2023 年 10 月 17 日，在旧金山 TED AI 大会上的演讲实录
人类的语言、数学和逻辑，这些都是我们解读世界的工具。在当今世纪，出现了一种新的、更加强大的工具：计算。
在过去近 50 年中，我有幸基于这个计算概念，建立起一座越来越高的科学技术之塔。今天我想和大家分享，这一路走来，我们发现了什么。
要讲的内容很多，我会尽量简短，有时只用一句话概述我曾经写过整本书的内容。
回想起来，我上次在 TED 上演讲是在 13 年前，那是在 2010 年 2 月，Wolfram|Alpha刚刚推出不久。
那次演讲的结尾，我提出了一个问题：计算是否是构成我们宇宙的根本元素？
我给自己定了十年的期限来寻找答案。实际上，这或许需要花费整整一个世纪的时间。但是在 2020 年 4 月，也就是十年的时间点之后，我们兴奋地宣布，我们似乎找到了宇宙的最终“机器代码”。
是的，它基于计算。因此，计算不只是一种理解世界的可能方式，它是探索我们宇宙的终极方法。
一切都始于这样一个观点：空间——就像物质一样——由独立的元素组成。空间和其中的所有事物的结构，只不过是这些元素之间关系网的体现，我们可以把这些元素称作空间的原子。这种想法非常优雅，但又非常抽象。
但让我们用更接近人类感知的方式来展示这个概念：
想象一下宇宙的初始状态。我们看到的，是空间及其包含的一切通过一系列简单的计算规则逐渐形成。要明白，这些点不是现有空间中的原子，而是构成空间的原子，它们逐渐组合起来形成了空间。如果我们持续这个过程足够长的时间，我们甚至可以用这种方式构建出整个宇宙。
数亿年后，这里展示的是一块包含两个小黑洞的空间区域，这两个黑洞最终合并，产生了引力波纹：
记住——这一切都是基于纯粹的计算构建的。就像流体力学是从分子运动中衍生出来的，这里呈现的是时空，以及爱因斯坦关于引力的方程。尽管在这里有一些我们可能能够观测到的偏差，例如空间的维数并不总是严格的 3 维。
还有更多深入的内容。我们的计算规则可以以多种方式应用，每种方式都定义了一个不同的时间线，一条不同的历史轨迹，这些轨迹可以发生分叉和合并：
但作为这个宇宙中的观察者，我们的认知也在发生分叉和合并。最终，量子力学的概念显现出来，它讲述了处于分叉路径中的意识是如何感知一个分叉的宇宙的故事。
这些粉红色的线条展示了所谓的分枝空间（branchial space）的结构——这是量子分支的空间。对于物理学家来说，一个令人惊叹的美妙现象是，相同的原理在物理空间中产生了重力，在分枝空间中则导致了量子力学的产生。
在科学的发展历史中，我们似乎可以辨别出四种主要的世界观模型构建方式，这些方式主要是通过它们处理时间的方法来区分的。
在古代，甚至在当今很多科学领域，人们关注的是“物质由什么构成”，而时间似乎并不是重点。但到了 17 世纪，出现了使用数学公式来描述事物的方法，在这种方法中，时间作为一个坐标值被引入。
接着到了 1980 年代，我深入参与的一个新思想是通过简单的计算规则来构建模型，只需让这些规则运行就行了：
我们能预测接下来会发生什么吗？答案是否定的，这里存在我所称的计算不可约性（computational irreducibility）：时间的流逝实质上对应于一个我们必须执行的基本计算过程，才能知晓其最终走向。
但现在，我们的物理项目中出现了更为复杂的现象：事物进入了多重计算状态，其中存在着许多时间线索，这些线索只有通过观察者的角度才能被串联起来。
这种新的理念——似乎不仅在基础物理领域开启了新局面，还对数学的基础和计算机科学产生了重要影响，甚至可能在生物学和经济学等领域也有所启发。
你知道，我之前讨论过通过不断应用计算规则来构建宇宙的思想。但这个规则是怎样确定的呢？实际上，它并没有被特定地选定。因为所有可能的规则都在被使用中。我们正在构建的是我所称的ruliad：一个深层次的抽象但又独一无二的实体，它是所有可能计算过程的综合极限。这是它的一个小片段，通过图灵机的形式展示：
那么，ruliad 包含了一切。而且我们作为观察者，自然是其不可或缺的一部分。在整个 ruliad 中，任何在计算上可能发生的事情都有可能发生。但我们这样的观察者只能体验到 ruliad 的特定部分。
关于我们自己，有两点至关重要。首先，我们的计算能力是有限的——我们的思维能力是受限的。其次，我们相信自己在时间上是持续存在的——尽管我们每时每刻都由不同的空间原子构成。
因此，这里有一个重要的发现。具有上述特性的观察者在 ruliad 中感知到的必然遵循某些规律。这些规律恰好是 20 世纪物理学的三大核心理论：广义相对论、量子力学和统计力学，以及热力学第二定律。
我们之所以能感知到我们所熟悉的物理定律，正是因为我们是这样的观察者。
我们可以将不同的思维方式想象成位于 rulial 空间的不同位置。思维方式相近的人类彼此靠近，动物则相对较远。再远一些，我们就到达了外星智慧的领域，那里的思维方式难以用我们的语言解释。
要理解这一切，我们可以借助生成式 AI 来体验 ruliad 中极小的一部分——这部分与人类创造的图像相对应。
我们可以把这看作 ruliad 中的一个特定区域，用戴着派对帽的猫的概念来描述：
当我们拉远视角，我们可能会看到被称为“猫岛”的地方。但不久后，我们就进入了概念间空间，在这里，我们偶尔会看到一些熟悉的事物，但大部分时间，我们会遇到无法用人类语言描述的现象。
在物理空间中，我们通过发射宇宙飞船来探索更广阔的宇宙。而在 rulial 空间中，我们通过扩展我们的概念和思维范式来进行更深入的探索。
我们可以通过尝试各种可能的规则来探索未知的世界，这就是我所定义的“规则学”：
即便是非常简单的规则，也蕴含着难以置信的复杂性。然而，大多数情况下，这些复杂性还没有与我们人类所理解或关注的领域产生联系。这就像我们对自然世界的观察，逐渐发现其特性可以用于科技发展一样。尽管人类文明取得了诸多成就，但在探索规则空间这条路上，我们仍然只是起步阶段。
但如果让 AI 来做呢？就像我们进行规则学研究一样，AI 原理上也能探索规则空间。但如果放任它们自主行动，它们多数时间可能会做一些我们人类难以理解或不关心的事情。
AI 最近的一大成就是创建了与人类紧密相连的系统。我们在数十亿网页上训练大语言模型 (LLM)，使其能够生成类似于人类撰写的文本。这种做法的有效性无疑揭示了一些关于语言的语义语法——以及像逻辑这样的概念的推广——这些是我们在科学上应该在几个世纪前就已经理解的深刻见解。
你知道，人类历史的大部分时间里，我们就像大语言模型 (LLM)，通过在大脑中匹配模式来理解世界。但随后，我们发展出了更加系统的形式化方法，最终发展到了计算。有了这些，我们获得了创造全新事物的能力，实际上能够自由地探索规则领域。
然而，挑战在于，我们需要以一种能够与人类及我们的 AI 理解相契合的方式来实现这一目标。
实际上，我毕生的大部分都致力于构建这座桥梁。这一切都是围绕着创造一种计算性表达自我的语言：一种计算思维的语言。
我们的目标是，用计算术语把我们对世界的理解形式化。也就是说，用计算方法来表达城市、化学物质、电影、公式，以及我们对它们的认识。
这是一个浩大的项目，它贯穿了我超过四十年的生活。这是一件非常独特和不同寻常的事情。但我很高兴地告诉大家，在Mathematica和现在的Wolfram 语言中，我认为我们已经成功地创造了一个真正全面的计算语言。
实际上，这里的每个功能都可以被看作是在计算术语中形式化的，并封装了我们文明的某一方面的智慧成果：
这是我所知道的最集中的智力表达形式：找到一切的本质，并在我们的计算语言设计中连贯地表达出来。对我个人而言，这是一段令人惊叹的旅程，年复一年地构建所需的思想和技术塔楼，现在还通过公开直播与全世界分享这个过程。
几个世纪前，数学符号的发展及其所代表的“数学语言”，为数学表达提供了一种系统化的方式，使得代数、微积分成为可能，最终推动了现代数学科学的全部发展。计算语言如今为我们提供了类似的路径——让我们最终能为所有可想象的领域 X 创造一个“计算 X”。
我们已经见证了计算机科学（CS）的发展。但计算语言开辟了一条更大、更广阔的道路：CX。过去 70 年，我们使用的编程语言，是关于如何用计算机的语言指导计算机做事。而计算语言则关乎更宏大的智慧领域：它关于如何把我们能想到的一切，在计算术语中具体化。
你知道的，我最初是为了自己的需求而创建了 Wolfram 语言。现在，当我使用它时，我感觉它赋予了我一种超能力：
只要我在计算领域里想象一些事物，这种语言就能神奇地帮我把它们变成现实，让我看到可能的后果，并在此基础上进一步创新。是的，这就是让我能实现像我们的物理项目那样壮举的超能力。
在过去 35 年中，我非常荣幸地与众多人分享了这种超能力。通过这种分享，我们在许多领域实现了巨大的进步。看到各界人士——研究人员、CEO、孩子们——利用我们的语言，流畅地以计算方式思考，让他们的想法更加清晰，并且几乎自动地调动计算能力，这是一件非常美妙的事情。
现在，不只是人类能做到这一点，AI 也可以利用我们的计算语言作为工具。这不仅仅是为了核实事实，更重要的是，为了发现新的事实。我们已经看到了一些将我们的技术融入大语言模型 (LLM)的实例——未来还会有更多精彩呈现。在构建新事物方面，一种非常有力的新兴工作流程就是先大致向 LLM 描述你的需求，然后让它尝试用精确的 Wolfram 语言来表达。关键在于，我们的计算语言与普通编程语言不同，你作为一个人可以“读懂代码”。如果它符合你的需求，你就可以将其作为一个可靠的组件来使用。
但如果我们越来越多地依赖 AI 和计算技术，世界将会怎样变化呢？从工业革命以来，我们习惯了通过“看到齿轮如何啮合”来“理解”工程是如何工作的。但是，计算不可约简性现在告诉我们，这并不总是可能的。我们不总是能够用简单的人类语言或数学叙述来解释或预测一个系统将会怎样运作。
确实，这似乎是科学正在自我消化的过程。我们从数学科学的众多成就中，开始相信存在某种公式能预测一切——如果我们能找到它们的话。然而，计算不可约性（computational irreducibility）的概念告诉我们，事情并非如此。要弄清楚一个系统的未来走向，我们必须亲自经历与该系统相同的、无法简化的计算过程。
这不仅是科学的局限，也是时间流逝之所以重要和有意义的原因。我们无法跳过过程直接获取答案；必须亲身体验这些步骤。
这将成为未来社会面临的一大难题。如果我们让 AI 发挥其全部计算潜力，它们将具有高度的计算不可约性，使我们无法预测它们的行为。但如果我们限制它们，以便让其行为可预测，那么我们也将限制它们能为我们做的事情。
如果我们的世界充满计算不可约性，那会是什么样的感觉呢？其实，这并不是什么新鲜事——因为这正是大自然的本质。我们已经找到了在自然界中生存的方法，尽管大自然仍然能给我们带来惊喜。
人工智能也是如此。我们或许会给它们制定宪法，但总会有我们无法预测的后果。当然，即便是确定社会对 AI 的期望也是一项挑战。也许我们需要一个基于提示的社会（promptocracy），在这里人们通过撰写提示而非单纯投票来表达意愿。但总的来说，每一个控制结果的方案似乎都充斥着政治哲学和计算不可约性的复杂问题。
你知道，在整个人类历史的长河中，一个显著的变化是越来越多的任务被自动化了。大语言模型 (LLM) 最近就给我们展示了这一点，而且方式非常引人注目和意外。这是否意味着我们人类最终将无所事事呢？其实，历史告诉我们，当一项工作被自动化，新的工作机会和领域就会出现。随着经济的增长，职业种类的分布变得更加多样化。
现在，我们再来谈谈 ruliad。在根本上，自动化正在为 ruliad 带来更多的发展方向。但在这个过程中，没有抽象的标准来做选择。一切都取决于我们人类的需求，而且需要人类的“实际工作”来加以定义。
如果一个 AI 社会没有人类的参与，它可能会自由地探索整个 ruliad。但对我们来说，它们的大多数行为可能看起来毫无目的、随机。这有点像大自然的大部分现象，对我们而言似乎并没有明确的“目的”。
过去我们常常认为，要创造对我们有用的东西，需要一步一步地进行。但 AI 和整个计算领域告诉我们，真正重要的是清晰定义我们的需求。然后通过计算、AI 和自动化来实现这些需求。
没错，我认为清晰定义我们需求的关键在于计算语言。即便过了 35 年，对许多人而言，Wolfram 语言仍像是未来的产物。对于程序员来说，它似乎有点像作弊：为什么能在一个小时内完成通常需要一周的任务？但这也带来了一定的挑战，因为在迅速完成一个任务之后，你还要立刻开始思考下一个任务。当然，对于那些准备好迎接新挑战的 CEO、CTO 和思想领袖来说，这是非常好的工具。事实上，它在这些领导者中间非常受欢迎。
从一个角度来看，Wolfram 语言正在从注重技术操作转向关注概念思维。这种转变的核心在于广泛的计算思维。那么，怎样才能掌握这种思维方式呢？这不只是计算机科学 (CS) 那么简单，更是一种计算体验 (CX) 的历程。作为一种教育形式，它更像是文科而不是理工科。在技术操作自动化的趋势下，关键不在于如何操作，而在于选择做什么。这更多关乎广泛的知识和全面的思维，而不是狭隘的专业领域。
你看，这一切背后有一种出人意料的以人为中心的思想。我们原本以为，随着科学技术的发展，人类的特性会变得越来越不重要。然而，实际情况并非如此。事实上，甚至我们的物理学——都是基于人类对 ruliad 的采样而定。
在我们的物理学项目之前，我们并不确定我们的宇宙是否真的基于计算。但现在，我们几乎可以确定它是的。这引导我们不可避免地走向了 ruliad——其浩瀚程度远超我们宇宙中所有的物理空间。
那么，在 ruliad 的世界中，我们将走向何方？计算语言成为了我们规划道路的关键。它使我们人类能够定义我们的目标和探索之旅。令人赞叹的是，ruliad 中所有的力量和深邃都向每个人敞开。人们只需学会利用这些计算的超级力量。这一过程从这里开始。这是我们通向 ruliad 世界的门户：
引用此文为
Stephen Wolfram (2023), “How to Think Computationally about AI, the Universe and Everything,” Stephen Wolfram Writings. writings.stephenwolfram.com/2023/10/how-to-think-computationally-about-ai-the-universe-and-everything.
发布于：人工智能 栏目，同时也涉及 大局观、计算思维、对未来的思考、哲学思考、物理学领域 和 Wolfram 语言 相关话题。
