为Stephen Wolfram在2023年10月17日于旧金山的 TED AI 会议上的演讲实录。原文链接
以下为GPT辅助翻译。文中的视频，翻译时暂时只用了截图，视频请去原文链接观看。
人类的语言、数学和逻辑，这些都是我们理解世界的方式。而在这个世纪，涌现了一种新的、更为强大的方式：计算。
在过去近50年的时间里，我有幸能够基于计算这一理念，建立起一座日益高耸的科学和技术之塔。今天，我想和大家分享一些由此带来的成果。
有很多想要分享的—所以我会尽量简短……有时候，我会用一句话来概括我写了整本书的内容。
你们可能知道，我上次在 TED 上演讲是在十三年前—2010年2月—就在 Wolfram|Alpha 上线后不久。
我在那次演讲的结尾提出了一个问题：计算是否是我们宇宙底层的基础？
我给自己设定了十年时间来探求这个问题。实际上，可能需要一个世纪的时间。但是在2020年4月—刚好过了十年—我们非常激动地宣布，似乎找到了宇宙的最终“机器代码”。
是的，它是计算性的。所以，计算不仅仅是一种可能的形式化方法；它是我们宇宙的最终形式化方法。
所有的一切都始于一个理念，即空间—像物质一样—是由离散的元素构成的。空间的结构及其内部的所有事物都是由这些元素之间的关系网络所定义的—我们可以将其称为空间的原子。这非常优雅，但也非常抽象。
但这里有一个更通俗的表述：
这展示了宇宙最初时刻的一个版本。我们在这里看到，通过连续应用非常简单的计算规则，空间及其中的所有事物开始逐渐形成。请记住，这些点不是任何现有空间中的原子。它们是空间的原子—它们被组合在一起以构建空间。是的，如果我们持续这样做足够长时间，我们可以用这种方式构建我们整个的宇宙。
亿万年后，这里展示了一个空间区块，其中有两个小黑洞，它们最终合并，产生了重力辐射的波纹：
请记住—所有这些都是纯计算构建的。但就像流体力学从分子中涌现一样，这里涌现的是时空—以及爱因斯坦的引力方程。尽管有些偏差我们可能能够检测到。例如空间的维度不会始终精确为3。
还有另外一点。我们的计算规则不可避免地可以多种方式应用，每种方式定义了一个不同的时间线，一个不同的历史路径，它们可以分支和合并：
但作为嵌入在这个宇宙中的观察者，我们也在不断分支和合并。结果表明，量子力学是描述分支心智如何感知分支宇宙的。
这里的小粉红线展示了我们称之为分支空间的结构—即量子分支的空间。令人惊叹的美丽之一——至少对于像我这样的物理学家来说——是同一个现象在物理空间为我们提供了重力，在分支空间为我们提供了量子力学。
在科学的历史进程中，我认为我们可以识别出四个构建世界模型的广泛范式—它们可以根据它们如何处理时间来区分。
在古代—以及在现今的许多科学领域中—核心问题都是“事物是由什么构成的”，而时间并没有真正地被考虑进去。但是到了17世纪，人们开始用数学公式来模拟事物—其中包含了时间，但基本上只是作为一个坐标值而存在。
再后来到了20世纪80年代—这是我深度参与的一个阶段—人们提出了通过设定简单的计算规则并让它们自行运行来构建模型的想法：
我们能预测未来会发生什么吗？不能，这就是我称之为的计算不可约性：实际上，时间的流逝对应于一种我们必须执行以知道结果如何的不可约计算。
现在有了更多的内容：在我们的物理项目中，事物变得多计算性，拥有很多时间线索，只有通过观察者才能将它们纠缠在一起。
这是一个新的范式—实际上它似乎不仅在基础物理学中解锁了一些事物，也在数学和计算机科学的基础上，甚至可能在生物学和经济学等领域解锁了一些事物。
你知道，我谈到了通过反复应用计算规则来构建宇宙。但是规则是如何选择的呢？嗯，实际上，它没有被选择。因为使用了所有可能的规则。我们正在构建我所称的 ruliad：这是一个深度抽象但独特的对象，是所有可能的计算过程交织在一起形成的极限。这里以图灵机的形式展示了它的一小部分：
好的，所以 ruliad 是包含一切的。而我们作为观察者，必然是它的一部分。在整个 ruliad 中，所有在计算上可能发生的事物都会发生。但是像我们这样的观察者只能抽样 ruliad 的特定部分。
关于我们，有两个关键点。首先，我们是计算能力有限的—我们的思维有其限制。其次，我们相信我们是随时间持续存在的—尽管我们在每一个时刻都由不同的空间原子组成。
然后，这里是重要的发现。具有这些特征的观察者在 ruliad 中必然会遵循某些规律。而这些规律正是20世纪物理学的三个核心理论：广义相对论、量子力学，以及统计力学和第二定律。
因为我们是这样的观察者，我们才能感知到我们所感知的物理定律。
我们可以想象不同的思维处于 ruliad 空间的不同位置。思考相似的人类思维彼此接近。动物则离得更远。再往外走，我们会遇到很难进行翻译的外星思维。
我们如何对所有这些建立直觉呢？我们可以利用生成性 AI 来取样 ruliad 的极小部分—与我们人类创建的图像保持一致。
我们可以将此视为 ruliad 中一个区域，该区域可以通过“戴着派对帽的猫”这个概念来描述：
放大观看时，我们看到的可能被称作“猫岛”。但很快我们便会步入概念之间的空间。偶尔会看到一些熟悉的东西，但大多时候我们会看到一些我们人类无法命名的东西。
在物理空间中，我们通过发射宇宙飞船来探索更多的宇宙。而在 ruliad 空间中，我们通过拓展我们的概念和模式来探索更多。
我们可以通过抽样可能的规则来感受那里的情况—进行我所说的 ruliology：
即使是极其简单的规则也能产生令人难以置信的丰富多样性。但问题是，大多数内容还没能与我们人类所理解或关心的事物产生联系。这就好比我们观察自然世界时，逐渐意识到我们可以利用其特点发展技术。尽管我们的文明已经取得了很多，我们仍只是在探索 ruliad 空间的起始阶段。
那 AI 呢？正如我们能进行 ruliology 一样，AI 在原则上也可以走出去探索 ruliad 空间。但如果让它们自主行动，它们大多会做一些我们人类无法理解或不关心的事情。
近期 AI 的巨大成就主要在于创建了与我们人类紧密相连的系统。我们在数十亿网页上训练 LLM，以使它们能产生符合我们人类写作风格的文本。而且，的确，这种做法的成功无疑向我们揭示了一些关于语言语义语法的深刻科学知识—以及例如逻辑之类事物的泛化—可能我们在几个世纪前就应该知道了。
你知道，在人类的大多数历史时期，我们像 LLM 一样，通过在我们的思维中匹配模式来理解事物。但后来出现了更为系统的形式化—最终出现了计算。随之，我们获得了全新层次的能力—创造真正新的事物，并实际上在 ruliad 中自由探索。
但是挑战在于如何以一种我们人类和我们的 AI 能理解的方式来实现这一目标。
实际上，我已经投入了我生命中很大一部分时间来构建这座桥梁。这完全是关于创建一种用于计算表达的语言的过程：一种计算思维的语言。
目标是以计算的术语来形式化我们对世界的了解。拥有代表城市、化学品、电影和公式的计算方式—以及我们对它们的了解。
这是一个庞大的任务—它贯穿了我生命中的四十多年。这是非常独特和不同寻常的。但我很高兴报告，在 Mathematica 和现在的 Wolfram 语言中，我认为我们现在已经成功地创建了一个真正的全尺度计算语言。
实际上，这里的每一个功能都可以被视为是在计算术语中形式化—并封装了我们文明的某个知识成就方面。
这是我所知的最精炼的智慧表达形式：找寻万物的精髓，并在我们的计算语言设计中清晰地表达出来。对我个人而言，这是一个令人惊奇的旅程，年复一年地建立起所需的思想和技术高塔—现在通过开放的直播与全世界分享这个过程。
几个世纪前，数学符号的发展和相当于“数学语言”的产生，提供了一种系统性地表达数学的方式—从而让代数、微积分和所有现代数学科学成为可能。而计算语言现在提供了类似的途径—最终让我们为所有可想象的领域 X 创建一个“计算 X”。
我们见证了计算机科学—CS 的发展。但计算语言揭示了一些最终更大更广泛的东西：CX。在过去的 70 年里，我们拥有编程语言—它们是关于以计算机的术语告诉它们该做什么。但计算语言关乎更宏大的智慧层面：它是关于将我们能想到的一切以计算术语具体化。
你知道，我首先构建 Wolfram 语言是因为我想自己使用它。现在当我使用它时，我感觉它赋予了我一种超能力：
我只需用计算术语设想一下，然后这种语言几乎奇迹般地帮我将它变为现实，让我看到其结果，并在其基础上继续创造。是的，这种超能力让我能够完成像我们的物理项目这样的事情。
在过去的35年里，我很荣幸能与很多人分享这种超能力—通过这种方式，在许多领域实现了令人难以置信的进步。看到研究人员、首席执行官、孩子们使用我们的语言流畅地用计算术语思考，使他们的思考更加明确，然后实际上自动调用计算超能力，这是非常美妙的。
现在，不仅人们可以这样做，AI也可以将我们的计算语言作为工具。是的，为了搞清楚事实，但更重要的是，为了计算出新的事实。我们的技术已经整合到一些LLMs中—而且你很快就会看到更多。你知道，当我们开始构建新事物时，一个非常强大的新兴工作流基本上是首先简单地告诉LLM你想要什么，然后让它尝试用精确的Wolfram语言表达出来。然后—这是我们的计算语言相对于编程语言的一个关键特点—你作为人类可以“阅读代码”。如果它达到了你想要的效果，你可以将它作为一个可靠的组件来构建。
OK，但如果我们用越来越多的 AI 和进行越来越多的计算，世界会变成什么样子呢？从工业革命开始，我们已经习惯于通过“看清齿轮如何咬合”来“理解”事物的运作机制。但现在，计算不可约性表明，这种理解并不总是可能的。我们不总是能够通过一个简单的人类或数学叙述来解释或预测系统会做什么。
这实际上是科学在从内部侵蚀自己。从数学科学的所有成功中，我们已经开始相信，如果我们能找到它们，就会有能预测一切的公式。但现在，计算不可约性显示，这不是事实。实际上，要了解系统会做什么，我们必须经历与系统本身相同的不可约的计算步骤。
是的，这是科学的一个缺点。但这也是时间流逝具有重要性和意义的原因。我们不能简单地跳过并得到答案；我们必须“体验每个步骤”。
这将成为未来社会的一个巨大挑战。如果我们让 AI 发挥其全部计算潜力，它们将表现出大量的计算不可约性，我们将无法预测它们会做什么。但是，如果我们对它们施加限制以使其行为可预测，我们就会限制它们能为我们做的事情。
那么，如果我们的世界充满了计算不可约性，感觉会怎样呢？其实，这并不是什么新鲜事—因为这就是大自然的很多故事。事实上，我们已经找到了在自然界中运作的方法—尽管自然仍然会给我们带来惊喜。
AI 也是如此。我们可能会给它们制定一项宪法，但总会有我们无法预见的后果。当然，甚至在社会层面上弄清楚我们想要从 AI 中得到什么也是困难的。也许我们需要一个提示主义（promptocracy，貌似是prompt+民主的组合词，译者注）社会，在那里人们通过编写提示而不仅仅是投票来表达意愿。但基本上，每个控制结果的方案似乎都充满了政治哲学和计算不可约性的问题。
你知道，如果我们回顾整个人类历史的进程，一个明显的变化是，越来越多的事务被自动化了。大型语言模型 (LLMs) 刚刚为我们展示了一个戏剧性和意想不到的例子。那么，这是否意味着最终我们人类将无所作为？嗯，如果你审视历史，似乎每当一项事务被自动化，它就会开辟许多新的可能性。随着经济的发展，职业的分布图似乎变得越来越多元化。
现在我们又回到了 ruliad 的话题。因为在基础层面，正在发生的是自动化正在开辟更多进入 ruliad 的路径。并且没有抽象的方法来在它们之间做选择。这仅仅是关于我们人类想要什么的问题—它需要人们“投入努力”来明确这一点。
一个不受人类干预的 AI 社会实际上会走开并探索整个 ruliad。但是他们所做的大多数事情对我们来说似乎是随机和毫无意义的。就像现在大多数自然现象看起来并不像是“实现了某个目的”。
以前，我们通常会想，要创造对我们有用的东西，我们需要逐步地进行。但AI和整个计算领域告诉我们，实际上我们需要的更多是清楚地定义我们想要什么。然后，通过计算、AI和自动化可以实现它。
的确，我认为清晰地定义我们想要什么的关键是计算语言。你知道，即使过了35年，对于很多人来说，Wolfram 语言仍然是来自未来的奇迹。如果你的工作是编程，这会让你觉得像是在作弊：怎么可能在一个小时内完成通常需要一周的任务呢？但这也可能让人感到害怕，因为在快速完成一个任务后，你现在需要构思下一个任务。当然，对于急于推进下一个项目的CEO、CTO和知识领袖来说，这是非常好的。而且实际上，在这个群体中，它非常受欢迎。
在某种程度上，正在发生的是 Wolfram 语言从专注于技术细节转向专注于概念化。而实现这种概念化的关键是广泛的计算思维。那么，如何学习这种思维呢？这不仅仅是计算机科学（CS）的事情，而是计算思维（CX）的事情。作为一种教育方式，它更像是自由艺术而不是STEM（科学、技术、工程和数学）。当你实现技术执行的自动化时，变得重要的不是理解如何做事，而是理解要做什么。这更多的是关于广泛知识和通用思维，而不是任何类型的狭隘专门化。
你知道，所有这些都显示出一种出人意料的以人为中心的特点。我们可能曾经想过，随着科学和技术的进步，我们人类的特性将变得越来越不相关。但我们发现这不是事实。实际上，所有的事物——包括我们的物理学——都依赖于我们人类如何在 ruliad 中进行选择。
在开始我们的物理项目之前，我们不确定我们的宇宙是否真的具有计算性。但现在，这一点已经相当明确了。而且，由此我们不可避免地被引向 ruliad——其广大无边，远远超越了我们宇宙中所有的物理空间。
那么我们将在 ruliad 中探索什么呢？计算语言是我们规划路径的工具。它使我们人类能够定义我们的目标和探险。令人惊讶的是，ruliad 中所有的力量和深度对所有人都是开放的。人们只需学会驾驭那些计算的超能力。从这里开始。我们通往 ruliad 的门户：
