BerandaComputers and TechnologyStephen Wolfram pada Desain Bahasa Komputer, SMP, dan Bahasa Wolfram

Stephen Wolfram pada Desain Bahasa Komputer, SMP, dan Bahasa Wolfram

00:04 Perkenalan

00:04 Charles Humble: Halo, dan selamat datang di The InfoQ Podcast. Saya Charles Humble. Dan minggu ini, saya berbicara dengan Stephen Wolfram . Stephen adalah pencipta Mathematica , Wolfram | Alpha dan Bahasa Wolfram . Dia adalah penulis sejumlah buku, termasuk “ A New Kind of Science ”, dan merupakan pendiri dan CEO Wolfram Research. Stephen, selamat datang di The InfoQ Podcast.

00:24 Stephen Wolfram: Hai.

00:25 Apa tujuan Anda ke SMP?

00:25 Charles Humble: Saya sangat ingin berbicara dengan Anda tentang Bahasa Wolfram, karena Saya pikir itu agak tidak biasa dan menarik. Dan saya pikir mungkin kita harus mulai dengan membicarakan tentang asal-usulnya dan, khususnya SMP, Program Manipulasi Simbolik, yang Anda kerjakan bersama dengan Chris Cole di Caltech pada akhir 1970-an. Apa tujuan utama bahasa itu?

00:43 Stephen Wolfram: Ya ampun, Anda menanyakan kisah hidup saya di sini . Gambar kasar. Saya dibesarkan di Inggris. Saya mulai menjadi sangat antusias tentang fisika, dan mulai melakukan fisika ketika saya masih remaja awal hingga pertengahan. Salah satu ciri buruk dalam melakukan fisika adalah Anda harus melakukan semua kalkulasi matematis yang rumit ini, yang tidak terlalu ingin saya lakukan sebagai manusia. Saya bilang ini sangat membosankan, ini mekanis, harus bisa diotomatiskan. Jadi saya mulai menggunakan komputer untuk melakukan hal semacam itu. Kemudian sekitar 1979, saya telah menjadi pengguna terbesar di dunia, menurut saya, dari sistem penelitian yang telah dibangun untuk melakukan komputasi matematis dengan komputer, dan berkata, “Baiklah, apakah saya akan meminta orang lain untuk membuat hal yang seharusnya dibangun, atau apakah saya akan melakukannya sendiri? “

01:26 Stephen Wolfram: Jadi saya, setelah sedikit, “Oh , dapatkah saya membuat orang lain melakukannya? ” Ini seperti, jika Anda benar-benar ingin melakukannya, Anda harus melakukannya sendiri. Saat itu akhir 1979, saya berkata, “Baiklah, jika saya ingin membangun sistem umum yang dapat melakukan semua jenis komputasi yang akan relevan di bidang aplikasi matematika yang sulit, tetapi juga di banyak bidang lain, apa haruskah sistem itu didasarkan pada itu? ” Jadi saya cukup mengetahui teori ilmu komputer dan logika matematika dan sebagainya, tetapi saya melihat kembali pada, “Oke, kami sedang melakukan hal komputasi ini. Kami ingin melakukannya dengan cara setinggi mungkin. Bagaimana seharusnya kami lakukan itu?”

01:57 Bahasa apa lagi yang Anda cari sebagai inspirasi?

01:57 Charles Humble: Apakah ada bahasa lain yang Anda cari sebagai inspirasi?

02:01 Stephen Wolfram: Bahasa yang mungkin paling dekat dengan inspirasi mungkin adalah LISP dan APL. Tapi keduanya memiliki cara yang berbeda memiliki asal-usul dalam ide logika matematika, tidak harus secara akademis persis seperti yang mereka lakukan, tapi setidaknya mereka terinspirasi oleh ide-ide itu. Jadi saya tertarik untuk memahami banyak hal dari sudut pandang itu. Faktanya, kebetulan sejarahnya lebih kecil dari yang Anda pikirkan, bahwa 7 Desember 1920 adalah tanggal kunci dalam sejarah komputasi simbolik, karena itu adalah hari ketika Moses Schönfinkel memperkenalkan kombinator.

02:33 Stephen Wolfram: Dan kombinator saat ini adalah hal-hal yang dipikirkan orang, “Oh, itu keingintahuan yang tidak jelas. Tidak ada yang peduli,” dll, dll, dll. Tapi saya baru-baru ini menelusuri sejarah, dan sejarahnya cukup menarik, dan cara para penggabung akhirnya mengarah ke kalkulus Lambda dan ke banyak hal-hal lain. Dan meskipun kombinator itu sendiri lebih murni dan ekstrim daripada yang pernah kita capai hari ini, mungkin ada lima atau enam elemen berbeda untuk membuat segala sesuatu abstrak dan simbolis yang dilakukan oleh kombinator, dan pada dasarnya kita telah melakukan semua kecuali satu dari mereka sekarang.

03:03 Stephen Wolfram: Dan menurut saya, inspirasi asli saya untuk apa yang saya lakukan adalah hal-hal yang telah dilakukan dalam logika matematika. Sebenarnya saya tidak memahami sejarah sejelas yang terjadi hari ini karena saya telah mempelajari banyak hal selama seratus tahun. Tapi ide meta saya yang lain adalah, saya terbiasa melakukan fisika. Dalam ilmu alam, gambaran utama dari apa yang Anda lakukan adalah, ada fenomena tertentu di dunia, tujuan Anda adalah menelusuri dan mencari tahu apa saja unsur primitif yang ada di bawah fenomena tersebut. Dan itulah yang saya lihat sendiri lakukan dalam desain bahasa itu.

03:33 Charles Humble: Jadi, bagaimana hal itu berhubungan dengan apa yang Anda lakukan dengan SMP?

03:37 Stephen Wolfram: Bahasa simbolik yang benar-benar berdasarkan aturan transformasi untuk pola, itulah yang dilakukannya. Jadi, saat Anda menentukan fungsi dalam sintaks Bahasa Wolfram modern, yang lebih baik daripada sintaks SMP, F dari X, kosong, X garis bawah, titik dua, sama dengan, apa pun fungsinya. Apa sebenarnya maksudnya itu? Itu berarti setiap kali Anda melihat ekspresi yang berbentuk F dari apa pun, kosong, bernama X, ubah ke sisi kanan ini. Jadi itu berarti sisi kiri dapat memiliki apapun yang Anda inginkan. Bisa jadi F dari daftar, X kosong, X kosong, yang berarti itu hanya akan mencocokkan pasangan elemen yang identik.

04:13 Stephen Wolfram: Atau kita bisa mendefinisikannya , kita juga bisa mendefinisikan F dari satu koma dua, sebagai sesuatu yang berbeda. Ini hanya mengatakan ada pola-pola ini, dan Anda membuat transformasi untuk pola-pola ini. Jadi di SMP, saya mencoba sekumpulan, dalam arti, ide pencocokan pola radikal untuk bagaimana melakukan komputasi simbolik. Dan beberapa dari mereka bekerja dengan sangat baik, beberapa tidak bekerja dengan baik, dan itu adalah pengalaman yang luar biasa dalam arti tertentu. Maksud saya, ada banyak pengguna dan hal-hal di perusahaan dan semua hal semacam itu. Namun selain itu, ini adalah proyek perangkat lunak pertama saya yang sangat besar.

04:44 Stephen Wolfram: Desainnya adalah poin data yang menarik bagi saya karena saya harus membuat desain ini, melihat apa yang terjadi lima tahun kemudian atau lebih, dan melihat hal-hal mana yang dipahami orang, hal mana yang tidak mereka pahami. Ide inti tentang aturan transformasi untuk ekspresi simbolik, ide fantastis, bekerja dengan baik. Beberapa detail, benar-benar gila, dan diubah. Anda membaca dokumentasinya, orang-orang menulis untuk bahasa yang Anda buat lima tahun kemudian, dan ada hal-hal yang seperti, “Tidak ada yang mengerti ini.” Dan itu seperti, “Itu adalah kesalahan desain.” Jadi, dalam arti tertentu, ketika saya mulai merancang Bahasa Wolfram pada tahun 1986, saya mendapat keuntungan luar biasa karena telah mencoba banyak hal yang dalam arti tertentu, bahkan lebih radikal.

05:26 Stephen Wolfram: Maksud saya, agak lucu, ada beberapa hal yang saya lakukan, seperti hal-hal yang kami sebut asosiasi dalam Bahasa Wolfram, hanya pemetaan, orang lain menyebutnya array asosiatif, kamus, apa pun. Saya memiliki hal-hal itu di SMP dengan cara yang sangat umum. Dan mereka terlalu umum di SMP, dan itu membuat saya enggan melakukan hal-hal itu selama mungkin 25 tahun setelahnya. Tapi konsepsi, sasis, kerangka kerja, semuanya tentang aturan transformasi untuk ekspresi simbolik. Hal yang menjadi kejutan besar selama 40 tahun terakhir adalah, semua jenis hal yang dapat Anda wakili dalam bentuk itu dan apa yang muncul dan kisah Bahasa Wolfram modern adalah cabang di dunia tentang bagaimana Anda mendapatkan komputer. untuk melakukan hal-hal yang sangat berbeda dari yang biasa dilakukan orang-orang dengan bahasa pemrograman dan sebagainya.

06:11 Stephen Wolfram: Dan itu semua dibangun di atas ide komputasi simbolis ini, tetapi ia pergi ke arah yang sangat berbeda dalam hal menggunakan representasi simbolis untuk menggambarkan dunia, boleh dikatakan, dan untuk menggambarkan semua jenis hal yang mungkin ingin Anda hitung atau berpikir tentang komputasi, jadi untuk berbicara.

06:27 Apakah Anda juga melihat MATHLAB dan Formula ALGOL?

06:27 Charles Humble: Jadi Anda menyebut LISP dan APL sebagai beberapa pengaruh. Apakah Anda juga melihat beberapa sistem aljabar, seperti MATHLAB dan Rumus ALGOL, misalnya?

06:36 Stephen Wolfram: Yah begitulah. Jadi dalam hal Macsyma, Reduce, Schoonschip, semua hal semacam itu, saya mengenalnya dengan baik, saya menggunakannya. Saya adalah pengguna besar dari hal-hal itu. Mereka sangat menyukai ALGOL. Nah, Schoonschip berbeda. Schoonschip, itu seperti, Anda punya tiga sistem, salah satunya telah ditulis dalam LISP, salah satunya ditulis dalam … Nah, ada satu lagi yang disebut ASHMEDAI, itu ditulis di Fortran, dan salah satunya ditulis dalam bahasa perakitan CDC 6000 series. Maka pertanyaannya adalah, dari ketiga penulis hal-hal itu, mana yang kemudian memenangkan hadiah Nobel. Dan jawabannya adalah orang yang menulis dalam bahasa assembly CDC 6000.

07:11 Bagaimana ergonomi awal bahasa pemrograman dibandingkan dengan desain modern?

07:11 Charles Humble : Salah satu hal yang menurut saya sangat menarik ketika Anda melihat kembali bahasa yang relatif awal adalah betapa berbedanya ergonomis dengan desain modern.

07:20 Stephen Wolfram: Saya pernah menjadi konsultan di Bell Labs pada awal 1980-an, jadi saya kenal orang-orang seperti Dennis Ritchie dan seterusnya. Dan dia seperti, “Oh, sangat menyenangkan bahwa di SMP kamu memiliki nama-nama perintah pendek ini.” Dan ternyata salah satu ide yang sangat buruk di SMP adalah nama perintah yang pendek. Tetapi pada saat itu, ergonominya berbeda karena rata-rata pengguna SMP Anda tidak tahu cara mengetik. Setidaknya bukan tipe, apa yang akan Anda katakan hari ini? Jenis sentuh, dulu disebut, saya tidak tahu apa namanya sekarang. Saya pikir itu hanya mengetik hari ini.

07:50 Charles Humble: Ya, saya pikir mungkin begitu.

07:51 Stephen Wolfram: Jadi sangat membuat perbedaan bahwa seseorang hanya dapat mengetik tiga huruf, meninju keluar. Dan gagasan seperti penyelesaian perintah tidak ada pada saat itu. Jadi aspek ergonomis itu berbeda. Itu lebih pada level di atas level komputasi simbolik pada level bagaimana berpikir tentang komputasi matematis, kedua sistem mungkin lebih relevan. Dalam hal bahasa, menurut saya mereka tidak terlalu … Itu bukan sumber inspirasi utama saya. Fakta bahwa ya, masih ada Goto dalam Bahasa Wolfram di tahun 2020, dan kebanyakan orang tidak menggunakannya …

08:25 Stephen Wolfram: Kami memiliki banyak pengguna selebriti dan terkadang saya melihat kode itu. Dan ada seorang pria bernama John Nash yang sangat terkenal dalam Teori Permainan dan sebagainya. Dan dia adalah pengguna kami, dan saya kebetulan melihat beberapa kode yang dia tulis. Dan dia adalah satu-satunya orang yang kodenya benar-benar berulir dengan Gotos.

08:41 Charles Humble: Benarkah? Luar biasa.

08:41 Stephen Wolfram: Saya belum pernah melihat itu di tempat lain.

08:43 Seberapa besar dampak memiliki komputasi matematika sebagai landasan pada SMP dan kemudian Bahasa Wolfram?

08:43 Charles Humble: Menurut Anda, apakah pada dasarnya memiliki komputasi matematika sebagai landasan mutlak, sesuatu yang harus Anda capai dalam hal desain, berdampak pada SMP dan mungkin juga Bahasa Wolfram?

08:55 Stephen Wolfram: Itu bar yang sangat tinggi karena ini adalah area yang sangat rumit. Dan hal-hal seperti, Anda harus bisa merepresentasikan sesuatu secara simbolis. Ya, Anda memiliki rumus matematika. Ada banyak hal ini. Pertama, dulu ada, lalu ada, kita merepresentasikan grafis secara simbolis, lalu ada, kita merepresentasikan antarmuka pengguna secara simbolis, lalu ada, kamu hanya merepresentasikan keseluruhan string dari hal-hal lain, entah itu cloud deployment, secara simbolis, apakah sekarang mewakili entitas di dunia, seperti New York City atau sesuatu secara simbolis, apakah itu mewakili semua jenis hal ini.

09:28 Stephen Wolfram: Dan apa yang terjadi selama bertahun-tahun adalah bahwa saya telah menemukan, dan saya tidak tahu apakah sudah jelas ini masalahnya, bahwa gagasan inti tentang ekspresi simbolis dan aturan transformasi untuk ekspresi simbolik , itu benar-benar mencakup semua hal ini, dan itu mencakup mereka dengan cara yang sangat berguna. Ini tidak mengatakan, “Mari kita punya teori dunia, dan teori dunia itu adalah logika predikat,” misalnya, dan kemudian mengatakan, oke, semuanya harus mengikuti logika predikat. Ini adalah gagasan yang jauh lebih umum dari itu. Tidak berhasil hanya menggunakan logika predikat. Itu adalah model yang sangat buruk dalam merepresentasikan pengetahuan tentang dunia.

10:01 Menurut Anda mengapa gagasan bahwa segala sesuatu dapat direpresentasikan sebagai ekspresi simbolik bekerja?

10: 01 Charles Humble: Menurut Anda mengapa gagasan bahwa segala sesuatu dapat direpresentasikan sebagai ekspresi simbolis berhasil?

10 : 06 Stephen Wolfram: Mungkin, itu berhasil karena cara kita manusia berpikir tentang berbagai hal. Itu adalah bagian dari apa yang saya lakukan dalam hidup saya, adalah mempelajari komputasi di alam liar. Anda mengambil program kecil, Anda melihat apa yang dilakukannya. Penemuan besar dari awal 80-an bahkan program yang sangat kecil ini melakukan hal-hal yang sangat rumit. Dan pertanyaannya kemudian adalah, mereka melakukan hal-hal yang sangat rumit, tetapi apakah itu hal-hal yang kita pedulikan? Dan jawabannya adalah, itu tergantung apakah teknologi kita telah membuat kita ingin peduli pada hal itu. Apakah kita membutuhkan generator bilangan acak? Apakah kita membutuhkan sesuatu yang melakukan kompresi ini? Kecuali kita memiliki gagasan tentang pembuatan bilangan acak, gagasan kompresi, kita tidak peduli tentang hal-hal itu.

10:46 Stephen Wolfram: Saya melihat peran desain bahasa sebagai jembatan antara apa yang mungkin secara komputasi dan apa yang kita pikirkan tentang manusia.

10:54 Charles Humble: Menurut saya itu menarik karena Anda hampir masuk ke teori linguistik. Anda hampir memasuki relativitas linguistik, yaitu gagasan di mana Anda hanya dapat mengungkapkan gagasan yang Anda punya kata-kata. Dan itu sangat berbeda dari cara berpikir desainer bahasa komputer tentang desain bahasa.

11:16 Stephen Wolfram: Bagi saya, fakta bahwa representasi simbolis dunia berfungsi sebagai cara untuk membangun bahasa komputasi mungkin bukan tidak terkait dengan fakta bahwa kita manusia memikirkan berbagai hal di istilah simbolis. Dan saya pikir ada beberapa hal … Dari sudut pandang saya, bahasa kita, analoginya mungkin lebih seperti penemuan notasi matematika daripada konstruksi bahasa pemrograman awal. Dan hal besar, yang tentunya menjadi penyemangat bagi saya dalam hal menghabiskan hidup saya membangun bahasa komputasi ini, adalah jika Anda melihat sejarah notasi matematika, itu seperti berumur 400 tahun. Sebelumnya, jika Anda ingin menjelaskan matematika kepada seseorang, Anda akan mencoba menjelaskan sesuatu dengan kata-kata, dan itu tidak terlalu efisien, itu tidak terlalu efisien.

12:03 Stephen Wolfram: Kemudian notasi matematika, tanda plus, tanda sama dengan, hal-hal seperti itu ditemukan, dan tiba-tiba matematika bisa lepas landas dan kami mendapatkan aljabar dan kalkulus, lalu kami mendapatkan semua ilmu matematika dan sebagainya berkembang. Sejauh yang saya ketahui, tujuan dari apa yang kami coba lakukan adalah untuk memungkinkan jenis bahasa komputasi yang sama ada sebagai bahasa matematika yang muncul sekitar 400 tahun yang lalu, dan menggunakannya untuk mengaktifkan komputasi. X untuk semua X. Itulah tujuannya. Dan untuk memberi orang kendaraan untuk berpikir tentang berbagai hal secara komputasi dengan bantuan yang luar biasa bahwa, “Oh, komputer Anda juga dapat melakukannya,” bisa dikatakan, yang bukan merupakan hal di zaman notasi matematika.

12:43 Stephen Wolfram: Jadi saya pikir tujuannya sangat berbeda, dan itu hampir seperti, “Nah, kategori apa yang Anda buat?” “Yah, kami termasuk dalam kategori satu,” yang selalu bermasalah. Secara intelektual memang menarik, tetapi selalu seperti, “Nah, seperti apa rasanya? Apakah seperti bahasa pemrograman ini atau bahasa pemrograman itu?” Ya, tidak, tidak juga karena tujuannya sangat berbeda.

13:00 Charles Humble: Dapatkah Anda memberi saya beberapa contoh konkret dari tujuan tersebut?

13:02 Stephen Wolfram: Kami harus punya cara untuk mewakili, saya tidak tahu, informasi tentang film dan hal-hal lainnya. Atau kita juga harus memiliki cara untuk merepresentasikan paket yang berjalan di jaringan, dan hal-hal seperti ini. Dan memiliki jenis representasi hal-hal di dunia ini, bisa dikatakan, dan membuat representasi itu dapat dioperasikan, itulah pekerjaan yang banyak, tapi itulah yang kami coba lakukan, dan mencoba untuk benar-benar memasukkan ke dalam pengetahuan bahasa dunia, jadi untuk berbicara. Saya pikir konsepnya sama seperti ketika saya mulai menggunakan komputer, itu hanya komputer dengan kode mesin. Kemudian, ia mendapat bahasa primitif dan kemudian mendapat sistem operasi dan mendapat jaringan yang mendapat beberapa UI. Itu belum memiliki kecerdasan komputasi bawaan.

13:46 Stephen Wolfram: Tujuan kami adalah menggunakan bahasa yang baru saja saya bangun selama 40 tahun terakhir dan memungkinkannya menjadi sumber penerimaan yang diterima begitu saja kecerdasan komputasi yang dapat diharapkan orang saat mereka menggunakan komputer dan berharap memiliki cara untuk berinteraksi dengan komputer mereka yang merupakan jembatan antara cara berpikir mereka dan kemampuan komputer pada prinsipnya, dan itulah konsepnya. Nah, kepraktisan dari, oh, bahasa yang besar ini dan semuanya dirancang dengan koheren dan berjalan di awan dan berjalan di desktop dan berjalan serta server, semua jenis hal itu. Itu adalah kerja keras para insinyur di sekitar apa yang pada akhirnya merupakan ide intelektual tentang membangun bahasa komputasi skala penuh ini yang dapat mewakili dunia secara komputasi dan memungkinkan orang memikirkannya secara komputasi.

14:37 Stephen Wolfram: Dan saya pikir Anda telah mengidentifikasi dengan benar masalah inti, apa representasi akhir dari segala hal? Dan jawabannya adalah. sebenarnya hal yang sama persis dengan gagasan inti logika matematika sekitar 100 tahun yang tidak cenderung ditangkap dengan cara yang sama, dan setidaknya dalam bahasa praktis dan seterusnya. Kami terpaksa melakukan itu karena kami mencoba untuk mewakili hal-hal yang lebih luas di dunia. Kita tidak hanya berkata, “Oh, ini adalah larik, ini adalah struktur, ini adalah ini, ini adalah itu. Ini seperti, itu harus mewakili bahan kimia, itu harus mewakili sebuah molekul, itu harus memiliki cara melakukan itu. Itu harus memiliki cara untuk melakukan itu dengan cara yang dapat dihitung dengannya.

15:14 Bagaimana sistem evaluasi tak terbatas dalam Bahasa Wolfram bekerja?

15:14 Charles Humble: Dan sebagai bagian dari melakukan itu dengan Bahasa Wolfram, Anda memiliki sistem evaluasi tak terbatas. Bisakah Anda menjelaskan secara singkat apa artinya dan bagaimana cara kerjanya?

15:23 Stephen Wolfram: Anda mendefinisikan sebuah fungsi, yang pada dasarnya menyiapkan aturan transformasi untuk pola ekspresi simbolik. Misalnya, Anda berkata, “Bagaimana Anda menangani hal-hal yang berorientasi objek?” Anda tidak benar-benar harus melakukannya, karena yang Anda lakukan adalah mengatakan, F dari, dan kemudian hal yang ada di dalam F adalah pola yang berubah-ubah. Jadi jika di dalam F itu ingin berurusan dengan G dari sesuatu atau lainnya dan H dari sesuatu atau lainnya, itulah yang Anda tulis. Anda tidak perlu berkata, “Oh, ada jenis ini, dan sekarang kita akan mendapatkannya dari tempat lain.” Itu tepat di sana dalam ekspresi simbolis yang Anda buat transformasi.

16:01 Charles Humble: Lalu bagaimana transformasi itu sendiri bekerja?

16:04 Stephen Wolfram: Jadi yang dilakukannya adalah, terus berjalan dan mengevaluasi berbagai hal, dan melihat F dari G apa pun, dan dikatakan , “Oke, saya tahu aturannya. Izinkan saya menerapkan aturan itu.” Orang akan mengharapkannya melakukan itu tanpa batas untuk fungsi, ia juga melakukannya tanpa batas untuk variabel. Saya selalu berharap tidak ada yang mendefinisikan variabel global, tetapi mereka bisa. Dalam sesi berbasis, Anda dapat menggunakan Bahasa Wolfram sebagai hal berbasis sesi di buku catatan, atau Anda dapat menggunakannya sebagai API. Jika ini adalah API, maka hal global apa pun yang Anda tentukan telah hilang pada saat API selesai dijalankan, jadi itu tidak terlalu berbahaya.

16:35 Stephen Wolfram: Tapi ya, Anda dapat menentukan variabel X. Jika Anda mengatakan, X sama dengan X ditambah satu, itu akan mengatakan kesalahan rekursi , itu akan berputar sebentar dan kemudian … Jadi salah satu hal yang menarik tentang desain bahasa adalah, Anda mungkin berkata, “Ya ampun, fakta bahwa X sama dengan X ditambah satu ledakan akan membunuh segalanya. Fakta bahwa Anda dapat membuat definisi melingkar dan dengan evaluasi tak terbatas, mereka akan meledak. Anda mungkin berkata, “Ya ampun, itu akan membunuh segalanya. Orang-orang akan bingung. “Tidak. Pada dasarnya itu adalah bug. Mereka adalah bug sederhana. Dan itu salah satu panggilan penilaian rumit dari desain bahasa. Teori saya adalah, satu-satunya penilai yang benar-benar sempurna dan tidak memiliki perilaku aneh dalam kasus apapun adalah penilai yang tidak melakukan apa-apa.

17:16 Stephen Wolfram: Dengan kata lain, begitu melakukan sesuatu, akan ada sesuatu yang Anda anggap aneh kasus, jadi untuk berbicara. Dan apa yang benar-benar menarik dalam desain bahasa adalah mengarahkan orang, untuk tidak menggosok hidung mereka terhadap kasus-kasus aneh, untuk memimpin mereka, untuk melakukan hal-hal yang benar-benar akan berhasil dan akan didefinisikan dengan baik dan benar-benar akan dilakukan. menjadi efisien dan sebagainya. Dan saya pikir bagian dari seni desain bahasa adalah melakukan itu. Saya akan memberi tahu Anda sesuatu tentang evaluasi yang benar-benar memberi kita informasi terkini. Di SMP, saya benar-benar mencoba untuk menjelaskan bagaimana evaluasi akan berjalan.

17:51 Stephen Wolfram: Jadi misalnya, Anda menentukan fungsi Fibonacci. Jadi Anda mengatakan F dari N adalah F dari N minus satu, atau dalam Bahasa Wolfram, itu akan menjadi F dari N, kosong, titik dua, sama dengan F dari N dikurangi satu, ditambah F dari N minus dua. F satu sama dengan F dua sama dengan satu. Itulah cara Bahasa Wolfram untuk mendefinisikannya. Dan sekarang pertanyaannya adalah, bagaimana hal itu dievaluasi? Jadi, satu hal yang dapat Anda lakukan adalah rekursi pertama kedalaman melalui pohon Fibonacci. Jadi dengan kata lain, Anda mengatakan F dari 10 menjadi F dari sembilan, yang kemudian menjadi F dari delapan, F dari tujuh, dst, dst, dsb.

18:20 Stephen Wolfram: Tapi itu bukan satu-satunya cara Anda bisa melakukannya. Bisa dibilang, saat Anda mendapatkan F dari 10 menjadi F dari sembilan ditambah F dari delapan, kemudian F dari sembilan menjadi delapan ditambah tujuh, F dari delapan menjadi tujuh ditambah enam. Sekarang, Anda punya dua F dari tujuh. Anda bisa berkata, “Hei, tunggu sebentar, biarkan saya menggabungkannya sebelum saya melanjutkan evaluasi.” Jadi itu lebih merupakan strategi evaluasi pertama yang luas, kemudian yang mendalam terlebih dahulu. Di SMP, saya mengukurnya. Saya memiliki cara atribut ini untuk fungsi yang akan membuat parameter evaluasi rekursif mereka. Dan itu merupakan salah satu kegagalan desain SMP karena tidak ada yang memahaminya.

18:53 Stephen Wolfram: Itu adalah cara, yang pada dasarnya mengukur bagian depan evaluasi sekarang. Jadi sekarang kita datang 40 tahun kemudian, dan di sini saya sedang mengerjakan teori dasar fisika, dan ternyata, sekali lagi, agak memalukan saya, saya menyadari bahwa gagasan inti yang diperlukan untuk teori fisika fundamental adalah gagasan tentang simbolik. ekspresi. Tetapi tidak seperti yang kami gunakan dalam Bahasa Wolfram di mana semua bagian memiliki arti, ini berarti bahan kimia, itu berarti penambahan, itu berarti apa saja. Yang terjadi dalam teori fisika kita tidak ada artinya. Mereka murni infrastruktur ekspresi simbolik.

19:31 Stephen Wolfram: Jadi dalam arti tertentu, alam semesta, ruang terdiri dari ekspresi simbolis dengan 10 sampai 400 elemen . Jadi apa yang terjadi, dan ini benar-benar hal yang sangat indah dan menakjubkan, adalah bahwa aturan transformasi untuk ekspresi simbolik dalam hipergraf besar yang mewakili ruang dan alam semesta, Anda dapat melakukan transformasi ini, Anda hanya menentukan sekumpulan transformasi. Anda dapat melakukannya di mana saja dengan asumsi bahwa input tersedia untuk mereka. Jadi dengan kata lain, ada grafik kausal yang mengatakan, “Apa rantai kausalitas yang mengatakan, ‘Apakah inputnya sudah siap atau belum?'”

20:03 Stephen Wolfram: Jika inputnya sudah siap, maka Anda bisa melakukan evaluasi itu. Jadi, semua evaluasi berbeda ini terjadi secara paralel. Dan saya menjelaskan ini dengan istilah yang sangat komputer. Ini bukanlah bagaimana saya mendapatkan ini atau bagaimana Anda akan melihatnya dijelaskan untuk fisikawan rata-rata Anda, sehingga untuk berbicara. Tapi apa itu sesuatu di mana Anda memiliki sistem komputasi simbolik terdistribusi raksasa ini. Dan kemudian pertanyaan besarnya adalah, bagaimana urutan pembaruan itu terjadi? Dan ternyata, ada properti yang terkait dengan sistem penulisan ulang istilah properti pertemuan. Properti itu akhirnya memberikan satu relativitas khusus dan relativitas umum.

20:37 Stephen Wolfram: Tetapi properti itu menyiratkan bahwa pada dasarnya kerangka referensi relativitas khusus sesuai dengan bidang evaluasi yang berbeda di alam semesta. Jadi dengan kata lain, bergantung pada kerangka referensi apa Anda berada, Anda membuat pilihan berbeda tentang urutan yang Anda katakan sehingga kemungkinan evaluasi yang berbeda yang bisa terjadi ini ada di dalamnya. Jadi sebenarnya sangat banyak kembali ke ide yang saya miliki Di SMP yang dulu berupaya untuk memarameterisasi front evaluasi ini sekarang menjadi cerita kerangka acuan dalam fisika.

21:07 Charles Humble: Itu benar-benar menakjubkan.

21:09 Stephen Wolfram: Bagian depan evaluasi itu tidak dapat dipahami di SMP, bahkan bagi saya, sejujurnya . Tapi sekarang, yang sangat menarik adalah, dengan menggunakan fisika 100 tahun terakhir dan dengan menggunakan semua hal yang kita ketahui tentang relativitas dan relativitas umum dan seterusnya, kita sebenarnya memiliki bahasa untuk membicarakan ide kerangka referensi dan hal-hal tentang metrik dan sejenisnya, dan cakrawala peristiwa dan semua hal semacam itu. Dan sepertinya kita dapat menggunakan ide-ide tersebut untuk mengimpor kembali gagasan evaluasi front ini kembali ke dalam desain bahasa, dan pada dasarnya memberi kita cara baru untuk berpikir tentang bagaimana melakukan komputasi terdistribusi.

21:45 Bagaimana kerangka referensi membantu masalah komputasi terdistribusi?

21:45 Charles Humble: Sejujurnya, saya agak tersesat di sana. Bagaimana kerangka referensi membantu masalah komputasi terdistribusi?

21:51 Stephen Wolfram: Dalam arti tertentu, Anda berpikir tentang, “Oh, saya sedang memprogram dalam kerangka referensi ini dan itu. ” Itu berarti bahwa saya mengharapkan peristiwa pembaruan terjadi dalam urutan tertentu, bukan di beberapa wasit lain bingkai nce yang terjadi dalam urutan yang berbeda. Jadi apa yang terjadi di sana, dan saya tidak tahu apakah ini akan benar-benar berhasil, tetapi kita akan melihat apakah kita berada di abad yang tepat untuk melakukan ini, tetapi pertanyaannya adalah, komputasi terdistribusi sulit dipahami. bagaimana memprogramnya. Jadi pertanyaannya adalah, dapatkah kita sekarang menggunakan perkembangan intelektual yang terjadi dalam fisika untuk memberi kita pada dasarnya sebuah bahasa dengan cara berpikir tentang bagaimana melakukannya?

22:25 Stephen Wolfram: Jadi ini adalah hal yang biasa dalam desain bahasa, yaitu, Hal-hal yang bisa saya lakukan di SMP banyak sekali notasi-notasinya, terutama di bidang pemrograman fungsional. Ada banyak hal yang dapat saya lihat secara teoritis dapat dilakukan dan yang dapat saya implementasikan, tetapi orang tidak akan mengerti, seperti operasi lipat, misalnya. Operasi itu, saya bisa memasukkannya ke SMP tahun 1980 dan tidak ada yang mengerti. Ya, kami memilikinya di SMP, kami sudah mendapatkannya dari awal dalam Bahasa Wolfram, tetapi hari ini, itu adalah sesuatu yang karena pemahaman ambient tentang pemrograman fungsional, seseorang berada pada titik di mana itu adalah sesuatu, “Oh ya. Orang bisa mengerti bahwa.”

22:57 Stephen Wolfram: Dan apa yang saya lihat dalam pemrograman fungsional misalnya, adalah bahwa kita secara bertahap telah memperkenalkan jenis konstruksi yang lebih dan lebih rumit yang menggunakan lebih banyak dan lebih banyak ide fungsi urutan yang lebih tinggi ini. Dan itu adalah hal yang menarik karena ketika seseorang melakukan desain bahasa, apa yang coba dilakukan adalah memanfaatkan apa yang sudah dipahami orang untuk membiarkan mereka melakukan hal-hal yang kemudian mereka bisa mendapatkan komputer untuk membantu mereka. Jadi pertanyaannya, apa yang sudah mereka pahami?

23:23 Stephen Wolfram: Dan hal terbesar yang sudah mereka pahami, yaitu sesuatu yang belum dimanfaatkan dalam bahasa pemrograman adalah bahasa alami. Orang tahu, 50.000 kata, mereka tahu banyak konsep, mereka tahu banyak hal tentang cara kerja dunia. Itu adalah sesuatu yang bukan untuk bahasa alami, tidak mungkin kami dapat membangun bahasa komputasi kami.

23:43 Charles Humble: Bahkan sampai ke level, misalnya, menamai fungsi.

23:46 Stephen Wolfram: Saya menganggapnya sebagai puisi versi minimal. Bagaimana Anda memberi nama suatu fungsi? Anda harus menamai suatu fungsi sehingga orang akan menggunakan pengetahuan bahasa alami untuk mendapatkan ide yang tepat tentang cara kerja fungsi tersebut. Dan mungkin Anda mendapatkan dua kata, mungkin Anda mendapatkan tiga untuk puisi mikro Anda, jadi untuk berbicara, tentang apa fungsinya. Terkadang hal-hal ini datang dengan mudah, terkadang memakan waktu yang sangat lama. Ada fungsi yang belum kita miliki karena kita tidak tahu namanya, dan itu tidak berguna. Ada banyak fungsi yang ingin Anda masukkan, tetapi dalam arti tertentu, tidak ada gunanya memasukkannya.

24:17 Stephen Wolfram: Jika mereka melihat nama dan sepotong itu dari bahasa komputasi, mereka melihat namanya dan itu seperti, “Saya tidak tahu apa itu.” Anda mungkin juga menulis idiom dalam hal hal-hal yang mereka mengerti. Tidak ada gunanya menamainya, tetapi jika Anda memiliki nama untuk itu, sangat bermanfaat untuk memiliki fungsi bawaan dalam bahasa tersebut, karena ketika seseorang melihatnya dan mereka melihatnya dalam sebuah kode, mereka Seperti, “Oh, saya mengerti apa yang dilakukannya. Saya memiliki gambaran kognitif tentang apa yang terjadi di sana.” Jadi ini adalah interaksi yang sangat menarik antara menggunakan apa yang sudah diketahui orang, bahasa alami mana yang mungkin merupakan bagian terbesar, pengetahuan tentang bagaimana dunia bekerja adalah bagian lain, dan mungkin fisika abad ke-20 adalah bagian lain, yang kita belum benar-benar punya kesempatan untuk memanfaatkan.

24:58 Mengapa Bahasa Wolfram bukanlah sistem bahasa yang murni alami?

24:58 Charles Humble: Saya ingin berbicara sedikit sedikit lebih banyak tentang aspek bahasa alami karena menurut saya interaksi antara bahasa alami dan bahasa pemrograman dalam Bahasa Wolfram adalah salah satu aspeknya yang lebih tidak biasa. Dan saya bertanya-tanya mengapa itu bukan murni sistem bahasa alami.

25:14 Stephen Wolfram: Saya membangun Bahasa Wolfram untuk a Lama dan Mathematica yang pada dasarnya cerita yang sama, tetapi ditujukan untuk orang-orang yang melakukan hal-hal matematika. Kemudian di awal tahun 2000-an, saya mulai membangun Wolfram | Alpha. Dan pertanyaannya adalah, dapatkah kita menggunakan jenis kemurnian desain yang sama yang telah kita gunakan untuk Bahasa Wolfram untuk Wolfram | Alpha? Wolfram | Alpha dimaksudkan untuk menjadi, siapa pun berjalan ke sana, Anda menanyakan beberapa pertanyaan acak dalam bahasa alami, itu memberi Anda jawaban.

25:40 Stephen Wolfram: Saya dengan cepat memutuskan itu Itu adalah pengalaman yang menarik bagi saya bahwa saya akan membuang semua yang saya tahu tentang desain bahasa dan mendesain Wolfram | Alpha, karena dalam desain bahasa, semuanya tentang, “Mari kita buat sempurna. Mari kita buat semuanya bersatu. Mari kita membuatnya benar-benar koheren . Mari kita lakukan semua kasus sudut dengan benar. ” Dan dengan Wolfram | Alpha, jika Anda mengetikkan bahasa alami secara acak, itu harus sesuai dengan yang Anda maksud. Jika 50 Cent adalah nama pembungkusnya, tetapi 51 cent adalah mata uangnya, maka biarlah.

26:10 Stephen Wolfram: Dengan kata lain, lakukan saja apa yang diharapkan orang. Bahasa alami telah berkembang secara historis, dan penuh dengan ketidakkonsistenan dan hal-hal gila. Bahkan bahasa pseudo natural yang mencakup beberapa hal teknis memiliki ketidaksempurnaan semacam itu. Namun demikian dalam membangun Wolfram | Alpha merupakan pengalaman yang sangat menarik karena hanya metodologi desain yang sama sekali berbeda. Sebelum Wolfram | Alpha, saya selalu curiga dengan heuristik, “Oh, mari kita lakukan ini untuk kasus ini, tapi itu untuk kasus itu.” Dan itu semua agak kabur.

26:39 Stephen Wolfram: Tapi Wolfram | Alpha, sistem pemahaman bahasa alaminya adalah raksasa, pada tingkat tertentu, semuanya heuristik sampai ke bawah. Hal yang mengejutkan tentang sistem pemahaman bahasa natural Wolfram | Alpha adalah bahwa orang-orang telah mencoba membangun sistem pemahaman bahasa alami untuk waktu yang lama dan tidak pernah berhasil dalam hal itu. Dan saya mencoba menggunakan metode dari linguistik komputasi, menemukan mereka sangat tidak berguna. Apa yang saya sadari adalah hal mematikan yang kami miliki yang belum pernah dimiliki orang sebelumnya adalah kami memiliki target untuk bahasa alami, yaitu, kami hanya mengubahnya menjadi bahasa simbolik kami, dan kami memiliki banyak pengetahuan bawaan tentang dunia.

27:14 Stephen Wolfram: Dan itu dua hal inilah yang memungkinkan kami untuk benar-benar membuat sistem pemahaman bahasa yang alami, luas, dan sukses. Saya tidak menyangka bahwa, secara abstrak, itu seperti, ini semacam masalah AI, semacam AI umum. Ini bukan sesuatu yang bergantung pada sudah membangun bahasa komputasi yang rumit ini dan memiliki pengetahuan tentang dunia, boleh dikatakan. Itu tidak akan menjadi hal-hal yang pertama kali terlintas dalam pikiran dalam melakukan pemahaman bahasa alami.

27:37 Stephen Wolfram: Tapi bagaimanapun, kami membangun Wolfram | Alpha, dan saya berpikir lama, “Oh, ada cerita terpisah dari Bahasa Wolfram, dua cabang berbeda. Dan kemudian saya menyadari, apa yang akan terjadi jika kami menyatukan kedua hal ini? Beberapa hal dijelaskan dengan sangat baik dalam bahasa alami dan sangat canggung untuk dijelaskan dalam bahasa komputasi. Seperti jika Anda ingin New York City, Anda tahu Anda cukup mengetik di NYC. Nah, itu heuristik karena jika Anda mengetik NY, apakah itu seharusnya New York, Negara Bagian New York? Ada apa?

28:03 Stephen Wolfram: Jadi apa yang kami sadari adalah, Anda cukup mengetik Control, sama dengan dan Y, dan itu akan memunculkan hal yang pada dasarnya mengatakan, Saya pikir itu mungkin default ke New York City, saya tidak tahu, saya harus mencobanya mencari tahu, tetapi kemudian ketika Anda menekan oke, lebih atau kurang, yang dilakukannya adalah mengubahnya menjadi entitas simbolis yaitu New York City, New York, Amerika Serikat, begitulah. Jadi dengan kata lain, kami mengambil bagian dari bahasa alami dan kami menggunakannya, kami menyematkannya dalam program ini. Bahasa alami hanyalah metode masukan, tetapi kemudian menjadi entitas simbolis yang tepat, yang kemudian dapat kita tangani. Saya tidak menyangka itu, ternyata itu sangat kuat.

28:40 Charles Humble : Jadi mengingat itu, mengapa tidak pergi jauh-jauh dan menggunakan bahasa alami sebagai cara untuk berkomunikasi dengan komputer Anda dan memberi tahu apa yang harus dilakukan?

28:48 Stephen Wolfram: Oke. Inilah yang kami temukan, ketika Anda berurusan dengan ucapan pendek, yang berfungsi dengan baik, segera setelah menjadi lebih rumit, itu akan berantakan sepenuhnya. Jadi saya melihatnya dengan sangat eksplisit dan bagus, saya menulis buku kecil ini berjudul “Pengenalan Dasar Bahasa Wolfram”, yang pada awalnya ditujukan untuk anak-anak, meskipun ternyata, hal itu tampaknya juga baik untuk banyak orang dewasa. Namun dalam menulis buku itu, saya melakukan sesuatu yang hampir bertentangan dengan prinsip saya, yaitu melakukan latihan di dalam buku tersebut.

29:12 Stephen Wolfram: Jadi latihannya pada dasarnya mengatakan hal-hal seperti, “Tulis program yang melakukan ini.” Jadi di bagian awal buku ini, latihan ditulis dalam bahasa alami. Ini mengatakan, “Tulis program yang melakukan ini.” Dan di bagian awal buku ini, mudah untuk menulis latihan. Pada saat saya mendapatkan nanti di buku, itu seperti, “Ini cukup aneh untuk menentukan program apa yang seharusnya dalam bahasa alami, saya menulis beberapa bagian aneh dari bahasa hukum pada dasarnya untuk mengatakan apa yang saya inginkan. Ini bukan kerja.”

29:41 Stephen Wolfram: “Oh, itu bagus. Karena itulah yang saya habiskan dalam hidup saya untuk membangun, adalah bahasa komputasi untuk benar-benar dapat mengekspresikan gagasan semacam ini dengan cara yang Anda dapat membangun menara raksasa yang melibatkan jutaan baris kode, sehingga untuk berbicara, bukan hanya ucapan singkat. ” Jadi hal yang menurut saya paling kuat, sekali lagi, saya tidak mengharapkan ini, adalah campuran dari ucapan singkat bahasa alami yang tertanam ini yang berubah menjadi representasi simbolis yang tepat yang kemudian disematkan dalam potongan besar kode yang diwakili dalam istilah dari bahasa komputasi.

30:12 Stephen Wolfram: Sekarang, salah satu hal besar yang juga saya perhatikan adalah apa yang ada di sekitar pengetahuan komputasi dan bagaimana seseorang dapat memanfaatkannya dalam membangun bahasa komputasi. Jadi salah satu hal yang sedang kami kerjakan adalah kontrak komputasi, di mana karena kami sekarang memiliki bahasa komputasi yang dapat mengekspresikan hal-hal tentang dunia, alih-alih menulis bahasa hukum, kami dapat menulis bahasa komputasi karena kami benar-benar dapat mengekspresikan sesuatu.

30:34 Stephen Wolfram: Jika harga emas lebih besar dari ini dan kemarin hujan turun di mana pun, dan sensor IoT ini mengatakan ini, maka lakukan hal semacam ini. Atau jika pembelajaran mesin ini mengidentifikasi gambar yang mengatakan bahwa pisang sudah matang, maka lakukan apa saja. Jadi kontrak komputasi adalah salah satu hal tak terhindarkan yang pada akhirnya akan digunakan secara luas, dan saat orang terbiasa membaca hal-hal itu, akan ada tingkat lain yang mungkin dilakukan dalam bahasa komputasi, karena akan ada menjadi serangkaian hal lain yang secara rutin dihadapkan pada orang, secara rutin dipahami.

31:08 Stephen Wolfram: Bagi saya, ini sangat menarik, proses yang dipahami orang secara ambient. Jika Anda kembali ke 100 tahun yang lalu dan Anda berbicara tentang komputasi universal, tidak ada yang akan memahaminya. Itu bukanlah sebuah konsep. Jika Anda menjelaskannya kepada anak-anak sekarang, itu seperti, “Oh, Anda dapat memprogramnya? Anda tidak perlu mengganti komputer untuk mengubah fungsinya? Ini lumrah, semua orang secara ambient memahaminya. Sama halnya dengan grafik dan hyperlink di web , ada tingkat pemahaman bawaan tertentu tentang apa itu grafik yang Anda dapatkan dari mengikuti sekumpulan hyperlink di web.

31:37 Stephen Wolfram: Dan bagaimana seseorang memanfaatkan hal-hal semacam ini yang merupakan bagian dari pengalaman umum, itulah bagian dari kisah melakukan desain bahasa.

31:44 Bagaimana pendapat Anda tentang bahasa, perpustakaan, dan data?

31:44 Charles Humble: Saya ingin tahu tentang pendapat Anda tentang bahasa, perpustakaan, dan data. Dalam Bahasa Wolfram, tampaknya tidak ada perbedaan antara ketiganya. Jadi Anda mungkin bekerja dengan fungsi dari repositori fungsi dan memasukkan data dari Wolfram Cloud, dan sebagai pengaburan batas, yang tampaknya merupakan bagian dari sifat Bahasa Wolfram. Apakah menurut Anda itu hakikat dari bahasa simbolik?

32: 09 Stephen Wolfram: Ya, sebagian, ini adalah kisah bahasa komputasi, karena apa yang telah kami lakukan adalah dalam Bahasa Wolfram, ada representasi terintegrasi dari gambar, video yang dirancang dengan baik dan terintegrasi , audio, grafik, masalah pengoptimalan, data geografis, semua hal semacam ini. Itu dibangun dalam fitur bahasa, yang telah menjadi kisah hidup saya untuk dicoba dan dirancang dengan cara yang koheren. Dan ada 6.000 fungsi bawaan yang mewakili semua jenis hal berbeda di dunia ini. Dan itulah hal utama yang digunakan orang.

32 : 42 Stephen Wolfram: Sekarang, kami baru saja memperkenalkan repositori fungsi ini, yang merupakan salah satu cara untuk menambahkan fungsionalitas di atasnya. Inilah yang menarik tentang itu, dan mulai, saya tidak terlalu berharap dalam hal desain. Jadi dengan perpustakaan, bahasa pemrograman yang khas, cerita yang berbeda dari bahasa komputasi, bahasa pemrograman biasa, itu adalah bahasa pemrograman inti kecil, dan kemudian ada lapisan dan lapisan perpustakaan yang digunakan orang. Dan sering kali ada banyak, “Ya ampun, saya punya satu set perpustakaan yang tidak kompatibel.” “Oh, ini bla, bla, bla, bla.”

33:09 Stephen Wolfram: Ini semua agak rumit dan tidak ada jaminan bahwa ada koherensi desain antara bagian-bagian perpustakaan yang berbeda ini. Jadi pertanyaannya adalah, mengingat kita memiliki platform tingkat yang jauh lebih tinggi untuk memulai dengan di mana kita memiliki representasi bawaan, katakanlah, gambar atau sesuatu, lalu apa yang bisa dilakukan seseorang? Dan yang saya sadari adalah jika Anda melihat banyak perpustakaan di luar sana, Anda akan menemukan, ada satu atau dua fungsi yang sangat penting di perpustakaan itu yang melakukan sesuatu yang sangat keren. Dan kemudian ada 50 fungsi pendukung yang menangani fakta bahwa, “Oh, tidak ada representasi standar audio dan Anda harus berurusan dengan impor audio, Anda harus melakukan ini dan Anda harus melakukannya,” dan gagal .

33:42 Stephen Wolfram: Jadi saya menyadari bahwa kita berada dalam situasi yang berbeda karena sebagian besar dari apa yang dilakukan orang akan menjadi murni dalam Bahasa Wolfram. Dan jika saya melakukan pekerjaan saya dengan benar, hal yang Anda lakukan saat memprogram beberapa mikrokontroler acak atau dengan seluruh sistem untuk melakukan pemrograman mikrokontroler dan Bahasa Wolfram, itu akan kompatibel dengan hal-hal yang kami lakukan dalam pembelajaran mesin, untuk contoh. Ini adalah sesuatu di mana jika saya melakukan pekerjaan saya dengan benar, ini semua dirancang dengan koheren dan Anda dapat mengambil output pembelajaran mesin dan memasukkannya ke dalam hal lain ini, dan Anda dapat menggunakan pembelajaran mesin untuk melakukan ini atau itu.

34:17 Stephen Wolfram: Dan Anda dapat memasukkan materi pembelajaran mesin Anda, bagian data yang aneh ini, itu adalah audio yang digabungkan dengan ini, dikombinasikan dengan itu, karena semua hal ini telah koheren dirancang. Ini merupakan upaya yang sangat besar untuk melakukan desain yang koheren itu. Mengingat bahwa Anda telah melakukannya, maka satu fungsi kunci yang akan Anda masukkan ke dalam pustaka besar ini hanyalah satu fungsi, dan Anda hanya perlu membangunnya di atas platform tinggi untuk hal-hal lain. Jadi pengalaman yang berbeda dalam hal cerita perpustakaan sekarang.

34:45 Stephen Wolfram: Repositori fungsi cukup baru, dan cerita yang menarik, kami memiliki pendahulunya pada tahun 1989 dan tidak berfungsi dengan baik. Dan itu tidak bekerja dengan baik karena tidak tersusun dengan baik. Dengan kata lain, itu seperti, “Ya, masukkan saja apa saja.” Bahasa Wolfram sangat dapat dikembangkan, jadi orang menulis segala macam hal. Anda bisa mendefinisikan ulang operasi plus, Anda bisa melakukan apapun yang Anda inginkan. Dan ternyata yang bekerja jauh lebih baik adalah dengan mengatakan, “Ada platform besar yang Anda inginkan untuk menambahkan satu bagian fungsionalitas tertentu, ia akan mempertaruhkannya sebagai satu atau dua fungsi, cukup taruh di repositori fungsi. Ini memiliki cara standar untuk didokumentasikan, dan seterusnya. ” Dan cara standar yang digunakan.

    35:21 Stephen Wolfram: Sekarang, hal yang belum kami lihat, akan menjadi bagian menarik dari desain bahasa adalah trek berikut. Jadi tingkat koherensi yang berbeda ini, kami melihatnya dengan data, misalnya. Anda memiliki sepotong data, ada dalam spreadsheet, Anda dapat membacanya, lalu pertanyaannya adalah, bagaimana Anda membuat data tersebut dapat dihitung? Bagaimana Anda mengambil hal-hal yang sebenarnya mewakili kota dalam spreadsheet dan menjadikannya entitas kanonik aktual yang dapat Anda gunakan. Sebenarnya, bagian berita dari cerita itu, jika Anda mengikuti perkembangan terdepan Excel, Anda akan melihat bahwa Microsoft mengintegrasikan banyak hal kami untuk melakukan hal-hal semacam itu dalam Excel sebagai fitur bawaan di sana.

    35:56 Charles Humble: Itu sangat keren. Saya tidak tahu itu.

  1. 35:56 Stephen Wolfram: Ini adalah atraksi yang akan datang. Itu tersedia untuk pengguna uji, tetapi belum sepenuhnya dibicarakan, tetapi ini adalah permainan Bahasa Wolfram di dalam Excel.

36:04 Bagaimana cara menggunakan Wolfram di Excel dibandingkan dengan apa yang dapat Anda lakukan dengan Siri dan Alexa?

36:04 Charles Humble: Bagaimana cara menggunakan Wolfram di dalam Excel dibandingkan dengan apa yang dapat Anda lakukan dengan Siri dan Alexa?

36:10 Stephen Wolfram: Siri dan Alexa menggunakan sistem pemahaman bahasa alami kami, tetapi mereka tidak mengungkap sesuatu yang sebenarnya Anda dapatkan entitas simbolis, tetapi itu adalah sesuatu yang dapat Anda lakukan di lingkungan spreadsheet.

36:23 Bagaimana Anda membuat data ini lebih dapat dihitung?

36:23 Charles Humble: Jadi saat Anda, seolah-olah, naik ke rantai dan mencoba membuat data ini semakin dapat dihitung, apa apakah itu terlihat seperti itu?

36:31 Stephen Wolfram: Bagi kami, ini benar-benar hal yang menyakitkan karena saya mengidentifikasi di beberapa titik, ada 10 tahap membuat data dapat dihitung. Dan masalahnya adalah di setiap tahap, ada banyak pekerjaan yang harus dilakukan. Misalnya, saat kami memasukkan data ke Wolfram | Alpha, katakanlah, kami memasukkan data tentang gunung atau danau atau semacamnya. Cara khas seseorang untuk mengakses Wolfram | Alpha adalah berkata, “Saya ingin tahu tentang Gunung ini dan itu.” “Oke. Hebat. Kami punya data di Gunung ini dan itu, kami semua baik-baik saja.

36:56 Stephen Wolfram: Namun jika kami ingin memasukkan data tentang pegunungan dan Bahasa Wolfram, kami tahu betul bahwa kasus penggunaannya adalah, milik seseorang akan menulis program yang melihat entitas gunung, dan mereka akan berkata, “Beberapa wilayah geografis ditentukan oleh beberapa poligon, berikan saya semua gunung di dalam poligon ini.” Dan tingkat kurasi dan kualitas data untuk mendukung yang harus jauh lebih tinggi dari sekadar, “Saya punya gunung, punya nama, beri tahu saya.” Apa yang kami temukan, dan ini adalah proses desain yang menarik adalah saat kami membuatnya menjadi bagian dari bahasa permanen inti kami, dibutuhkan lebih banyak pekerjaan untuk melakukannya.

37:28 Stephen Wolfram: Jadi ini adalah masalah yang berkelanjutan, saya sedikit memikirkannya, tentang bagaimana kita mendapatkan sesuatu di mana kita bisa mendapatkan, oh, itu hal yang sederhana dan kita bisa menyelesaikannya dengan cepat dengan cara yang ringan versus bagaimana kita memiliki sesuatu yang merupakan fitur permanen inti bahasa. Salah satu ciri bahasa kami, yang cukup saya banggakan, adalah Anda dapat mengambil sepotong kode Bahasa Wolfram yang ditulis pada tahun 1988, dan akan berjalan hari ini dengan probabilitas yang sangat tinggi.

37:52 Bagaimana Anda mempertahankan kompatibilitas ke belakang dalam Bahasa Wolfram?

37:52 Charles Humble: Itu sebenarnya cukup luar biasa. Ini adalah perdebatan terus-menerus bagi perancang bahasa tentang seberapa banyak kompatibilitas ke belakang yang harus dipertahankan, dan itu bukan hal yang terjadi secara tidak sengaja.

38:04 Stephen Wolfram: Benar. Dalam proyek fisika yang telah saya lakukan, saya melakukan banyak pekerjaan awal di awal 1990-an dan saya memiliki buku catatan yang saya tulis, sebenarnya, buku-buku itu bahkan ada di web sekarang, dan itu sangat keren. Anda baru saja membacanya dan langsung menjalankannya.

38:15 Charles Humble: Dan bagaimana itu tercapai?

38:15 Stephen Wolfram: Sebagian dicapai dengan tidak membuat terlalu banyak kesalahan, dan fakta bahwa saya membangun bahasa sebelumnya memungkinkan saya untuk membuat banyak kesalahan yang mungkin telah saya buat. Tetapi hal lain, yang merupakan proses desain bahasa yang menarik, adalah hal berikut ini. Jadi katakanlah Anda memiliki area yang menurut Anda agak kotor, dan Anda berpikir, “Ah, kami tidak melakukannya dengan benar.” Jadi apa yang Anda lakukan tentang itu? Jadi apa yang telah saya pelajari selama bertahun-tahun adalah hal yang harus dilakukan adalah sebagai berikut, cari tahu apa desain yang benar, cari tahu kemana tujuan Anda.

38:42 Stephen Wolfram: Lalu Anda mungkin berkata, “Ya Tuhan, kita tidak akan pernah bisa mendapatkan di sana. Kami memiliki benda lain yang berfungsi seperti ini, kami tidak akan pernah bisa mendapatkan desain baru ini. ” Diperlukan kecerdasan, tetapi pada dasarnya Anda selalu dapat menemukan jembatan.

38:54 Charles Humble: Bisakah Anda memberi saya contoh di mana Anda telah melakukannya?

38:57 Stephen Wolfram: Saya akan memberi Anda contoh kesalahan desain. Himpunan fungsi yang menetapkan X sama dengan tujuh, ditetapkan X, tujuh. Anda dapat menulis seperti X sama dengan tujuh. Fakta bahwa kami menggunakan kata set untuk mewakili itu adalah sebuah kesalahan. Dengan kata lain, karena tidak ada yang akan pernah mengetiknya, orang akan selalu mengetikkan tanda yang sama. Anda mungkin juga menyebut nilai yang diberikan itu ke variabel dan tidak ada yang tahu perbedaannya. Dan itu adalah tempat di mana kami menggunakan kata-kata yang bagus. Jadi di zaman modern, ketika kami melakukan desain di mana kami tidak yakin, di mana kami memiliki konsep yang kami pikir mungkin dapat digeneralisasi, tetapi kami belum yakin itu dapat digeneralisasikan.

39:37 Stephen Wolfram: Jangan gunakan kata umum dulu, gunakan beberapa kata majemuk, dan mungkin di beberapa titik di masa depan, akan ada kasus umum yang hanya kata yang tidak digabung, sehingga untuk berbicara. Dan saya tidak tahu, katakanlah itu adalah anotasi audio, dan kami memiliki gagasan umum tentang anotasi, yang sebenarnya kami lakukan, tetapi kami memiliki kalkulus anotasi berbagai hal. Tapi saya pikir itu mungkin telah memulai kehidupan dalam audio annotate, yang merupakan hal yang dirancang secara defensif karena kami tahu ada konsep yang lebih umum, tapi kami belum siap untuk itu.

40:06 Stephen Wolfram: Dan kami tahu kami akan melakukan kesalahan jika kami mencoba melakukan desain sekarang, dibandingkan dengan lima tahun kemudian atau sesuatu ketika kami memiliki lebih banyak pengalaman dengannya. Dan hal-hal seperti itulah yang membantu Anda mencapai kompatibilitas ini, tetapi juga dasar aturan transformasional untuk ekspresi simbolik. Saya tidak tahu apakah itu keberuntungan atau penilaian yang baik, tetapi itu telah berhasil dan terus bekerja. Dan itu hal yang menarik, jadi saya sering memikirkan tentang ini, bagaimana kita bisa melampaui itu? Ini seperti, “Astaga, bukankah Anda memiliki ide baru dalam 100 tahun pengembangan logika matematika? Bukankah kita belum punya ide baru?”

40:39 Stephen Wolfram: Dan ternyata, menurut saya, kami memiliki ide baru, dan sebenarnya, ketika Anda memikirkan sesuatu seperti kombinator, atau sesuatu seperti sistem penulisan terner, Anda biasanya memikirkan ekspresi terstruktur pohon. Dan Anda berkata, “Bagaimana saya mengambil ekspresi berstruktur pohon dan menulis ulang bagian-bagiannya? Apa generalisasi dari itu?” Agak menggelikan, generalisasi persis seperti yang telah kami lakukan dalam proyek fisika kami. Generalisasi bukan rewri pohon ting, Anda menulis ulang hipergraf, dan itulah yang terjadi dalam proyek fisika kami.

41:08 Stephen Wolfram: Lalu pertanyaannya adalah, dapatkah Anda membuat sistem pemrograman yang didasarkan pada menulis ulang hipergraf, bukan menulis ulang pohon. Ternyata saya mencoba melakukan itu di tahun 1980-an, saya berpikir tentang komputasi paralel, saya mencoba menemukan hal seperti itu, saya gagal. Dan saya sudah memikirkannya berkali-kali sejak itu, dan di sinilah Anda mengalami masalah. Tempat Anda mengalami masalah bukanlah dalam definisi matematis tentang bagaimana melakukan sesuatu, tempat di mana Anda mengalami masalah adalah kami manusia malang tidak berpikir dengan baik dalam hal transformasi pada hypergraph seperti Anda menunjukkan kepada seseorang setumpuk besar combinators, SK Combinators, itu seperti, “Apa-apaan ini?”

41:43 Stephen Wolfram: Seperti yang saya katakan, baru saja melihat ke atas, tapi akan datang hingga seratus tahun kombinasi. Saya melihat, apa yang belum kami lakukan adalah gagasan tentang kombinator. Dan satu hal yang belum kami lakukan adalah tidak ada nama variabel. Jadi dengan kata lain, kami memiliki banyak kasus di mana kami memiliki Lambdas, tetapi kami biasanya masih memiliki nama variabel. Sekarang, dalam Bahasa Wolfram, ada tanda hash yang mewakili fungsi say, anonim-sinonim. Menarik, seperti kata ganti. Jika saya berkata, “Jane mengejar Bob dan dia lari cepat.” Dan kita tahu apa artinya itu karena kita punya kata ganti yang mengacu pada benda itu.

42:17 Stephen Wolfram: Tapi jika kita berkata, “Anjing mengejar kucing itu , itu berlari cepat. ” Sepertinya kita kehilangannya. Kami tidak bisa melakukan itu. Dan dalam Bahasa Wolfram, misalnya, hal itu masih muncul seperti halnya di Lambdas. Itu melakukan kalkulus Lambda, Anda telah menamainya, dan dalam Bahasa Wolfram, kami memiliki fungsi anonim dan anonim ini. Jadi Anda hanya memiliki tanda hash, Anda hanya dapat menggunakan satu tingkat itu, seperti Anda hanya dapat menggunakan kata ganti pada satu tingkat. Demikian pula, jika Anda memiliki dua X pada dua Lambda bersarang, itu juga tidak berfungsi. Dan pertanyaannya adalah, bisakah Anda menyiasatinya.

42:49 Stephen Wolfram: Seorang Moses Schönfinkel tua, pria yang menarik, saya ‘ Saya mencoba melacak sejarahnya, begitu sedikit yang diketahui tentang dia. Dia menemukan solusi untuk itu. Dia menemukan bahwa Anda dapat memiliki struktur simbolis yang pada dasarnya menggerakkan data dan hanya menentukan, secara simbolis bagaimana Anda meletakkan data ini ke dalam posisi argumen itu dan seterusnya. Sayangnya, ketika kita sebagai manusia melihatnya, itu sangat tidak bisa dimengerti. Dan saya dapat membuat grafik ini, saya mencoba dan membuat representasi dari hal-hal ini, itu adalah sesuatu yang untuk alasan apa pun, pada saat ini dalam sejarah, setidaknya, kita tampaknya tidak dapat membungkus kepala kita.

43:22 Stephen Wolfram: Dan pemrograman ini dengan hypergraphs, yang saya berpikir akan menjadi bagian dari cerita komputasi terdistribusi, untuk dapat memahami bagaimana melakukan hal komputasi terdistribusi ini, harapan terbaik saya adalah bahwa dengan menggunakan bahasa yang kita dapatkan dan pemahaman yang kita dapatkan dari fisika, kita akan dapat membuatnya beberapa kemajuan dalam hal itu.

43:40 Charles Humble: Menurut Anda apa batasannya? ?

43:42 Stephen Wolfram: Ada batasan pola kami berpikir, dapatkah kita membuat rencana 100 tahun, jadi untuk berbicara, di mana kita secara bertahap memperkenalkan orang-orang lebih dan lebih dari jenis konsep ini, ke titik di mana dalam 100 tahun, orang akan dapat memprogram dengan cara ini, karena itu akan telah menjadi sebuah konsep yang telah diperkenalkan, orang-orang menjadi terbiasa dengannya, lalu Anda dapat terus mengembangkannya. Dan akhirnya, saya tidak berpikir kita semua akan menulis SK Combinators. Dan Anda dan saya tidak akan ada dalam 100 tahun.

44:11 Stephen Wolfram: Bahasa Wolfram telah ada sejak lama 33 tahun, dan arah umum bahasa komputasi simbolik saya telah ada selama 40 tahun. Itu sebagian besar dari sejarah, itu lebih dari setengah sejarah semua bahasa pemrograman pada waktu bahasa pemrograman telah ada. Dan menarik bagi saya sejauh mana, berapa banyak hal yang belum bergerak. Menurut saya, hal yang baik dan membuat frustrasi adalah bahwa ide-ide ini benar-benar ide yang tepat untuk banyak hal.

44:39 Stephen Wolfram: Dunia tidak cukup di sana. Ada banyak orang yang menggunakan Bahasa Wolfram dan melakukan hal-hal ajaib dengannya, tetapi rata-rata Anda, saya hanya akan menulis beberapa bagian kode secara acak, belum menggunakannya. Dan pada akhirnya, mereka akan melakukannya, atau mereka akan menggunakan beberapa penipuan atau sesuatu, tapi saya tidak tahu apa skala waktu itu. Dan saya mencoba untuk memikirkannya dan saya menyadari, “Ya ampun, rentang waktu itu mungkin 50 tahun, 100 tahun. Saya tidak tahu.” Saya bisa melihat apa kemajuan dalam 40 tahun, dan ada kemajuan.

45:07 Stephen Wolfram: Ada jutaan orang yang menggunakan bahasa dan hal-hal kami, termasuk banyak orang yang melakukannya dengan cara yang sangat canggih, tetapi masih mengejutkan dalam arti betapa sedikit kemajuan yang telah dicapai dalam gagasan bahasa pemrograman generik. Ada banyak kemajuan dalam memahami cara membangun sistem yang besar, tetapi ada kemajuan, tetapi lambat, dalam rentang waktu beberapa dekade atau seperempat hingga setengah abad dan seterusnya. Saya baru-baru ini menyadari bahwa kami mengadakan konferensi teknologi tahunan dan saya berbicara tentang tumpukan teknologi kami dan saya menjelaskan beberapa hal yang kami lakukan sebagai artefak dari masa depan.

45:37 Stephen Wolfram: Dan apa yang saya ditemukan lucu adalah sekelompok pengguna mendatangi saya dan berkata, “Anda tahu apa? Itu adalah deskripsi yang bagus tentang apa yang saya lakukan. Saya berada di suatu bidang dan saya melakukan hal-hal ini dan itu seperti ketika segala sesuatunya menjadi sangat rumit, orang datang kepada saya karena saya dapat melakukan hal-hal ini yang pada prinsipnya seharusnya mungkin, tetapi orang-orang hanya berpikir itu tidak mungkin. Itu adalah sesuatu yang belum dapat kami lakukan, tetapi mereka baik-baik saja, ini beberapa baris kode Bahasa Wolfram, kita bisa melakukannya.” Ya ampun, itu adalah hal ajaib yang tampak seperti artefak dari masa depan.

46:05 Stephen Wolfram: Sekarang, sebagai praktis, seperti seseorang menjalani hidup dan menjalankan perusahaan dan seterusnya, membangun artefak dari masa depan belum tentu merupakan strategi bisnis yang hebat. Bagi saya, ini adalah strategi intelektual yang sangat memuaskan bagi orang-orang yang memahami apa yang harus dilakukan dan mendapatkan kekuatan super dengan menggunakannya, itu hal yang sangat berharga. Saya beruntung karena saya telah membangun sebuah perusahaan yang merupakan perusahaan swasta, yang independen dan tidak benar-benar harus melaporkan pendapatan kuartalan dan sebagainya. Jadi kita bisa memikirkan banyak hal dalam jangka panjang, tapi kita sedang membangun artefak dari masa depan bukanlah salah satu dari headline prospektus IPO teratas, jadi untuk berbicara.

46:39 Anda baru saja memulai streaming langsung sesi desain bahasa di Twitch. Apa yang Anda dapatkan dari itu?

46:39 Charles Humble: Untuk Tentu. Sayangnya kita semakin mendekati akhir dari waktu kita, tetapi saya ingin mengajukan satu pertanyaan singkat lagi, jika boleh, yaitu, Anda baru saja mulai streaming langsung sesi desain bahasa Anda di Twitch, dan saya tertarik mengapa dan apa yang Anda dapatkan dari itu?

46:55 Stephen Wolfram: Baik. Saya telah melakukan seperti 500 jam sekarang, jadi saya punya lebih dari satu jari kaki di air khusus itu. Alasan aslinya adalah, saya hanya berpikir, “Diskusi ini sangat menarik dan saya pikir orang akan menganggapnya menarik, mengapa tidak membagikannya?” Dan yang saya temukan adalah kami mendapatkan banyak orang yang menarik untuk disimak dan mereka memberikan saran dalam waktu nyata. Dan sarannya cukup menarik, dan sekarang ada beberapa fitur dalam bahasa kami yang disarankan oleh seseorang di streaming langsung. Sepengetahuan saya, ini bukan sesuatu yang bisa Anda lihat di tempat lain.

47:27 Stephen Wolfram : Saya penasaran, sebenarnya saya tertarik untuk melihatnya, karena saya tidak tahu bagaimana proses orang lain. Dan saya pikir itu juga membantu bahwa apa yang kami lakukan adalah desain bahasa yang cukup intelektual. Beberapa bagiannya ada di detailnya, kami sedang merancang beberapa fitur gila tentang konektivitas cloud atau sesuatu yang cantik dalam rekayasa perangkat lunak, tetapi sebagian besar adalah, “Oh, kami merancang sesuatu dengan bagaimana urutan biologis harus diwakili. ” Itu hal yang baru. Dan itu adalah sesuatu yang akhirnya menjadi menarik secara intelektual.

47:53 Stephen Wolfram: Dan bagi saya, mungkin terasa sedikit lebih berarti menghabiskan waktu saya membuat desain bahasa saat dialirkan secara langsung daripada saat tidak. Saya pikir orang tidak akan menyerang ide saya jika kami menayangkannya secara langsung, tetapi itu tidak benar. Itu bukan orang yang hanya akan dengan ganas dan ganas menyerang sesuatu, sebagaimana mestinya, tapi sepertinya tidak ada yang sangat terhambat oleh aspek live streaming itu. Dan saya pikir itu adalah hal yang luar biasa. Secara umum, kami telah melakukan streaming langsung dalam jumlah yang lumayan, setiap kali tidak begitu kabur sehingga tidak ada yang akan peduli.

48:25 Stephen Wolfram: Hal-hal yang tidak kami live streaming, kami bisa, tetapi tidak, adalah banyak hal yang harus dilakukan dengan kemajuan proyek, seperti, “Kami sampai pada titik ini, apa yang akan terjadi selanjutnya? ” Dan seterusnya. Orang yang tertarik dengan manajemen proyek mungkin menganggapnya menarik, hal itu melibatkan keputusan desain mikro. Dan terkadang, ada hal-hal yang membuat saya seperti, “Seharusnya saya menayangkan ini secara langsung, ini pasti menyenangkan. Saya benar-benar frustrasi.” Kami memiliki tim DevOps yang sangat bagus dan seterusnya, tetapi ada beberapa masalah saat cloud kami turun dan saya seperti, “Sudahkah kalian memperbaiki ini?”

48:53 Stephen Wolfram: “Ya, tidak, kami tidak dapat memahaminya. Kami bingung. Kami tidak tahu apa yang terjadi.” Dan itu seperti, “Oke, coba saya lihat apakah saya bisa menyelesaikan ini.” Semacam perilaku CEO yang buruk, pada tingkat tertentu, ternyata perilaku CEO yang baik pada akhirnya. Dan saya seperti, “Oke, mari kita mulai sesi Zoom, biarkan saya melihat apa yang terjadi. Mari masuk ke semua mesin ini, mari kita coba dan analisis apa yang terjadi.” Dan pada akhirnya, itu adalah contoh yang bagus dari penggunaan Bahasa Wolfram karena ada beberapa masalah dengan penyedia internet upstream yang meneruskan beberapa jenis lalu lintas ke beberapa penyedia peering dan tidak ke yang lain dan seterusnya.

49:24 Stephen Wolfram: Dan itu adalah contoh yang bagus. Jika Anda mencoba dan melihatnya, Anda tidak menyelesaikan masalah, tetapi jika Anda secara sistematis mengambil data dan Anda mulai membuat visualisasi dan seterusnya, astaga, itulah yang terjadi. Baik. Hubungi ISP, beri tahu mereka, “Perbaiki ini.” Dan itu diperbaiki dalam 10 menit atau sesuatu. Saya tidak tahu apa hasilnya dalam kasus itu, tapi sayang sekali, kami tidak melakukan streaming langsung untuk itu. Yang itu pasti menarik karena orang-orang akan berkata, “Oh, kamu harus mencoba ini, kamu harus mencobanya.”

49:48 Stephen Wolfram: Tapi proses review desain live streaming, saya rasa sudah sangat sukses. Dan saya pikir itu juga menyenangkan bagi pengguna kami ketika mereka melihat fitur yang keluar dan versi baru, seperti, “Saya melihat itu dirancang. Saya berkesempatan untuk mengatakan bahwa itu adalah ide yang buruk. Saya tidak mengatakannya.” Juga, poin lainnya adalah orang-orang memahami mengapa kami membuat keputusan tertentu dan kami akan mulai menautkan, saya pikir versi baru akan segera keluar, kami akan menautkan diskusi desain aktual ke halaman dokumentasi tentang berbagai fitur.

50:15 Stephen Wolfram: Jadi orang-orang berkata, “Apa yang orang-orang itu pikirkan? Ini hanya cara bodoh untuk melakukannya.” Mereka bisa pergi menonton tiga jam di mana itu benar-benar dirancang.

50:22 Charles Humble: Stephen, itu benar-benar luar biasa. Terima kasih banyak. Saya bisa terus berbicara dengan Anda selama berjam-jam. Ini merupakan percakapan yang menarik. Jadi terima kasih banyak telah bergabung dengan kami minggu ini di The InfoQ Podcast.

Read More

RELATED ARTICLES

LEAVE A REPLY

Please enter your comment!
Please enter your name here

Most Popular

Recent Comments