教電腦像人類一樣的思考，是人工智慧領域的最大挑戰。
不管是神經網路(Neural network)或者是機器學習(Machine Learning)等人工智慧的發展領域，
開始遇到的第一個問題，不在於你演算法要寫的多快，算出來的結果多優秀，
而是你手邊取得的可用資料到底有多少。
沒有足夠與正確的資料讓電腦去學習，
那麼人工智慧的成果將會像是建築在沙灘上的大廈一樣不穩固。
Google之所以強大，或者說是偉大（對我來說），
在於提供了使用者近乎沒有疆界的網路資訊 - 不論是對的也有，錯的也有。
Google這家網路公司做了這麼多東西放在網路上讓大家使用，
像是Google document, Google Earth/Map，也併購了些奇奇怪怪的公司，
發展的方向似乎很全面，很多元，跟IT界的恐龍Microsoft一樣什麼都做，
但我認為對於Google來說，這些所謂的副業（副產品），
都只是為了一個核心的技術而存在："Google Search Engine"。
盡可能的到世界各地去挖掘資料出來，然後透過免費的搜尋引擎提供給想找資料的人，
將資料轉換成資訊，這是Google在網路世界中持續成長、茁壯的背後動力之一。
然而，當蒐集的資料夠多了之後，What's next ??
許多的公司都在努力的往下一個門檻前進，也試著將"資訊"轉化成"知識"。
18th May 2009, Wolfram Alpha正式開始運作。
有人說這是未來Google的最大競爭對手...，但我並不這麼想。
我認為在Wolfram Alpha出現之後，人工智慧領域的最後一塊拼圖，
與最終的應用方向，才算是逐漸的明朗。
Wolfram Alpha跟Google不同的地方在於，
Wolfram Alpha提供的不是網頁、檔案的搜尋成果，
而是透過一個"完整"的語意問句，然後讓電腦去分析問題，搜尋資料，然後回答你的問題。
舉簡單的例子來說，當我把Taiwan當做關鍵字放到Google裡，
找到的會是一堆字串裡面有Taiwan的網頁資訊（意思是要我自己去找我想要的資料）。
但是如果把相同的關鍵字放到Wolfram Alpha裡，出現的會是台灣這個國家的基本資料，
包含國家名稱，位置、面積人口、人口成長率、語言、不同宗教的人口比例等等，
這些單純要從Google Search提供的網頁上來篩選，可能就得花上大筆時間。
單純的簡單關鍵字句搜尋的範例，並不見得就表示這個工具比Google來的好。
在目前，Wolfram Alpha其實對於"事實"以外的問題幾乎沒有回答的能力，
能夠回答的都是一些有明確答案的問題。
但不可諱言的，Wolfram Alpha的開始運作只會是個開端...，而且成長會越來越快。
直到遇到下一個關卡...
如何讓電腦"了解"人類的問句？
理解了問題之後，電腦如何"解答"？尤其當需要一些"判斷準則"的時候。
然後更重要的是，怎麼去利用網路上所有的"有效資訊"，去找到解答的關鍵。
這個，是我想丟到Wolfram Alpha上提出的詢問問題.....，
而當這些都能解決時，也就是我們真正接近人工智慧成熟的時刻。
Comment Permissions: Allow commenting