#模型时代# Wolfram Language之父Stephen Wolfram：热力学第二定律其实是观察者的局限

这篇笔记来自Big Think旗下频道The Well于2026年7月7日发布的长访谈。嘉宾Stephen Wolfram是Mathematica和Wolfram Alpha的创造者，Wolfram Research创始人兼CEO。他1959年生于伦敦，15岁发表第一篇科学论文，20岁在Caltech拿到理论物理博士学位。2002年他出版了《A New Kind of Science》，提出用计算范式取代传统数学方程来理解自然界。2020年他启动了Wolfram Physics Project，试图从最底层的计算规则推导出物理定律。2026年1月，他正式为自己研究了40多年的这个领域命名：ruliology，关于规则及其后果的科学。同年6月，Wolfram Language发布了第15个大版本。

1980年代初，Wolfram在做一个实验。他设定了一条编号为“Rule 30”的规则：一排黑白格子，每个格子根据它和左右邻居的颜色来决定下一步变成黑还是白。规则本身可以用一个8位二进制数完全表达。然后他从一个黑色格子开始运行这条规则。结果令他自己都不敢相信：这条可以写在一张纸巾上的规则，生成的图案在中心列上看起来完全随机，无法用任何方式预测。“The only way you can find out what it's going to be，it seems，is by running Rule 30 and seeing what happens。”想知道它下一步会做什么，唯一的办法就是运行它。这个发现改变了他对整个宇宙的理解。

总结一下，Wolfram的核心主张是：宇宙的底层不是方程，而是计算，一套简单的规则在离散的空间网络上反复执行，广义相对论、量子力学、热力学第二定律全部从这个过程中浮现。…

他把这个想法推到了极端：不是某一条规则在运行，而是所有可能的规则同时在运行，它们构成一个他叫做ruliad的必然对象，而我们感知到的物理定律取决于我们作为观察者的特征：计算能力有限、相信自己在时间中持续存在。因此物理定律不是宇宙碰巧选的，是我们这类观察者注定只能看到的。

这套框架在直觉上很有吸引力，问题在于物理学不靠直觉定胜负。Wolfram Physics Project从2020年启动至今，没有找到那条具体的底层规则，没有给出任何可被实验检验的定量预测，而现有物理学的预测精度已经达到百亿分之一。有人批评：这个框架具有无限的灵活性，无论物理学给出什么结论，它都能事后声称兼容，而一个能解释一切的理论实际上什么也没解释。

Wolfram回答的是"物理定律为什么必须是这样"，物理学家问的是"物理定律具体预测什么"。前者是形而上学，后者才是物理学。当然，我的话，可能会直接说他的理论有玄学的成分。

一、传统物理学为什么走到了瓶颈

1、20世纪物理学的三大支柱和它们的局限

20世纪物理学建立在三大理论之上：广义相对论，即关于时空与引力的理论；量子力学；以及统计力学，它的核心洞见是热力学第二定律，即系统会随时间趋向更随机的状态。这三大理论都依赖19世纪发展出来的数学形式化方法。

但它们解释不了很多事情。比如，电子的质量是一个确定值，μ子（muon）跟电子几乎一样，只是重了206倍。为什么会这样？没人知道。超对称、弦论等尝试解释这些“为什么偏偏如此”的问题，但从来没有跟实验观测对上过。

Wolfram的切入点完全不同。他没有从已知的物理世界出发，试图用数学反向推导规则。他做的事更像自然科学家：在“计算可能性的宇宙”里探索，看看简单程序跑出来的东西是否像我们观察到的物理世界。结果发现，确实如此。

2、牛顿的成功其实是因为选对了研究对象

Wolfram提供了一个有趣的历史观察。牛顿之所以能推导出简洁的运动定律，是因为他选择研究固体力学，研究物体在力作用下的轨迹。如果他当初选择研究流体，流体会表现出湍流等复杂的随机行为，他就不可能总结出那些简洁的定律，整个牛顿力学的故事就不会发生。

换句话说，传统物理学的成功建立在一个精心的选择之上：只研究那些恰好能用数学方程描述的现象。Wolfram认为，计算范式则没有这个限制。

3、形式化的历史弧线：从语言到逻辑到数学到计算

人类思维的历史可以看作一连串的形式化过程。最早，自然语言把“指着各种不同的石头”形式化成“石头”这个词。然后逻辑把论证的结构形式化了。数学把世界的某些方面形式化了。计算是最新的一次形式化，也是覆盖面最广的一次。

Wolfram将此称为“21世纪的伟大范式”。他的核心工作Wolfram Language，本质上就是在为世界建立一种计算语言，让尽可能多的事物可以被精确地用计算术语描述。

Wolfram把当前这场转变类比为哥白尼革命。过去人们相信常识就够了，太阳绕着地球转，因为我们感觉如此。哥白尼之后的教训是：相信数学，不要相信日常感官。现在的教训类似：相信计算结构，不要只靠直觉去理解世界。事物在底层是计算性的（computational all the way down），用计算方式去结构化思维才是匹配这个事实的认知工具。

二、计算不可约性：科学的天花板与人生的意义

1、什么是计算不可约性

传统科学有一个默认假设：无论世界发生了什么，我们总能找到一条捷径来预测结果。不需要跟着地球绕太阳转一百万圈，用一个公式就能算出一百万年后地球在哪。

计算不可约性（computational irreducibility）说的是：这条捷径并不总是存在。当一个系统内部的计算过程本身足够复杂时，预测它的结果所需的计算量不比直接运行它少。你想知道Rule 30在第一百万步会变成什么样？没有公式可用，只能老老实实跑完那一百万步。

这是科学的一个内在限制，不是暂时的技术不足，而是原则上不可逾越的。在Wolfram看来，它是哥德尔不完备定理在计算领域的“亲属”。

2、计算不可约性恰恰是人生有意义的原因

这听起来像坏消息：科学有天花板。但Wolfram把它翻转过来看。

如果一切都可以被预测，那“活过这一生”就没有增加任何信息。外部某个东西可以直接跳到终点，告诉你结果会怎样。正是因为计算不可约性存在，你的生命过程本身在执行一段不可替代的计算。“You have to live the life to know what's going to happen。” 你必须活过这个人生才能知道会发生什么。

没有任何外部力量可以跳过这个过程来宣布结果。这是Wolfram对“人生意义”的计算理论回答。

3、自由意志：确定性规则之上的不可约间隙

底层规则可能是完全确定性的。你的神经元按照固定的物理规则运转。但计算不可约性在底层规则和整体行为之间制造了一道不可约的间隙：你知道规则，但推不出这个生物体下一刻会做什么。

这并不意味着物理定律被违反了。它意味着，从“知道所有规则”到“预测所有行为”之间的距离，原则上是无限的。Wolfram认为这就是我们所感知的“自由意志”的计算基础。

三、宇宙的数据结构与算法：Wolfram Physics Project

1、空间是离散的，宇宙是一张网络

宇宙的底层是什么？Wolfram的回答是：一堆离散的“空间原子”，它们之间唯一可说的就是彼此如何关联。这些关联构成一张网络，数学上叫graph。空间、物质、一切，都是这张网络上的特征。

网络是宇宙的数据结构。算法是什么？一套重写规则：在网络中找到符合某个模式的小片段，把它替换成另一个模式。这个过程不断重复，就是时间的流逝。

2、广义相对论和量子力学从同一个结构中浮现

当10的400次方个空间原子按照这些规则不断被重写时，宏观层面上浮现出来的效果，就像流体中无数分子碰撞后浮现出流体力学一样。Wolfram团队发现，这种宏观效应恰好是广义相对论，也就是爱因斯坦的引力方程。

量子力学的来源更巧妙。这张网络上有许多不同的部分可以被独立重写，不存在唯一的“历史线”。网络可以沿着多条历史路径同时演化。这种“多条历史路径的叠加”就是量子力学中概率性行为的来源。

3、Ruliad：为什么宇宙的规则不是被“选择”的

一个直觉上的难题：这些重写规则到底是哪来的？为什么是这条规则而不是另一条？

Wolfram最终得出的结论是：所有可能的规则都在同时运行。不同规则之间也有不同的历史路径，就像同一条规则内部有不同的重写顺序一样。这一切的极限对象，他叫做ruliad：所有可能计算的纠缠极限。

Ruliad是一个抽象的、必然存在的、唯一的对象。只要“计算”这个概念存在，ruliad就不得不存在。它是逻辑上不可避免的，不需要被任何东西创造或选择。

在Wolfram的框架里，ruliad存在三种空间。第一种是我们日常经验中的物理空间。第二种叫branchial space，是量子力学中不同历史分支所处的空间。第三种叫ruial space，是不同计算方式、不同认知角度所处的空间。在ruial space中，不同心智处于不同位置：所有人类的心智挤在一起，猫和狗的心智稍远一些，天气系统的“心智”则远得多。两个心智在ruial space中的距离，反映的是它们理解世界的方式有多大差异。

四、观察者决定物理定律

1、热力学第二定律其实是观察者的局限

微观层面的分子碰撞是可逆的：正放和倒放看起来一样。但杯子碎了不会自己拼回去。为什么？

Wolfram的解释是：底层过程的计算不可约性在不断“加密”初始条件中的简单性。理论上，你可以追踪每个分子的运动然后逆转。但实际上，你（作为一个计算能力有限的观察者）做不到这么复杂的计算，只能说“看起来变随机了”。

热力学第二定律不是宇宙的客观属性，它是我们作为计算能力有限的观察者的感知结果。这个结论暗示了一件更大的事：物理定律部分取决于观察者是什么样的。

2、我们感知到的物理定律是必然的，不是偶然的

在ruliad这个包含一切可能计算的对象中，像我们这样的观察者具备两个关键特征：计算能力有限，也就是心智是有限的；以及相信自己在时间中持续存在，维持着一条连贯的经验线索。

Wolfram认为，仅凭这两个特征，就可以推导出我们必然会感知到的物理定律的形式。广义相对论、量子力学，不是宇宙碰巧选了这些规则，是像我们这样的观察者在ruliad中只能看到这些规则。

如果我们是不同类型的观察者，我们可能会感知到不同的物理定律。但对于像我们这样的实体来说，物理定律的形式是可推导的、不可避免的。Wolfram自己也没预料到这个结论，他在访谈中用了“did not see coming at all”来描述自己的惊讶。

3、客观现实为什么存在？因为我们有很多人

每个人都有自己的内部感知，但我们相信存在一个客观的外部世界。Wolfram认为这种“客观现实”的信念之所以成立，是因为有足够多的观察者。如果只有你一个人，你不会有客观现实的概念。正是因为我们可以推断出其他人有类似的内部感知，并且大家都在观察同样的东西，客观现实才“涌现”出来。

这个逻辑同样适用于量子力学中的测量问题。我们之所以觉得量子测量给出了确定的结果，是因为所有观察者在Wolfram所说的branchial space中都挤在一起。Branchial space可以理解为“量子历史的可能性空间”，不同的量子分支在这个空间中各占一个位置。就像我们看到相同的星空是因为都站在同一颗行星上，我们对量子测量达成共识是因为在branchial space中彼此的位置非常接近。

五、生物演化与机器学习的共同秘密

1、达尔文一直在找的那条定律

Wolfram引用了《物种起源》末尾的表述：地球按照引力定律绕着太阳转，同时产生出越来越复杂的生命形式。达尔文相信存在某条抽象的定律支配着演化的进程，但他一辈子没找到。

Wolfram在2024年重新回到这个问题。他有了一个新的数据点：机器学习确实能工作。他在1980年代早期就尝试过神经网络，从没让它做出什么有意思的事。2010年代的发现是：只要对神经网络施加足够大的训练量，它终究会学会东西。

2、演化能持续产生复杂性的原因

Wolfram用计算框架解释了为什么演化不会卡住。在计算可能性的宇宙中，即使是简单程序也能产生极端复杂的行为。这是“大自然制造复杂性的秘密”。

演化能持续运转，关键在于生物体面临的适应性目标（fitness objectives）在计算上相对简单。如果每个生物一出生就必须解一道高难数学题才能存活，演化就不可能成功。正因为适应性目标的计算复杂度远低于底层计算元素的能力，演化才能不断运作。

3、生命的独特之处：大规模编排

分子生物学在过去几十年的发现显示，活体组织中的分子不是随机漂浮的。每个分子都被精确地从一个位置运送到另一个位置，这个分子恰好嵌入那个分子，然后触发下一步反应。Wolfram把这种现象叫做“大规模编排”（bulk orchestration）。

这种编排是30亿年演化建起来的技术栈。生物体的结构就像用石头砌墙：工程师会用形状规整的砖块，但演化不同，它从地上捡起各种不规则形状的“计算不可约碎块”，恰好能拼在一起完成任务。机器学习的内部结构也是同样的逻辑。

六、AI时代：与另一个文明共存

1、AI已经是一个平行文明

Wolfram的判断是：除了人类文明之外，AI的文明已经存在。问题是我们怎么跟这个“就在眼前的外星文明”共处。

他指出，我们其实对此有丰富的经验：我们一直在跟大自然共存。自然界也在做各种各样的计算，Wolfram的“计算等价性原理”（principle of computational equivalence）主张，天气系统中流体运动的计算复杂度跟人脑中电化学反应的计算复杂度不相上下。区别在于，天气的计算跟人类的思维方式不对齐，也没有把所有输入压缩成“下一步做什么”的单一行动决策。

2、可预测与不可预测的工程选择

工业革命以来，我们建造的机器有一个特点：我们能理解它们的工作原理。齿轮、杠杆、管道，都是计算上可约的（computationally reducible）。

但一旦进入计算机器的领域，这就不再成立。我们面临一个社会选择：是坚持只使用我们能完全理解、完全预测的工具，还是允许工具利用计算不可约性的全部力量？前者安全但能力受限。后者强大但原则上可以产生我们无法预见的行为。

Wolfram指出，在工业革命之前，人类使用的许多东西本来就是不可预测的——你骑一匹马，你知道能用它做什么，但你不知道马的内部是怎么运作的。我们正在回到那种状态。

3、人类的不可替代性

宇宙中如果没有观察者，ruliad里只能说出一些平淡的东西。有意义的叙事需要具有特定特征的观察者。人类意识的核心特征是一种极端的压缩：我们接收环境中海量的感官输入，最后压缩成一个单一的下一步行动。这条被压缩出来的连贯经验线索，就是我们所感知的意识。

AI没有死亡，没有某些感官经验，因此它们是不同类型的观察者。计算不可约性保证了在规则的宇宙中永远有新东西可以发现，人类的角色是决定哪些可能性值得追求。“计算宇宙中有无限的东西可以研究。人类的角色是决定我们应该关注和追求其中的哪些。”

核心归纳

Q1：计算不可约性到底在说什么，为什么重要？

它说的是：当一个系统的内部计算过程足够复杂时，不存在任何捷径可以跳过这些步骤直接得到结果。唯一的办法是运行它、看它做了什么。这意味着科学在原则上有预测的天花板，同时也意味着你的人生过程执行了不可替代的计算，没有任何外力可以提前宣布你的结局。

Q2：Wolfram说“物理定律可以从观察者特征中推导出来”，这是什么意思？

Ruliad包含了所有可能的计算。我们作为观察者有两个关键特征：计算能力有限、相信自己在时间中持续存在。Wolfram的论点是，仅凭这两点，就可以推导出我们必然会感知到广义相对论和量子力学的形式。物理定律不是宇宙碰巧选的，是像我们这样的观察者在这个结构中只能看到的东西。

Q3：生物演化和机器学习的共同机制是什么？

两者都在利用计算宇宙中一个基本特性：简单规则可以产生极端复杂的行为。演化和机器学习能成功，是因为它们面对的适应性目标在计算上相对简单，远不及底层计算元素本身的复杂度。这些“计算不可约的碎块”被拼接在一起，恰好满足了相对简单的生存或学习目标。