有时很难将技术的现实与每天轰炸我们收件箱的炒作和营销信息区分开来。例如，仅在过去五年中，我们可能已经听说了太多关于元宇宙、区块链和虚拟现实的信息。目前，我们正处于对被广泛滥用的术语“AI”的愤怒之中，时间会证明这场特殊的风暴是否会被视为茶杯居民。
人工智能新闻独家采访了计算智能和科学创新领域最成熟的组织之一 Wolfram Research 的技术传播和战略总监 Jon McLoone，以帮助我们将目前的 AI 概念及其实际用途置于更深层次的背景中。
Jon 在 Wolfram Research 工作了 32 年，担任过各种职务，目前领导欧洲技术服务团队。作为一名训练有素的数学家和数据分析许多方面的熟练从业者，我们首先让他以电梯推介的形式描述 Wolfram 的工作。
“我们的价值主张是，我们了解计算和 Wolfram 技术。我们根据组织存在的问题定制我们的技术。这涉及范围很广。所以，我们没有典型的客户。他们的共同点是他们都在做一些创新的事情。
“我们正在做问题解决，那种使用计算和数据科学的事情。我们正在构建一个统一的计算平台，当我们谈论计算时，我们指的是各种技术计算，如工程计算、数据科学和机器学习。它包括社交网络分析、生物科学、精算学和金融计算等。抽象地说，这些基本上都是数学上的东西。
“我们的世界就是我们花了 30 年时间构建不同本体的结构化区域。我们有数学的符号表示，但也有图形和网络、文档、视频、图像、音频、时间序列、现实世界中的实体（如城市、河流和山脉）等内容。我的团队正在做一些有趣的事情，让它真正做一些有用的事情！
“我们只将 AI 视为另一种计算。多年来开发了不同的算法，其中一些是数百年前的，有些是几十年前开发的。Gen AI 只是增加了这个列表。
关于 2024 年 AI 的说法有时可能过于乐观，因此我们需要对它的能力持现实态度，并考虑它擅长什么以及不足之处。
“人类智能仍然是战略要素。你不会说，在未来五年内，AI 将经营我的公司并做出决策。生成式 AI 非常流畅，但不可靠。它的工作是保持合理，而不是正确。特别是当你进入 Wolfram 所做的那种事情时，这很糟糕，因为它会告诉你你的数学答案会是什么样子。（人工智能新闻的斜体字。
Wolfram Research 在这方面的工作重点是 Jon 所说的“符号 AI”。为了区分生成式人工智能和符号式人工智能，他给我们打了个比方，就是对投球的轨迹进行建模。生成式 AI 将通过检查数千次此类投掷来了解球的移动方式，然后能够生成轨迹描述。“这种描述是合理的。这种模型数据丰富，理解贫乏。
另一方面，投掷球的符号表示将涉及弹丸运动的微分方程和元素的表示：质量、大气粘度、摩擦力和许多其他因素。“然后可以问，'如果我把球扔到火星上会怎样？'它会说一些准确的东西。它不会失败的。
解决商业（或科学、医学或工程）问题的理想方式是将人类智能、符号推理（如 Wolfram 语言中所体现的）以及我们现在所说的 AI 作为它们之间的粘合剂的结合。AI 是一项出色的技术，可用于解释含义并充当组件之间的接口。
“一些有趣的交叉是，我们将自然语言转化为一些结构化信息，然后你可以用它来计算。人类语言非常混乱和模棱两可，而生成式 AI 非常擅长将其映射到某种结构。一旦你处于一个由句法形式构成的结构化世界中，你就可以在上面做事。
将“传统”AI 与 Wolfram 的工作相结合的最新示例涉及医疗记录：
“我们最近做了一个项目，获取医疗报告，这些报告是手写、打字和数字的。但它们包含单词，尝试对这些单词进行统计是不可能的。所以，你必须使用生成式 AI 部分将所有这些词映射到类之类的东西上：这是可以避免的死亡吗？是的。不。这是一个不错的结构化键值对。然后，一旦我们以结构化形式（例如一段 JSON 或 XML，或者您选择的任何结构）获得这些信息，我们就可以进行经典统计，开始说，'有趋势吗？我们能投影吗？COVID 对医院的危害有影响吗？你可以用平均值、中位数和模型等方式象征性地处理明确的问题。
在我们的采访中，Jon 还简要介绍了一个演示文稿，该演示文稿以他的组织工作为例，一个虚构的花生酱杯制造厂。更改特定成分或更改配方的某些细节以及这些更改对产品保质期的影响可能是什么？
“LLM（大型语言模型）会说，'哦，它们可能会持续几周，因为花生酱杯通常会在货架上放置几周。但是，使用一个可以插入成分并进行计算的计算模型，你就会知道这东西应该持续八周才会失效。或者这种变化可能会对制造过程产生什么影响？计算模型可以连接到制造工厂的数字孪生，并学习到，“这将使事情减慢 3%，因此您的生产力将下降 20%，因为它在这里造成了瓶颈。LLM 擅长将您和您的问题与模型、数学、数据科学或数据库联系起来。这真的是一次有趣的三方思想碰撞。
