數位大腦的運作祕密：電腦究竟在做什麼？
當我們談論電腦時，大多數人想到的是螢幕上的視窗或手機裡的 App，但從最根本的層次來看，電腦其實是一個極度單純且勤奮的「計算員」。根據程式設計的基礎定義，電腦核心功能僅有兩項：執行計算與記憶結果 。它每秒鐘能執行高達十億次的運算，並擁有數百 GB 的儲存空間來放置這些運算的產出 。這種超乎人類極限的速度與容量，正是現代科技文明得以建立的基石。
然而，這台強大的機器其實非常「被動」，它本身並不具備思考能力，只能完全依照人類給予的指令行動 。電腦能執行的計算分為兩大類：一種是程式語言本身內建的基本功能，另一種則是程式設計師根據需求所定義的複雜邏輯 。換句話說，電腦就像是一台擁有無限體力但沒有大腦的機器，所有的智慧實際上都來自於寫程式的那個人。了解電腦的運作邏輯是進入數位世界的第一步。我們必須明白，電腦並不了解「意義」，它只了解「執行」 。當我們按下一個按鍵或滑動螢幕時，背後是無數個微小的計算與記憶存取在高速交織。這種將現實世界的行為轉化為機器可理解指令的過程，就是電腦科學的核心議題，也是我們後續要探討的「計算思維」。
計算思維：從「是什麼」到「如何做」
要學會與電腦溝通，首先要區分兩種截然不同的知識類型：陳述性知識（Declarative knowledge）與程序性知識（Imperative knowledge） 。陳述性知識是對事實的描述，例如「y 是 x 的平方根，若且唯若 y*y = x」 。這種知識告訴我們結果是什麼，但卻沒有告訴我們如何得到這個結果。對於電腦而言，單純的事實描述是不夠的。
相對地，程序性知識則是關於「如何做」的知識，它更像是一份精確的食譜或配方 。以求平方根為例，程序性知識會告訴電腦：先從一個猜測值 g 開始，如果 g*g 夠接近目標值 x，就停止並輸出結果；否則，將 g 與 x/g 取平均值作為新的猜測值，重複上述過程 。這種將複雜問題拆解為具體步驟的能力，正是電腦運作的靈魂。
這種具備「有限指令列表」、「明確執行狀態」且最終能「產生輸出」的程序，在電腦科學中被稱為「演算法（Algorithm）」 。演算法是連接人類思維與機器執行的橋樑，它將抽象的邏輯轉化為一系列簡單的步驟 。當我們具備了計算思維，就能將任何難題轉化為機器可以處理的「食譜」，這也是學習程式設計最重要的基本功。
機器架構：從計算器到儲存程式電腦
電腦的演進經歷了從固定功能到通用功能的轉變。早期的機械裝置如「固定程式電腦」或一般的計算器，它們的電路結構決定了功能，無法輕易更改用途 。但現代電腦之所以強大，是因為採用了「儲存程式電腦（Stored-program computer）」的概念 。這意味著指令本身也被當作數據存存在機器內，使得同一台機器只需更換軟體就能執行完全不同的任務 。
在典型的電腦架構中，中央處理器（CPU）扮演著指揮官的角色 。CPU 內部包含控制單元（Control Unit）負責解讀指令流，以及處理器（Processor）進行實際的運算 。其中，暫存器（Registers）提供極速的臨時數據存取，而組合邏輯（Combinational Logic）則負責處理各類算術與邏輯判斷 。這套精密的構造讓指令能井然有序地被提取、解碼並執行。
除了運算核心，電腦還需要主記憶體（Main Memory）來存放程式與數據，以及輸入與輸出設備來與外界互動 。這套架構最早可以追溯到 1936 年艾倫·圖靈提出的「通用圖靈機」概念 。圖靈證明了，只要擁有六種最基本的動作（如左移、右移、讀取、寫入等），理論上就能計算出世界上任何可以被定義的事物 。這奠定了現代電腦科學的理論基石。
程式語言的語義與語法：溝通的規矩
既然電腦是根據指令運作的，我們就需要一套語言來下達指令。每一種程式語言都包含四個關鍵要素：基本建構子、語法、靜態語義與語義 。基本建構子如同文字的字母，例如 Python 中的數字（3.2）或運算子（+） 。而語法則是拼寫規則，決定了哪些符號組合是合法的，例如 Python 接受 "3.2 + 3.2" 但不接受 "3.2 3.2" 。
當語法通過後，還有一關叫做「靜態語義」 。這是在程式還沒跑起來之前，檢查其意義是否合理。例如在 Python 中，你可以寫 "3.2 + 'abc'"，這在語法上是正確的（數字加字串），但在靜態語義上是錯誤的，因為你不能把數字跟文字相加 。最後則是「語義」，也就是當程式運行時，這串正確的代碼究竟代表什麼樣的行為與邏輯 。
然而，程式設計的過程中難免會出錯。常見的錯誤包括容易被發現的語法錯誤，以及更難纏的語義錯誤 。有時候程式雖然能跑，但卻會陷入無窮迴圈永遠停不下來，或者給出一個錯誤的答案 。這就是為什麼程式設計師需要花費大量時間進行除錯（Debug），以確保機器的行為完全符合人類的預期 。
Python：現代程式設計的首選工具
在眾多程式語言中，Python 以其簡潔與通用性脫穎而出。它被歸類為「高階語言」，相對於底層的機器碼，Python 更接近人類的自然語言，這使得開發效率大大提升 。Python 是一種通用型語言，可以用來建立幾乎任何類型的程式，特別是那些不需要直接控制硬體資源的應用 。
Python 也是一種「直譯式語言（Interpreted language）」，這意味著它不需要像編譯式語言那樣先轉成複雜的機器碼，而是透過一個特殊的「直譯器」逐行執行指令 。一個典型的 Python 程式由一系列命令或陳述句組成，就像一份待執行的腳本 。例如，簡單的 print 指令就能讓電腦在螢幕上顯示指定的文字內容 。
Python 核心的操作對象被稱為「物件（Objects）」 。每個物件都有其特定的類型，這決定了程式能對它做什麼操作 。物件主要分為兩類：不可分割的「純量物件（Scalar objects）」以及具有內部結構的「非純量物件（Non-scalar objects）」 。理解物件的本質與分類，是掌握 Python 邏輯處理能力的關鍵。
數字與布林：Python 的基本元素
在 Python 的純量物件中，最常見的是整數（int）、浮點數（float）與布林值（bool） 。整數處理精確的數值，浮點數則處理帶有小數點的實數，而布林值則代表邏輯上的「真（True）」與「假（False）」 。此外，還有一個特殊的類型 NoneType，其唯一的值 None 用來代表空值或不存在的情況 。
為了處理這些物件，Python 提供了豐富的運算子。對於數字，我們有加減乘除、取餘數（%）、整數除法（//）以及次方的運算（**） 。值得注意的是，當整數與浮點數進行運算時，結果通常會自動轉為浮點數以保持精確度 。而在邏輯判斷上，我們可以使用 and、or 與 not 來組合複雜的布林條件 。
這些物件與運算子可以組合成「表達式（Expressions）」，每個表達式最終都會計算出一個結果物件 。例如，比較運算 3 != 2 會產生布林值 True 。透過這些基本的元素，我們就能構建出複雜的數學與邏輯運算，這也是所有軟體功能的基石 。
變數與命名：賦予數據意義
當我們有了數據（物件）與運算後，需要一種方式將結果保存起來，這就是「變數（Variables）」的作用。變數提供了一種將「名稱」與「物件」關聯起來的方式 。透過等號（=）進行賦值，我們可以把複雜運算的結果儲存在一個好記的名字中，方便後續重複使用 。這就像是在電腦記憶體中貼上標籤，讓我們能隨時找回所需的資料。
在 Python 中命名變數是有規則的。變數名可以包含大小寫字母、數字（但不能開頭）以及下底線 。更重要的是，Python 具有「大小寫敏感（Case-sensitive）」的特性，這意味著 area 與 Area 被視為不同的變數 。良好的命名習慣能讓程式碼變得易於閱讀，這在團隊協作中尤為重要。
此外，Python 保留了一些具有特殊用途的「關鍵字（Keywords）」，開發者不能使用這些詞作為變數名稱 。例如 if、while、def、class 等，它們是 Python 語法結構的一部分 。透過匯入 keyword 模組，我們可以隨時查看目前的關鍵字列表，避免在編寫程式時因命名衝突而產生錯誤 。
結語：踏入程式設計的殿堂
學習程式設計不僅僅是學習一門工具，更是在練習一種嚴謹的思考方式。從理解電腦如何記憶與運算，到學會建立自己的演算法「食譜」，這段過程能鍛鍊我們拆解問題的能力。Python 作為起點，其豐富的物件類型與直覺的語法，能讓初學者快速體會到創造的樂趣。
這門課程不僅涵蓋了理論基礎，也提醒了學習者行政細節的重要性，例如在政大金融系相關學程中的加簽規則與流程 。不論是為了學分還是為了自我提升，掌握數位時代的共通語言——程式設計，無疑是現代公民最具投資價值的技能之一。
