同样提供了令人称道的开发体验。它的工具链安装过程直观明了，跨平台支持也十分完善。特别值得一提的是，自从Go 1.11引入go modules以来，依赖管理变得更加自动化和直观。虽然对新手来说，理解版本控制可能需要一些时间。此外，Go团队也给出了Go项目布局的官方建议，为开发者进行代码组织提供了清晰的参考。

相比之下，C++的环境搭建则显得较为复杂。开发者需要安装编译器，配置IDE，这些步骤对新手来说都构成了不小的挑战。加上缺乏统一的包管理工具（尽管vcpkg和conan等工具正在改变这一现状），以及灵活但缺乏标准的项目结构，都让C++的外在认知负荷明显高于其他语言。

Rust通过其官方工具链安装工具rustup提供了相对简便的环境搭建方式。它的Cargo包管理器集成度高，使用便捷，而且项目结构的标准化程度高，这些特点都有效降低了外在认知负荷。

Java则介于两个极端之间。它需要安装JDK并配置环境变量(如JAVA_HOME、CLASS_PATH等)，这个过程对新手来说可能有些繁琐。虽然Maven和Gradle这样的依赖管理工具功能强大，但学习曲线较陡峭。不过，Java严格的项目布局规范在初期可能显得死板，但从长远来看反而有助于培养良好的工程习惯。

过了环境安装、工具使用和项目布局这些“外在认知负荷”的关卡后，语言自身的复杂性便会成为新手面前的更大的挑战。

2.2 内在认知负荷考量

谈到语言本身的复杂性，Python的设计理念“简单胜于复杂”使其成为认知负荷最低的选择之一。它的语法接近自然语言，几乎不需要特别的学习就能读懂基本的代码结构。这种简洁性使得Python特别适合编程初学者，以至于主流的儿童编程教学大多使用Python(当然一些启蒙教学使用的是scratch)。

Go语言同样以简洁著称，它的语法设计注重一致性和可读性。虽然保留了指针这样的底层特性，可能会让某些初学者感到困惑，但整体而言，Go的学习曲线相当平缓。值得注意的是，Go 1.18引入泛型后，虽然提升了语言的表达能力，但也增加了一定的复杂性。至于Go是否适合作为从零开始编程的新手，也是见仁见智。

C++的内在认知负荷则明显较高。它支持多种编程范式，包括面向过程、面向对象、模板编程等，这些范式和特性固然强大，但对初学者来说往往构成了较大的认知负担。特别是在处理多态、模板元编程等高级特性时，学习曲线会变得异常陡峭。

Rust的内在认知负荷同样不低，但事实证明其复杂性是有意义的。它的所有权系统和借用检查器虽然增加了学习难度，但这些机制对于理解系统编程的本质非常有帮助，同时提高了程序在运行时的安全性。新手在最初接触这些概念时可能会感到困惑，但掌握后会对内存安全有深刻的理解。

Java的内在认知负荷介于中等水平。它的面向对象语法虽然比Python或Go略显繁琐，但整体而言还算直观。Java的复杂性主要体现在面向对象设计模式、泛型和异常处理等特性上，这些概念需要时间来消化和掌握。

2.3 相关认知负荷的深入分析

在实际应用知识解决问题时，各种语言呈现出不同的特点。

Python的优势在于它能让学习者快速将知识付诸实践。其丰富的标准库和生态、简洁的语法使得从学习到应用的过程异常顺畅。无论是数据科学还是Web开发，Python都能让新手快速看到成果。它支持多种编程范式，并且社区的PEP 8规范为代码风格提供了清晰的指导。

Go语言在知识应用方面同样表现出色。它的工具链完善，容易将所学付诸实践。特别是在服务器端开发领域，Go的并发模型和简洁的语法让新手能够相对轻松地构建高效的后端服务。虽然Go不像传统的面向对象语言那样依赖继承体系，但其接口机制和组合方式为代码设计提供了优雅的解决方案。

C++的相关认知负荷较高，主要体现在将理论知识转化为实践时面临的挑战。内存管理和性能优化这些概念需要大量实践才能真正掌握。它支持多种编程范式，这种灵活性虽然强大，但对初学者来说往往是一把双刃剑。由于缺乏统一的编码规范，新手可能在选择最佳实践时感到困惑。

Rust在这方面呈现出独特的特点。它的所有权系统要求开发者在实践中深入思考内存管理问题，这个过程虽然充满挑战，但却能培养扎实的系统编程思维。Rust社区提供的编码规范和工具链都很完善，有助于形成良好的编程习惯。

Java则以其企业级开发的特点著称。它要求开发者深入理解面向对象编程的核心概念，这个过程需要较长时间的积累。Java的设计模式体系完备，社区的编码规范成熟，这些特点有助于培养专业的工程思维，但对新手来说可能需要更多的时间和耐心。

2.4 综合评估

通过以上分析，我们可以看出不同语言在认知负荷方面的特点。

Python以其全方位的低认知负荷成为初学者的理想选择。

Go语言通过简洁的设计和完善的工具链在降低认知负荷方面做出了显著成效。

Java虽然相对繁琐，但其成熟的生态系统和规范的开发流程为长期发展提供了良好基础。

Rust和C++的学习曲线较陡，但它们在系统编程和性能优化方面的深度让投入的学习成本变得有价值。

在理解了编程语言的认知负荷特点后，我们不妨再从心理学的角度，特别是借助三脑理论的视角，来探讨初学者是如何在面对不同编程语言时做出选择的。

3. 初学者的编程语言学习决策过程

三脑理论(Triune Brain Theory)由Paul D. MacLean于1970年提出的理论假说，该理论将人脑分为三个层次，如下图所示：

来自维基百科

爬虫脑（Reptilian Brain）：也称原始脑，负责基本生存反应，包括对威胁的快速反应和本能行为。
情绪脑（Limbic System）：处理情绪和动机，影响记忆形成和社交行为。
理性脑（Neocortex）：负责高级认知功能，如逻辑思考、语言处理和复杂决策。

注：三脑理论提出较早，如今有新的理论认为三脑理论毫无依据。不过这里我们假定这个理论是正确和适用的。

三脑理论影响初学者的编程学习决策的过程是怎样的呢？这个过程往往涉及本能反应(爬虫脑主导)、情感体验（情绪脑主导）和理性思考(理性脑主导)三个层面的互动。我们继续往下看。

3.1 初学阶段的决策历程

在首次接触编程语言时，学习者的反应往往是多层次的。本能层面的反应最为直接，面对像C++这样认知负荷较高的语言时，很多人会本能地产生畏惧感。这种反应不是简单的怯懦，而是大脑对复杂性的自然防御机制。相反，Python这类认知负荷较低的语言则较少触发这种应激反应，使得学习者能够保持相对轻松的心态。

情感层面的体验则更为复杂。当成功运行第一个程序时，无论使用什么语言，都会带来成就感。但随着学习的深入，不同语言带来的情感体验会产生分化。举个例子，我在早期学习Java时，仅仅是配置环境变量这样的基础工作就带来了挫折感，这种负面情绪很容易影响学习的积极性。而Rust虽然入门门槛较低，但一旦进入到所有权系统的学习，很多人会因为频繁的编译错误而感到沮丧。

理性思考则是决策过程中最后但也是最重要的环节。这包括对语言应用领域的评估、职业发展前景的考虑，以及个人学习时间和精力投入的权衡。这个阶段的决策通常更加慎重，也更具有长期性。

3.2 深入学习阶段的转变

随着学习的深入，最初的决策依据往往会发生改变。原本令人望而生畏的特性可能转变为吸引力的来源。这种转变在Rust的学习过程中特别明显，当开发者逐渐理解了所有权系统的价值，最初的困惑可能转化为对语言设计的欣赏。

在这个阶段，情感体验也往往变得更加丰富。克服困难带来的成就感可能超越了简单的编程快感，这也解释了为什么一些看似“难学”的语言反而能够培养出更加忠实的用户群体。Rust连续多年在最受欢迎编程语言榜单上位居前列，很大程度上就源于这种深层的技术认同感。

理性思考在这个阶段会更加全面，不再局限于语言本身的特性，而是扩展到整个技术生态系统的考量。开发者会更多地思考语言的性能特点、社区活跃度、工具链完善程度等因素。

3.3 认知负荷与学习效果

从短期来看，低认知负荷的语言确实能够提供更平缓的学习曲线，让入门过程更加顺畅。Python和Go在这方面的优势明显，它们能让学习者快速进入实践阶段，建立信心。但这种便利性有时也会带来一个意想不到的问题：学习者可能在掌握了基础语法后陷入平台期，难以实现质的突破。这也是为什么经常有读者询问如何才能在Go语言编程中更进一步。

相比之下，高认知负荷的语言虽然入门较难，但往往能够培养更深入的编程思维。比如Rust的所有权系统，虽然增加了学习难度，但这种设计迫使开发者深入思考内存管理的问题，从而建立更扎实的系统编程基础。C++的模板元编程虽然复杂，但掌握后能够大大提升代码的抽象能力和复用效率。

不过，我们也要警惕过高的认知负荷带来的风险。如果学习过程中的挫折感持续累积，很容易导致半途而废。每年入门一次Rust的真实案例也屡见不鲜。这就要求我们在选择编程语言时，既要考虑个人的学习能力和时间投入，也要权衡职业发展的需求，找到一个适合自己的平衡点。

4. 小结

在探讨了认知负荷对编程语言学习的影响后，我们可以得出一些粗浅的见解：编程语言的学习绝非简单的语法掌握过程，而是一个涉及多个认知维度的复杂历程。从开发环境的搭建到语言特性的理解，从基础概念的掌握到工程实践的应用，每个阶段都会给学习者带来不同程度的认知压力。理解这些认知负荷的本质，有助于我们做出更明智的编程语言学习的选择。

对于编程新手来说，像Python和Go这样在各个维度都尽量降低认知负荷的语言，无疑是入门的理想选择。但我们也要认识到，较高的认知负荷未必就是缺点。就像Rust和C++这样的语言，它们的学习曲线虽然陡峭，但这种”困难”往往蕴含着宝贵的学习机会。通过克服这些认知挑战，开发者能够建立起更深入的系统编程认知，形成更扎实的技术功底。

选择合适的编程语言，某种程度上就像选择一位长期相处的伙伴。这个选择不仅要考虑语言本身的特点，还要权衡个人的学习能力、职业规划和时间投入。认知负荷理论为我们提供了一个有价值的分析框架，但最终的选择还是要回归到个人的实际需求和发展目标。正如没有完美的编程语言一样，也没有放之四海而皆准的学习路径。找到适合自己的平衡点，或许才是最务实的学习策略。

最后，在人工智能编码辅助技术飞速发展的今天，开放的学习心态和持续学习的能力，可能比选择某个特定的编程语言更为重要。毕竟唯一不变的可能就是变化本身。

5. 参考资料

《思考，快与慢》- https://book.douban.com/subject/10785583/
《认知觉醒》 – https://book.douban.com/subject/35193035/

Gopher部落知识星球在2024年将继续致力于打造一个高品质的Go语言学习和交流平台。我们将继续提供优质的Go技术文章首发和阅读体验。同时，我们也会加强代码质量和最佳实践的分享，包括如何编写简洁、可读、可测试的Go代码。此外，我们还会加强星友之间的交流和互动。欢迎大家踊跃提问，分享心得，讨论技术。我会在第一时间进行解答和交流。我衷心希望Gopher部落可以成为大家学习、进步、交流的港湾。让我相聚在Gopher部落，享受coding的快乐! 欢迎大家踊跃加入！

img{512x368}

著名云主机服务厂商DigitalOcean发布最新的主机计划，入门级Droplet配置升级为：1 core CPU、1G内存、25G高速SSD，价格5$/月。有使用DigitalOcean需求的朋友，可以打开这个链接地址：https://m.do.co/c/bff6eed92687 开启你的DO主机之路。

Gopher Daily(Gopher每日新闻) – https://gopherdaily.tonybai.com

我的联系方式：

微博(暂不可用)：https://weibo.com/bigwhite20xx
微博2：https://weibo.com/u/6484441286
博客：tonybai.com
github: https://github.com/bigwhite
Gopher Daily归档 – https://github.com/bigwhite/gopherdaily
Gopher Daily Feed订阅 – https://gopherdaily.tonybai.com/feed

商务合作方式：撰稿、出书、培训、在线课程、合伙创业、咨询、广告合作。

智能时代临近：我眼中AI编程的现在与未来

十月 14, 2024
0 条评论

本文永久链接 – https://tonybai.com/2024/10/14/programming-in-ai-era

自2022年末ChatGPT发布以来，人工智能（AI）正在深刻地改变软件开发的格局。从简单的代码补全到复杂的逻辑生成，AI正逐渐成为程序员不可或缺的助手。最近，OpenAI首席执行官山姆·奥特曼在其个人博客中发表的文章《智能时代》(The Intelligence Age)更让我们深切体会到，超级智能似乎离我们越来越近了。

正如100年前的打孔卡编程方式与现今编程方式的天壤之别，如今的我们也难以完全预见超级AI时代的编程模式。尽管现阶段的大语言模型（如ChatGPT、Claude等）在AI辅助编程方面已经展现出强大的能力，并显著提升了开发效率，但它们仍面临诸多挑战。不过，与打孔卡时代的程序员相比，我们这一代程序员是幸运的，因为我们已经嗅到了超级AI的气息。

当前AI辅助编程的现状

目前，AI辅助编程主要有三种模式：

IDE模式：通过使用工具（如Cursor等）智能分析代码上下文，仅需简单的TAB键操作即可生成代码片段甚至是完整代码，显著提高编程效率。
Prompt模式：开发者提供描述性的prompt，AI据此生成代码块，然后开发者将其整合到项目中。这种模式要求开发者对prompt撰写有较高的理解与能力。
Agent模式：在这种模式下，AI作为自主的编程助手，理解开发者的意图并主动规划(强化学习增强的思维链等)和执行任务。开发者可以与AI对话，提出问题或请求功能，而AI则基于上下文自动生成代码、测试用例，甚至进行调试。Agent模式更接近于超级AI的初级模拟，试图通过自然语言交互与上下文理解，模拟人类思维，自主规划并处理复杂编程任务。

虽然IDE和Agent模式本质上都是Prompt模式的变种，但Agent模式更像是对超级AI的初级尝试，使开发者能够更专注于高层设计，将重复性任务交给AI处理。

不过，这三种模式都属于初级辅助模式，虽然已经能显著提升开发效率。这些模式的辅助效能还与多种因素相关，比如：

人类提示工程(Prompt engineering )水平：开发者如何有效地与AI沟通需求，直接影响输出质量。
AI对不同编程语言的掌握和擅长程度：这与AI训练时使用的语料丰富程度和训练方法密切相关。日常实践中事实也证明，像Rust这样语法复杂的语言，AI生成的代码可能更容易出现编译错误。相比之下，Go语言生成的代码往往更容易直接运行。
编程任务的特性：不同类型的编程任务可能更适合不同的AI辅助方式。

注：随着AI在推理方面的提升(乃至形成独立的推理层)，“过提示工程”可能不仅无法提高推理性能，还有可能妨碍模型工作。也就是说对于推理能力越来越强的大模型，反倒是提示词越简洁越好，因为思维链都隐藏到了模型内部，如果再用思维链提示反而会适得其反。

当前AI的局限性与未来展望

当前的AI系统更像是一个知识数据库，主要基于已有的知识进行推理，与现实世界的互动能力仍然有限，如缺乏访问互联网和本地系统的能力。这种限制导致AI只能生成代码，却无法验证其逻辑是否正确或者能否编译运行。此外，AI与人类的交互手段仍相对初级，大多局限于文本、图片或语音的形式，这些方式在面对复杂需求时显得笨拙。

那么未来理想的AI辅助编程模式应该是什么样的呢？我认为应是端到端编程，即通过多种交互手段（自然语言、语音、图片以及将来的未知方式等）输入需求，AI直接输出已部署完毕且可正确运行的完整程序。在超级AI时代，这种编程模式将成为现实，届时AI与程序员的交互方式将迎来革命性变化。

我们可以将当前阶段称为”AI的过渡时代“。正如OpenAI的Sam Altman所预言那样，真正的智能时代可能还需要几千天才能到来。在这个超级AI出现的时代，端到端的编程模式可能才会真正实现。

根据Sequoia Capital的最新研究报告，AI技术正在从”快速思考”(System 1)向”慢速思考”(System 2)演进。System 1指的是快速、直觉性的反应，而System 2则涉及更深层次的推理和问题解决能力。这种演进正在推动一种新的”推理层”的发展，这可能是通向真正智能时代的关键一步：

来自Sequoia Capital的最新研究报告

超级AI时代的编程模式可能包括：

脑机接口：通过思维直接传达编程意图。
AR手势交互：在虚拟空间中操控代码组件，如钢铁侠电影中的场景。
多模态融合交互：结合语音、手势、眼动跟踪等多种方式。
自适应自然语言处理：AI能够理解和解析非结构化的自然语言，转换为代码逻辑。

这些技术的发展可能会让未来的编程体验更像是与高度智能的助手协作，而非单纯的工具使用。如今脑机接口、AR增强现界等技术也在快速演进，很可能与超级AI带来的智能时代同时到来。

程序员角色的转变

在超级AI时代，程序员的角色将发生显著的变化。程序员基本上不再编码，而是更多地转变为”系统架构师”、”AI协作者”和”创新推动者”。他们的工作会更多地涉及高层次的问题解决、创新思考和跨学科合作。技术知识仍然重要，但更重要的是理解业务需求、系统设计、伦理考量和用户体验等更广泛的技能。

Sequoia Capital的报告指出，随着AI技术的进步，软件开发正在从”软件即服务”(SaaS, Software as a Service)模式转向”服务即软件(Service as a Software”模式。这意味着AI应用不仅仅是提供软件工具，而是直接提供完整的服务解决方案。这种转变将极大地扩展AI应用的市场，从软件市场扩展到更广阔的服务市场：

来自Sequoia Capital的最新研究报告

注：怎么理解“服务即软件”（Service as a Software）呢？想象一下，之前你的公司购买了一个人力资源管理的SaaS服务，这种购买仅仅让你能够使用其功能，但谁来操作这些功能呢？你的公司依然需要雇佣专门的HR人员来通过Web、GUI客户端或App进行管理。而“服务即软件”则将这两方面“打包”在一起。你无需再招聘专员来操作，只需提出你的需求即可。这种模式有点类似于现代的HR劳务外包，但不同的是，在智能时代，这种外包的真正执行者不再是“人”，而是AI应用和支持AI运行的算力。这样一来，你可以更高效地满足业务需求，而无需担心人力资源的管理和操作。

随着超级AI的出现，我们还可能会看到AI系统不仅能辅助编程，还能自主编写、维护和优化代码，即AI的自主性。然而，这种高度自治的系统也可能面临复杂的自我管理问题。

借鉴《黑客帝国》中的概念，未来的AI系统可能会像一个巨大的自维护程序，但仍需要”异常处理程序”来解决一些无法自动修复的关键问题。在这个场景中，人类程序员可能扮演类似”尼奥”的角色，成为系统无法自行解决问题时的最后求助对象。