这次乍看之下依然完全合理，甚至引用了相关来源。然而，事实证明，这些数据基本上是 “虚构的”：
不过，很好的一点是，你可以很容易地要求 ChatGPT “核查事实”：
现在用 Wolfram|Alpha API 提供以下信息：
现在，我们注入此数据，让 ChatGPT 更正其原始答案（甚至会以粗体显示其在何处做了更正）：
当涉及实时（或位置等相关）数据或计算时，“注入事实” 的能力就很可贵。ChatGPT 不会立即回答下面这个问题：
但这里有一些相关的 Wolfram|Alpha API 输出：
如果我们将上述信息输入 ChatGPT，将生成不错的 “论述风格” 结果：
有时候计算方法和类人模型之间存在着有趣的互动。问 Wolfram|Alpha 一个异想天开的问题（它甚至会核实你是否想要 “软冰淇淋”）：
ChatGPT 起初对体积的概念有点困惑：
但随后似乎 “反应过来” 这么多冰淇淋其实有些搞笑：
路向何方
机器学习强大高效，特别是近几十年，这一领域成绩卓著，ChatGPT 可谓其最新成果。图像识别、语音到文本、语言翻译。每种应用都是 “猛然” 越过相应门槛。随之某些任务由 “基本毫无可能” 变成了 “基本可行”。
但结果也并不是 “完美” 的。或许有些东西在 95% 的情况下显效良好，但只消一试，剩下的 5% 仍不明朗。从某些角度来看，这可能就是失败。但关键是，对于各种重要用例，通常有 95% 的效用就已 “足够好”。也许是输出本就不存在真正意义上的 “正确答案”。也许只是人们在尝试找出人类或系统算法发展完善的可能性。
一次一个 token 生成文本的千亿参数神经网络可以完成 ChatGPT 所能做的事，相当了不起。想到这令人意外又瞩目的成功，人们可能会认为，只要 “训练出足够大的网络”，就可以畅所欲为了。但并非如此。计算的基本事实，特别是计算不可化约性的概念，让这种美好梦想难以实现。更重要的则如我们在机器学习的真实历程中所见 —— 会有巨大突破（就像 ChatGPT），进无止境。而且我们会发现，一些用例因机器学习之 “能” 而成，而不会囿于其 “不能”。
在很多情况下，“最初的 ChatGPT” 可以帮助人们写作、提建议或生成各种有用的文本。而一旦涉及创作完美事物，机器学习就不是理想路径了。其实要说完美，人类也一样束手无策。
这正是我们在上述示例中能看到的。ChatGPT 在 “类人范畴” 做得很好，因为没有严格意义上的 “正确答案”。如果 “非要” 让它进行精准操作，它通常会败下阵来。但重点来了，将 ChatGPT 连接到 Wolfram|Alpha 及其计算知识 “超能力”，会是很好的解决办法。
在 Wolfram|Alpha 内部，一切都会转化为计算语言，精确的 Wolfram Language 代码。在某种程度上，这些代码必须 “完美” 才能可靠使用。不过 ChatGPT 不必生成这样的代码，只需生成常规自然语言，然后 Wolfram|Alpha 可用其自然语言理解能力翻译成精确的 Wolfram Language。
在许多方面，有人可能会说，ChatGPT 从未 “真正理解” 过事物；它只是 “知道如何产出有用的东西” 罢了。Wolfram|Alpha 的故事就不同了。因为一旦 Wolfram|Alpha 将某些东西转换为 Wolfram Language，就能得到完整、精确、规范的表示，人们以此计算事物就有保证。不用说，很多 “有人情味” 的东西，并没有正式的算法表示，但我们仍然可以用自然语言来谈论，尽管可能不准确。在这方面，ChatGPT 自成一体，功能令人称奇。
就像我们人类一样，ChatGPT 有时需要更规范精准的 “助力”。但它不必 “规范而精准” 地表明所求。因为 Wolfram|Alpha 可与之进行相当于是 ChatGPT 母语的自然语言交流。而 Wolfram|Alpha 将负责在转换为自己母语 Wolfram Language 时 “进行规范和精准处理”。这个情况很好，我认为潜力巨大。
这种潜力不仅体现在典型的聊天机器人或文本生成应用层面。而且可以扩展到数据科学和其他形式的计算工作（或编程）。从某种意义上说，这种方式直接兼顾两个世界：ChatGPT 的类人世界和 Wolfram Language 的精确计算世界。
如果 ChatGPT 直接学习 Wolfram Language 会怎么样？嗯，确实可以，而且其实已经在做了。我特别希望像 ChatGPT 这样的模型最终能直接在 Wolfram Language 中高效运行。这种情形很特别也很有趣，因 Wolfram Language 的全面计算语言的特性而成就，可以用计算术语广泛谈论世界上有的没有的各种事情。
Wolfram Language 的整个概念在于接受人类思考的产物，然后通过计算来表示和处理。普通的编程语言只是提供某些方法告诉计算机具体该做什么。而 Wolfram Language 作为一种全面的计算语言，其作用远大于此。实际上，它意在成为人类和计算机都可用的 “以计算方式思考” 的语言。
几百年前，数学符号的发明，首次提供了一种 “以数学方式思考” 事物的精简媒介。其发明很快催生了代数和微积分，最终形成了各种数学科学。Wolfram Language 旨在为计算思维做些类似的事情，尽管不仅是为人类而做，同时以计算范式打开所有 “计算 X” 领域的大门。
我自己也因 Wolfram Language 作为 “思考语言” 受益匪浅，近几十年中，看到人们通过 Wolfram Language “以计算方式思考” 而取得如此进步，我倍感欣慰。那么 ChatGPT 呢？其实也可以进入这个领域。但具体怎么做，我也说不准。因为这并不是关乎 ChatGPT 要学习如何进行 Wolfram Language 已经实现的计算，而是关于 ChatGPT 学习如何像人类一样使用 Wolfram Language，是关于 ChatGPT 生成近乎 “创造性的文章”，不是用自然语言而是用计算语言。
我很早就讨论过人类用自然语言和计算语言混合交流写就计算论文的概念。现在的问题在于 ChatGPT 能否编写这些内容，能否将 Wolfram Language 用作一种不单向人类，而且向计算机传递 “有意义交流” 的方式。而且涉及 Wolfram Language 代码的实际执行很可能有一个有趣的反馈循环。关键是， Wolfram Language 代码所传达 “思想” 的丰富和动感有别于普通编程语言，更接近于 ChatGPT 在自然语言中 “神奇” 地处理的那类东西。
换言之，Wolfram Language 类似于自然语言 —— 是一种表达力很强的语言，可以想象在其中为 ChatGPT 编写一个有意义 “prompt” 的情形。是的，Wolfram Language 可以直接在计算机上执行；但作为 ChatGPT prompt，它可以用来 “表达一个想法”，其所在 “故事” 能够继续。可能也会描述一些计算结构，让 ChatGPT “即兴” 思考人们在计算上对这种结构的看法，取决于其通过阅读这么多人类所写东西学到的知识，“对人类来说很有趣” 的知识。
ChatGPT 的意外成功突然带来无限可能，令人兴奋。现在就有机会让 Wolfram|Alpha 赋予 ChatGPT 计算知识超能力。所以它不仅能产生高度 “似人输出”，还能利用封装在 Wolfram|Alpha 和 Wolfram Language 中的整个计算知识塔。
