Wolfram Language 与 Mathematica 15 正式发布：深度集成 AI 助手与符号音乐功能

核心要点

• 全内置 AI 助手：在每个 Notebook 中集成 AI 助手，并支持在 AI 环境中直接调用 Wolfram 语言。
• 符号音乐（Symbolic Music）：首次引入符号化音乐处理能力，将音乐创作与分析纳入计算框架。
• 计算能力飞跃：新增 ModelFit 超级函数，显著增强了时间序列、分类数据及偏微分方程（PDE）的求解能力。
• 界面与性能优化：引入 Notebook 侧边栏、视觉主题，支持吉字节（GB）级别的超大 Notebook，并持续推进 GPU 加速与 CUDA 集成。
• 跨语言与工程扩展：深化与 Python 的集成，引入强化学习控制系统，并支持最新的 Web Sockets 实时连接。

详细分析

AI 助手与智能化计算环境

Wolfram Language 15 的核心亮点在于其对人工智能的深度原生集成。不同于简单的插件形式，新版本在每个 Notebook 界面中都内置了实用的 AI 助手。这意味着用户在进行复杂的符号运算或数据可视化时，可以随时调用 AI 进行辅助编程、错误调试或代码解释。此外，Wolfram 进一步打破了环境壁垒，允许用户在外部 AI 环境中使用 Wolfram 工具，通过 LLM 函数调用 Wolfram 基础工具，实现了符号计算逻辑与生成式 AI 语言能力的强强联手。在特定的数学领域，如 DSolve（微分方程求解）的边缘案例中，AI 也开始介入提供辅助计算方法。

符号音乐与多领域科学计算的突破

版本 15 引入了一个全新的计算领域——符号音乐。这使得音乐不再仅仅是音频文件，而是可以被计算、分析和生成的符号对象。结合 Wolfram 强大的算法库，用户可以对音乐结构进行深度的数学建模。在传统科学计算领域，新版本推出了 ModelFit “超级函数”，旨在简化复杂模型的拟合过程。时间序列和事件序列的处理能力得到了大幅提升，能够应对更大规模的数据集。同时，计算框架现在正式支持分类数据（Categorical Data），这对于社会科学和现代数据科学研究至关重要。

基础设施升级：从 UI 到 GPU 加速

为了应对日益增长的数据处理需求，Mathematica 15 对 Notebook 架构进行了底层优化。现在，系统能够流畅处理吉字节（GB）级别的超大文件，并引入了实时搜索功能。UI 方面，首次加入了侧边栏（Sidebars）和丰富的视觉主题，甚至支持在亮色模式下开启“暗黑”组件。在性能层面，Wolfram 继续推进“GPU 化”进程，CUDA 内核现在可以作为外部函数直接调用，Wolfram 计算服务也正式接入了 GPU 资源，极大地提升了大规模数值模拟和深度学习任务的效率。

复杂系统与工程建模的进化

在工程应用方面，版本 15 引入了针对控制系统的强化学习功能，这为自动化和机器人技术提供了新的算法支持。偏微分方程（PDE）的求解器现在支持曲线坐标系，并能导出派生量。此外，新版本还加强了对系统工程模型的近似处理能力。在天文与地理计算上，新增了城市日食预测、轨道发射计算以及地球地图刻度优化等功能，展示了其在多学科领域的广泛覆盖。

行业影响

Wolfram Language 15 的发布预示着科学计算软件正在进入“计算 AI”时代。通过将严谨的符号计算与灵活的 AI 助手结合，Wolfram 正在重新定义科研人员的工作流。符号音乐的加入可能开辟计算音乐学的新赛道，而对 GPU 加速和 Python 更深层次的集成，则显示出 Wolfram 试图在数据科学和机器学习生态中占据更核心的地位。对于行业而言，这不仅是一个工具的升级，更是计算科学与通用人工智能（AGI）融合的一个重要里程碑。

常见问题

问题 1：Wolfram Language 15 中的 AI 助手与普通的 ChatGPT 有什么区别？

答：Wolfram 15 中的 AI 助手是内置于 Notebook 环境中的，它不仅能理解自然语言，还能直接访问 Wolfram 语言的符号计算引擎。它可以辅助编写符合语法规范的代码，利用 Wolfram 的知识库提供准确的科学事实，并能通过 LLM 函数在计算过程中调用 Wolfram 的精确计算能力，减少了 AI 经常出现的“幻觉”问题。

问题 2：什么是“符号音乐”功能？

答：符号音乐是指将音乐元素（如音高、节奏、和弦、旋律结构）表示为可计算的符号表达式。在版本 15 中，用户可以像处理数学公式一样处理音乐，进行算法作曲、音乐理论分析或将音乐数据与其他科学数据进行交叉处理。

问题 3：新版本在处理大数据集方面有哪些改进？

答：版本 15 优化了 Notebook 的内存管理，使其能够处理吉字节级别的超大文件。同时，在数据结构上引入了“即插即用”的增量数据结构，并增强了对表格数据（Tabular Data）的连接与可视化能力，配合 GPU 加速，大幅提升了大数据量下的计算响应速度。