作者 | 周雅

來源 | 科技行者

谷歌I/O大會的第一天，Google聯(lián)合創(chuàng)始人Sergey Brin（謝爾蓋?布林）高調(diào)現(xiàn)身，與Google DeepMind首席執(zhí)行官Demis Hassabis，來了一場爐邊談話，主持人是當(dāng)紅科技播客主理人Alex Kantrowitz。

全程只有半小時，但信息密度很高，話題涵蓋了：AI的前沿模型、AGI的定義與路徑、AI倫理、智能眼鏡、谷歌AI戰(zhàn)略等一系列熱點(diǎn)話題。整體看下來，是這家以工程師文化為底色的公司，在經(jīng)歷了外部沖擊與內(nèi)部整合后，對其“AI信仰”的一次再確認(rèn)與再出發(fā)，它關(guān)乎的不僅是AGI的星辰大海，更是如何腳踏實地將Gemini真正融入物理世界。

訪談中，已經(jīng)重返一線的謝爾蓋?布林，談到自己重返谷歌的原因，是受到了AI時代的召喚。他說：

“對于一個計算機(jī)科學(xué)家來說，我們正處在史上獨(dú)一無二的、非常特殊的時刻。老實說，任何一個計算機(jī)科學(xué)家，現(xiàn)在都不應(yīng)該想著退休，都應(yīng)該投身到AI的研究和開發(fā)中來。”

他透露，自己幾乎每天去辦公室，主攻核心技術(shù)和算法，順便“折磨一下”像Demis Hassabis這樣的優(yōu)秀人才（這句是玩笑話）。

而回應(yīng)這兩天的話題中心——智能眼鏡，布林毫不避諱說Google Glass“當(dāng)年犯了不少錯誤”：首先是“技術(shù)代差”；其次是供應(yīng)鏈的教訓(xùn)；最后還是太超前了，谷歌在2012年為Google Glass做的那場發(fā)布會演示，還動用了飛艇和翼裝飛行員從天而降，雖然他很懷念那一刻，但現(xiàn)在學(xué)乖了，“應(yīng)該先把產(chǎn)品本身打磨好、再穩(wěn)扎穩(wěn)打推向市場、最后再考慮做不做酷炫演示”。

但他更強(qiáng)調(diào)，自己“始終堅信智能眼鏡這一設(shè)備形態(tài)的潛力”，今天的AI已為智能眼鏡注入了新血液，使它有望成為真正有益的交互界面。

Demis Hassabis則更進(jìn)一步，直言“一個真正智能的、無處不在的通用AI助手，會是智能眼鏡的殺手級應(yīng)用”。

科技播客主理人Alex Kantrowitz（左），Google DeepMind首席執(zhí)行官Demis Hassabis（中間）Google聯(lián)合創(chuàng)始人Sergey Brin（右）

前沿模型的進(jìn)步空間

問：讓我們從前沿模型開始。Demis，根據(jù)我們今天對前沿模型的了解，還有多少提升空間有待釋放？以及，為什么有那么多聰明人說，這個領(lǐng)域的發(fā)展即將趨于平緩？

Demis Hassabis：我們正在取得令人難以置信的進(jìn)展，主題演講中展示的那些精彩內(nèi)容就是證明。通過將現(xiàn)有技術(shù)推向極限，我們正看到巨大的成效。但與此同時，我們也一直在不斷發(fā)明新的東西。要最終實現(xiàn)AGI（通用人工智能），可能還需要1-2個甚至更多的突破，我們有很多想法正在醞釀之中，并希望將它們引入到Gemini。

規(guī)模 vs. 算法：AI進(jìn)步的雙輪驅(qū)動

問：關(guān)于“規(guī)模”（Scale）的問題，在AI發(fā)展中，是不是只要規(guī)模夠大（比如更多數(shù)據(jù)、更強(qiáng)算力）就能解決所有問題？或者說，目前這種“堆規(guī)模”的方式還是在唱主角呢？還是說，它其實更像個配角，需要其他東西來配合？

Demis Hassabis： 我一直覺得，這兩方面都非常重要，缺一不可。

一方面，我們要把現(xiàn)有的技術(shù)和能達(dá)到的規(guī)模（不管是數(shù)據(jù)量還是計算能力）都用到極致，把它們的潛力充分挖掘出來。

另一方面，我們也要花一部分精力去為未來布局，思考接下來幾個月甚至一年后可能出現(xiàn)的新方向。

這樣，一旦有了能帶來十倍甚至更大提升的創(chuàng)新點(diǎn)子或新算法（這就是所謂的“Scaling Law”中提到的，新方法與規(guī)模結(jié)合能帶來巨大效應(yīng)），就能立刻和我們已經(jīng)建立起來的龐大“規(guī)模”結(jié)合起來，產(chǎn)生巨大的威力。所以，在我看來，拼規(guī)模和搞創(chuàng)新，兩手都要硬。

Sergey Brin： 我完全同意Demis的看法，這兩者確實是相輔相成的。AI的進(jìn)步，既可以來自算法本身的優(yōu)化和突破，也可以來自純粹計算能力的增強(qiáng)——比如有了更好的芯片、更強(qiáng)的電力支持、更大的數(shù)據(jù)中心。

回顧過去，如果我們看一些經(jīng)典的科學(xué)計算問題，比如天文學(xué)家模擬星體間萬有引力的“N體問題”，把它的發(fā)展歷程畫出來看，你可能會發(fā)現(xiàn)，很多時候算法上的巧妙改進(jìn)帶來的進(jìn)步，甚至比單純增加計算能力帶來的進(jìn)步還要更明顯。

不過好消息是，現(xiàn)在算法創(chuàng)新和算力提升這兩條路我們都在大步向前，所以我們正享受著雙重紅利。

問：Demis，你覺得你們大部分的進(jìn)步，是不是都靠建更大的數(shù)據(jù)中心、用更多的芯片來實現(xiàn)？有人開玩笑說，以后全世界都會被數(shù)據(jù)中心給鋪滿，像貼墻紙一樣，這是你想象的未來嗎？

Demis Hassabis： 我們確實需要建更多的數(shù)據(jù)中心。從科學(xué)的角度看，我們能把普普通通的沙子變成如此強(qiáng)大的計算芯片，這件事本身就一直讓我覺得非常了不起。而且，這些數(shù)據(jù)中心不僅僅是為了訓(xùn)練AI模型。

現(xiàn)在我們有很多模型，像Gemini 2.5 Pro，大家都搶著想用，需求非常大。還有Flash模型，它在保證低成本的同時性能又那么好。我覺得，全世界的人將來都會想用上這些AI技術(shù)。所以，單單是為了讓大家能順暢地使用這些模型，我們就需要大量的數(shù)據(jù)中心。

除此之外，AI也需要時間來“思考”，也就是在它給出答案前進(jìn)行計算和推理（這個過程我們有時也叫“推理時計算，inference time compute，指模型推理時花費(fèi)的計算資源），這同樣需要大量的計算資源。

你們這次也看到了DeepThink這個新模式，你給AI越多的“思考”時間，它給出的結(jié)果就可能越好。對于那些特別重要、特別難的任務(wù)，讓AI花很長時間去“琢磨”是完全值得的。我們正在研究怎么能讓AI“思考”得更深、更久，而這在AI運(yùn)行時就需要非常多的芯片來支持。

“思考范式”的價值：從AlphaGo到現(xiàn)實世界

問：Demis 剛才提到了AI的“測試時計算”（或推理時計算，test-time compute）。我們關(guān)注這種讓AI多想一會兒的“推理范式”（reasoning paradigm）也差不多有一年了，過去我們也聊過兩次，這感覺就像是給大語言模型（LLM）這類的AI額外增加了一種能力。你能幫我們再解釋一下，這種“讓AI多想一會兒”能帶來多大的提升，以及它為什么這么重要嗎？

Demis Hassabis： 我們一直非常信奉這種“思考范式”?；仡橝lphaGo和AlphaZero這些智能體在游戲領(lǐng)域的工作，它們的核心就是在一個基礎(chǔ)模型上，再加一套“思考系統(tǒng)”，這種提升其實是可以量化的。

如果我們把AlphaGo或AlphaZero的“思考”功能關(guān)掉，只讓它憑第一感覺（也就是基礎(chǔ)模型直接輸出）下棋，它的水平也不差，可能也是專業(yè)棋手或者大師級別。但是，一旦你把“思考”功能打開，它的水平就能遠(yuǎn)遠(yuǎn)超過頂尖的人類冠軍，大概能提升600個Elo等級分。所以，在游戲里，這種“多思考”帶來的提升是非常明顯的，更不用說比游戲復(fù)雜得多的真實世界了。我認(rèn)為，在現(xiàn)有AI的基礎(chǔ)上，加入這種“思考范式”，潛力會更大。

當(dāng)然，挑戰(zhàn)也是存在的。就像我之前在演講里說的，你的AI模型需要成為一個能理解復(fù)雜世界的“世界模型”（world model），這可比只做一個簡單游戲的模型要難得多。這種復(fù)雜模型本身就可能出錯，而且在進(jìn)行長期規(guī)劃時，這些小錯誤還可能會累積放大。不過，我相信我們在這方面的進(jìn)展不錯。

Sergey Brin：正如Demis所說，DeepMind在強(qiáng)化學(xué)習(xí)這方面確實是先驅(qū)，做了很多開創(chuàng)性的工作，AlphaGo和AlphaZero就是很好的例子。如果想單靠“死記硬背”式的訓(xùn)練，達(dá)到AlphaGo（帶思考功能）的水平，可能需要多花5000倍的訓(xùn)練量，即便如此，AlphaGo的成功也是大量訓(xùn)練和“即推理時計算”結(jié)合的成果。所以，這種“多思考”的優(yōu)勢是非常巨大的。

而且，就像我們大多數(shù)人一樣，說話前先想一想總是有好處的。雖然……也不是每次都這樣啦。（現(xiàn)場一片笑聲）

我確實也常常被提醒要（在說話前）這么做（先思考）。但我認(rèn)為，對AI來說，一旦你賦予了它這種“多想一會兒”的能力，它們顯然會變得更加強(qiáng)大。而我們現(xiàn)在在這方面的探索，才剛剛開了個頭，摸到一點(diǎn)皮毛而已，畢竟這些高級模型面世還不到一年。尤其是，如果你考慮到AI在“思考”的過程中，還會調(diào)用各種外部工具或者其他的AI，來幫助它優(yōu)化和完善最終的輸出結(jié)果——那這將是一種極其強(qiáng)大、潛力無限的工作方式。

DeepThink的機(jī)制與AGI的突破口

問：DeepThink這個東西聽起來很有意思。我試著描述一下我的理解，你看對不對：它基本上就像是讓很多個“思考程序”同時開動，并行地進(jìn)行推理，并且它們之間還會相互檢查、相互驗證結(jié)果，最后得出一個更高質(zhì)量的答案。這感覺就像是給AI的推理能力打了“興奮劑”一樣。

Demis，你之前提到，AI行業(yè)還需要幾次關(guān)鍵的進(jìn)步才能真正達(dá)到AGI（通用人工智能）的水平。那么，像DeepThink這樣的機(jī)制，在你看來處于什么位置？它算不算是能讓我們離AGI更近一步的關(guān)鍵技術(shù)之一呢？

Demis Hassabis： 是的。DeepThink可以算是通往AGI所需突破中的一部分，或者說是一個重要的組成部分。當(dāng)然，我們還需要其他方面的進(jìn)步。比如，DeepThink可能主要改進(jìn)的是AI的推理能力，但真正的“從0到1”的原創(chuàng)性、創(chuàng)造力是從哪里來的呢？現(xiàn)在的AI還不能像人類科學(xué)家那樣，獨(dú)立解決一個懸而未決的數(shù)學(xué)猜想，或者提出一個全新的猜想，更不用說在物理學(xué)領(lǐng)域構(gòu)想出一個全新的理論了。我們目前還沒有能做到這種程度創(chuàng)造力的AI系統(tǒng)。

但我相信，具備這種創(chuàng)造力的AI系統(tǒng)正在向我們走來。而像DeepThink這樣的“思考模式”，對于提升AI的思考能力，以及其他許多方面的能力都會很有幫助。同時，我們還需要在構(gòu)建能夠準(zhǔn)確理解和模擬真實世界的“世界模型”方面取得重大進(jìn)展。

我想大家從Veo，特別是Veo 3（我們最新的視頻生成模型）的演示中，已經(jīng)能看到一些端倪了——它能夠憑直覺理解一些物理規(guī)律。我早年不僅研究AI，還做過游戲圖形引擎的開發(fā)，我記得那時候，游戲里的光照、陰影、材質(zhì)等等這些效果，都得我們程序員一個一個手動編程實現(xiàn)，那真是非常非常復(fù)雜的工作。而現(xiàn)在，這些對物理世界的理解和模擬能力，似乎已經(jīng)內(nèi)化到了AI模型本身之中，這實在是太驚人了。

問：我看到你之前在社交媒體上分享了一張煎鍋里有油的照片，那不是有什么特別的暗示吧？

Demis Hassabis： 哈哈，并沒有什么特別的。也許只是一個微不足道的小小暗示而已。

AGI的定義之爭：為何堅持用AGI？

問：我們今天已經(jīng)好幾次提到AGI（通用人工智能）這個詞了。我感覺現(xiàn)在AI圈子里，很多人好像不太愿意再提AGI了，覺得這個詞被用得太泛濫，有點(diǎn)失去它本來的意義了。但是Demis，你似乎認(rèn)為AGI這個概念依然很重要。能說說為什么嗎？

Demis Hassabis： 我確實認(rèn)為AGI這個概念非常重要。也許我需要找個時間和Shane Legg（DeepMind首席科學(xué)家，也是大約25年前最早提出AGI這個術(shù)語的人之一）一起，就這個問題專門寫點(diǎn)東西來闡述一下。我覺得，現(xiàn)在大家在討論AGI的時候，常常把兩件不同的事情給搞混了。

第一件事是，一個普普通通的正常人，一個個體，他能做些什么？我們?nèi)祟愐呀?jīng)很能干，但每個人真正精通的領(lǐng)域，其實也只是所有知識和技能中的一小部分，對吧？或者換個說法，什么是大約90%的成年人都能做到的事情？這種“普遍人類能力”，對于經(jīng)濟(jì)發(fā)展、對于我們設(shè)計和改進(jìn)各種產(chǎn)品來說，顯然是非常重要的。所以，這是一個很關(guān)鍵的衡量標(biāo)準(zhǔn)，我們可以把它叫做“典型人類智能”（typical human intelligence）。

而我所說的AGI，更多的是一個理論層面上的構(gòu)想。它指的是，從根本的架構(gòu)上來看，人類的大腦究竟有能力做到什么？人類大腦是我們理解“通用智能”的一個極其重要的參照點(diǎn)，因為它是目前宇宙中我們唯一知道的、能夠證明“通用智能”這種東西確實可能存在的實例。

所以，如果你想說你的AI系統(tǒng)達(dá)到了AGI的水平，你就得證明它能做到一系列的事情，甚至是歷史上那些最頂尖的人類精英（比如愛因斯坦、莫扎特、居里夫人等），憑借著和我們一樣的人類大腦架構(gòu)所能做到的那些事情——注意，不是說要擁有和他們一模一樣的大腦，而是指擁有同樣底層設(shè)計原理的大腦架構(gòu)。我很清楚，現(xiàn)在的AI系統(tǒng)還遠(yuǎn)達(dá)不到這個程度。

現(xiàn)在大家對AGI的很多討論和宣傳，在我看來，問題在于目前的AI還不夠“通用”，也不夠“可靠和一致”。誠然，現(xiàn)在的AI模型已經(jīng)相當(dāng)“博學(xué)”了，它們能做成千上萬種不同的事情，很多表現(xiàn)也確實令人印象深刻。但是，我們每個人只要和現(xiàn)在的聊天機(jī)器人或者AI助手互動一下，不出幾分鐘，就能輕易發(fā)現(xiàn)它們身上這樣那樣的明顯缺陷。比如，一道稍微難一點(diǎn)的高中數(shù)學(xué)題它可能就解不出來，一個很基礎(chǔ)的小游戲它可能也玩不明白。想找到這些AI系統(tǒng)中的“短板”和“漏洞”，一點(diǎn)都不難。

而對我來說，一個系統(tǒng)要想真正稱得上是AGI，它在各個方面的表現(xiàn)，都必須比今天的AI要穩(wěn)定得多、可靠得多、達(dá)到高度的一致性。要找出這種AGI系統(tǒng)的一個明顯漏洞，可能需要一個頂尖的專家團(tuán)隊花上好幾個月的時間去研究和測試，而不是像現(xiàn)在這樣，普通人幾分鐘就能發(fā)現(xiàn)問題。

AGI的實現(xiàn)路徑：一家獨(dú)大，還是多點(diǎn)開花？

問：Sergey，這個問題特別適合您。您覺得AGI會先被某一家公司搞定，然后這家公司就“通吃”整個領(lǐng)域，游戲結(jié)束了？還是說，更可能出現(xiàn)像中國或者Anthropic這樣的公司也各自擁有AGI，形成一種“多點(diǎn)開花”的局面？

Sergey Brin： 這是個好問題。我猜，確實可能會有某一家公司、某個國家或者某個組織率先摸到AGI的門檻。不過，AGI本身可能不是一個非黑即白的、能精確定義的“點(diǎn)”，它更像是一個發(fā)展的“范圍”或者說“譜系”。所以，完全有可能在同一個時期，不止一個機(jī)構(gòu)都達(dá)到了差不多的水平，大致進(jìn)入了這個AGI的范圍。

至于那之后會發(fā)生什么？老實說，這太難預(yù)測了。但你可以想象，肯定會有很多家機(jī)構(gòu)都冒出來。在我們AI這個圈子里，你也知道，通常是我們這邊取得一點(diǎn)進(jìn)步，其他公司很快就能學(xué)過去，反過來也一樣，他們有了新東西，我們也會快速跟進(jìn)。這就像大家在玩“跳房子”或者“蛙跳”一樣，你追我趕，不斷超越。所以我認(rèn)為，大家會互相啟發(fā)，這種氛圍可能會鼓勵越來越多的機(jī)構(gòu)都努力跨過AGI那個門檻。

問：Demis，您怎么看？

Demis Hassabis： 對整個AI領(lǐng)域來說，大家首先得對“到底什么是AGI”能有個統(tǒng)一的認(rèn)識，這很重要。所以，也許我們應(yīng)該努力推動大家在這個定義上達(dá)成共識。然后，假如AGI真的實現(xiàn)了，肯定會有一些機(jī)構(gòu)跑在前面。

關(guān)鍵在于，這些最先搞出來的AGI系統(tǒng)，必須是穩(wěn)定可靠而且絕對安全的。如果能做到這一點(diǎn)，那么之后，我們就可以想象，利用這些首批AGI系統(tǒng)作為基礎(chǔ)，再去衍生出許許多多架構(gòu)在它們之下的、各種各樣的AI系統(tǒng)。到那時候，可能就會有真正意義上的“個人AGI助手”，以及各種各樣的新鮮事物出現(xiàn)。

但是，就像Sergey說的，未來到底會怎么樣，真的很難預(yù)測。這就像是站在一個“事件視界”（天文學(xué)概念，指黑洞的邊界，一旦越過就無法返回，也無法觀測其內(nèi)部）的邊緣，我們很難看清楚邊界另一邊的景象，也很難準(zhǔn)確預(yù)言那會是什么樣子。

AGI與情感：AI需要“心”嗎？

問：剛才談到了AGI的定義，很多人認(rèn)為AGI主要指的是知識層面的智能，也就是“大腦”的智能。那么，“心靈”的智能呢？AI要想被認(rèn)為是AGI，是不是必須要擁有情感？它能擁有情感嗎？

Demis Hassabis： 我認(rèn)為，AGI首先需要能夠“理解”情感是怎么一回事。至于我們是否希望AI去“模仿”人類的情感，甚至“擁有”真正的情感，這在很大程度上其實是一個設(shè)計上的選擇。從理論上講，我看不出有什么根本性的理由說，AI絕對不可能擁有情感。

但是，AI的情感可能會和我們?nèi)祟惖那楦蟹浅２煌?，或者說，讓AI擁有情感可能根本沒有必要，甚至從某些角度看，我們可能并不希望它們產(chǎn)生像我們?nèi)祟惸菢訌?fù)雜的情感反應(yīng)。所以我認(rèn)為，這個問題目前還是懸而未決的。

隨著我們越來越接近可能實現(xiàn)AGI的時間點(diǎn)（我個人覺得這大概還需要5到10年的時間），我們還有充足的時間去深入研究這些問題。

自我改進(jìn)系統(tǒng)是否有可能？

問：我在想，有什么因素可能會讓AGI到來的時間大大縮短呢？比如說，會不會是因為出現(xiàn)了能夠自我改進(jìn)的AI系統(tǒng)？上星期，我看到一條新聞標(biāo)題，叫“AlphaEvolve”，說的是一種能幫助設(shè)計出更好算法，甚至能改進(jìn)大型語言模型訓(xùn)練方式的AI，我當(dāng)時看了差點(diǎn)從椅子上驚掉下來。所以Demis，你是不是在嘗試引發(fā)一場“智能爆炸”呢？

Demis Hassabis： 哈哈，我們可不是想引發(fā)一場不受控制的“智能爆炸”。首先得說，AlphaEvolve確實是一個非常了不起的系統(tǒng)，背后有一個非常優(yōu)秀的團(tuán)隊在做這項工作?，F(xiàn)在一個很有意思的研究方向，就是開始嘗試把其他類型的技術(shù)——比如AlphaEvolve用到的“進(jìn)化編程”技術(shù)——和我們最新研發(fā)的、能力越來越強(qiáng)大的基礎(chǔ)AI模型結(jié)合起來。我個人非常希望在我們的探索性研究中，看到更多這種不同系統(tǒng)之間強(qiáng)強(qiáng)聯(lián)合、相互配合的嘗試。

你說得對，“自我改進(jìn)”確實是可能加速AI發(fā)展的一個重要因素。如果某個AI系統(tǒng)真的找到了一個有效的“自我改進(jìn)循環(huán)”，那確實有可能讓AI的發(fā)展速度比現(xiàn)在我們看到的還要快得多。

我們以前在AlphaZero身上就見證過類似的情況：它從完全隨機(jī)的、什么都不會的狀態(tài)開始，通過自我對弈和自我改進(jìn)，在不到24小時的時間里，就學(xué)會了國際象棋和圍棋，并且達(dá)到了超越人類頂尖冠軍的水平。所以我們知道，AI的自我改進(jìn)是完全可能實現(xiàn)的。但是，也得看到，像國際象棋和圍棋這樣的游戲，規(guī)則是非常清晰和有限的。而真實世界要比這些游戲復(fù)雜得多，也混亂得多。所以，這種自我改進(jìn)的方法是否能在更廣泛、更復(fù)雜的現(xiàn)實場景中同樣有效，還有待觀察和驗證。

Sergey Brin重返谷歌的動力：AI時代的召喚

問：我們又聊到了一些非常強(qiáng)大的AI系統(tǒng)，而且很明顯，現(xiàn)在開發(fā)這些系統(tǒng)就像一場競賽。這是您決定重新回到谷歌全身心投入工作的原因嗎？

Sergey Brin： 對于一個計算機(jī)科學(xué)家來說，現(xiàn)在我們正處在一個歷史上獨(dú)一無二的、非常特殊的時刻。老實說，任何一個計算機(jī)科學(xué)家，現(xiàn)在都不應(yīng)該想著退休，都應(yīng)該積極投身到AI的研究和開發(fā)中來。

這就是我想說的。歷史上從來沒有出現(xiàn)過像AI這樣既是巨大挑戰(zhàn)又是巨大機(jī)遇的領(lǐng)域，也從來沒有哪項技術(shù)像AI這樣處于如此激動人心的爆發(fā)前夜。

所以我不會說我回來是因為“競賽”——盡管我們完全明白這場競賽的存在，而且，讓我明確一點(diǎn)，我相信Gemini將會是第一個實現(xiàn)AGI的系統(tǒng)。但是，真正吸引我的是，能夠親身參與到這場令人難以置信的技術(shù)革命中來。

這和我們當(dāng)年經(jīng)歷Web 1.0時代的感覺完全不同，那個時代也很令人興奮，后來我們又有了移動互聯(lián)網(wǎng)等等。但我認(rèn)為，AI在科學(xué)層面上要比那些都更加令人激動。而且我堅信，AI最終對整個世界產(chǎn)生的影響，也將比互聯(lián)網(wǎng)和智能手機(jī)加起來還要大得多，AI的變革力量將是空前的。

問：那您現(xiàn)在每天具體都做些什么工作呢？

Sergey Brin： （笑） 我主要是在“折磨”像Demis這樣的優(yōu)秀人才吧。Demis他非常了不起，他能容忍我今天“闖入”這次爐邊談話。

我?guī)缀趺刻於紩oogle辦公室，那里有很多人在全力以赴地研發(fā)關(guān)鍵的Gemini文本模型，進(jìn)行模型的預(yù)訓(xùn)練、后訓(xùn)練等等。我主要關(guān)注的就是這些核心技術(shù)，偶爾也會參與一些多模態(tài)AI（比如能處理圖像、視頻的AI）的工作，就像你們都看到的Veo 3視頻模型。總的來說，我傾向于深入到非常具體的技術(shù)細(xì)節(jié)中去。

幸運(yùn)的是，我能有這樣的奢侈，把精力完全投入到我感興趣的技術(shù)細(xì)節(jié)上，因為有像Demis這樣的人在負(fù)責(zé)管理和運(yùn)營整個團(tuán)隊。我的科學(xué)興趣就在這里，我著迷于深入研究這些算法，以及它們是如何不斷進(jìn)化和變得更強(qiáng)大的。

谷歌的智能體愿景：為何如此關(guān)注“視覺”與“物理世界”？

問：Demis，我想問一個關(guān)于“智能體”（Agents）的比較寬泛的問題。我注意到，當(dāng)我看其他科技公司展示他們構(gòu)建的智能體時，通常我們看到的是那種能理解對話上下文、但沒有具體形態(tài)的“聲音助手”，而且我們主要是在電腦屏幕上和它互動。

但是，當(dāng)我看DeepMind和谷歌的演示時，智能體往往是通過攝像頭來感知世界，非常強(qiáng)調(diào)“視覺”的交互。而且今天你們也發(fā)布了關(guān)于智能眼鏡的新消息。我想知道，為什么谷歌對于開發(fā)一個能像我們?nèi)祟愐粯?ldquo;看見”世界、理解物理環(huán)境的AI助手或AI伴侶，會這么感興趣呢？

Demis Hassabis： 這背后有好幾個原因。就像我們之前聊到的，我們DeepMind一直以來都對“智能體”這個方向非常著迷，這可以說是我們的傳統(tǒng)了，我們最早就是從研究基于智能體的系統(tǒng)和開發(fā)能玩游戲的AI開始的。我們的長遠(yuǎn)目標(biāo)是構(gòu)建AGI，而一個真正的AGI，顯然必須能夠理解它所處的物理環(huán)境，理解你周圍的真實世界。

在我看來，這種能理解物理世界的AI，至少有兩個非常巨大的應(yīng)用前景：

第一個，是打造一個真正有用的、能在你日常生活中隨時陪伴你的AI助手。它不應(yīng)該只是被困在你的電腦或者某一個設(shè)備里，我們希望它能融入你生活的方方面面，為你提供幫助。所以，它必須能夠“跟著你走”，并且理解你所處的具體物理場景和上下文。

第二個非常重要的事情，是在機(jī)器人技術(shù)領(lǐng)域。我一直覺得，要想讓機(jī)器人技術(shù)真正取得突破性進(jìn)展，能為我們做更多有用的事情，你就需要在機(jī)器人身上實現(xiàn)類似你們在Project Astra（谷歌的一個AI項目，展示了強(qiáng)大的實時多模態(tài)交互能力）演示中看到的那種智能水平。

我一直認(rèn)為，機(jī)器人技術(shù)發(fā)展的瓶頸，其實并不主要在硬件上——盡管現(xiàn)在有很多公司在研發(fā)非常棒的機(jī)器人硬件，我們也和他們有合作——真正的瓶頸在于“軟件智能”，也就是機(jī)器人的“大腦”不夠聰明，這才是長期以來阻礙機(jī)器人技術(shù)發(fā)展的關(guān)鍵因素。但是，我們現(xiàn)在正處在一個非常激動人心的時刻。憑借我們最新發(fā)布的AI模型，特別是Gemini 2.5，再加上我們將要引入的Veo（視頻生成技術(shù)）等其他新技術(shù)，我相信我們將擁有真正令人興奮的新算法，能夠讓機(jī)器人技術(shù)最終“開竅”，發(fā)揮出它那難以估量的巨大潛力。

最終，一個真正的AGI需要能夠做到所有這些事情——理解視覺信息、理解物理世界、與真實環(huán)境互動等等。我們一直都是朝著這個方向努力的。這就是為什么我們的Gemini模型從一開始設(shè)計，甚至在最早的版本，就是為了支持多種信息模式（多模態(tài)，比如同時理解文本、圖像、聲音等）而構(gòu)建的。

也正因為如此，從一開始就只讓它處理文本信息，反而是一件更困難的事情。但最終，我們現(xiàn)在正在收獲當(dāng)初這些艱難但正確決策帶來的豐碩成果。我看到Gemini團(tuán)隊的同事們就坐在前排，我們一起做出了這些正確的決策，盡管過程很艱難，但結(jié)果證明我們是對的，你們今天看到的很多精彩演示，都是這些決策結(jié)出的果實。

Google Glass的經(jīng)驗教訓(xùn)與智能眼鏡的未來

問：你們當(dāng)年從Google Glass項目中學(xué)到了哪些經(jīng)驗教訓(xùn)，是谷歌在今天智能眼鏡重新成為熱點(diǎn)的時候可以借鑒和應(yīng)用的呢？

Sergey Brin：這確實是個好問題。我從Google Glass中學(xué)到的東西太多了。老實說，當(dāng)年在Google Glass這個項目上，我們犯了不少錯誤。但我個人始終相信智能眼鏡這種設(shè)備形態(tài)的潛力。所以我很高興看到，我們現(xiàn)在又重新推出了智能眼鏡產(chǎn)品。而且，現(xiàn)在的智能眼鏡看起來就像一副普通的眼鏡，鏡片前沒有了當(dāng)年那個顯眼的棱鏡顯示器。

坦白講，當(dāng)年Google Glass面臨的一個主要問題是技術(shù)還不夠成熟，存在“技術(shù)代差”。而現(xiàn)在進(jìn)入了AI時代，AI賦予了這些智能眼鏡更強(qiáng)大的能力，它們可以在不持續(xù)分散你注意力的情況下，為你提供各種有用的幫助，這種能力比以前強(qiáng)太多了。

此外，還有一個教訓(xùn)是，我當(dāng)時對消費(fèi)電子產(chǎn)品的供應(yīng)鏈、生產(chǎn)制造這些環(huán)節(jié)幾乎一無所知，完全沒意識到要把一款硬件產(chǎn)品做出來，并且以一個合理的價格賣給消費(fèi)者，還要管理好所有的生產(chǎn)、物流等等，這背后有多么的困難。而這一次，我們有了非常棒的合作伙伴來幫助我們一起打造這些智能眼鏡。所以，這又是我們?nèi)〉玫囊粋€進(jìn)步。

我不得不說，我確實有點(diǎn)懷念當(dāng)年我們?yōu)镚oogle Glass做的那場發(fā)布會演示——動用了飛艇和翼裝飛行員從天而降。當(dāng)然，如果今天在Shoreline圓形劇場（Google I/O的舉辦地）能重現(xiàn)那樣的場景，肯定比當(dāng)年在莫斯科要酷得多。不過，玩笑歸玩笑，我們這次應(yīng)該學(xué)乖了：先把產(chǎn)品本身打磨好，確保它足夠優(yōu)秀，然后穩(wěn)扎穩(wěn)打地推向市場，讓大家都能用上，之后再考慮做不做酷炫的演示。這可能才是更明智的做法。

Demis Hassabis： 我想補(bǔ)充一點(diǎn)。你看，谷歌在硬件設(shè)備和智能設(shè)備方面有著非常深厚的積累和輝煌的歷史，我們可以把所有這些寶貴的經(jīng)驗教訓(xùn)都運(yùn)用到今天的產(chǎn)品中。

正如大家所見，我們對我們新款的智能眼鏡感到非常興奮。我一直在和我們的團(tuán)隊探討一個觀點(diǎn)（我不知道他們是不是都同意），但我個人感覺，一個真正智能的、無處不在的“通用AI助手”，才是智能眼鏡這款產(chǎn)品的“殺手級應(yīng)用”。我認(rèn)為，正是這種強(qiáng)大的AI助手能力，將會讓智能眼鏡真正普及開來，當(dāng)然，硬件技術(shù)本身這些年也取得了巨大的進(jìn)步和改善。但我堅信，AI助手才是智能眼鏡最核心、最自然的“殺手锏”。

AI生成內(nèi)容與模型訓(xùn)練：“模型坍塌”是杞人憂天嗎？

問：能不能簡單談?wù)凙I視頻生成技術(shù)？我在Google I/O大會的觀眾席上，看到你們展示的AI視頻生成模型，進(jìn)步水平真的讓我相當(dāng)震驚。你們也請到了一些電影制作人來分享他們的看法。

Demis，關(guān)于AI模型質(zhì)量的問題，如果將來互聯(lián)網(wǎng)上充斥著大量由AI制作的視頻內(nèi)容，當(dāng)這些AI生成的內(nèi)容又被反過來用作訓(xùn)練新AI模型的數(shù)據(jù)時，會不會導(dǎo)致新模型的質(zhì)量下降，甚至比那些只用人類原創(chuàng)內(nèi)容訓(xùn)練出來的模型還要差呢？這種現(xiàn)象有人稱之為“模型坍塌”（model collapse）。

Demis Hassabis： 是的，現(xiàn)在確實有很多人擔(dān)心所謂的“模型坍塌”問題。這不僅僅是視頻領(lǐng)域，任何類型的內(nèi)容，包括文本，都可能面臨類似的挑戰(zhàn)。關(guān)于這一點(diǎn)，我想說幾件事：

1、首先，我們對于用來訓(xùn)練AI模型的數(shù)據(jù)，在質(zhì)量管理和篩選方面是非常非常嚴(yán)格的。我們有一套嚴(yán)謹(jǐn)?shù)牧鞒虂泶_保數(shù)據(jù)的質(zhì)量。

2、其次，至少對于我們自己開發(fā)的所有生成式AI模型（比如生成圖像、視頻、文本的模型），我們都會給它們生成的內(nèi)容打上一種叫做SynthID的“隱形AI水印”。這種水印技術(shù)非常強(qiáng)大，自從我們一年半前發(fā)布以來，一直表現(xiàn)穩(wěn)定可靠。無論是AI生成的圖像還是視頻，都會嵌入這種肉眼看不見的水印。這樣一來，我們就能檢測出哪些內(nèi)容是AI生成的。

而且，我們正在發(fā)布相關(guān)的工具，讓任何人都可以使用這些工具來檢測內(nèi)容中是否包含這種水印，從而清楚地知道某個圖像或視頻是不是由AI創(chuàng)作的。當(dāng)然，這對于打擊利用AI進(jìn)行造謠、傳播虛假信息（比如深度偽造Deepfake）是非常重要的。同時，有了這種檢測能力，如果你在訓(xùn)練新模型時，不希望使用AI生成的內(nèi)容，你也可以利用它來把這些內(nèi)容從訓(xùn)練數(shù)據(jù)中過濾掉。所以，我個人其實并不認(rèn)為“模型坍塌”會成為一個特別大的問題。

3、最后，我們甚至可能會擁有能力非常非常強(qiáng)大的AI視頻生成模型，強(qiáng)大到它們生成的視頻質(zhì)量非常高，以至于你可以放心地把這些高質(zhì)量的“合成數(shù)據(jù)”（synthetic data，也就是AI生成的數(shù)據(jù)）再反過來加入到訓(xùn)練新模型的循環(huán)中，作為額外的數(shù)據(jù)來源。當(dāng)然，這樣做的時候必須非常小心，你需要確保你生成的這些“合成數(shù)據(jù)”和你希望模型學(xué)習(xí)的真實數(shù)據(jù)，它們的基本特征和分布是相似的，不能因為加入了合成數(shù)據(jù)反而把模型的認(rèn)知給帶偏了，而且合成數(shù)據(jù)的質(zhì)量本身也必須足夠高才行。

其實，我們在一個完全不同的項目——AlphaFold（我們研發(fā)的蛋白質(zhì)結(jié)構(gòu)預(yù)測AI），已經(jīng)積累了一些這方面的經(jīng)驗。當(dāng)時，我們沒有足夠的真實實驗數(shù)據(jù)來從頭訓(xùn)練AlphaFold，所以我們就需要先用一部分已有的蛋白質(zhì)結(jié)構(gòu)數(shù)據(jù)，結(jié)合AI預(yù)測并篩選出置信度比較高的預(yù)測結(jié)果（大概挑選了最好的三四百個），然后把這些AI預(yù)測出來的、但質(zhì)量很高的“合成數(shù)據(jù)”再加入到訓(xùn)練數(shù)據(jù)中去。這其實就是一種將真實數(shù)據(jù)和高質(zhì)量合成數(shù)據(jù)混合使用的前沿方法。

所以說，對于那些自動生成的、質(zhì)量不高的內(nèi)容，你是可以想辦法把它們排除在訓(xùn)練數(shù)據(jù)之外的。至少在我們的工作中是這樣做的，我們也希望其他開發(fā)生成式AI技術(shù)的公司能夠效仿，給他們生成的內(nèi)容量加上可靠的水印。這對于打擊深度偽造等濫用行為顯然是非常重要的。

快問快答：Web的未來、AGI的時間表、AI面試與模擬理論

問：10年后的互聯(lián)網(wǎng)（Web）會是什么樣子？

Sergey Brin： 10年后的互聯(lián)網(wǎng)啊？（Demis Hassabis在一旁小聲提醒：“一分鐘內(nèi)回答完哦！”） 天啊，10年！考慮到現(xiàn)在AI發(fā)展這么快，變化太大了，這簡直超出了所有人的想象。老實說，別說10年后的互聯(lián)網(wǎng)了，我覺得我們可能都不知道10年后的整個世界會變成什么樣。

Demis Hassabis： 我覺得Sergey這個回答很實在。要我說，短期來看，互聯(lián)網(wǎng)肯定會發(fā)生翻天覆地的變化，特別是如果我們考慮到未來可能會出現(xiàn)一種“AI智能體優(yōu)先”（Agent-first）的互聯(lián)網(wǎng)。那時候，互聯(lián)網(wǎng)上的信息可能主要是給AI智能體看的，它們之間直接交互，就不再需要像現(xiàn)在這樣，必須把網(wǎng)頁渲染成漂漂亮亮的、給我們?nèi)祟惪吹臉幼恿?。所以，可能過不了幾年，情況就會和現(xiàn)在大不一樣。

問：下一個問題，AGI會在2030年之前實現(xiàn)，還是之后實現(xiàn)？

Sergey Brin：2030年??？哎呀，你這時間點(diǎn)可真是卡得夠緊的！嗯……我會猜“2030年之前”。

問：Demis呢？

Demis Hassabis： 我猜是“之后”。

問： 有意思，Lex Fridman（另一位知名的AI研究者和播客主持人）也選了“之后”。

Sergey Brin： （對Demis開玩笑說） 別有壓力啊，Demis！

Demis Hassabis： （笑著回答） 看來我得回去更賣力地工作了！

Sergey Brin： （繼續(xù)開玩笑） 我只管提要求，Demis負(fù)責(zé)實現(xiàn)！

問：下一個問題，如果有人在面試你們公司的時候，承認(rèn)自己用了AI來幫忙，你們會雇傭他嗎？

Demis Hassabis： 哦，在面試的時候用AI?。窟@得看他具體是怎么用的。如果他用的是現(xiàn)在這種水平的AI模型來作弊，那可能就不會雇傭了。所以，答案的關(guān)鍵在于“他如何使用AI”。

Sergey Brin： 我自己從來沒參加過什么正式面試。（現(xiàn)場又是一陣笑聲） 所以我也不知道該怎么說。我覺得，如果我去評判別人在面試時具體怎么做，那也太虛偽了。

Demis Hassabis： 其實，我也沒正經(jīng)參加過面試。

問：Demis，你之前發(fā)過一條很有意思的推文，內(nèi)容大概是，一個AI根據(jù)提示詞就生成了一個非常逼真的自然場景的圖片？那條推文的文字是“從自然到模擬，一鍵按下”，你還配了幾個表情符號。結(jié)果，很多人就抓住這條推文大做文章，各種新聞標(biāo)題都寫著“Demis認(rèn)為我們生活在一個模擬世界中”。所以，我們真的生活在一個模擬程序里嗎？

Demis Hassabis： 我不認(rèn)為我們生活在像Nick Bostrom（一位以“模擬理論”而聞名的哲學(xué)家）他們所說的那種模擬世界里，也就是說，我們并非身處某個被設(shè)計好的“游戲”之中——盡管我自己也開發(fā)過很多游戲。

但從更深的層面來看，我認(rèn)為宇宙底層的物理規(guī)律，其本質(zhì)可能與信息理論緊密相關(guān)。所以，或許可以說我們生活在一個“計算的宇宙”之中，但它并不僅僅是一個簡單直接的、像電腦程序一樣的模擬。這個問題太復(fù)雜了，我沒法在一分鐘內(nèi)給你一個完整的答案。

但是，現(xiàn)在這些AI系統(tǒng)，能夠如此逼真地模擬出自然界中真實存在的結(jié)構(gòu)和現(xiàn)象，這件事本身就非常有趣，也非常能說明一些問題。我一直在思考我們通過AlphaGo和AlphaFold這類系統(tǒng)所取得的成果，以及它們對我們理解現(xiàn)實世界的意義。我以前也公開談到過這些想法，也許將來某個時候，我會專門寫一篇科學(xué)論文，來深入闡述這些AI的進(jìn)展對于揭示“現(xiàn)實到底是什么”可能意味著什么。

問：Sergey，你想不想也來發(fā)表一個“搞個大新聞”的觀點(diǎn)？

Sergey Brin：關(guān)于“我們是否生活在模擬中”這個問題，我認(rèn)為這個論點(diǎn)是可以無限套娃的。如果我們真的是生活在一個模擬程序里，那么按照同樣的邏輯，那些創(chuàng)造了這個模擬程序的“更高級”的存在，他們自己很可能也因為類似的原因，生活在他們自己的模擬程序里，然后以此類推，一層套一層。

所以我覺得，你要么就得接受我們可能生活在一個無限層疊的“模擬套娃”之中，要么就必須承認(rèn)，在某個層面，這種“模擬”的鏈條總得有個盡頭，有一個不再是模擬的，而是真實存在的。

問： 那你個人的猜測是什么呢？

Sergey Brin： 我覺得，當(dāng)我們談?wù)?ldquo;模擬”的時候，我們往往不自覺地站在一個非常以人類為中心的視角來看待問題。我們會想象，是不是有某個像我們一樣有意識、有思想的“存在”，在運(yùn)行這個模擬程序，而且這個“存在”也擁有和我們?nèi)祟愊嗨频男螒B(tài)、欲望和意識。

對我來說，這種以人類為中心的推測，恰恰是這個理論站不住腳的地方。所以我只是覺得，以我們目前的認(rèn)知水平，我們可能還沒有能力去真正理解和推斷所謂“更高一個層級”的現(xiàn)實到底是什么樣的。