智研简报
Sdaict Monthly
智能计算 计算未来
2023年07月第7期 | 总31期
中国 · 济南
山东产业技术研究院智能计算研究院
CONTENTS
目录
面向“政产学研金服用”，打造研究机构与企业间体系化、标杆化及标准化合作模式
01
智研快讯
穿山甲钻进胃里治病？同济大学&马普所联合开发微型机器人，登上 Nature子刊！
Wolfram语言之父：ChatGPT到底能做什么？
智研院“济南市新一代智能计算重点实验室”成功入选2023年济南市重点实验室
04
05
02
OpenAI联合创始人：自动驾驶和VR都是“歧途”，AI智能体才是未来
技术前沿
06
围术期多模态预训练大模型成功应用案例--围术期相关生命体征数据清洗和分析模型
03
媒体解读 | 大众日报：高和新必须落到产业发展上
行业资讯
近日，济南市科学技术局发布了2023年济南市重点实验室备案名单，智研院申报的“济南市新一代智能计算重点实验室”获批2023年度济南市重点实验室。
济南市重点实验室是济南市自主创新体系以及科技创新平台的重要组成部分，依托市属高等院校、科研院所、新型研发机构和企业设立，具有明确的科研方向，从事科学前沿领域和高技术领域的研究，具备开创性学科特色和原始创新能力的科研实体。“济南市新一代智能计算重点实验室”此次成功入选，是对我院研发实力和创新能力的高度认可，同时也对重点实验室未来发展提出了更高的要求。
智研院“济南市新一代
智能计算重点实验室”成功入选
2023年济南市重点实验室
智研快讯
NEWSLETTERS
项目进展
政策导读
济南市新一代智能计算重点实验室立足人工智能产业的发展需求，开展联邦学习、高通量计算等智能计算领域的前沿科学研究。重点实验室科技创新实力雄厚，凝聚了一支以国家万人、千人计划专家为引领，以985高校博士为核心构成的人才队伍，目前已申请国家发明专利11项，获得软件著作权登记证书11项。
接下来，济南市新一代智能计算重点实验室将充分发挥市级重点实验室的创新能力，紧紧围绕创新研发、科技转化、产业孵化与人才培养的中心任务，逐步形成布局合理、功能完善、运行高效的科研体系。以解决人工智能领域重大科技难题为目标，聚集和培养优秀技术创新人才和团队，努力争创更高级别重点实验室，以高水平科技成果支撑济南市、山东省人工智能产业高质量发展。
自2021年以来，我国年手术人次已超过8000万，年复合增长率达10%，手术并发症的病死率最高达到1.1%。与青壮年相比，老年手术患者的并发症发生率和死亡率更高，发生率达40-60%，死亡率达2.3-8%。围术期是患者手术诊疗的全生命周期，获得良好围术期管理的患者术后并发症更少，住院时间更短（平均减少2天），康复时间更快。因此，及时预警围术期并发症的发生风险，对于临床医生进行主动干预、实现更好的围术期管理，具有十分重要的意义。
围术期多模态预训练大模型以人工智能算法为核心、以医疗大数据为基础、以提升感知识别、认知推理为重点，突破围术期健康大数据分析、可穿戴计算等关键技术，形成开放兼容、稳定成熟的技术体系。
项目进展
PROJECT PROGRESS
围术期多模态预训练大模型
成功应用案例--围术期相关生命体征数据清洗和分析模型
政策导读
媒体解读 | 大众日报：高和新必须落到产业发展上
“
”
高新区是创新驱动、产业升级的重要载体，全力迈向高质量发展，对作为创新发展策源地的高新区提出了新的更高要求。近日，省科技厅印发《推动高新技术产业开发区高质量发展的若干措施》（以下简称《措施》），将进一步在高新区集聚创新资源，塑造产业发展新优势。根据《措施》，我省将指导高新区重新核定主导产业，开展管理体制改革；在全省经济基础条件好、科技创新资源集聚的县域，布局建设一批省高新区，年内新建省高新区5家以上；支持全省高新区根据发展需求进行调区扩区，积极支持高新区开展跨区域产业合作。
围术期多模态预训练大模型针对院外数据缺失、医院内外隔离、异构数据孤岛三大问题展开研究，重点突破基于可穿戴设备的院外医学数据获取方法、面向医院内外隔离的多模态联邦融合方法、以及面向多中心异构数据的联邦协同建模方法等关键核心技术，对于突破新一代人工智能中跨模态统一表征、关联理解与知识挖掘等关键共性技术起到推动作用，对于医疗健康产业大数据开放共享提供切实可性的解决方案，推动健康管理实现从点状监测向连续监测、从短流程管理向长流程管理转变，从而探索人工智能治疗的新模式、新手段。
目前，智慧医疗研发中心已完成围术期相关生命体征数据清洗和分析模型的开发，从数据清洗、数据建模、拐点计算、其他参数计算等四个模块，对围术期的术中血压、心率、血氧、BIS值、SVV等生命体征数据进行数据清洗和分析，1万例数据仅需5小时，数据清洗准确率90%以上，大大提高了效率和准确率。
该模型已在北京天坛医院进行了试点应用，签署了两项科研服务协议，申请了3项发明专利、3项软件著作权，2篇文章被收录。累计交付8个队列任务，共计13万例手术清洗数据。
技术前沿
ADVABCED TECHNONLGY
穿山甲钻进胃里治病？
同济大学&马普所联合开发
微型机器人，登上 Nature子刊！
请大家脑洞大开：以穿山甲为灵感开发的机器人能应用于哪些领域？
联想到穿山甲那坚硬的鳞片，锋利的爪子，去深山老林挖（kan）洞（tan），应该再适合不过了吧?
但科学家们的脑洞可不止如此，最近，同济大学与马克斯普朗克智能系统研究所在《Nature Communications》（自然通讯）上合作发表了一项研究，他们开发的穿山甲机器人不钻地也不挖洞，而是进入人体内治病！
这操作属实让人意想不到，其实关于这类“体内”微型机器人的研究也不在少数，它们被称为人体内的“外科医生”，为了避免对人体造成伤害，机器人的身体都是完全柔软的，而像“穿山甲”一样具有坚硬鳞片的机器人进入人体治病的还是头一个。
经过三十多年的发展，高新区已成为我省创新驱动发展的主力军，以占全省1.2%的土地面积创造了13%左右的地区生产总值，集聚了全省超过五分之一的高新技术企业，贡献了超过三分之一的有效发明专利，建设了全省60%的国家级科技企业孵化器，为全省科技创新和经济社会发展作出了突出贡献。
《措施》强调，要向高新区集聚创新平台及项目资源，优先布局高能级创新平台，优先支持高新区内创新主体申报省重大科技项目。同时，将与规模以上工业企业、科技型企业深度合作情况纳入省级以上产业类创新平台、成果转化类平台绩效评价指标，每家技术创新中心原则上应与3家以上建设单位之外的高新区内企业结对，协助解决产业技术问题。
高新区的“高”和“新”，必须落实到产业发展上。《措施》提出，将指导高新区重新核定主导产业，并对高新区规划建设进行了谋划布局。高新区要着力塑造产业特色优势。围绕产业链和产业集群布局，深入实施科技型企业梯次培育计划，推动科技型企业发展壮大。对高新区内的科技型中小企业开展的产学研合作项目，符合条件的给予省科技型中小企业创新能力提升工程项目支持。支持高新区发展绿色产业领域高新技术，支持高新区创建生态工业园区。
《措施》要求，建立省、市、高新区重点项目服务联动机制，对新落户高新区技术含量高、符合我省“十强”产业要求的重点项目和年内计划投资5亿元以上的项目，纳入“高新区重大项目支持台账”，省、市、高新区优先提供平台、项目、人才、金融支持。
抓好科技人才招引，对在高新区新上项目实际投资过10亿元的企业，符合条件的可优先推荐申报“泰山产业领军人才”，争取全省高新区尽快建成人才引领型高新区。支持高新区科教融合发展，力争两年内全省高新区全部建成兼具人才培养、创新创业、促进产业经济高质量发展功能的产教联合体。加大对高新区科技金融支持力度，力争今年在国家高新区实现科技支行全覆盖。加速科技成果转移转化，在全省高新区共（联）建山东科技大市场高新区服务网络。
《措施》还提出，将推动实现高新区一体化管理，建立高新区成果转化与“双招双引”资源库，实现资源在全省高新区共享共用。
如此大胆创新，它到底有什么优势呢？
首先，它受磁场驱动，因此完全不受束缚，具有变形、滚动的能力；
其次，和完全柔软的机器人相比，具有金属部件的“穿山甲”机器人可以定向加热，可在30s内加热至70℃，这种温度能用于多种医疗程序，例如治疗血栓、止血和去除肿瘤组织等。
▍有皮肤有鳞片，灵活滚动定向加热
穿山甲是一种全身覆盖着坚硬鳞片的哺乳动物，它的鳞片由角蛋白制成，就像我们的头发和指甲一样，这些鳞片重叠并直接连接到下面的软皮肤层，在遇到危险的时候身体和鳞片都会快速蜷缩成一团。
马克斯·普朗克智能系统研究所的研究人员对此非常感兴趣，并且受其启发，建立了以动物结构为模型的柔性机器人。
该机器人可以像穿山甲一样，一眨眼就能卷成一个球，并且还有散发热量等附加功能，从而发挥重要的医疗作用。
机器人整体长2厘、宽 1 厘米，和穿山甲一样，它具有柔软的皮肤，和嵌在皮肤上的坚硬鳞片。
研究人员的设计方案如下：机器人由两层聚合物材质的软层组成，上面布满了小磁性颗粒；第二层是一些硬质的组件，由排列的金属制作而成。这种方案制作出来的机器人尽管带有金属部件，但整体仍然是柔软且灵活的，可以安全地应用在人体内。
当机器人暴露在低频磁场中时，研究人员操纵机器人卷起并灵活移动，金属部件像动物的鳞片能够避免伤害周围的组织，而卷起来的部分将药物等颗粒输送到体内的目标部位。
当机器人暴露在高频磁场中时，内部的金属温度会升至 70°C 以上，在这个温度下，可以用来治疗内出血、清除肿瘤组织和治疗血栓。
这并不是科学家们第一次受自然界生物启发开发微型机器人，但这款机器人的特别之处在于，由硬质元件制成，且仍可以自由移动、不受束缚，这种设计非常罕见，并且为棘手的内部治疗和手术带来了巨大的希望。
▍进入胃肠道测试
研究团队使用动物内脏对“穿山甲”机器人进行了胃肠道的“体内”医疗测试。
他们模拟了猪的胃出血，“穿山甲”机器人先被导航到出血部位，然后再施加 3 秒射频脉冲，成功地在该部位止血。
除了胃之外，机器人还能进入一些普通的医疗器械很难达到的曲折部位，例如小肠。 小肠出血也是非常常见的病症，但内窥镜检查或结肠镜检查等既定技术很难进入这些部位；研究人员将50 μm厚铝鳞片且重叠率为 50% 的机器人装入标准尺寸的“0”明胶胶囊中，进行口服给药，这样可以将机器人非侵入性地部署进小肠并进行止血。
除了止血外，机器人还能用于癌症的热疗，研究人员观察到肿瘤球体在 60°C 下仅加热 5 分钟后就被破坏。
▍未来将进一步优化
这项研究发表在《Nature Communications》（自然通讯）上，标题为“Pangolin-inspired untethered magnetic robot for on-demand biomedical heating applications”，研究团队主要来自德国马克斯普朗克智能系统研究所、同济大学和苏黎世联邦理工学院。
文章的通讯作者是马普所物理智能系主任Metin Sitti教授，他的课题组在小型仿生机器人、无线软体医疗机器人、壁虎型粘合剂以及物理智能等领域均处于世界领先地位。
行业资讯
INDUSTRY INFORMATION
OpenAI联合创始人：
自动驾驶和VR都是“歧途”
AI智能体才是未来
在黄仁勋和马斯克接连看到了AI智能体的发展潜力后，OpenAI联合创始人，特斯拉前人工智能总监Andrej Karpathy也在最近高呼，AI智能体代表着一个疯狂的未来。
Andrej Karpathy直言，自己在特斯拉的工作时“被自动驾驶分了心”，钻研自动驾驶和VR都不是发展AI智能体的正确道路。此刻正是回归神经科学，从中寻求灵感的时刻。
另一方面，Andrej Karpathy认为每个人在构建AI智能体的方面都比OpenAI这样的公司更有优势，大家目前处于平等竞争的状态，因此他很期待看到这方面的成果：
AI智能体代表着一个疯狂的未来，虽然可能还有点远，但是今天到场的大家构建的AI智能体已经处于AI智能体能力的最前沿。 现在所有正在做大语言模型的机构，比如OpenAI等，我觉得都没有处于这个领域的最前，最前沿的是在座的各位。
谷歌旗下AI团队DeepMind的最新论文介绍了一种能够进行自我改进的AI智能体——RoboCat，本质上是由AI赋能的软件程序，相当于机器人的“大脑”。由其加持的机器人与传统机器人不同之处在于，RoboCat更具“通用性”，并可实现自我改进、自我提升。
AI下一个浪潮？
大语言模型的出现，给构建具身智能体带来了全新的可能性。因为基于LLM的智能体可以利用预训练模型中蕴含的世界知识，生成一致的行动计划或可执行策略，这就非常适合应用于游戏和机器人之类的任务。
DeepMind的RoboCat只是AI赋能机器人的主要案例之一。
今年以来，已经有数家公司将语言模型运用到了机器人上：2023年年初，谷歌推出视觉语言模型PaLM-E，并运用到工业机器人上；4月，阿里巴巴将千问大模型接入工业机器人；5月，特斯拉人形机器人Optimus展示了精准的控制、感知能力，同月，英伟达发布全新自主移动机器人平台。
得益于此，人工智能加持的机器人化身具身智能吸引了全球的广泛关注。
马斯克在特斯拉2023年股东大会上便表示，人形机器人将是今后特斯拉主要的长期价值来源：
“如果人形机器人和人的比例是2比1左右，那么人们对机器人的需求量可能是100亿乃至200亿个，远超电动车的数量”。
英伟达创始人黄仁勋在ITF World 2023半导体大会上也表示，AI下一个浪潮将是“具身智能”。华尔街见闻此前指出，国盛证券分析师认为，具身智能有着物理反馈、物理输出的特性，可以成为成为通信、计算和存储的新载体：
未来具身智能将会越来越强调边缘通信能力与边缘算力的匹配和耦合。
AI的躯体其实并非是最重要的，核心应该是发展AI大脑，打通人机交互方式，让AI能够主动感知物理世界，拟人化的思维路径才能做到人类期待的行为反馈。机器视觉和多模态大模型正是开启这个世界的两把钥匙。
具身智能比人形机器人更有价值
具身智能相当于AI的大脑，而这个大脑的载体可以是任何形式。可以是一个机械臂，一只机器狗，更或者是一辆小汽车。
而反观人形机器人，当下为何被看做是一个不太聪明的钢铁巨人，核心还是因为缺少AI大脑+不太灵活的躯体。
简单来说，类似GPT-4这样的大模型，对物理世界并不能真的产生影响，而具身智能则多了一个身体，通过传感器收集环境信息，利用机械执行器进行物理操作，或者通过机器人等具体实体与人类和环境进行实时互动。
马斯克曾说，虽然未来有一天人人可能会拥有一个人形机器人，但是目前展现的Optimus人形机器人产品也就只能执行重复性的简单劳动。
具身智能的目标是使机器能够更好地理解和适应复杂的环境，更高效地解决问题，并具备更灵活的行为能力。通过融合感知、决策和执行的过程，具身智能使机器能够更接近人类智能的表现，从而在机器人技术、自动驾驶、智能制造等领域发挥重要作用。
Karpathy直言，在7年前，研究AI智能体的时机还不成熟，因技术所限做出来的效果不好，于是他和OpenAI就改变了方向，开始研究大语言模型。
而现在有了全新的技术手段来研究AI智能体，情况和2016年完全不同了：
最简单的例子就是，现在没有人再像2016年那样用强化学习的方法来研究AI智能体了。现在的研究方法和方向在当年是不可想象的。
1、ChatGPT到底在做什么？它为什么能做到这些？
ChatGPT的基本概念在某种程度上相当简单：首先从互联网、书籍等获取人类创造的海量文本样本，然后训练一个神经网络来生成“与之类似”的文本。特别是，它能够从“提示”开始，继续生成“与其训练数据相似的文本”。
正如我们所见，ChatGPT中的神经网络实际上由非常简单的元素组成，尽管有数十亿个。神经网络的基本操作也非常简单，本质上是对于它生成的每个新词（或词的一部分），都将根据目前生成的文本得到的输入依次传递“给其所有元素一次”（没有循环等）。
值得注意和出乎意料的是，这个过程可以成功地产生与互联网、书籍等中的内容“相似”的文本。ChatGPT不仅能产生连贯的人类语言，而且能根据“阅读”过的内容来“循着提示说一些话”。它并不总是能说出“在全局上有意义”（或符合正确计算）的话，因为（如果没有利用Wolfram|Alpha的“计算超能力”）它只是在根据训练材料中的内容“听起来像什么”来说出“听起来正确”的话。
ChatGPT 的具体工程非常引人注目。但是，（至少在它能够使用外部工具之前）ChatGPT“仅仅”是从其积累的“传统智慧的统计数据”中提取了一些“连贯的文本线索”。但是，结果的类人程度已经足够令人惊讶了。
正如我所讨论的那样，这表明了一些至少在科学上非常重要的东西：人类语言及其背后的思维模式在结构上比我们想象的更简单、更“符合规律”。ChatGPT 已经隐含地发现了这一点。但是我们可以用语义语法、计算语言等来明确地揭开它的面纱。
ChatGPT 在生成文本方面表现得非常出色，结果通常非常类似于人类创作的文本。这是否意味着 ChatGPT 的工作方式像人类的大脑一样？它的底层人工神经网络结构说到底是对理想化大脑的建模。当人类生成语言时，许多方面似乎非常相似。
行业资讯
INDUSTRY INFORMATION
Wolfram语言之父：
ChatGPT到底能做什么？
ChatGPT大火，甚至已经开始改变人类的工作和思考方式，充分了解并且认识它，同时看到未来的机会，已经成为每个人迫不及待需要建立的心智。而放眼全球，唯一一本能够讲透GPT的原理以及未来的书，唯有斯蒂芬·沃尔弗拉姆的这本《这就是ChatGPT》。
无论你是否了解他，我都想再次诚意的为你介绍这位传奇人物的经历。
同时也是软件工程师、企业老板，他创办的Wolfram Research软件公司，研发出当今世界四大数学软件之一Mathematica。Mathematica的发布标志着现代科技计算的开始，它是世界上通用计算系统中最强大的系统。沃尔夫勒姆本人也因为这个发明被认为是“人类的伟大赞助者”，并跨入千万富翁的行列。
1981年，沃尔弗拉姆被授予麦克阿瑟“天才人物”奖，并成为该奖有史以来最年轻的获得者。
2009年5月，沃尔弗拉姆发布了一个搜索引擎WolframAlpha。“第一个真正实用的人工智能”。可以给出针对问题的有效答案，所以，WolframAlpha问世不久后便被称为“谷歌杀手”。他跟乔布斯也是好友，比如苹果手机助手Siri，背后的知识库，其实就是Wolfram|Alpha支持的。
他的大部头著作，1197页的《一种新科学》（A New Kind of Science）在2002年出版的时候登上了亚马逊的榜首，畅销无比。
他是当今世界活着的最聪明的人之一，最硬核的思考者。
他是伊利诺斯大学物理学、数学和计算机科学教授，“科学天才”。15岁发表首篇粒子物理方面的学术论文；19岁，到加州理工学院研究基本粒子物理学，一年内获得理论物理学博士学位。随后他和费曼一起研究起元胞自动机。
当涉及训练（即学习）时，大脑和当前计算机在“硬件”（以及一些未开发的潜在算法思想）上的不同之处会迫使 ChatGPT 使用一种可能与大脑截然不同的策略（在某些方面不太有效率）。
还有一件事值得一提：甚至与典型的算法计算不同，ChatGPT 内部没有“循环”或“重新计算数据”。这不可避免地限制了其计算能力—即使与当前的计算机相比也是如此，更谈不上与大脑相比了。
我们尚不清楚如何在“修复”这个问题的同时仍然让系统以合理的效率进行训练。但这样做可能会使未来的 ChatGPT 能够执行更多“类似大脑的事情”。当然，有许多事情大脑并不擅长，特别是涉及不可约计算的事情。对于这些问题，大脑和像 ChatGPT 这样的东西都必须寻求“外部工具”，比如 Wolfram 语言的帮助。
但是就目前而言，看到 ChatGPT 已经能够做到的事情是非常令人兴奋的。在某种程度上，它是一个极好的例子，说明了大量简单的计算元素可以做出非凡、惊人的事情。它也为我们提供了 2000 多年以来的最佳动力，来更好地理解人类条件（human condition）的核心特征—人类语言及其背后的思维过程—的本质和原则。
2、前方的路
机器学习是一种强大的方法，特别是在过去十年中，它取得了一些非凡的成功—ChatGPT 是最新的成功案例。除此之外，还有图像识别、语音转文字、语言翻译……在每个案例中，都会跨越一个门槛—通常是突然之间。一些任务从“基本不可能”变成了“基本可行”。
但结果从来不是“完美”的。也许有的东西能够在 95% 的时间内运作良好。但是不论怎样努力，它的表现在剩下的 5% 时间内仍然难以捉摸。对于某些情况来说，这可能被视为失败。但关键在于，在各种重要的用例中，95% 往往就“足够好了”。原因也许是输出是一种没有“正确答案”的东西，也许是人们只是在试图挖掘一些可能性供人类（或系统算法）选择或改进。
拥有数百亿参数的神经网络一次一个标记地生成文本，能够做到ChatGPT 所能做的事情，这着实是非同凡响的。
鉴于这种戏剧性、意想不到的成功，人们可能会认为，如果能够“训练一个足够大的网络”，就能够用它来做任何事情。但事实并非如此。关于计算的基本事实，尤其是计算不可约的概念，表明它最终是无法做到的。
不过不要紧，重点在于我们在机器学习的实际历史中看到的：会取得（像 ChatGPT 这样的）重大突破，进步不会停止。更重要的是，我们会发现能做之事的成功用例，它们并未因不能做之事受阻。虽然“原始 ChatGPT”可以在许多情况下帮助人们写作、提供建议或生成对各种文档或交流有用的文本，但是当必须把事情做到完美时，机器学习并不是解决问题的方法—就像人类也不是一样。
这正是我们在以上例子中看到的。ChatGPT 在“类人的部分”表现出色，因为其中没有精确的“正确答案”。但当它被“赶鸭子上架”、需要提供精确的内容时，往往会失败。这些例子要表达的重点是，有一种很好的方法可以解决该问题—将 ChatGPT 连接到Wolfram|Alpha（沃尔弗拉姆公司所研发的新一代的搜索引擎，能根据问题直接给出答案的网站）以利用其全部的计算知识“超能力”。
这种有趣而独特的情况之所以能成真，得益于 Wolfram 语言的如下特点：它是一门全面的计算语言，可以用计算术语来广泛地谈论世界上和其他地方的事物。
Wolfram 语言的总体概念就是对我们人类的所思所想进行计算上的表示和处理。普通的编程语言旨在确切地告诉计算机要做什么，而作为一门全面的计算语言，Wolfram 语言涉及的范围远远超出了这一点。实际上，它旨在成为一门既能让人类也能让计算机“用计算思维思考”的语言。
许多世纪以前，当数学符号被发明时，人类第一次有了“用数学思维思考”事物的一种精简媒介。它的发明很快导致了代数、微积分和最终所有数学科学的出现。Wolfram 语言的目标则是为计算思维做类似的事情，不仅是为了人类，而且是要让计算范式能够开启的所有“计算 XX 学”领域成为可能。
我个人因为使用 Wolfram 语言作为“思考语言”而受益匪浅。过去几十年里，看到许多人通过 Wolfram 语言“以计算的方式思考”而取得了很多进展，真的让我喜出望外。
那么 ChatGPT 呢？它也可以做到这一点，只是我还不确定一切将如何运作。但可以肯定的是，这不是让 ChatGPT 学习如何进行 Wolfram 语言已经掌握的计算，而是让 ChatGPT 学习像人类一样使用 Wolfram 语言，让 ChatGPT 用计算语言（而非自然语言）生成“创造性文章”，等等。
我在很久之前就讨论过由人类撰写的计算性文章的概念，它们混合使用了自然语言和计算语言。现在的问题是，ChatGPT 能否撰写这些文章，能否使用 Wolfram 语言作为一种提供对人类和计算机而言都“有意义的交流”的方式。是的，这里存在一个潜在的有趣的反馈循环，涉及对 Wolfram 语言代码的实际执行。
但至关重要的是Wolfram 语言代码所代表的“思想”的丰富性和“思想”流—与普通编程语言中的不同，更接近 ChatGPT 在自然语言中“像魔法一样”处理的东西。
换句话说，Wolfram 语言是和自然语言一样富有表现力的，足以用来为 ChatGPT 编写有意义的“提示”。没错，Wolfram 语言代码可以直接在计算机上执行。但作为 ChatGPT 的提示，它也可以用来“表达”一个可以延续的“想法”。它可以描述某个计算结构，让ChatGPT“即兴续写”人们可能对于该结构的计算上的说法，而且根据它通过阅读人类写作的大量材料所学到的东西来看，这“对人类来说将是有趣的”。
ChatGPT 的意外成功突然带来了各种令人兴奋的可能性。就目前而言，我们能马上抓住的机会是，通过 Wolfram|Alpha 赋予 ChatGPT计算知识超能力。这样，ChatGPT 不仅可以产生“合理的类人输出”，而且能保证这些输出利用了封装在 Wolfram|Alpha 和 Wolfram语言内的整座计算和知识高塔。
3、为ChatGPT赋予“思想”
在 Wolfram|Alpha 内部，一切都被转换为计算语言，转换为精确的Wolfram 语言代码。这些代码在某种程度上必须是“完美”的，才能可靠地使用。关键是，ChatGPT 无须生成这些代码。它可以生成自己常用的自然语言，然后由 Wolfram|Alpha 利用其自然语言理解能力转换为精确的 Wolfram 语言。
在许多方面，可以说 ChatGPT 从未“真正理解”过事物，它只“知道如何产生有用的东西”。但是 Wolfram|Alpha 则完全不同。因为一旦 Wolfram|Alpha 将某些东西转换为 Wolfram 语言，我们就拥有了它们完整、精确、形式化的表示，可以用来可靠地计算事物。不用说，有很多“人类感兴趣”的事物并没有形式化的计算表示—尽管我们仍然可以用自然语言谈论它们，但是可能不够准确。对于这些事物，ChatGPT 只能靠自己，而且能凭借自己的能力做得非常出色。
就像我们人类一样，ChatGPT 有时候需要更形式化和精确的“助力”。重点在于，它不必用“形式化和精确”的语言表达自己，因为 Wolfram|Alpha 可以用相当于 ChatGPT 母语的自然语言进行沟通。当把自然语言转换成自己的母语 —Wolfram 语言时，Wolfram|Alpha 会负责“添加形式和精度”。我认为这是一种非常好的情况，具有很大的实用潜力。
这种潜力不仅可以用于典型的聊天机器人和文本生成应用，还能扩展到像数据科学或其他形式的计算工作（或编程）中。从某种意义上说，这是一种直接把 ChatGPT 的类人世界和 Wolfram 语言的精确计算世界结合起来的最佳方式。
ChatGPT 能否直接学习 Wolfram 语言呢？答案是肯定的，事实上它已经开始学习了。我十分希望像 ChatGPT 这样的东西最终能够直接在 Wolfram 语言中运行，并且因此变得非常强大。
电话：0531-88287262
官网：www.sdaict.ac.cn地址：济南市高新区旅游路8661号
增值电信业务经营许可证：陕B2-20210327 | 
陕公网安备 61102302611033号