《大众科学》的 Grouse 最近评测了 Wolfram|Alpha。我猜这就是当你一周不理编辑时会发生的事情：他们会找别人来写你的项目！
《大众科学》的读者们认识我，是因为我是 Gray Matter 专栏以及以此为基础的书籍《疯狂科学》背后的疯狂科学家。但实际上，我还有一份我亲切地称为“老本行”的工作，那就是 Wolfram|Alpha 背后的公司 Wolfram Research, Inc. 的联合创始人。我之所以忽略了编辑催我写 Wolfram|Alpha 的要求，是因为我正从这个服务公开上线前的筹备阶段中缓过劲来。
（你可以在 justin.tv 上看到我联合主持的现场发布活动。开头 8 到 9 分钟由于技术问题有些卡顿，但之后就能看到一些很酷的东西了。据我们所知，从未有人直播过大型网络服务的首次发布过程，而我们在直播过程中也学到了不少原因。）
Wolfram|Alpha 引起了包括《纽约时报》到《大众科学》在内的媒体和博主的极大兴趣。起初，人们花了大量时间讨论 Wolfram|Alpha 是否会成为“谷歌杀手”，直到我们加大了公关力度，试图打消人们的这种想法。（因为答案当然是：“不，它不会杀死谷歌。” 在谷歌的领地上与其正面竞争，就像唐吉诃德大战风车：行不通，而且所有人都嘲笑你的尝试。）
正如 Grouse 正确解释的那样，Wolfram|Alpha 不是搜索引擎。搜索引擎就像拒绝帮你做作业的父母，只给你提供寻找答案的线索。例如，假设你想知道一块自己制作的、裹着糖浆的黄油太妃糖（Milky Way）有多少卡路里，其配方包括一盎司黄油、一杯糖和一块太妃糖。
要用谷歌找出这一点，你必须搜索一些通用词，比如“营养信息”，找到一个列出每种配料每克卡路里的网站，以及太妃糖的详细信息。然后你需要搜索换算系数，来计算一杯黄油有多少克（谷歌的计算器甚至连这个都不会帮你算）。最后，你必须将每克卡路里乘以你拥有的克数，然后加总。
正如我所说，谷歌就像一个烦人的父母，让你自己做所有的事情。
Wolfram|Alpha 直接给出答案。输入查询“一盎司糖一杯黄油一块太妃糖有多少卡路里”，Wolfram|Alpha 会立刻告诉你答案：2000 卡路里（巧合的是，这正好是成年人每天推荐摄入的总卡路里数）。
而且，如果你感兴趣的话，它还会打印出一份完整的营养成分标签，就像你在麦片盒侧面看到的那样，告诉你除了全天所需的卡路里外，这个配方还提供了你每日饱和脂肪摄入量的六倍。
请注意，在你的查询之前，这个标签是不存在的。Wolfram|Alpha 没有从某人的网页上找到它，因为它并不存在于任何人的网页上。（这就是为什么谷歌无法回答这个问题：谷歌只能回答答案已经被发布在网络上的问题，这当然是一个巨大的限制。）
相反，Wolfram|Alpha 是**凭空创造了这个标签**，它结合了关于营养信息的通用知识和你查询中输入的具体数量。它为你完成了工作。虽然这对于帮助孩子做作业来说可能不是个好方法，但如果你是一个只想赶紧拿到答案的成年人，这无疑是一个巨大的解脱。
Grouse 对 Wolfram|Alpha 的评价几乎完全准确，包括抱怨 Wolfram|Alpha 不如谷歌好玩。好吧，抱歉。
由于 Wolfram|Alpha 的目的是利用客观事实为你工作，它不擅长将你引向那些有跳舞仓鼠之类奇特内容的网站。
事实上，我们在焦点小组和早期 Beta 测试用户回访中发现，他们在刚开始只是随便玩玩时会觉得 Wolfram|Alpha 令人失望，但过了一段时间，当他们遇到一个真正需要解决的问题时，他们突然意识到这个网站的价值。当你有一个真正的问题时，它的表现远比你只是漫无目的地寻找娱乐要好（后者我推荐 YouTube 或 Digg）。
一类很常见的“糟糕，我有个真正的问题”就是家庭作业。基本上，如果你有数学、物理或化学作业，它就完成了。老师们，抱歉，请习惯吧。假设你有一个相当难缠的数学老师，他让你计算积分：
x^3 sin(4 x)
。Wolfram|Alpha 会直接
完成它，
并为了方便起见，还会展示一些结果的图表。
等等，你还得展示步骤？使用“显示步骤”按钮。
好吧，这可能没那么有趣，但我认为可以肯定地说，对大多数人来说，这比自己手动计算那个积分更有趣。Wolfram|Alpha：它比拔牙更有趣！
但说真的，如果你是一位老师，并且在想这是否是末日：嗯，在某些方面是的，但请记住，无论你是否知道，过去二十年来，能够使用 *Mathematica* 的学生们已经能够做这类事情了。进步在发生，而 Wolfram|Alpha 基本上只是在为所有人提供以前只有少数人才能获得的强大功能，从而实现了公平。
另一个例子：在网站上线前几周，我收到另一位《大众科学》编辑的电子邮件，询问我是否能帮助解决一个在故事研究中出现的问题。问题是，如果一年消耗了 121 艾焦耳的能量，这相当于多少吉瓦的连续功率？
这正是 Wolfram|Alpha 非常擅长处理的那种实际问题。它不仅给出答案，还会提供一些有用的比较，例如，这个数量是美国年均电力消耗的 1.2 倍。由于我不知道，他们当时正在写的故事涉及到美国未来电力消耗的预测，这很好地证实了这个数字是正确的，而不是相差千倍之类的。
在过去一周，我们看到了对 Wolfram|Alpha 的报道日益深入和广泛，我很高兴看到，总的来说，人们理解了它。他们正在认识到这是一件全新的事物，它不像任何人预期的那样，虽然它还有些粗糙，远未完善，但它显然是一个有趣的项目。（当然，总会有那些从没真正做过复杂项目的人发出的“你们都是白痴”的评论，但说实话，即使在一些更糟糕的网站上，我也对正面评论的数量感到惊讶。据我所知，这个比例远高于平均水平。也许是因为我们帮他们做了作业。）
对我们来说，这是一场马拉松，而不是短跑。我们在这个时间点推出 Wolfram|Alpha 的原因之一是，我们认为在没有公众接触的情况下，我们已经走了尽可能远的距离。例如，随着我们开始分析和解析过去一周数百万条来自公众的真实查询的语法，特别是关注那些失败的查询，Wolfram|Alpha 理解自然语言查询的能力将大大提高。语言解析会得到改进，我们还会添加新的数据集来涵盖我们目前缺失的领域。（是的，体育比分也在列表上！）
Wolfram|Alpha 将会一直存在，而且会越来越好。与此同时，我应该能在下个月继续写另一篇专栏。我正考虑用一卷透明胶带给我的手拍一张 X 光片。
