真正的AGI需达人类大脑理论极限｜DeepMind CEO最新对话实录

正文

请到「今天看啥」查看全文

02

AI技术落地与研发策略

主持人提问： 您提到Project Astra正在驱动一些人们甚至可能尚未意识到AI已能实现的功能，这反映了AI行业面临的挑战：模型能力强大但产品未能充分展现或用户尚未完全发掘。您如何看待此挑战？在研究之外，您本人在多大程度上参与产品问题的探讨？Gemini不仅能支持生产力助手类应用，还能助力解决基础科学和研究挑战，这本质上是同一个问题，可以用一个强大通用模型解决，还是截然不同的问题，需要不同方法？AI公司在推动基础模型核心AI研发与商业化成果转化之间，应如何分配资源？

Demis Hassabis ： 这是个非常好的问题。我认为，这个领域面临的挑战之一，显然是底层技术正以令人难以置信的速度飞速发展。这一点甚至与互联网和移动技术等其他重大革命性技术也有显著不同。在某个阶段，技术栈会趋于稳定，从而可以将重点放在产品开发或利用该技术栈上。但我们现在的情况是——我认为这非常特殊，但从研究者的角度来看也异常激动人心——技术栈本身正在以惊人的速度持续演进。因此，我认为这给产品方面带来了独一无二的挑战。这不仅对我们 Google 和 DeepMind 如此，对初创公司，对任何规模的公司而言都是这样：当你预见到某项技术在一年内可能提升 100% ，你当下应该押注什么？这就产生了一个有趣的局面：你需要具备相当深厚技术背景的产品人员、产品设计师和经理，才能预判一年后技术可能达到的水平。有些事情目前无法实现，但你又想设计一款一年后推出的产品。因此，你必须对技术及其发展方向有非常深刻的理解，才能判断哪些功能是可以依赖的。所以，这是一个很有意思的课题。我想这也是为什么我们看到如此多不同的尝试在进行。一旦某个尝试成功，我们就必须迅速加大投入。

关于 Gemini 在生产力与科研领域的应用 ， 当你审视这一切时，会发现它涵盖的领域极其广泛，这是事实。那么这些看似不同的事物之间究竟有何关联呢？除了我对它们都抱有浓厚兴趣之外。构建通用智能的初衷，始终是追求真正的通用性，并且以我们目前的方式来实现，它应该能够适用于几乎任何事物。无论是提升生产力——这非常令人兴奋，能够帮助数十亿人的日常生活——还是攻克科学领域最艰巨的难题。我会说，其中 90% 的基础是核心的通用模型，在我们的例子中，就是 Gemini，特别是其后续更强大的版本。然而，在大多数这些特定领域，你仍然需要额外的应用研究，或者针对该领域的一些特殊调整，比如特定的数据或处理方式，才能解决具体问题。我们或许会与科学领域的专家合作。但从根本上说，当你成功攻克其中一个领域时，可以将从中获得的经验和知识反馈到通用模型中，从而使通用模型变得越来越强大。这形成了一种非常有趣的飞轮效应。而且，对于像我这样对许多事物都充满好奇心的人来说，这带来了极大的乐趣。你可以运用这项技术，进入几乎任何你感兴趣的领域进行探索。

关于资源分配，我认为许多 AI 公司目前都在努力解决一个核心问题：应该投入多少资源来推动基础模型的核心 AI 研发，从而在基础层面提升模型性能；与此同时，又应该投入多少时间、精力和资金来尝试将部分成果剥离出来进行商业化，并将其转化为产品。我能想象，这既是资源方面的挑战，也是人员方面的挑战。我们并不会强制安排，这在内部很大程度上是一种自我选择。

03

当前AI在原创性发明思考和一致性方面仍有差距

主持人提问：

请到「今天看啥」查看全文