计算机科学家和物理学家：未来的工作将更多依赖于人类的选择和决策，而不是机器计算

计算机科学家和物理学家斯蒂芬·沃尔夫拉姆（Stephen Wolfram）参加了国际性科学节World Science Festival活动，在活动中，斯蒂芬和主持人布莱恩·格林（Brian Greene）共同探讨了物理定律、计算和人工智能之间的相互作用，斯蒂芬强调了人类在决定科学研究方向上的核心作用，以及AI在自动化和自我改进方面的局限性，他认为，技术进步塑造了我们对宇宙的理解，虽然AI在某些领域表现出色，但在科学探究和创造性思维方面，人类的输入和独特的智能仍不可或缺。

斯蒂芬·沃尔夫拉姆（Stephen Wolfram），一位在计算科学、物理学和数学领域享有盛誉的科学家，1959年出生，先后在伊顿公学（Eton）、牛津大学和加州理工学院（Caltech）学习，15岁时发表了首篇粒子物理方面的学术论文，并在17岁时就有科学论文发表在《核物理》杂志上，20岁时获得了加州理工学院的理论物理学博士学位，早期科学工作主要集中在高能物理、量子场论和宇宙学，并取得了一些经典成果。其所著的《一种新科学》（A New Kind of Science）一书提出了关于自然复杂性的观点，认为自然界的复杂性可以通过基于元胞自动机的计算机模型来更好地理解；他还是Wolfram Research的创始人和首席执行官，该公司开发了科学计算领域的重要工具Mathematica软件；他还创立了Wolfram Alpha计算知识引擎，该引擎能够提供直接的答案而非搜索结果，他的工作不仅推动了科学和技术的发展，还对教育和人工智能领域产生了深远影响。

斯蒂芬首先探讨了技术进步如何塑造我们对宇宙的理解。历史上的每一次技术飞跃都为我们提供了强大的隐喻，帮助我们理解宇宙的运作方式，例如，机械装置的出现启发了人们将宇宙视为一个巨大的机器，影响了我们对宇宙结构和运动的看法；随后，时钟的发明引入了“钟表宇宙”的概念，即宇宙像一个精确的时钟一样稳步前进，强调了宇宙的规律性和可预测性；随着蒸汽机的问世，人们开始将宇宙视为一个热力学系统，不断消耗其初始秩序，强调了能量转换和熵增的过程；计算机的出现提出了宇宙可能是一个计算系统的观点，进一步推动了我们对宇宙作为信息处理系统的理解，随着人工智能的出现，我们开始探索宇宙是否本身就具有某种智能，将宇宙视为一个具有内在智能的实体。他表示，每一次技术革命不仅反映了我们当前的技术能力，还影响了未来科学研究和哲学思考的方向。这些技术隐喻不仅帮助我们理解宇宙，还指导了我们如何去探索和研究宇宙，通过这些技术进步，我们能够以新的方式看待宇宙，从而推动科学的发展和人类对宇宙的深入理解。

斯蒂芬提出了一个观点，即人工智能并不会完全接管科学研究的领域。他认为，科学不仅仅是关于预测未来会发生什么，更重要的是理解系统如何运作，AI在某些领域表现出了强大的预测能力，但科学研究的核心在于深入探索和理解自然界的规律和系统行为。他提到一个概念，即“计算不可约性”（computational irreducibility），对于某些复杂系统，我们无法通过简化的模型或算法直接预测其长期行为，而必须实际模拟或经历整个过程，AI在处理这类问题时，也面临着同样的限制，它们无法“神奇地”跳过计算步骤直接得到结果，科学研究中的许多问题涉及到这种计算不可约性，即使AI技术再先进，它们也无法突破这一基本限制。

他强调，科学的一个特别之处在于我们能够发现和理解自然界的规律，这本身就是一种可约性的表现，但是，这种可约性并不是普遍存在的，许多自然现象和系统的行为仍然难以预测和理解。AI可能会在科学研究中发挥辅助作用，比如处理大量数据或执行复杂的计算任务，但它们并不会完全取代人类科学家的角色。人类科学家在提出假设、设计实验、解释结果以及将发现整合到更广泛的科学框架中方面，仍然具有不可替代的作用，科学研究的核心不仅仅是预测，而是深入理解系统如何运作，这往往涉及到计算不可约性的问题，需要人类科学家的直觉、创造性和深入分析，因此AI并不会完全接管科学研究。

科学的发展在很大程度上得益于我们探测到以前无法接触的世界。他解释道，随着技术的进步，我们能够观察和测量之前无法观测到的现象，这些新的发现随后成为科学研究的新焦点。例如，显微镜的发明让我们能够观察到微观世界，望远镜的发明扩展了我们对宇宙的观察能力，电子放大器等技术让我们能够探测到以前无法感知的物理现象，这些技术不仅扩展了我们对自然界的认识，而且促使我们开始对这些新发现的领域进行系统的研究。当我们能够探测到新的世界时，我们开始对这些领域产生兴趣，并试图理解其中的规律和原理，这种探索精神推动了科学的发展，使我们能够不断发现新的科学原理和自然法则。因此，科学的进步不仅仅是理论的推演，也是实践的探索，是我们对未知世界的好奇心和探索欲的直接结果，这种探索不仅增加了我们的知识储备，也推动了科学方法和技术的发展，形成了一个相互促进的循环。

斯蒂芬强调了计算宇宙的概念，这是一个充满可能性的领域，其中简单的规则可以产生复杂的行为和模式。他提到，AI在这个宇宙中可以轻易地创造新事物，因为计算的本性允许从简单的规则中产生出前所未有的复杂结构和模式，这种创造力在某种程度上类似于人类的创造性活动，但AI的创造不受人类认知和感知的限制。然而，真正的挑战在于这些创造是否能够引起人类的兴趣和关注，换言之，AI的创造物是否与人类的需求、兴趣和价值观相吻合，决定了它们是否具有实际意义和价值。这是因为，最终是人类来决定哪些发现和创造是重要的，哪些可以被忽略，人类对数学定理的兴趣可以作为一个例子。在数学的广阔空间中，有无数的定理可能被生成，但人类只对其中一小部分感兴趣，只有那些与人类已有知识体系相连接、能够被人类理解和应用的部分，才会被认为是有价值的。

此外，斯蒂芬还提到了人类感知和AI的不同之处。人类对世界的感知是通过我们的感官来实现的，这限制了我们对宇宙的理解。AI，由于其不同的“感知”方式，可能发现一些人类未曾注意到的模式和结构，这些发现可能对人类来说是全新的，但是否能够引起人类的兴趣，则取决于它们是否与人类的经验、文化和科学目标相契合。这种AI的感知方式可能会揭示出一个全新的科学领域，这个领域对人类来说是完全陌生的，他强调，人类对科学规律的理解是基于我们的感官经验和认知能力构建的，而AI，由于其感知和处理数据的能力，可能会揭示出我们从未想象过的复杂结构和模式，这些新的科学规律可能需要人类重新构建我们对世界的理解，甚至可能需要发展新的理论框架来解释AI的发现。

斯蒂芬表示，AI可以探索计算宇宙中的各种可能性，并将那些可能对人类有重要意义的发现呈现给人类。首先，AI可以访问和处理大量的数据，这些数据来自于我们的物理世界和计算世界，通过分析这些数据，AI能够识别出模式和结构，这些可能是人类科学家未曾注意到的，这种能力使得AI能够探索那些人类可能无法轻易到达的领域；其次，AI在识别“interconcept space”中的重要性，interconcept space指的是在已知概念之间存在的、尚未被命名或识别的模式和结构，AI通过其算法和数据处理能力，可能揭示出这些中间领域，从而引导科学家们注意到这些新的研究领域；再者，AI在科学中的角色可能与人类在自然世界中的角色相似，就像人类从自然界中寻找资源和灵感一样，AI也可以在计算宇宙中寻找那些对人类有意义的模式和结构，AI的发现可能会激发新的科学理论和技术进步；最后，AI可能会成为科学家的工具，帮助他们发现新的研究方向，并提供新的数据和见解，人类科学家仍然需要对AI的发现进行解释、验证和应用，以确保这些发现对科学和社会有实际的价值。

斯蒂芬认为，目前的AI系统在自我改进方面的能力是有限的，因为它们主要依赖于一个特定的训练方法通过提供大量的例子来学习，而不是通过更复杂或抽象的方式来自我改进。现代AI系统，尤其是深度学习模型，它们的训练过程类似于一个试错的过程，这些系统被喂入大量的数据，然后通过调整内部参数来最小化预测错误，这种方法在某些任务上取得了成功，比如图像识别，但它并不涉及对AI系统进行更深层次的自我改进或自我反省的能力。目前的AI训练方法缺乏对细节的精细控制，AI系统可能被训练到能够预测特定细节的水平，但这并不意味着它们理解了这些细节背后的原理，例如，一个AI可能被训练到能够预测纽约市人口的第三位小数，但这并不是因为它理解了纽约市的人口动态，而仅仅是因为它在训练数据中学习到了这个特定的数字。AI在处理数据和执行特定任务方面可能表现出色，但它无法完全取代人类在决策过程中的独特作用。

人类的工作将越来越多地集中在做出选择和判断上，这些选择往往涉及复杂的情境分析、道德考量和对人类价值观的理解。他指出，科学和技术的进步使得我们能够自动化许多流程，但在这个过程中，选择的能力仍然是人类所特有的，AI可以生成大量的数据和可能的解决方案，但它缺乏对这些选择的深刻理解和情感共鸣，人类在面对复杂问题时，能够基于经验、直觉和社会文化背景做出更为合适的决策，这种能力是AI所无法模拟的。因此，未来的工作将更多地依赖于人类在选择和决策中的参与，而不是单纯依赖于机器的计算能力。

斯蒂芬提到，尽管AI和机器学习等技术在处理数据和识别模式方面取得了显著进展，但它们在决定研究方向和目标方面仍然依赖于人类的输入和创造力。他指出，科学不仅仅是关于预测和计算，它还涉及到选择我们认为值得探索的问题和领域，选择哪些科学问题值得研究，是AI目前无法自动化的，因为它需要人类的价值观、经验和直觉。人类特有的创造力表现在我们能够识别和追求那些对人类社会有意义的科学问题，这种能力不是基于算法或计算，而是基于我们对世界的理解、我们的目标和愿望。因此，即使AI能够处理大量的数据和执行复杂的计算，它们也无法取代人类在科学探索中的决策角色。随着AI和自动化技术的发展，人类的角色可能会转变，但我们在科学进步中的作用不会消失，相反，我们可能会更多地参与到定义科学目标、解释结果和创新新理论的过程中，因此，只要人类继续参与科学研究，我们的输入和创造力就将继续是推动科学进步的关键因素。