Wolfram Language：一种试图承载世界知识的计算语言

在这段对话中，Stephen Wolfram 回顾了 Wolfram Language 从 1988 年诞生至今的设计初衷：它不是为程序员而生，而是为“计算世界本身”而生。通过符号化、一体化和知识内置的路线，他试图让计算机真正理解并操作现实世界。

从1988年开始：为什么要重新发明一门语言

理解 Wolfram Language，首先要理解它为何在 1988 年就选择了一条完全不同的路。Stephen Wolfram 在访谈中提到，Mathematica（Wolfram Language 的早期形态）诞生时，并不是为了追赶当时流行的编程范式，而是试图解决一个更根本的问题：能否有一种语言，直接表达“计算思想”本身。

他回忆说，当时主流语言更多关注控制流、内存、数据结构等“基础设施层”的问题，而他真正关心的是，人们在做数学、物理或科学思考时，脑中形成的那些高度抽象的结构，是否可以被直接表达出来。这也是为什么 Wolfram Language 从一开始就被设计为一种“抽象语言”，而不是某种高效执行的底层工具。

Wolfram 用近乎执拗的方式坚持这一方向。他在节目中坦言，这种选择在早期并不讨好市场，甚至显得有些“反直觉”。但正是这种从第一性原理出发的设计，让这门语言在几十年后，依然保持着与其他语言完全不同的气质。正如他所说的那样：“我们从一开始就不是在做另一种编程语言，而是在尝试定义一种计算的语言。”

符号化计算：把世界当成可操作的对象

Wolfram Language 最核心、也最容易被忽视的特点，是它是一门“符号语言”。这里的符号，并不仅仅是数学符号，而是指任何可以被抽象、命名和变换的事物。Wolfram 在对话中强调，这一点极其关键，因为真实世界并不是由纯数值构成的。

在传统编程语言中，你往往需要把问题拆解成数值计算，再一步步处理；而在 Wolfram Language 中，图像、地理位置、文本、分子结构，甚至是日期和城市，本身就可以作为一等公民存在。他提到，这种能力“非常强大”，因为它让程序直接作用在概念层面，而不是数值层面。

这种符号化的好处，在复杂问题中尤为明显。你不再只是写‘如何计算’，而是在描述‘你想对什么进行操作’。Wolfram 认为，这更接近人类思考问题的方式，也是后来机器学习和 AI 系统能够自然融入这门语言的重要原因。用他的话说，这是“让计算系统能够理解你在谈论什么，而不仅是你让它算什么”。

一体化设计：为什么一个函数就能做机器学习

在访谈中，Stephen Wolfram 展示了一个极具代表性的例子：某些在其他生态中需要复杂流程才能完成的机器学习任务，在 Wolfram Language 中可能只需要调用一个函数。这并不是语法糖，而是设计哲学的直接结果。

他解释说，其他语言通常把语言本身、库、框架和数据分得很开，开发者需要自己完成“胶水工作”；而 Wolfram Language 选择把大量能力直接内置进语言核心，包括机器学习、图像识别、地理计算等。这使得语言本身成为一个“完整的计算系统”。

例如，在地理计算中，你可以直接询问“离我最近的城市”，而不需要自己处理坐标、距离公式或数据源。这种体验背后，是一个庞大的、持续维护的知识系统。Wolfram 指出，这正是他心目中的“全尺度计算语言”（full-scale computational language）：既能写算法，也能直接调用对世界的理解。

AI 的真正目标：捕捉世界的知识

当话题转向 AI，Wolfram 的观点明显区别于流行叙事。他认为，AI 的梦想并不仅是更好的模式识别，而是“捕捉世界的知识”。在他看来，Wolfram Language 和 Wolfram Knowledgebase，正是朝这个方向迈出的长期尝试。

他坦言，这条路并不轻松，甚至在早期“有点吓人”。构建一个覆盖现实世界的大规模知识体系，需要持续几十年的投入，也很难在一开始就判断其深度和长期价值。但他依然选择坚持，因为他相信，真正有意义的计算系统，必须能帮助人类探索世界，而不仅是优化已有任务。

在节目中，他用了一句颇具总结意味的话来形容这项工作：“你只有在做了二三十年之后，才会开始意识到，你到底建成了什么。”这既是对 Wolfram Language 的评价，也是一种对 AI 未来路径的提醒。

总结

这段访谈提供的最大价值，不在于具体功能的罗列，而在于 Stephen Wolfram 对“计算是什么”的长期思考。Wolfram Language 之所以独特，是因为它试图把语言、算法和世界知识合为一体。对读者而言，这不仅是了解一门语言，更是一次关于 AI 与人类认知边界的启发。

关键词： Wolfram Language， Stephen Wolfram， 符号计算， 机器学习， 计算知识

事实核查备注： 关键事实包括：Mathematica 于 1988 年发布；Wolfram Language 被设计为抽象、符号化的计算语言；其内置机器学习、图像识别、地理计算等能力；Stephen Wolfram 关于 AI 目标是“捕捉世界知识”的观点。