-
-
Save emptymalei/a4b34b118c853431eeb1 to your computer and use it in GitHub Desktop.
| 好吧，本来我是想着我自己想起什么来就记上的，gist 这玩意也没法合作，所以就用评论吧。 | |
| 1. 在自己公司自由的做科研的感受是什么？（跟大学比？） | |
| 2. 完全自由的 AI 的实现最大的障碍？ |
关于你的产品
你做 wolfram alpha 的时候，是想做一个ai吗？你对它的现状满意吗？
你做它的目的，是帮助人思考，还是替代人思考呢？
目前有很多试图帮助人思考的工具，比如有iPython Notebook交互文献，Coq自动定理证明，Semantic Web的语义尝试，wikipedia的互联知识网，这些都在做出尝试。你觉得wolfram和它们有什么本质的差异吗？你们选择的什么样的大路线呢？你觉得wolfram的理想状态是什么样呢？
Wolfram Language未来会向开源方向发展吗？为什么？
关于你的观点
你曾经在书里说进化也是computational process，好像引发了“圈内”人的争议。你的研究野心很大，肯定会碰触到正统研究的领域，对此你担心吗？
你在书里说，决定性的元胞自动机也可以产生出足够的不可预测性，你觉得我们的世界需要随机性吗？我们能不能构建出一个决定性的有自由意志的虚拟世界？
在你的书里提到了multiverse automaton可以构建物理，而物理反过来决定了我们能认识的事物，包括数学，那么你认为数学实际上是物理的吗？或者说，任意系统的复杂性，包括数学系统的复杂性，背后实际上是物理的限制吗？一个存在超距作用的宇宙，其中的数学会不会是某种“超数学”，而计算可能是某种“超计算”呢？
反过来说，你相信计算能够抵达物理的极限吗？会不会物理学永远会超越计算，从而人工智能永远无法抵达人类智能？
你做了很多自我数据分析（比如统计自己都在啥时候打电话）的工作。你为什么要这样做？有没有从中发现一些有趣的东西呢？你们什么时候能推出一款大众也能使用的自我追踪软件呢？
我们之前采访过侯世达。对于他的路线——遵循类比、模仿人类思维——你怎么看待？
有人说目前的ai就像爬树抵达月亮。你怎么看这样的比喻？或者你是不是就没有考虑过抵达月亮？
你说自动化系统没有自我意志，你觉得这样的系统和人类的本质区别在哪里呢？
你觉得技术奇点会何时、以何种形式到来？
你觉得ai会对人类产生威胁吗？
关于你自己
在自己的公司做研究和在大学做研究，你觉得有什么差异？
你多次辍学，你觉得学历这个东西是什么意义呢？
你为什么不做物理了呢？
你现在还在酝酿新书吗？
你说你最喜欢的发现是Rule30，为什么呢？
三重身份：研究者，帮助别的研究者的人，帮助大众的人
如何看待其关系？
现在是如何分配精力的？
现如今的学术体系和学科的分界是否是阻碍A new kind of science被接受的因素？假如是，对一个更好的学术体系是否有展望？
我觉得Wolfram作为一种编程语言有点奇怪，因为现在大部分别的编程语言都免费了。或许是，作为计算工具的语言和作为开发工具的语言有本质的区别？还是将来会有一个免费的版本？
科幻界一直有人与AI相爱的故事，那么你认为在近未来AI可以自发产生与人类似的情感么？
wolfram alpha 在搜索的时候加载页面是生命游戏，放在这里有什么寓意么？
�为了计算能力的发展方向是什么？（可能的hint量子计算机？CPU三维化？继续堆积集群？）
Gregory Chaitin 在一次采访中说，Wolfram Alpha在我看来是第一个真正的人工智能。你认同这种说法么？（来源：http://segmentfault.com/blog/turing_interview/1190000002413792）
在你看来科学计算与其他的计算相比有哪些独特的地方？
人与现在的计算机和网络相比，最大的优势怎么理解？
关于你的产品
人们说 wolfram alpha 是第一个实用的ai。你觉得自己是一个ai研究者吗？你做它的目的，是帮助人思考，还是替代人思考呢？
“人工智能”是一个很模糊的概念。我和ai打交道这么多年里，ai从让人激动的概念变成了“毫无希望”的领域，现在它又东山再起，流行起来了。四十多年前，我就想做一个像Wolfram Alpha这样的东西。当时，我觉得要做一个这样的工具，必须先制造出通用ai，这很困难，所以我没有沿这个方向继续做下去。但后来，由于我所做的研究，我意识到其实不需要通用ai，也能提供计算性知识。这就是我发明wolfram alpha的原因。我们想制造出“聪明”的系统，而现在我们有了Wolfram Language作为平台，在这个基础上我们就能实现智能系统的目标。我把自己看成一个工具的制造者，而拿这些工具做什么呢？把我们这个文明的一切知识汇聚起来，形成框架，让新的知识能够自动在它的基础上生产出来。
目前有很多试图帮助人思考的工具，比如有iPython Notebook交互文献，Coq自动定理证明，Semantic Web的语义尝试，wikipedia的互联知识网，这些都在做出尝试。你觉得wolfram和它们有什么本质的差异吗？你对它有没有什么宏大计划呢？
当然有计划，毕竟我都在它上面花了三十年，怎么能没计划嘛。我们试图做的事情，是把知识转化成“计算形态”。维基百科是个好东西，我们可以在上面读文章；很多工具在搜索网络，整理网络，为人们提供知识；但我们所做的，是把知识变成可以用来计算的东西。
Wolfram Language的进展如何了？
刚开始嘛。很多人对它很感兴趣。现在我们有一个云端的版本，beta早期，但有很多创业公司开始用它构筑东西。也有很多人希望用它作为教学语言，因为它有很多自动化的成分，所以孩子们比起专业程序员的劣势也不那么大。
未来会向免费和开源方向发展吗？为什么？
开源在一些事情上是好的，另一些则不是。一般来说，当一个项目需要领导、需要整体设计的时候，开源是很难实现的；而我们过去二十年来正是这样的项目——创造从未有过的东西。另一个因素是，这种语言用到了很多很多的知识，其中有些知识属于我们，另一些知识则来自别人，我们不能就这么简单地说，“这一切都是免费的！”但是wA是免费的服务，我们提供这项服务本身是不赚一分钱的。这没问题，但这本身是无法长久维持的，所以我们在它的基础上提供很多别的服务，并从中营利。我的信念是，建立一个经济-生态系统的最好办法，就是让那些从中获得价值的人们也为之付费。这是最简单的方式。至于WL，使用它的在线版来学习和实验是免费的，事实上大部分创业公司一开始都会免费使用一段时间，一旦他们投入生产，真正有了买卖上门，那时他们才需要为此付费。但其实这个模式和常见的模式差别也不是那么的大。很多所谓的开源解决方案，其实是陷阱。最著名的陷阱就是安卓：系统本身是免费的，但你要支付专利费。还有些别的例子，东西本身是免费的，但你自己没法建立这个系统，你得求助专业人士，最后还是得付钱让他们在云端建立系统。所以我们做的，其实是在经济问题上坦诚相见，让人们可以免费地学习和试用，但当他们在此基础上盈利的时候，就要为此付钱。如果他们选择了开源的方案，那么就没人知道他们什么时候要付专利费或者云端服务费。我们所做的只是让事情简单化，让人们理解会发生什么。
你觉得你的产品受到了硬件计算能力的限制吗？
不怎么觉得。我面临的挑战是在软件上找到巧妙的方法，我不觉得底层的硬件是什么限制。当然多年前我刚开始使用计算机的时候肯定是受限制的，但是我们自动化的速度，
其实制约因素是，一个人从想法到可以运行的软件，这个过程要花多长时间。软件本身运行所花的时间很少成为瓶颈。我们有很多两极分化的软件，比如眼下，像机器学习这样的程序，要运行很多个CPU年才能得到结果，如果能快一些，这当然好，但毕竟没有那么重要。当然还有别的因素，比如现在中国网络连接的不稳定性———某种意义上这也算是硬件问题吧，不过这是另一个话题了。所以关键还是我们人类能否做出好软件。
在某些场合下，更快的硬件是有意义的——比如现在移动设备上，为了提供一个用户界面能让人类感到使用自如，硬件至少需要达到一定的水准。一部分移动设备上我们还做不到这一点。但这是相对次要的问题。
我们之前采访过侯世达。对于他的路线——遵循类比、模仿人类思维——你怎么看待？
我认识他，我无法评判他的具体研究内容，但对于他的大致方向——理解人类的智能——我的看法是：这既是错误的路线，又是唯一可行的路线。
一方面，如果说我们的目的是创造智能系统，那么这条路线与之无关，正如研究鸟类如何飞行与制造飞机无关一样。特别是在所谓“通用推理人工智能”上，人们曾经说它才是能够回答问题的系统，但没有人成功；而我们的WA却成功地回答了许多问题。我们如何做到的？通用推理人工智能，所做的是推理。面对物理问题，从一个事实推理出下一个事实，就像中世纪的哲学家那样。而我们做的，则是某种意义上“作弊”了：使用我们文明积累下来的全部知识，面对物理问题，我们用已知的全部科学和数学确立一个方程，然后把结果计算出来。在这里，我们使用的方式和人类思考问题的方式截然不同，但效率要高很多。大部分眼下的智能系统都是这样。
但另一方面，如果我们的目的是真正的“终极”智能呢？我们现在的计算能力，和大脑比起来都可以说相当不错了，但是如果要为这些计算设定一个目的，必须有人类的参与。我们的系统可以想算什么就算什么，但没有人为它指明目标，它什么也做不了。世界上没有所谓“纯粹”的智能，它必须和人类目标紧密相连。侯世达的路线对解决任何具体的智能问题都没有什么帮助，但对理解我们的目的却至关重要。
为什么人类有目的，机器就没有呢？你觉得区别在哪里呢？
这是个好问题。水有向下流的“目的”，你可以为物理世界赋予各种各样的“目的”，但所谓的目的其实有两种，一种是遵循物理机制自然会产生的结果，另一种则是努力要去实现的目标。自然界的计算能力完全可以和人脑像匹敌，但自然界的目的全都是前者，而如果我们希望得到类人智能，必须要有类人的目的。比如湍流，或者木星大气表面的漩涡，它在做各种各样繁复的计算，恐怕比我们的大脑更加复杂——至少是运算量更大，但它看起来并未获得我们所说的智能，因为我们唯一知道的智能，就是人类智能。
你相信技术奇点吗？
不相信，至少不是人们通常说的那种奇点。许多人说奇点的时候，想象的一个重要特征就是人类永生。这迟早是能实现的，可能部分来自生物学，部分来自数字世界，这些科技都会在某一天到来。这时看起来就像是抵达了奇点一样——人类和智能有了无限的时间去发现新事物。但是每年新发现的东西就会因此而指数爆炸直到无限吗？我不这么认为。也许我有偏见吧，人类智能是个连续谱，而我很幸运，我自己位于这个谱的上面那一端；但是在我看来，这些智力并没有质的区别。在一个“更高智能”的眼中，这个世界看起来会不一样吗？其实我们并不清楚。在我看来，就算你的智商有200甚至1000，恐怕也不会让你懂得一些别人不可能懂的东西。能不能把更多的知识整合起来？当然可以。假如说我们现在大脑每秒接收100兆的信息，我们当然可以想象一个智能系统每秒可以接收并处理上千兆的信息，但我不认为这谈得上是“更高的智能。”
你在书里说，决定性的元胞自动机也可以产生出足够的不可预测性，你觉得我们的世界需要随机性吗？我们能不能构建出一个决定性的有自由意志的虚拟世界？
我觉得我们不需要。很多时候人们说的“随机性”，其实是建模时用的黑箱：我不了解一个系统的全部规则，所以我假定这个系统里有某些额外的因素在提供“随机”的输入。这个意义上的“随机”，只是证明你还没为这个系统建立完整的模型而已。但我们能为宇宙建立一个完整的模型吗？我的工作假说是“能”。也许这假说是错的，也许出于什么原因我们就是无法为宇宙建立完整模型——但是我还没有见到相关的证据。所以我会朝这个目标而努力。一旦我们得到了完整模型，随机性就消失了，没有任何来自外部的不可预知的因素。我有个朋友名叫格里高利·蔡廷，他对于算法随机性这整个领域非常感兴趣，他有一个著名的发现叫做“欧米伽数”（即蔡廷常数），这个数字虽然是个确定的数，但任何图灵机都计算不出来。我和他观点的区别就是，我认为宇宙像 pi一样，虽然无穷无尽但可以计算到任意精度，而他始终认为宇宙像欧米伽，我不知道为什么。
如果我们建立了宇宙的模型，是否意味着我们就没有自由意志了呢？
我在我的书里讨论了一个概念，叫做“计算不可化约性”（Computational irreducibility）。这意味着，就算你知道了一切规则，你可能也无法提前预测这些规则将会做什么——唯一的办法是实地运行这些规则看看它们到底会做出什么来。“自由意志”这个词包括很多层面，如果我们能预测我们将会做出什么事情来，那可以说我们没有自由意志。比如说，看一只蛾子反复地撞击玻璃窗，试图飞出去，我们会说它看起来没有自由意志的样子，似乎是决定性的反射机制。但如果我们看到一个人在做一件非常复杂的行为，我们会说他看起来好像在作出选择，因为我们无法预测他将会怎么做——在这个意义上，我们拥有自由意志。我们的历史必须按顺序逐渐上演，你不能说“我已经知道结局了，快进到头吧”；历史是必不可少的。世界的底层规则是简单的、决定性的，但是这些规则生成的人类行为却极端复杂，这之间的计算鸿沟无法化约，因此我们的行为是“自由”的。
会不会有一天，我们对大脑已经有足够的了解，可以监控到足够的信息，可以说“十秒钟之后这个人会想这件事情”？这时人们还有自由意志吗？我不知道。这一点已经部分地在鸟类中实现了，我们能大致预测出鸟类下一秒会唱什么样的歌。但我还是觉得，自由意志这个概念的根源只是因为要预测未来所需的计算量太大；就算我们发现了宇宙的全部规律，要么我们得想办法进行和宇宙同样的运算，要么我们就看着宇宙自己这么算下去。
物理和数学的关系是怎样的呢？
如果我们真的建立了宇宙的模型，一切都可计算，那么全部物理问题就都还原成了数学。但什么是数学呢？数学是建筑在公理系统上的，比如欧几里得的公理系统；在此基础上我们推导出一系列的形式知识。至于选择什么样的公理，可以是人为武断选择、得到纯粹抽象的数学知识，也可以选择那些和现实世界对应的公理。欧几里得认为他选择的公理是对应现实的，但后来数学家开始做出武断的选择。数学是个抽象的领域，它不会被现实的物理限制。
你做了很多自我数据分析（比如统计自己都在啥时候打电话）的工作。你为什么要这样做？有没有从中发现一些有趣的东西呢？你们什么时候能推出一款大众也能使用的自我追踪软件呢？
我搜集这些数据是因为我对数据感兴趣。我有几套系统，负责检查我昨天锻炼了多少、完成了多少工作这样的事情。我已经搜集了二十五年的数据，时不时地我会对这些数据分析一下，会发现各种各样的结果。但这些数据的真正宝贵之处是，当我对自己有什么问题的时候，我能很容易找到答案。比如有一次我买了个新键盘，我想知道有了它打字速度是快了还是慢了，只花几分钟我就得到了答案。眼下我正打算回答一个难一些的问题，就是对我发的电子邮件进行情绪分析，来判断哪些事情会让我开心，哪些会让我不开心。我所发现的大多数结果，都是事后想来“嗯，的确如此”的那种；但如果没有看到这些数据，我是不会往那个方向上思考的。
在自己的公司做研究和在大学做研究，你觉得有什么差异？
公司的效率要高得多。对我来说，公司就像是把想法变成现实的机器，我会努力为了这个目的而优化这台机器，而在大学里你就没法做这样的优化。
你多次辍学，你觉得学历这个东西是什么意义呢？
其实我不是真的“辍学”。我在英国去的是顶尖的中学，我离开的原因是我得到了顶尖大学的奖学金，所以我只是碰巧比别人离开得早几年而已。在大学里，我得到了直接进入研究生学习的机会，所以我想既然如此，为什么要花这么多年当本科生呢。我很幸运能在二十岁就完成我的学业阶段，因为我觉得我没有耐心再学那么多年。我对解决别人解决过的问题从来都没有兴趣，所以我一直很讨厌课本上的习题。也许这是我个人的傲慢吧，我只是希望我在做独一无二的事情，而不是别人做过的事情。在某些教育系统里，有很多的内容是围绕“学习一个过程”而展开的，但我觉得发挥人们潜力最好的方式，是让他们学习自己感兴趣的东西，而不是让他们沿着确定的道路前进。
你有粒子物理学博士学位，后来为什么不做物理了呢？
我没有离开物理呀，我时不时地还会回到物理问题。我在《一种新科学》里就讨论了很多物理问题。我对各种各样的问题都感兴趣，特别是宇宙的最本质特性，这也是促使我学习粒子物理的原因，但我学了之后发现粒子物理的细节并不是宇宙的本质，而诸如复杂系统的特性这样的问题要比物理学更加基本。你可以把这些研究想象成一般性的物理原则。对于宇宙的具体物理特性我依然感兴趣，我希望有一天能把一般性的物理原则应用在上面。当希格斯玻色子得奖的时候，我在美国起了个大早看视频直播，我意识到现场有很多好多年没见的老朋友，他们一直留在物理学界。他们介绍希格斯玻色子的时候我想，“这些我都知道呀，四十年前我就是在做这些东西。”我想我完全可以留在物理学界，四十年来一直就做这样的研究，我觉得我还算挺擅长这些的。但是因为我转行做了许多其他别的内容，我所弄明白的东西，哪怕限定在物理学里，也比留在物理学界做单一领域要多得多。我的人生里有一件事情让我印象深刻，那就是研究许多不同的东西能让人学到更多，哪怕你的目标只是解决一个问题，也是如此。在这一点上我很幸运。
你说你最喜欢的发现是Rule30，为什么呢？
这是我发现的第一个元胞自动机规则，这是一个戏剧性的例子，表明一个简单的生成规则如何诞生出复杂的行为。我喜欢拿它和科学史上的案例对比：当伽利略发现木星的卫星的时候，这就是一个迹象，表明物理学的定律适用于整个宇宙。在我看来， rule30让我意识到，在计算的宇宙中凭借简单规则可以出现一些非常复杂的现象，这并不是显然的。这是第一个明确的案例。今天的科学和技术，很多都是依靠搜寻这个计算宇宙中的可能程序，寻找在行为上满足我们需求的那些。正是简单程序可以产生复杂行为这一特征使之成为可能。在我写《一种新科学》的时候，我做出了一个预测：审视一下新出现的关于自然界的模型，我们会看到，基于程序的发现，将逐渐取代基于方程的发现。我预测在五十年内，挖掘计算空间所产生的科技要比传统方式更多。那是十二年前的事情，我们还有三十八年，我们还站在这个趋势的开端。
计算、物理和智能三者的关系？我们知道人类智能是基于物理的，人类智能提出了一些形式工具—图灵机、Lambda演算等—构成了目前理解的计算能力的边界；那么是否说，物理世界超越了可计算的计算机的能力？进而，人工智能无法超越人类智能？