Wolfram插件

要啟用此處描述的功能，請從ChatGPT中選擇并安裝Wolfram插件。

請注意，到目前為止，此功能僅適用于一些ChatGPT Plus用戶；有關(guān)更多信息，請參閱OpenAI的公告。

在短短兩個半月內(nèi)…

1月初，我寫了關(guān)于將ChatGPT連接到Wolfram|Alpha的可能性。今天——僅僅兩個半月后——我很高興地宣布它發(fā)生了！多虧了我們團(tuán)隊和OpenAI的一些英雄軟件工程，ChatGPT現(xiàn)在可以調(diào)用Wolfram|Alpha——以及Wolfram語言——給它我們可能認(rèn)為的“計算超能力”。對于這一切來說，現(xiàn)在還很早，但它已經(jīng)非常令人印象深刻——人們可以開始看到我們可以稱之為“ChatGPT Wolfram”的強(qiáng)大（甚至可能是革命性的）是多么驚人。

早在1月份，我就指出，作為一個LLM神經(jīng)網(wǎng)絡(luò)，ChatGPT——由于其在文本生成材料“如”從網(wǎng)絡(luò)上讀取的內(nèi)容等方面的非凡能力——本身不能被期望進(jìn)行實際的非平凡計算，或系統(tǒng)地生成正確的（而不僅僅是“看起來大致正確”）數(shù)據(jù)等。但當(dāng)它連接到Wolfram插件時，它可以做這些事情。因此，這是我1月份（非常簡單）的第一個示例，但現(xiàn)在由ChatGPT完成，并安裝了“Wolfram超能力”：

這是一個正確的結(jié)果（在1月份不是）——通過實際計算找到。這里有一個好處：即時可視化：

這是如何運(yùn)作的？在引擎蓋下，ChatGPT正在制定Wolfram|Alpha的查詢——然后將其發(fā)送到Wolfram|Alpha進(jìn)行計算，然后根據(jù)閱讀它得到的結(jié)果“決定說什么”。您可以通過單擊“Used Wolfram”框來回查看此內(nèi)容（通過查看此內(nèi)容，您可以檢查ChatGPT沒有“編造任何東西”）：

在ChatGPT和Wolfram|Alpha方面，這里有很多不平凡的事情發(fā)生。但結(jié)果是一個好的、正確的結(jié)果，編織成一個漂亮、流暢的文字。

讓我們試試另一個例子，也是我在一月份寫的：

一個很好的結(jié)果，配得上我們的技術(shù)。同樣，我們可以獲得獎勵：

1月，我注意到，當(dāng)給出此提示時，ChatGPT最終只是“編造”了合理的（但錯誤的）數(shù)據(jù)：

但現(xiàn)在它調(diào)用Wolfram插件，并得到了一個好的、權(quán)威的答案。而且，作為獎勵，我們還可以進(jìn)行可視化：

早在一月份，另一個現(xiàn)在正確出現(xiàn)的例子是：

如果你真的嘗試了這些例子，如果它們的工作方式與我在這里展示的有所不同（有時更好，有時更差），請不要感到驚訝。由于ChatGPT在生成響應(yīng)時使用隨機(jī)性，即使您問它完全相同的問題（即使在新的會話中），也會發(fā)生不同的事情。感覺“非常人性化”。但與人們在Wolfram|Alpha和Wolfram語言中獲得的堅實的“正確答案和它不會改變”體驗不同。

這里有一個例子，在最初發(fā)現(xiàn)ChatGPT得到了“錯誤的Mercury”后，我們看到ChatGPT（相當(dāng)令人印象深刻）與Wolfram插件“進(jìn)行對話”：

這里特別重要的一點(diǎn)是，ChatGPT不僅僅是利用我們進(jìn)行“死胡同”操作，例如顯示網(wǎng)頁的內(nèi)容。相反，我們的行為更像是ChatGPT的真正“大腦植入物”——它在需要的時候向我們詢問事情，我們給出的回應(yīng)是，它可以編織到它正在做的任何事情中。在行動中看到相當(dāng)令人印象深刻。而且，盡管肯定還有更多的潤色工作要做，但已經(jīng)存在的東西（除其他外）在很大程度上可以使ChatGPT能夠提供準(zhǔn)確、精心策劃的知識和數(shù)據(jù)，以及正確、非平凡的計算。

但還有更多。我們已經(jīng)看到了一些例子，我們能夠向ChatGPT提供自定義創(chuàng)建的可視化。憑借我們的計算能力，我們通常能夠制作“真正原創(chuàng)”的內(nèi)容——這些計算以前從未做過。還有一件事：雖然“純ChatGPT”僅限于它“在培訓(xùn)期間學(xué)到的東西”，但通過給我們打電話，它可以獲得最新的數(shù)據(jù)。

這可以基于我們的實時數(shù)據(jù)源（在這里，我們被調(diào)用兩次；每個地方一次）：

或者它可以基于“科學(xué)風(fēng)格”的預(yù)測計算：

或者兩者都有：

你可以做的一些事情

Wolfram|Alpha和Wolfram語言涵蓋了很多東西：

現(xiàn)在（幾乎）所有這些都可供ChatGPT訪問——開辟了巨大的廣度和深度的新可能性。為了說明這些，這里有一些（簡單的）例子：

現(xiàn)代人類 人工智能工作流程

ChatGPT旨在能夠與人類進(jìn)行來回對話。但是，當(dāng)對話中有實際的計算和計算知識時，人們能做什么？這里有一個例子。首先問一個“世界知識”問題：

是的，通過“打開盒子”，人們可以檢查是否向我們提出了正確的問題，以及我們給出的原始回應(yīng)是什么。但現(xiàn)在我們可以繼續(xù)要求一張地圖：

但我們本可以使用“更漂亮”的地圖投影。借助ChatGPT基于閱讀網(wǎng)絡(luò)等的“一般知識”，我們可以要求它使用一個：

但也許我們想要一張熱圖。同樣，我們可以要求它使用我們的技術(shù)來生產(chǎn)這個：

讓我們再次更改投影，現(xiàn)在再次要求它使用其“一般知識”來選擇它：

而且，是的，它的投影“正確”。但不是中心。因此，讓我們要求它解決這個問題：

好的，那么我們這里有什么？我們有一些我們“合作”的東西要建造。我們逐漸說出了我們想要的東西；人工智能（即ChatGPT Wolfram）逐步構(gòu)建它。但我們到底得到了什么？好吧，這是Wolfram語言的一部分——我們可以通過“打開盒子”或只是要求ChatGPT看到：

如果我們將代碼復(fù)制到Wolfram筆記本中，我們可以立即運(yùn)行它，我們發(fā)現(xiàn)它有一個很好的“豪華功能”——正如ChatGPT在其描述中聲稱的那樣，有動態(tài)工具提示給出了每個國家的名稱：

（而且，是的，有點(diǎn)遺憾的是，這個代碼中只有明確的數(shù)字，而不是關(guān)于牛肉生產(chǎn)的原始符號查詢。發(fā)生這種情況是因為ChatGPT向Wolfram|Alpha詢問了原始問題，然后將結(jié)果提供給了Wolfram語言。但我認(rèn)為，整個序列的工作原理都令人印象深刻。）

它是如何工作的——和人工智能爭論

ChatGPT和Wolfram插件的“引擎蓋下”發(fā)生了什么？請記住，ChatGPT的核心是一個“大型語言模型”（LLM），該模型從網(wǎng)絡(luò)等進(jìn)行訓(xùn)練，以從它給出的任何文本中生成“合理的延續(xù)”。但作為其培訓(xùn)的最后一部分，ChatGPT還被教導(dǎo)如何“保持對話”，以及何時“向別人詢問某事”——其中“某人”可能是人類，或者就此而言，是一個插件。特別是，有人教導(dǎo)何時聯(lián)系Wolfram插件。

Wolfram插件實際上有兩個切入點(diǎn)：Wolfram|Alpha一個和Wolfram Language一個。從某種意義上說，Wolfram|Alpha一個是ChatGPT處理的“更容易”；Wolfram語言一個最終更強(qiáng)大。Wolfram|Alpha更容易的原因是，它作為輸入的只是自然語言——這正是ChatGPT經(jīng)常處理的。不僅如此，Wolfram|Alpha旨在寬恕，實際上是為了處理“典型的類似人類的輸入”，或多或少，無論它可能很混亂。

另一方面，Wolfram語言的設(shè)置是精確和明確的，并且能夠用于構(gòu)建任意復(fù)雜的計算塔。在Wolfram|Alpha內(nèi)部，它所做的是將自然語言翻譯成精確的Wolfram語言。實際上，它正在捕捉“不精確的自然語言”并“將其”引入精確的Wolfram語言。

當(dāng)ChatGPT調(diào)用Wolfram插件時，它通常只是將自然語言提供給Wolfram|Alpha。但到目前為止，ChatGPT已經(jīng)學(xué)到了一些關(guān)于編寫Wolfram語言本身的知識。最后，正如我們稍后將討論的那樣，這是一種更靈活、更強(qiáng)大的溝通方式。但除非Wolfram語言代碼完全正確，否則它不起作用。把它弄到那個地步，部分是一個培訓(xùn)問題。但還有另一件事：給定一些候選代碼，Wolfram插件可以運(yùn)行它，如果結(jié)果明顯錯誤（就像它們產(chǎn)生了很多錯誤一樣），ChatGPT可以嘗試修復(fù)它，并再次嘗試運(yùn)行它。（更詳細(xì)地說，ChatGPT可以嘗試生成要運(yùn)行的測試，如果失敗，可以更改代碼。）

這里還有更多要開發(fā)的東西，但人們有時會多次看到ChatGPT來回走動。它可能正在重寫其Wolfram|Alpha查詢（例如通過取出無關(guān)的部分來簡化它），或者它可能決定在Wolfram|Alpha和Wolfram語言之間切換，或者它可能正在重寫其Wolfram語言代碼。告訴它如何做這些事情是初始“插件提示”的問題。

寫這個提示是一項奇怪的活動——也許是我們第一次嘗試“與外星智能溝通”的嚴(yán)肅經(jīng)歷。當(dāng)然，用大量的人工文本來訓(xùn)練“外星智能”是有幫助的。因此，例如，它懂英語（有點(diǎn)像所有那些老套的科幻外星人……）。我們可以告訴它，例如“如果用戶輸入是英語以外的語言，請翻譯成英語并向Wolfram|Alpha發(fā)送適當(dāng)?shù)牟樵?，然后以原始輸入的語言提供您的回復(fù)?！?/p>

有時我們發(fā)現(xiàn)我們必須非常堅持（注意所有大寫字母）：“在編寫Wolfram語言代碼時，切勿對變量名使用蛇形大小寫；始終對變量名使用駱駝大小寫?！奔词褂羞@種堅持，ChatGPT有時仍然會做錯事?！翱焖俟こ獭钡恼麄€過程感覺有點(diǎn)像動物的爭吵：你試圖讓ChatGPT做你想做的事，但很難知道需要什么才能做到這一點(diǎn)。

最終，這可能會在培訓(xùn)或提示中處理，但到目前為止，ChatGPT有時不知道Wolfram插件何時可以提供幫助。例如，ChatGPT猜測這應(yīng)該是一個DNA序列，但（至少在本次會議中）不會立即認(rèn)為Wolfram插件可以用它做任何事情：

不過，說“使用Wolfram”，它會將其發(fā)送到Wolfram插件，該插件確實可以很好地處理它：

（有時您可能還想具體說“使用Wolfram|Alpha”或“使用Wolfram語言”。特別是在Wolfram語言的情況下，您可能想看看它發(fā)送的實際代碼，并告訴它不要使用它的名字，但實際上不存在的函數(shù)。）

當(dāng)Wolfram插件被賦予Wolfram語言代碼時，它所做的基本上只是評估該代碼，并返回結(jié)果——也許作為圖形或數(shù)學(xué)公式，或者只是文本。但是，當(dāng)它被賦予Wolfram|Alpha輸入時，這被發(fā)送到一個特殊的Wolfram|Alpha“用于LLM”API端點(diǎn)，結(jié)果作為旨在由ChatGPT“讀取”的文本返回，并有效地用作進(jìn)一步文本ChatGPT正在編寫的額外提示?？纯催@個例子：

結(jié)果是一個很好的文本，其中包含所提問題的答案，以及ChatGPT決定包含的一些其他信息。但“內(nèi)部”我們可以看到Wolfram插件（和Wolfram|Alpha“LLM端點(diǎn)”）實際上做了什么：

那里有很多額外的信息（包括一些漂亮的圖片！）。但ChatGPT“決定”只是為了挑選一些內(nèi)容包含在其回復(fù)中。

順便說一下，需要強(qiáng)調(diào)的是，如果你想確定你得到了你認(rèn)為你得到的東西，請始終檢查ChatGPT實際發(fā)送到Wolfram插件的內(nèi)容，以及插件返回的內(nèi)容。我們用Wolfram插件添加的重要內(nèi)容之一是“確定”ChatGPT輸出的方法，并了解ChatGPT何時“使用其想象力”，以及何時提供確鑿的事實。

有時，在試圖了解發(fā)生了什么時，只需將Wolfram插件發(fā)送的內(nèi)容輸入為Wolfram|Alpha網(wǎng)站或Wolfram語言系統(tǒng)（如Wolfram云）的直接輸入也很有用。

Wolfram語言作為人類-人工智能協(xié)作的語言

ChatGPT的偉大（坦率地說，出乎意料）的事情之一是它能夠從粗略的描述開始，并從中產(chǎn)生精美的成品——如論文、信件、法律文件等。過去，人們可能會試圖通過“手工”實現(xiàn)這一點(diǎn)，從“樣板”件開始，然后修改它們，將它們“粘合”在一起等。但ChatGPT幾乎使這個過程過時了。實際上，它“吸收”了大量樣板，從它在網(wǎng)絡(luò)上“閱讀”的內(nèi)容等——現(xiàn)在它通常在無縫地“適應(yīng)”到您需要的東西方面做得很好。

那么代碼呢？在傳統(tǒng)的編程語言中，編寫代碼往往涉及大量的“樣板工作”——在實踐中，許多使用此類語言的程序員花大量時間通過從網(wǎng)絡(luò)上復(fù)制大量代碼來構(gòu)建程序。但現(xiàn)在，突然間，ChatGPT似乎可以讓很多事情變得過時。因為它基本上可以有效地自動組合任何類型的樣板代碼——只需一點(diǎn)“人工輸入”。

當(dāng)然，必須有一些人工輸入——否則ChatGPT將不知道它應(yīng)該編寫什么程序。但是，人們可能會想知道，為什么代碼中必須有“樣板”？一個人不應(yīng)該擁有一種語言——只是在語言本身的層面上——只需要少量的人類輸入，而不需要任何“樣板敷料”嗎？

嗯，問題就在這里。傳統(tǒng)編程語言的中心是告訴計算機(jī)用計算機(jī)的術(shù)語做什么：設(shè)置此變量，測試該條件等。但不一定是這樣。相反，人們可以從另一端開始：用人們自然思考的東西，然后嘗試以計算方式表示這些，并有效地自動化在計算機(jī)上實際實現(xiàn)它們的過程。

嗯，這就是我現(xiàn)在花了四十多年的時間。這是現(xiàn)在Wolfram語言的基礎(chǔ)——我現(xiàn)在覺得稱其為“全尺度計算語言”是合理的。這是什么意思？這意味著，在語言中，我們有我們在世界上談?wù)摰某橄蠛驼鎸嵤挛锏挠嬎惚硎?，無論是圖形、圖像或微分方程，還是城市、化學(xué)品、公司或電影。

為什么不從自然語言開始呢？好吧，正如Wolfram|Alpha的成功所證明的那樣，這很有效。但是，一旦一個人試圖指定一些更復(fù)雜的東西，自然語言（像“合法語言”）充其量就會變得笨重——一個人真的需要一種更結(jié)構(gòu)化的方式來表達(dá)自己。

在數(shù)學(xué)中，歷史上有一個很大的例子。早在大約500年前，幾乎“表達(dá)數(shù)學(xué)”的唯一方法就是使用自然語言。但隨后數(shù)學(xué)符號被發(fā)明，數(shù)學(xué)起飛了——隨著代數(shù)、微積分以及最終所有各種數(shù)學(xué)科學(xué)的發(fā)展而起飛。

我對Wolfram語言的大目標(biāo)是創(chuàng)建一個計算語言，可以對任何可以“計算表達(dá)”的東西做同樣的事情。為了實現(xiàn)這一目標(biāo)，我們需要構(gòu)建一種既自動做很多事情，又本質(zhì)上知道很多事情的語言。但結(jié)果是設(shè)置了一種語言，使人們可以方便地“以計算方式表達(dá)自己”，就像傳統(tǒng)的數(shù)學(xué)符號讓他們“以數(shù)學(xué)方式表達(dá)自己”一樣。一個關(guān)鍵點(diǎn)是，與傳統(tǒng)編程語言不同，Wolfram語言不僅供計算機(jī)閱讀，也供人類閱讀。換句話說，它旨在作為一種“傳達(dá)計算想法”的結(jié)構(gòu)化方式，不僅與計算機(jī)，而且與人類。

但現(xiàn)在，有了ChatGPT，這突然變得比以往任何時候都更加重要。因為——正如我們上面開始看到的——ChatGPT可以與Wolfram語言一起工作，從某種意義上說，只是使用自然語言來構(gòu)建計算想法。至關(guān)重要的部分是，Wolfram語言可以直接代表我們想談?wù)摰氖虑?。但同樣重要的是，它為我們提供了一種“知道我們擁有什么”的方法——因為我們可以現(xiàn)實地、經(jīng)濟(jì)地閱讀ChatGPT生成的Wolfram語言代碼。

整個事情開始與ChatGPT中的Wolfram插件很好地配合使用。這里有一個簡單的例子，ChatGPT可以很容易地生成它所問到的Wolfram語言版本：

關(guān)鍵點(diǎn)是，“代碼”是人們可以現(xiàn)實地期望閱讀的東西（如果我寫它，我會使用稍微緊湊的RomanNumeral函數(shù)）：

這是另一個例子：

我可能寫代碼的方式有點(diǎn)不同，但這又是非?？勺x的東西：

此處省略一部分。。。。。。

如何參與其中

ChatGPT Wolfram是非常新的東西——確實是一種全新的技術(shù)。每當(dāng)一種新技術(shù)到來時，它就會打開巨大的新機(jī)會。其中一些我們已經(jīng)可以開始看到——但許多其他產(chǎn)品將在未來幾周、幾個月和幾年內(nèi)出現(xiàn)。

那么，你如何參與一個充滿期待的快速技術(shù)和概念增長的時期呢？第一件事就是探索ChatGPT Wolfram。ChatGPT和Wolfram各自擁有自己的龐大系統(tǒng)；它們的組合需要數(shù)年時間才能完全垂直。但第一步只是了解什么是可能的。

查找示例。分享它們。嘗試識別成功的使用模式。而且，最重要的是，嘗試找到提供最高價值的工作流程。這些工作流程可能相當(dāng)復(fù)雜。但它們也可能非常簡單——一旦看到可以做什么，就會立即出現(xiàn)“啊哈”。

您如何最好地實現(xiàn)工作流程？好吧，我們正在努力為此制定最好的工作流程。在Wolfram語言中，我們正在設(shè)置靈活的方式來調(diào)用ChatGPT等內(nèi)容，無論是純粹的編程方式，還是在筆記本界面的上下文中。

但ChatGPT方面呢？Wolfram語言有一個非常開放的架構(gòu)，用戶可以添加或修改他們想要的任何東西。但你如何從ChatGPT使用這個？一件事就是告訴ChatGPT包含一些特定的“初始”Wolfram語言代碼（可能與文檔一起）——然后使用上述pidgin與ChatGPT討論您在初始代碼中定義的功能或其他內(nèi)容。

我們計劃構(gòu)建越來越簡化的工具，用于處理和共享Wolfram語言代碼，以便通過ChatGPT使用。但已經(jīng)有效的一種方法是提交函數(shù)以在Wolfram函數(shù)存儲庫中發(fā)布，然后在它們發(fā)布后，在與ChatGPT的對話中參考這些函數(shù)。

好的，但ChatGPT本身呢？您應(yīng)該做什么樣的及時工程才能最好地與Wolfram插件交互？嗯，我們還不知道。這是必須探索的東西——實際上是人工智能教育或人工智能心理學(xué)的練習(xí)。一個典型的方法是在ChatGPT會話的早期給出一些“預(yù)提示”，然后希望它以后“仍然關(guān)注”這些提示。（而且，是的，它的“注意力跨度”有限，所以有時事情必須重復(fù)。）

我們試圖給出一個整體提示，告訴ChatGPT基本上如何使用Wolfram插件——隨著我們了解更多以及ChatGPT LLM的更新，我們完全期望這個提示會迅速發(fā)展。但您可以添加自己的一般預(yù)提示，例如“使用Wolfram時，請始終嘗試包含圖片”或“使用SI單位”或“如果可能，請避免使用復(fù)數(shù)”。

您還可以嘗試在ChatGPT中設(shè)置一個本質(zhì)上“定義函數(shù)”的預(yù)提示——例如：“如果我給你一個由數(shù)字組成的輸入，您將使用Wolfram繪制具有該邊數(shù)的多邊形”?；蛘?，更直接地，“如果我給你一個由數(shù)字組成的輸入，你要將以下Wolfram函數(shù)應(yīng)用于該輸入……”，然后給出一些明確的Wolfram語言代碼。

但這些還很早，毫無疑問，會發(fā)現(xiàn)其他用于“編程”ChatGPT Wolfram的強(qiáng)大機(jī)制。我認(rèn)為我們可以自信地期待，接下來的一段時間將是一個令人興奮的高增長時期，那里有很多有價值的“低垂果實”供那些選擇參與的人采摘。

一些背景和展望

即使在一周前，也不清楚ChatGPT Wolfram會是什么樣子，或者它的工作效果如何。但這些現(xiàn)在發(fā)展如此之快的東西是建立在幾十年早期發(fā)展的基礎(chǔ)上的。在某些方面，ChatGPT Wolfram的到來最終將歷史上對人工智能采取的兩種主要方法結(jié)合起來——長期以來，這兩種方法一直被視為不相干和不相容。

ChatGPT基本上是一個非常大的神經(jīng)網(wǎng)絡(luò)，經(jīng)過訓(xùn)練以遵循在網(wǎng)絡(luò)上看到的文本的“統(tǒng)計”模式等。神經(jīng)網(wǎng)絡(luò)的概念——其形式令人驚訝地接近ChatGPT中使用的概念——可以追溯到20世紀(jì)40年代。但在20世紀(jì)50年代的一些熱情之后，興趣減弱了。20世紀(jì)80年代初出現(xiàn)了復(fù)蘇（事實上，我自己當(dāng)時第一次看到了神經(jīng)網(wǎng)絡(luò)）。但直到2012年，人們才開始對神經(jīng)網(wǎng)絡(luò)可能發(fā)生的事情產(chǎn)生嚴(yán)重興奮。現(xiàn)在，十年后——在一個成功甚至讓相關(guān)人員大吃一的開發(fā)中——我們有了ChatGPT。

獨(dú)立于神經(jīng)網(wǎng)絡(luò)的“統(tǒng)計”傳統(tǒng)是人工智能的“象征性”傳統(tǒng)。從某種意義上說，這個傳統(tǒng)是數(shù)學(xué)（和數(shù)學(xué)邏輯）形式化過程的延伸，特別是在二十世紀(jì)初。但關(guān)鍵的是，它不僅與抽象的計算概念非常一致，而且與20世紀(jì)50年代開始出現(xiàn)的實際數(shù)字計算機(jī)非常一致。

在很長一段時間內(nèi)，真正可以被認(rèn)為是“人工智能”的成功充其量是參差不齊的。但與此同時，計算的一般概念顯示出巨大且日益增長的成功。但是，“計算”與人們思考事物的方式有什么關(guān)系呢？對我來說，一個關(guān)鍵的發(fā)展是我在20世紀(jì)80年代初的想法（基于早期形式主義的數(shù)學(xué)邏輯），即符號表達(dá)式的變換規(guī)則可能是在相當(dāng)于“人類”層面上表示計算的好方法。

當(dāng)時，我的主要重點(diǎn)是數(shù)學(xué)和技術(shù)計算，但我很快就開始懷疑類似的想法是否適用于“通用人工智能”。我懷疑像神經(jīng)網(wǎng)絡(luò)這樣的東西可能會發(fā)揮作用，但當(dāng)時我只弄清楚了需要什么，而不是如何實現(xiàn)它。與此同時，符號表達(dá)式轉(zhuǎn)換規(guī)則的核心思想成為現(xiàn)在Wolfram語言的基礎(chǔ)，并使我們今天擁有的全面計算語言開發(fā)長達(dá)幾十年的過程成為可能。

從20世紀(jì)60年代開始，人工智能研究人員一直在努力開發(fā)能夠“理解自然語言”、“代表知識”并回答其問題的系統(tǒng)。所做的一些事情變成了不那么雄心勃勃但實際的應(yīng)用。但總的來說，成功是難以捉摸的。與此同時，由于我在20世紀(jì)90年代所做的基礎(chǔ)科學(xué)的哲學(xué)結(jié)論，我決定在2005年左右嘗試建立一個通用的“計算知識引擎”，可以廣泛回答自然語言中提出的事實和計算問題。這樣的系統(tǒng)可以構(gòu)建并不明顯，但我們發(fā)現(xiàn)，通過我們的基礎(chǔ)計算語言和大量工作，它可以。在2009年，我們能夠發(fā)布Wolfram|Alpha。

從某種意義上說，使Wolfram|Alpha成為可能的是，它在內(nèi)部有一種清晰、正式的方式來表示世界上的事物，并計算它們。對我們來說，“理解自然語言”不是抽象的東西；它是將自然語言翻譯成結(jié)構(gòu)化計算語言的具體過程。

另一部分是收集“了解”和“計算”世界所需的所有數(shù)據(jù)、方法、模型和算法。雖然我們已經(jīng)大大自動化了這一點(diǎn)，但我們?nèi)匀豢偸前l(fā)現(xiàn)，為了最終“把事情做好”，別無選擇，只能讓真正的人類專家參與進(jìn)來。雖然在Wolfram|Alpha的自然語言理解系統(tǒng)中，人們可能認(rèn)為有一點(diǎn)“統(tǒng)計人工智能”，但絕大多數(shù)Wolfram|Alpha和Wolfram語言以一種硬、象征性的方式運(yùn)作，至少讓人想起象征性人工智能的傳統(tǒng)。（這并不是說Wolfram語言中的單個函數(shù)不使用機(jī)器學(xué)習(xí)和統(tǒng)計技術(shù)；近年來越來越多地使用，Wolfram語言還有一個用于進(jìn)行機(jī)器學(xué)習(xí)的內(nèi)置框架。）

正如我在其他地方所討論的，似乎出現(xiàn)的是，“統(tǒng)計人工智能”，特別是神經(jīng)網(wǎng)絡(luò)，非常適合我們?nèi)祟悺翱焖偻瓿伞钡娜蝿?wù)，包括——正如我們從ChatGPT中學(xué)到的那樣——自然語言和作為其背后的“思維”。但是，在構(gòu)建更大的“概念”或計算“塔”時，需要符號和某種意義上的“更嚴(yán)格的計算”方法——這是在數(shù)學(xué)、精確科學(xué)以及現(xiàn)在所有“計算X”領(lǐng)域中發(fā)生的事情。

現(xiàn)在，ChatGPT Wolfram可以被認(rèn)為是第一個真正的大規(guī)模統(tǒng)計 符號“AI”系統(tǒng)。在Wolfram|Alpha（成為Siri智能助理等事物的原始核心部分）中，首次有廣泛的自然語言理解——“理解”與實際計算表示和計算直接相關(guān)?，F(xiàn)在，13年后，我們在ChatGPT中看到，當(dāng)從幾乎整個網(wǎng)絡(luò)等進(jìn)行訓(xùn)練時，純粹的“統(tǒng)計”神經(jīng)網(wǎng)絡(luò)技術(shù)可以在“統(tǒng)計上”生成“類似人類”的“有意義的語言”方面做得非常好。在ChatGPT Wolfram中，我們現(xiàn)在能夠利用整個堆棧：從ChatGPT的純“統(tǒng)計神經(jīng)網(wǎng)絡(luò)”，到Wolfram|Alpha的“計算錨定”自然語言理解，再到Wolfram語言的整個計算語言和計算知識。

當(dāng)我們第一次構(gòu)建Wolfram|Alpha時，我們認(rèn)為也許為了獲得有用的結(jié)果，我們別無選擇，只能與用戶進(jìn)行對話。但我們發(fā)現(xiàn)，如果我們立即產(chǎn)生豐富的、“可視覺掃描”的結(jié)果，我們只需要一個簡單的“假設(shè)”或“參數(shù)”交互——至少對于我們期望的用戶尋求的信息和計算。（在Wolfram|Alpha筆記本版中，我們有一個強(qiáng)有力的例子，說明如何使用自然語言進(jìn)行多步計算。）

早在2010年，我們不僅在嘗試從自然語言生成典型Wolfram|Alpha查詢的Wolfram語言代碼，而且還在嘗試生成“整個程序”。然而，在當(dāng)時，如果沒有現(xiàn)代法學(xué)碩士技術(shù)，這并沒有走那么遠(yuǎn)。但我們發(fā)現(xiàn)，在Wolfram語言的符號結(jié)構(gòu)背景下，即使有自然語言生成的代碼的小片段也非常有用。事實上，例如，我使用Ctrl= Wolfram筆記本中的機(jī)制幾乎每天無數(shù)次，例如從自然語言構(gòu)建符號實體或數(shù)量。我們還不知道現(xiàn)代“支持LLM”的版本是什么，但它可能涉及我們上面討論的豐富的人-AI“協(xié)作”，我們可以在ChatGPT Wolfram中首次開始行動。

我認(rèn)為現(xiàn)在正在發(fā)生的事情是一個歷史性的時刻。半個多世紀(jì)以來，我們可能稱之為“AI”的統(tǒng)計和符號方法在很大程度上是分開發(fā)展的。但現(xiàn)在，在ChatGPT Wolfram中，他們正在聚集在一起。雖然我們才剛剛開始，但我認(rèn)為我們可以合理地期待這種組合中的巨大力量——從某種意義上說， “類似AI的計算”的新范式，由于ChatGPT的到來，以及現(xiàn)在它與ChatGPT Wolfram中的Wolfram|Alpha和Wolfram語言的結(jié)合而成為可能。

上面為Stephen Wolfram原文的簡單翻譯，英文好的可以查看原文：

ChatGPT Gets Its “Wolfram Superpowers”!