人類語言及其背後的思維模式在結構上比我們想象的更簡單、更“符合規律”。

ChatGPT大火，甚至已經开始改變人類的工作和思考方式，充分了解並且認識它，同時看到未來的機會，已經成爲每個人迫不及待需要建立的心智。而放眼全球，唯一一本能夠講透GPT的原理以及未來的書，唯有斯蒂芬·沃爾弗拉姆的這本《這就是ChatGPT》。

無論你是否了解他，我都想再次誠意的爲你介紹這位傳奇人物的經歷。

他是伊利諾斯大學物理學、數學和計算機科學教授，“科學天才”。15歲發表首篇粒子物理方面的學術論文；19歲，到加州理工學院研究基本粒子物理學，一年內獲得理論物理學博士學位。隨後他和費曼一起研究起元胞自動機。

同時也是軟件工程師、企業老板，他創辦的Wolfram Research軟件公司，研發出當今世界四大數學軟件之一Mathematica。Mathematica的發布標志着現代科技計算的开始，它是世界上通用計算系統中最強大的系統。沃爾夫勒姆本人也因爲這個發明被認爲是“人類的偉大贊助者”，並跨入千萬富翁的行列。

1981年，沃爾弗拉姆被授予麥克阿瑟“天才人物”獎，並成爲該獎有史以來最年輕的獲得者。

2009年5月，沃爾弗拉姆發布了一個搜索引擎WolframAlpha。“第一個真正實用的人工智能”。可以給出針對問題的有效答案，所以，WolframAlpha問世不久後便被稱爲“谷歌殺手”。他跟喬布斯也是好友，比如蘋果手機助手Siri，背後的知識庫，其實就是Wolfram|Alpha支持的。 

他的大部頭著作，1197頁的《一種新科學》（A New Kind of Science）在2002年出版的時候登上了亞馬遜的榜首，暢銷無比。

他是當今世界活着的最聰明的人之一，最硬核的思考者。

ChatGPT的基本概念在某種程度上相當簡單：首先從互聯網、書籍等獲取人類創造的海量文本樣本，然後訓練一個神經網絡來生成“與之類似”的文本。特別是，它能夠從“提示”开始，繼續生成“與其訓練數據相似的文本”。

正如我們所見，ChatGPT中的神經網絡實際上由非常簡單的元素組成，盡管有數十億個。神經網絡的基本操作也非常簡單，本質上是對於它生成的每個新詞（或詞的一部分），都將根據目前生成的文本得到的輸入依次傳遞“給其所有元素一次”（沒有循環等）。

值得注意和出乎意料的是，這個過程可以成功地產生與互聯網、書籍等中的內容“相似”的文本。ChatGPT不僅能產生連貫的人類語言，而且能根據“閱讀”過的內容來“循着提示說一些話”。它並不總是能說出“在全局上有意義”（或符合正確計算）的話，因爲（如果沒有利用Wolfram|Alpha的“計算超能力”）它只是在根據訓練材料中的內容“聽起來像什么”來說出“聽起來正確”的話。

ChatGPT 的具體工程非常引人注目。但是，（至少在它能夠使用外部工具之前）ChatGPT“僅僅”是從其積累的“傳統智慧的統計數據”中提取了一些“連貫的文本线索”。但是，結果的類人程度已經足夠令人驚訝了。

正如我所討論的那樣，這表明了一些至少在科學上非常重要的東西：人類語言及其背後的思維模式在結構上比我們想象的更簡單、更“符合規律”。ChatGPT 已經隱含地發現了這一點。但是我們可以用語義語法、計算語言等來明確地揭开它的面紗。

ChatGPT 在生成文本方面表現得非常出色，結果通常非常類似於人類創作的文本。這是否意味着 ChatGPT 的工作方式像人類的大腦一樣？它的底層人工神經網絡結構說到底是對理想化大腦的建模。當人類生成語言時，許多方面似乎非常相似。

當涉及訓練（即學習）時，大腦和當前計算機在“硬件”（以及一些未开發的潛在算法思想）上的不同之處會迫使 ChatGPT 使用一種可能與大腦截然不同的策略（在某些方面不太有效率）。

還有一件事值得一提：甚至與典型的算法計算不同，ChatGPT 內部沒有“循環”或“重新計算數據”。這不可避免地限制了其計算能力—即使與當前的計算機相比也是如此，更談不上與大腦相比了。

我們尚不清楚如何在“修復”這個問題的同時仍然讓系統以合理的效率進行訓練。但這樣做可能會使未來的 ChatGPT 能夠執行更多“類似大腦的事情”。當然，有許多事情大腦並不擅長，特別是涉及不可約計算的事情。對於這些問題，大腦和像 ChatGPT 這樣的東西都必須尋求“外部工具”，比如 Wolfram 語言的幫助。

但是就目前而言，看到 ChatGPT 已經能夠做到的事情是非常令人興奮的。在某種程度上，它是一個極好的例子，說明了大量簡單的計算元素可以做出非凡、驚人的事情。它也爲我們提供了 2000 多年以來的最佳動力，來更好地理解人類條件（human condition）的核心特徵—人類語言及其背後的思維過程—的本質和原則。

機器學習是一種強大的方法，特別是在過去十年中，它取得了一些非凡的成功—ChatGPT 是最新的成功案例。除此之外，還有圖像識別、語音轉文字、語言翻譯……在每個案例中，都會跨越一個門檻—通常是突然之間。一些任務從“基本不可能”變成了“基本可行”。

但結果從來不是“完美”的。也許有的東西能夠在 95% 的時間內運作良好。但是不論怎樣努力，它的表現在剩下的 5% 時間內仍然難以捉摸。對於某些情況來說，這可能被視爲失敗。但關鍵在於，在各種重要的用例中，95% 往往就“足夠好了”。原因也許是輸出是一種沒有“正確答案”的東西，也許是人們只是在試圖挖掘一些可能性供人類（或系統算法）選擇或改進。

擁有數百億參數的神經網絡一次一個標記地生成文本，能夠做到ChatGPT 所能做的事情，這着實是非同凡響的。

鑑於這種戲劇性、意想不到的成功，人們可能會認爲，如果能夠“訓練一個足夠大的網絡”，就能夠用它來做任何事情。但事實並非如此。關於計算的基本事實，尤其是計算不可約的概念，表明它最終是無法做到的。

不過不要緊，重點在於我們在機器學習的實際歷史中看到的：會取得（像 ChatGPT 這樣的）重大突破，進步不會停止。更重要的是，我們會發現能做之事的成功用例，它們並未因不能做之事受阻。雖然“原始 ChatGPT”可以在許多情況下幫助人們寫作、提供建議或生成對各種文檔或交流有用的文本，但是當必須把事情做到完美時，機器學習並不是解決問題的方法—就像人類也不是一樣。

這正是我們在以上例子中看到的。ChatGPT 在“類人的部分”表現出色，因爲其中沒有精確的“正確答案”。但當它被“趕鴨子上架”、需要提供精確的內容時，往往會失敗。這些例子要表達的重點是，有一種很好的方法可以解決該問題—將 ChatGPT 連接到Wolfram|Alpha（沃爾弗拉姆公司所研發的新一代的搜索引擎，能根據問題直接給出答案的網站）以利用其全部的計算知識“超能力”。

在 Wolfram|Alpha 內部，一切都被轉換爲計算語言，轉換爲精確的Wolfram 語言代碼。這些代碼在某種程度上必須是“完美”的，才能可靠地使用。關鍵是，ChatGPT 無須生成這些代碼。它可以生成自己常用的自然語言，然後由 Wolfram|Alpha 利用其自然語言理解能力轉換爲精確的 Wolfram 語言。

在許多方面，可以說 ChatGPT 從未“真正理解”過事物，它只“知道如何產生有用的東西”。但是 Wolfram|Alpha 則完全不同。因爲一旦 Wolfram|Alpha 將某些東西轉換爲 Wolfram 語言，我們就擁有了它們完整、精確、形式化的表示，可以用來可靠地計算事物。不用說，有很多“人類感興趣”的事物並沒有形式化的計算表示—盡管我們仍然可以用自然語言談論它們，但是可能不夠准確。對於這些事物，ChatGPT 只能靠自己，而且能憑借自己的能力做得非常出色。

就像我們人類一樣，ChatGPT 有時候需要更形式化和精確的“助力”。重點在於，它不必用“形式化和精確”的語言表達自己，因爲 Wolfram|Alpha 可以用相當於 ChatGPT 母語的自然語言進行溝通。當把自然語言轉換成自己的母語 —Wolfram 語言時，Wolfram|Alpha 會負責“添加形式和精度”。我認爲這是一種非常好的情況，具有很大的實用潛力。

這種潛力不僅可以用於典型的聊天機器人和文本生成應用，還能擴展到像數據科學或其他形式的計算工作（或編程）中。從某種意義上說，這是一種直接把 ChatGPT 的類人世界和 Wolfram 語言的精確計算世界結合起來的最佳方式。

ChatGPT 能否直接學習 Wolfram 語言呢？答案是肯定的，事實上它已經开始學習了。我十分希望像 ChatGPT 這樣的東西最終能夠直接在 Wolfram 語言中運行，並且因此變得非常強大。

這種有趣而獨特的情況之所以能成真，得益於 Wolfram 語言的如下特點：它是一門全面的計算語言，可以用計算術語來廣泛地談論世界上和其他地方的事物。

Wolfram 語言的總體概念就是對我們人類的所思所想進行計算上的表示和處理。普通的編程語言旨在確切地告訴計算機要做什么，而作爲一門全面的計算語言，Wolfram 語言涉及的範圍遠遠超出了這一點。實際上，它旨在成爲一門既能讓人類也能讓計算機“用計算思維思考”的語言。

許多世紀以前，當數學符號被發明時，人類第一次有了“用數學思維思考”事物的一種精簡媒介。它的發明很快導致了代數、微積分和最終所有數學科學的出現。Wolfram 語言的目標則是爲計算思維做類似的事情，不僅是爲了人類，而且是要讓計算範式能夠开啓的所有“計算 XX 學”領域成爲可能。

我個人因爲使用 Wolfram 語言作爲“思考語言”而受益匪淺。過去幾十年裏，看到許多人通過 Wolfram 語言“以計算的方式思考”而取得了很多進展，真的讓我喜出望外。

那么 ChatGPT 呢？它也可以做到這一點，只是我還不確定一切將如何運作。但可以肯定的是，這不是讓 ChatGPT 學習如何進行 Wolfram 語言已經掌握的計算，而是讓 ChatGPT 學習像人類一樣使用 Wolfram 語言，讓 ChatGPT 用計算語言（而非自然語言）生成“創造性文章”，等等。

我在很久之前就討論過由人類撰寫的計算性文章的概念，它們混合使用了自然語言和計算語言。現在的問題是，ChatGPT 能否撰寫這些文章，能否使用 Wolfram 語言作爲一種提供對人類和計算機而言都“有意義的交流”的方式。是的，這裏存在一個潛在的有趣的反饋循環，涉及對 Wolfram 語言代碼的實際執行。

但至關重要的是Wolfram 語言代碼所代表的“思想”的豐富性和“思想”流—與普通編程語言中的不同，更接近 ChatGPT 在自然語言中“像魔法一樣”處理的東西。

換句話說，Wolfram 語言是和自然語言一樣富有表現力的，足以用來爲 ChatGPT 編寫有意義的“提示”。沒錯，Wolfram 語言代碼可以直接在計算機上執行。但作爲 ChatGPT 的提示，它也可以用來“表達”一個可以延續的“想法”。它可以描述某個計算結構，讓ChatGPT“即興續寫”人們可能對於該結構的計算上的說法，而且根據它通過閱讀人類寫作的大量材料所學到的東西來看，這“對人類來說將是有趣的”。

ChatGPT 的意外成功突然帶來了各種令人興奮的可能性。就目前而言，我們能馬上抓住的機會是，通過 Wolfram|Alpha 賦予 ChatGPT計算知識超能力。這樣，ChatGPT 不僅可以產生“合理的類人輸出”，而且能保證這些輸出利用了封裝在 Wolfram|Alpha 和 Wolfram語言內的整座計算和知識高塔。

[美] 斯蒂芬·沃爾弗拉姆 著 WOLFRAM傳媒漢化小組 譯

本文作者可以追加內容哦 !