宇宙尽头是「计算」！AI大佬Wolfram最新演讲：LLM自主在计算空间探索，奇点降临就是现在

如何以计算方式，思考人工智能、宇宙和一切？

近日，著名的英国科学家Stephen Wolfram在TED 18分钟的演讲中，分享了自己对这个问题的看法。

在他看来，宇宙是在一种计算模型下运行的，空间和物质都是由遵守简单计算规则的离散元素组成的。

他还提出了ruliad的概念，即所有可以想象的计算过程的复杂极限。

宇宙尽头，是「计算」？

人类的语言、数学、逻辑学，都是用来表达和理解世界的方式。

而在我们这个时代，「计算」成为了一种新的、也更强大的方法。

近50年来，我有幸基于「计算」的理念建造了一座更高的科学技术塔。今天我想告诉你，这些努力取得了一些什么样的成就。

还记得，我上一次TED演讲是在13年前——2010年2月——就在Wolfram|Alpha发布不久之后。

当时，我以一个问题结束了那次演讲：宇宙中万事万物的本质，是不是都可以归结为「计算」?

接下来，我给了自己10年的时间去寻找答案。

这本该需要一个世纪那么久。

但在2020年4月，刚好过了10年，我们非常激动地宣布，似乎已经找到了宇宙的「机器代码」。

是的，它是可计算的。

所以，「计算」不仅仅是一种表达世界的方式，更是我们这个宇宙的终极表达方式。

这一切都始于这样一个想法，即空间——就像物质一样——是由离散的元素组成的。

空间及空间中的一切，都是由这些元素之间的关系网络定义的——我们可以称之为「空间原子」。

它听起来非常优雅，但非常抽象。下面是一个直观的表达形式：

这像是，对宇宙初级阶段的模拟。

我们在这里看到的是，通过反复应用非常简单的计算规则，空间及空间中的一切逐步形成了。

这些点是空间的原子，正在被组合在一起来构建空间。如果我们计算足够久，我们可以用这种方式建立整个宇宙。

亿万年后，就会出现一块有两个小黑洞的空间，它们最终会合并，并辐射出引力波纹：

请记住——所有这些都是建立在纯粹的「计算」之上的。

但是就像分子中产生的流体力学一样，这里出现的是时空，和爱因斯坦的引力场方程。

尽管我们可能会发现一些偏差，比如空间的维度并不总是精确的三维。

还有一点，我们的计算规则可以不可避免地以多种方式应用，每一种都定义了不同的时间线，不同的历史路径，可以分支和合并：

但是作为这个宇宙的观察者，我们也在分支和融合。

事实证明，量子力学的出现就是分支思维如何感知分支宇宙的故事。

这里的粉红色线条，显示了我们所说的分支空间的结构——量子分支空间。

其中一个令人惊叹的美妙之处–至少对我这样的物理学家来说——就是在物理空间中产生万有引力的现象，在分支空间中也产生了量子力学。

构建世界模型「四大范式」

在迄今为止的科学史上，我认为我们可以找出四大范式来建立「世界模型」——这可以通过它们如何处理时间来区分。

在古代，甚至在今天的许多科学领域，人们关注的都是「事物是由什么构成的」，时间并没有真正纳入其中。

但在17世纪，出现了用数学公式建模的想法，由此研究便围绕数学公式开启，但基本上只是作为一个坐标值。

然后到了20世纪80年代，出现了从简单的计算规则开始制作模型，然后让它们运行的想法。

这也是我深入参与的事情：

有人能预测会发生什么吗？

不能，这就是我所说的计算不可还原性：实际上，时间的流逝对应于一个不可还原的计算，我们必须运行它才能知道结果如何。

但现在有了更多的东西：在我们的物理项目中，事情变得多计算，有许多时间线，只有观察者才能把它们编织在一起。

这是一种新的范式。

ruliad就是一切

实际上，它似乎不仅在基础物理学中打开了大门，而且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也是如此。

你知道，我说过通过反复应用计算规则来构建宇宙。

但是这个规则是如何选择的呢？其实不是这样的。因为所有的规则都会被用到。

我们正在构建我所说的「ruliad」：一个非常抽象但又独一无二的对象，它是所有可能的计算过程的纠缠极限。下面是用图灵机展示的一个小片段：

ruliad就是一切。我们作为观察者必然是其中的一部分。

在ruliad作为一个整体中，任何计算上可能发生的事情都可以发生。但像我们这样的观察者，只能对整个事件的特定片段进行采样。

关于我们，有两个至关重要的事实。首先，我们在计算上是受限的——我们的思维是有限的。其次，我们相信自己在时间上是永恒的，尽管我们每时每刻都是由不同的空间原子构成的。

因此，这就是最重要的结果。具有这些特征的观察者在ruliad感知到的事物必然遵循某些规律。而这些定律正是20世纪物理学的三大关键理论：广义相对论、量子力学、统计力学和第二定律。

我们可以把不同的思维想象成处于ruliad空间的不同位置。思维相同的人类就在在附近，动物在更远的地方。而更远的地方则是外星思维，很难进行翻译。

我们怎样才能获得这一切的ruliad呢？我们可以使用生成式人工智能，从我们人类生成的图像中提取一个极小的片段。

我们可以将其视为ruliad中使用戴着派对帽的猫的概念描述的地方：

放大后，我们看到了我们可以称之为「猫岛」的东西。

但是很快我们就进入了概念间空间，偶尔有些事物会看起来很熟悉，但大多数情况下，我们会看到我们人类无法形容的东西。

在物理空间，我们通过发射宇宙飞船探索更多的宇宙。在ruliad空间，我们通过扩展我们的概念和范式来探索更多。

我们可以通过采样可能的规则来了解外面的情况——做我所说的ruliology：

即使是极其简单的规则，也蕴含着令人难以置信的丰富内涵。

但问题是，其中大部分还没有与我们人类理解或关心的事物联系起来。这

就像我们在观察自然界时，只是逐渐意识到我们可以利用自然界的特征来发展科技。

即使我们的文明已经取得了如此巨大的成就，我们也只是刚刚开始探索规则空间。

AI用计算语言看世界

但是人工智能呢？就像我们可以做ruliology一样，人工智能原则上可以走出去探索规则空间。但如果任其发展，它们大多会做一些与我们人类无关或不关心的事情。

人工智能近来取得的重大成就，就是制造出与我们人类紧密结合的系统。

我们用数十亿页的网页来训练LLM，这样它们就能生成典型的人类所写的文本。

是的，这一事实无疑告诉了我们，一些关于语言语义语法的深奥科学知识，以及对逻辑等事物的概括，也许我们早在几个世纪前就应该知道。

要知道，在人类历史的大部分时间里，我们都有点像LLM，通过匹配我们头脑中的模式来解决问题。

但后来出现了更系统的形式化，最终是计算。由此，我们获得了另一个层面的力量——创造出真正的新事物，实际上可以在ruliad中去任何我们想去的地方。

但我们面临的挑战是，如何做到与我们人类和我们的人工智能所理解的事物相联系。

事实上，我一生中很大一部分时间都在致力于搭建这座桥梁。这一切都是为了创造一种用计算来表达我们自己的语言：一种计算思维的语言。

我们的目标是，将我们对这个世界的认知用计算术语形式化。用计算的方式来表达城市、化学物质、电影和公式，以及我们对它们的认知。

这是一项浩大的工程，跨越了我40多年的人生。这也是一项非常独特和与众不同的工作。

但我很高兴地告诉大家，在过去的Mathematica和现在的Wolfram语言中，我认为我们已经成功地创建了一种真正全面的计算语言。

实际上，这里的每一个函数都可以被认为是形式化的，并用计算术语概括了我们文明的智力成就的某些方面：

这是我所知道的最集中的智力表达形式：找到万事万物的本质，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，这是一段奇妙的旅程，年复一年地建立起所需的思想和技术之塔，如今又通过公开式直播与全世界分享这一过程。

几个世纪前，数学符号和「数学语言」的发展为数学提供了一种系统的表达方式，并使代数、微积分以及最终的现代数学科学成为可能。

现在，计算语言也提供了类似的途径，让我们最终为所有可以想象的领域，创造出一种「计算X」。

我们已经看到了计算机科学的发展，但计算语言最终开辟了更大更广的领域：CX。

70年来，我们一直在使用编程语言，就是用计算机的语言告诉计算机该做什么。但计算语言涉及的知识面要大得多：它涉及我们所能思考的一切，并用计算术语将其操作化。

要知道，我之所以创建Wolfram语言，首先是因为我想自己使用它。现在，当我使用它时，我觉得它给了我一种超能力：

我只需要用计算术语来想象一些东西，然后这种语言就会神奇地让我把它带入现实，看到它的后果，然后在此基础上继续发展。没错，就是这种超能力让我完成了我们的物理项目。

在过去的35年里，我非常荣幸地与其他许多人分享了这种超能力，并因此在许多领域取得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进行思考，使自己的思维更加清晰，从而自动调用计算超能力，真是一件美妙的事情。

现在，不仅仅是人可以做到这一点。人工智能也可以使用我们的计算语言作为工具，为了弄清事实，但更重要的是，为了计算新的事实。

我们的技术已经被一些集成到LLM中——你很快就会看到更多。

要知道，在构建新事物时，一个非常强大的新兴工作流程是，首先告诉LLM你想要什么，然后让它尝试用精确的Wolfram语言来表达。

然后，作为人类，你就可以「阅读代码 」了。这是我们的计算语言与编程语言相比的一个关键特征。

如果它能满足您的要求，你可以把它作为一个可靠的组件来构建。

好吧，但假设我们使用的人工智能越来越多，计算量也越来越大。

世界会变成什么样？从工业革命开始，我们一直习惯于做工程，实际上我们可以「看到齿轮是如何啮合的」，从而「理解」事物是如何工作的。

但现在的计算不可还原性表明，这并不总是可能的。我们并不总能用一个简单的人类叙事，或者说数学叙事来解释或预测一个系统会做什么。

是的，这实际上是科学在从内部吞噬自己。

计算不可还原，我们是否止步不前？

从数学科学的所有成功中，我们开始相信，只要我们能找到它们，一定会有公式来预测一切。

但现在，计算的不可还原性表明，事实并非如此。实际上，为了找出一个系统会做什么，我们必须经历与系统本身相同的不可还原的计算步骤。

是的，这是科学的一个弱点。但这也是为什么时间的流逝意义重大。我们不能一蹴而就地得到答案，我们必须一步一步来。

这将是未来社会的一大难题。如果我们让人工智能充分发挥其计算潜能，那么它们将拥有大量的计算不可还原性，我们将无法预测它们会做什么。

但如果我们对人工智能施加限制，使其具有可预测性，我们就会限制人工智能为我们所做的事情。

那么，如果我们的世界充满了计算的不可还原性，会是什么感觉呢？

其实，这并不是什么新鲜事，因为大自然中的很多东西都是如此。我们已经找到了在自然界中运行的方法，尽管自然界仍然会给我们带来惊喜。

人工智能也将如此。我们可能会给它们一部宪法，但总会出现我们无法预测的后果。

当然，即使从社会角度来考虑我们想要人工智能做什么也很难。也许我们需要一个提示机制，让人们写下提示，而不仅仅是投票。

但基本上，所有控制结果的方案似乎都充满了政治哲学和计算不可还原性的问题。

要知道，纵观整个人类历史，有一件事一直在发生变化，那就是自动化程度越来越高。

而LLM刚刚给了我们一个戏剧性的、意想不到的例子。那么，这是否意味着人类最终将无所事事？

如果你看看历史，似乎发生的事情是，当一件事情被自动化后，就会有很多新的事情可以做。随着经济的发展，职业的饼图似乎越来越分散。

现在，我们又回到了ruliad.。因为在基础层面上，自动化为我们打开了更多的发展方向。我们无法抽象地在它们之间做出选择。这只是我们人类想要什么的问题，而这需要人类「努力」来定义这一点。

一个不受人类输入束缚的人工智能社会，将有效地去探索整个ruliad。

但在我们看来，它们所做的大部分事情都是随机的、毫无意义的。就像现在的大部分自然界看起来并没有「达到目的」一样。

人们曾经想象，要制造出对我们有用的东西，我们必须一步一步地去做。

但人工智能和整个计算现象告诉我们，我们真正需要的更多只是定义我们想要什么。然后，计算、人工智能自动化可以实现这一点。

是的，我认为明确定义「我们想要什么」的关键在于计算语言。

要知道，即使已经过去了35年，对于很多人来说，Wolfram语言仍然是来自未来的艺术品。

如果你的工作是编程，它看起来像一个骗局：你怎么能在一个小时内完成通常需要一周时间的事情？

但它也可能让人望而生畏，因为在完成一件事之后，你现在必须构思下一件事。

当然，这对首席执行官、首席技术官和智力领袖来说是件好事，因为他们已经准备好进入下一个阶段。事实上，它在这些人中也非常受欢迎。

从某种意义上说，Wolfram语言正在从专注于力学转向专注于概念化。

而概念化的关键在于广泛的计算思维。

那么，如何才能学会这样做呢？这其实不是一个关于CS的故事，这其实是一个关于CX的故事。

作为一种教育，它更像文科，而非STEM。这是一种趋势的一部分，当你自动化技术执行时，重要的不是如何做事，而是做什么。这与其说是狭隘的专业化，不如说是广博的知识和综合的思维。

要知道，这一切都出乎意料地以人为中心。我们可能会认为，随着科学技术的进步，我们人类的特殊性会变得越来越不重要。但我们发现事实并非如此。

事实上，一切，甚至是我们的物理学，都取决于我们人类碰巧是如何对ruliad进行采样的。

在我们的物理项目之前，我们并不知道我们的宇宙是否真的是可计算的。但现在很明显，它是。

但现在很清楚，它是的。由此，我们不可避免地被引向了ruliad——它的浩瀚，比我们宇宙中所有的物理空间都要大得多。

那么我们将走向何方呢？

计算语言让我们规划自己的道路，让我们人类定义我们的目标和旅程。

令人惊奇的是，每个人都可以使用ruliad中所有的力量和深度。一个人只需要学会利用这些计算超能力。

参考资料：

https://writings.stephenwolfram.com/2023/10/how-to-think-computationally-about-AI-the-universe-and-everything/

文章来自微信公众号 “ 新智元 ”