|
编辑｜杨文 谢尔盖・布林（Sergey Brin）向来鲜少公开露面。但已 6月初，经变在Google DeepMind Build Day活动期间，但已他参与了一场无脚本的经变现场问答，聚焦于「前沿AI」这一核心议题。但已 在这场对话中，经变布林深入探讨了AI与科学计算的但已融合、超级智能的经变边界、Transformer架构的但已极限，以及Gemini在编程领域的经变得失。 整场交流中，但已布林展现出罕见的经变坦诚与谦逊。他直言，但已即便是经变Gemini的核心缔造者，仍在摸索这些模型的但已真正能力边界与应用方式。这种不确定性，构成了整场对话的基调。
视频链接：https://mp.weixin.qq.com/s/nHjkM39rZCW87T8qmGUqXw 模型能力正在跨领域收敛布林指出，不同专业领域的AI模型正呈现出显著的能力收敛趋势。 过去，谷歌需针对特定科学问题训练独立模型。如今，主力模型Gemini已能在数学及其他科学问题上同时达到业界领先水平。这一跨领域能力的融合，超出了布林此前的预期。 他特别提到了训练中的「迁移效应」：针对某项技能的训练，往往能带动其他看似无关技能的提升。 这种能力间的关联并非研发团队刻意设计，而是训练过程中自然涌现的结果。 在实际应用层面，布林坦言自己在提示词工程（Prompt Engineering）上仍存在困惑：究竟应下达具体的调试指令，还是提出宏观的算法设计要求？目前他尚无明确标准。即便在谷歌内部，团队对Gemini能力边界的认知也尚不完整。 此外，他谈及了「思维链」（Chain-of-Thought）提示法。该方法最初缺乏充分的理论支撑，但实践反复证明，它要求模型在给出答案前先进行分步推理，显著提升了模型表现，成为近年AI能力跃升的关键推手之一。 超级智能与 AGI 的边界针对「超级智能是否能解决P与NP等经典难题」的提问，布林予以否定。 学界普遍认同P≠NP，这意味着此类问题不存在稳定求得最优解的算法。无论AI能力多强，都无法改变这一数学结论。超级智能的定义应为「智力水平超越人类」，而非解决数学上无解的难题。 关于通用人工智能（AGI），布林提出了两种理解路径： 面对模型能力的加速提升，布林提及脑机接口等神经连接技术正在推进，但他本人倾向于等待技术更成熟后再考虑采用。他认为，目前的模型能力尚不足以构成改变自身生理机能的理由。 布林还援引历史案例回应外界对AI的担忧： 结论：AI在特定领域达到或超越人类水平，通常不会终结该领域的人类活动，反而会推动整体水平提升。 架构前景与内部研发方式Transformer架构是否足以支撑AGI的实现？布林倾向于肯定。 理由是该架构已展现出远超最初文本处理设计目标的适应能力，如今已广泛应用于图像与视频处理领域。当然，目前使用的Transformer架构相较最初论文版本已发生较大调整，并非完全相同的结构。 布林透露，谷歌内部已将大量研发资源投入到「用AI构建AI」的工作中，包括利用模型监控训练过程、生成训练数据等。他将这部分工作称为「自我改进」，并表示这如今占据了他大部分时间。 谷歌不掩饰落后布林坦承，谷歌在代码能力方面的投入起步较晚。 Gemini 3.0与3.1版本在约六个月前于多项指标上处于行业领先，但此后竞争对手在编程能力上取得了明显进展。目前，在复杂编程任务与长时间运行任务方面，部分对手模型更具优势；而谷歌的Flash系列在响应速度上仍具竞争力，更适合快速交互场景。布林反思，公司本应更早重视代码能力的研发。 对于自身在Gemini项目中的角色，布林表示，产品交付由Corey和Demis负责，他的定位更接近于「持续追问与提醒」： 他承认，这一角色有时会对团队工作节奏产生干扰。 面对AI行业格局的频繁变化，布林态度从容。他认为，以月度维度评判各实验室的相对位置往往不稳定且易导致悲观；但从更长周期观察，各实验室在不同技术方向上交替领先属于正常现象。总体而言，他对Gemini当前的市场位置持积极判断。 参考链接： https://www.youtube.com/watch?v=gsv5o8ANdDo https://x.com/jaynitx/status/2072691938738987497?s=20 |
