机器学习是一种强大的方法，尤其是在过去十年中，它取得了一些非凡的成功——ChatGPT 是最新的成功案例。比如：图像识别、语音转文字、语言翻译等。在每一种情况下，以及更多情况下，都超过了一个门槛——通常是突然之间。有些任务从"基本不可能"变成了"基本可行"。 但结果基本上从来都不是"完美"的。也许某些东西在 95% 的时间里都运作良好。但是尽管尝试，其他 5% 仍然难以捉摸。出于某些目的，人们可能会认为这是一种失败。但关键是，通常有各种重要的使用案例，95%是"足够好"。可能是因为输出是某种无论如何都没有真正"正确答案"的东西。可能是因为人们只是试图尝试表面的可能性，然后人类或系统算法 会从中挑选或改进。 一次生成一个标记文本的数千亿参数神经网络可以做 ChatGPT 可以做的事情，这真是太了不起了。鉴于这一戏剧性的——意想不到的——成功，人们可能会认为，如果可以继续并"训练一个足够大的网络"，那么绝对可以用它做任何事情。但它不会那样工作。关于计算的基本事实——尤其是计算不可约性的概念——清楚地表明它最终是不可能的。但更相关的是我们在机器学习的实际历史中所看到的：它会有很大的突破（比如 ChatGPT ）；改进不会停止。所以至关重要的是，我们将会发现一些例子在可以完成的情况下取得成功，并且不会因不能完成的事情而受阻。 是的，在很多情况下，"原始 ChatGPT "可以帮助人们写作、提出建议或生成对各种文档或交互有用的文本。但是，当涉及到设置必须完美的事物时，机器学习并不是做到这一点的方法——就像人类也不是那样。 这正是我们在上面的例子中看到的：ChatGPT 在"像人类部分"方面做得很好，没有精确的"正确答案"。但是，当它处理某些精确的事情时，它常常会倒下。但这里的重点是，有一个很好的方法可以解决这个问题——通过将 ChatGPT 连接到 Wolfram|Alpha 及其所有计算知识的"超级能力"。 在 Wolfram|Alpha 内部，一切都被转化为计算语言，并转化为精确的 Wolfram 语言代码，在某种程度上必须"完美"才能可靠地使用。但关键是 ChatGPT 不必生成它。它可以生成其常用的自然语言，然后 Wolfram|Alpha 可以使用其自然语言理解能力将该自然语言翻译成精确的 Wolfram 语言。 在很多方面，有人可能会说 ChatGPT 从来没有"真正理解"事物；它只是"知道如何生产有用的东西"。但对于 Wolfram|Alpha，情况就不同了。因为一旦 Wolfram|Alpha 将某些东西转换为 Wolfram 语言，它就会得到一个完整、精确、正式的表示，人们可以从中可靠地计算东西。不用说，有很多"人类感兴趣"的东西我们没有正式的计算表示——尽管我们仍然可以用自然语言谈论它们，尽管可能不准确。对于这些，ChatGPT 凭借其令人印象深刻的功能独树一帜。 但就像我们人类一样，ChatGPT 有时也需要更正式、更精确的"助力"。但关键是它不必"正式和精确"地表达它想要的内容。因为 Wolfram|Alpha 可以用相当于 ChatGPT 的母语——自然语言来与之交流。当 Wolfram|Alpha 转换为其母语 Wolfram 语言时，它会负责"增加形式和精确性"。这是一个非常好的情况，我认为它具有很大的实际潜力。 而且这种潜力不仅存在于典型的聊天机器人或文本生成应用程序的水平。它扩展到诸如进行数据科学或其他形式的计算工作（或编程）之类的事情。从某种意义上说，这是获得两个世界最好的直接方法：ChatGPT 的像人类世界和 Wolfram 语言的计算精确世界。 ChatGPT 直接学习 Wolfram 语言怎么样？嗯，是的，它可以做到这一点，事实上它已经开始了。最后，我完全希望像 ChatGPT 这样的东西能够直接在 Wolfram 语言中运行，并且在这方面非常强大。这是一个有趣而独特的情况，由于 Wolfram 语言作为一种全面的计算语言的特性而成为可能，它可以用计算术语广泛地谈论世界和其他地方的事物。 Wolfram 语言的整个概念是获取我们人类思考的事物，并能够通过计算来表示和处理它们。普通的编程语言旨在提供告诉计算机具体做什么的方法。Wolfram 语言——作为一种全面的计算语言——所涉及的东西远不止于此。实际上，它旨在成为一种人类和计算机都可以"计算思考"的语言。 许多世纪以前，当数学符号被发明时，它首次提供了一种流线型的媒介，可以在其中对事物进行"数学思考"。它的发明很快导致了代数和微积分，并最终导致了所有各种数学科学。Wolfram 语言的目标是为计算思维做类似的事情，尽管现在不仅仅是人类——并启用计算范式可以打开的所有"计算 X"领域。 我自己从 Wolfram 语言作为一种"用来思考的语言"中受益匪浅，并且很高兴看到在过去的几十年里，由于人们通过 Wolfram 的媒介"以计算方式思考"而取得了如此多的进步。那么 ChatGPT 呢？好吧，它也可以进入这个。我还不确定这一切将如何运作。但这与 ChatGPT 学习如何进行 Wolfram 语言已经知道的计算无关。它是关于 ChatGPT 学习如何更像人们一样使用 Wolfram 语言。这是关于 ChatGPT 提出"创意论文"的类比，但现在不是用自然语言而是用计算语言编写的。 我一直在讨论人类撰写的计算论文的概念——以自然语言和计算语言的混合形式进行交流。现在的问题是 ChatGPT 能够编写这些内容——并且能够使用 Wolfram 语言作为提供"有意义的交流"的一种方式，不仅对人类，而且对计算机。而且，是的，有一个潜在有趣的反馈循环涉及 Wolfram 语言代码的实际执行。但关键点在于，与普通编程语言不同，Wolfram 语言代码所代表的"思想"的丰富性和流动性更接近于 ChatGPT 在自然语言中"神奇"处理的那种东西。 或者，换句话说，Wolfram 语言——就像自然语言一样——是一种具有足够表现力的东西，以至于人们可以想象在其中为 ChatGPT 编写一个有意义的"提示"。是的，Wolfram 语言可以直接在计算机上执行。但作为 ChatGPT 提示，它可以用来"表达一个想法"，其"故事"可以继续。它可能会描述一些计算结构，让 ChatGPT 根据它通过阅读人类编写的这么多东西所学到的东西，去"即兴演奏"人们可能会在计算上对这种结构说些什么——这将"对人类会很有趣"。 ChatGPT 的意外成功突然打开了各种令人兴奋的可能性。但就目前而言，有机会通过 Wolfram|Alpha 赋予 ChatGPT 计算知识超能力。因此，它不仅可以产生"似是而非的像人类输出"，还可以产生利用封装在 Wolfram|Alpha 和 Wolfram 语言中的整个计算和知识塔的输出。
