但是真要如電腦科學家一樣的思考，那幾乎離不開數學。例如，運算思維的最高階目標是設計演算法，當要深入討論演算法，「圖論」（Graph Theory）經常是如影相隨。近百年來讓所有電腦科學家頭痛的第一課題，就是「圖論」中「旅行推銷員問題」（Traveling Salesman Problem, TSP），至今找不到有效解決的演算法，就算當紅的人工智能也莫可奈何。而談到人工智能，如果缺少對機率如「貝氏定理」（Bayes Theorem）的了解、或對「線性代數」（Linear Algebra）的空間概念，大概也很難玩出甚麼名堂，頂多也只是套用別人寫好的工具。
近十五年AI大爆發主要歸功於硬體運算能力的提升，百花齊放的演算法與新技術開發，已經發展到了一個限度，創投業者轉向AI的運用，第三波AI寒冬似乎已在眼前，人們寄望著量子計算機的成熟，同時間，資訊戰場關注的是令人束手無策的資訊安全問題，而相關方面的研究更是與數學不離不棄。因此，如果國家真正重視資訊科技未來的發展，與其讓中小學生浪費時間去學套裝軟體模擬寫程式（例如Scratch），不如讓學生能有更充裕的時間，好好的學習數學。
確實，如同周以真博士在演講裡所提到的，電腦改寫了人類生活，例如：選舉到了，記者不用到大街小巷採訪，只要用大數據分析社群網路輿情，就可以寫新聞了。又例如：以莎士比亞作品的詞彙與風格，用演算法去判斷某篇文章的真假；或是找出巴哈樂曲的模組或特色，去創造新的巴哈樂曲。但是電腦就是工具，如同汽車、飛機。
使用工具與製造工具是不同的概念，人們不需要知道汽車原理，就可以利用汽車享受精彩的旅程。因此，有必要為了讓汽車跑快一點，要求全國大、中、小學生學習汽車原理嗎？再請問，學習運算思維，能緩解美國種族歧視、降低中印邊界衝突、消弭南北韓對峙、減少敘利亞難民、對抗全球暖化嗎？對了，有關「萊豬」的爭議，運算思維是否能幫上甚麼忙？
教育的複雜度以及其關聯性，可能遠超過電腦專業人士所能想像。但是在人工智能及大數據浪潮的當頭，電腦科學幾乎成為了顯學。大概擔心若不跟上熱門議題就表示落伍，教育界在人云亦云的情況下，推動了自己也不清楚的計畫。因此在許多的教學現場，雖冠上了「運算思維」大帽，其實就是教一些基本程式指令或應用軟體的介面。
運算思維如何轉化成為有效的教育載具，如何能具體實踐與評估，尚未有成熟的相關研究，還有很長的路。呼籲教育當局不應急就章，首當認真檢討過去二十年資訊教育的得失，避免重蹈覆轍一再耽誤學生寶貴的青春。
＊作者為「通識再現」主筆群
