ARTICLE · 人工智能
Jeff Dean 离职后首次公开访谈火力有点猛。。。
一语总结Jeff Dean 离职谷歌后首次公开访谈，回顾 Gemini 开发与 TensorFlow 失误，披露新公司 Discovery Loop 聚焦科学工程自动化与递归自我改进，并讨论 AI 在网络安全领域的双刃剑效应。
文章整理 Jeff Dean 离开谷歌后的首次公开访谈（斯坦福 Frontier & Pioneer Symposium）。Jeff Dean 回顾 Gemini 项目整合 Google Brain、DeepMind 等团队的过程，认为从一开始就做多模态是成功决定，但 Coding 能力重视偏晚；他承认 TensorFlow 两大失误：未做 Eager Execution、contrib 子目录造成生态混乱。他解释离开谷歌是为在小团队专注推进科学和工程自动化，新公司 Discovery Loop 将加速科学实验循环，探索递归自我改进，并同时运行成千上万次实验。他还分享研究原则：与其精读 1 篇论文，不如扫读 10 篇甚至 100 篇摘要，用数量级估算快速判断可行性。最后谈及 AI 网络安全，认为模型已能完成顶级人类攻击者能做的事甚至更进一步，需要法律与监管等非技术手段加以约束。
- Gemini 从一开始就做多模态是成功的，但 Coding 能力重视偏晚。
Jeff Dean 认为统一多模态让模型底座更通用，但 Coding 应更早专精；提升 Coding 能力会迁移到推理等更多任务。
- TensorFlow 有两大明确失误：缺少 Eager Execution 和 contrib 子目录混乱。
Eager 模式后来在 PyTorch、JAX 中流行；contrib 导致同一功能多种实现，核心应保持简洁、外部能力作为独立库。
- 离开谷歌是因为小团队能更专注地做科学和工程自动化。
云计算降低了创业门槛，10 人小团队可绕过大型组织的干扰，聚焦同一使命推进前沿研究。
- Discovery Loop 将把科学实验循环自动化并大幅提速。
目标是让模型拥有多个领域接近 PhD 的能力，调度 Agent 拆解大问题，把实验周期从一天一周压缩到一分钟一小时。
- AI 在网络安全上是双刃剑，已接近顶级人类攻击者水平。
模型既能发现并修补漏洞，也可能被恶意利用，Jeff Dean 认为需靠法律与监管等非技术手段划定边界。
Jeff Dean 离职后首次公开访谈火力有点猛。。。
文章整理 Jeff Dean 离开谷歌后的首次公开访谈（斯坦福 Frontier & Pioneer Symposium）。Jeff Dean 回顾 Gemini 项目整合 Google Brain、DeepMind 等团队的过程，认为从一开始就做多模态是成功决定，但 Coding 能力重视偏晚；他承认 TensorFlow 两大失误：未做 Eager Execution、contrib 子目录造成生态混乱。他解释离开谷歌是为在小团队专注推进科学和工程自动化，新公司 Discovery Loop 将加速科学实验循环，探索递归自我改进，并同时运行成千上万次实验。他还分享研究原则：与其精读 1 篇论文，不如扫读 10 篇甚至 100 篇摘要，用数量级估算快速判断可行性。最后谈及 AI 网络安全，认为模型已能完成顶级人类攻击者能做的事甚至更进一步，需要法律与监管等非技术手段加以约束。
文章金句
"与其非常仔细地读完一篇论文，有时候快速浏览 10 篇论文反而更好。
"让 AI 参与改进 AI 本身，是一个非常重要的方向。
"没有哪个人类能够同时拥有 20 个不同领域的博士学位。
"过去需要一天甚至一周才能完成的一轮实验，未来可能只需要一分钟或者一个小时。
"现在这些模型确实已经能够完成一些高水平人类网络攻击者能够完成的事情，甚至可能更进一步。