谷歌AI为何落后，如何绝命反击

本文来自微信公众号：Keypoints，编译：林毅，原标题：《谢尔盖·布林首评：谷歌AI为何落后，如何实现绝命逆袭》，头图来自：视觉中国《谷歌AI落后》。自Chatgpt诞生以来，长期以来一直是科技行业的主要声音。近三年来，全球科技圈的主叙事中只有两个主角：NVIDIA负责卖铲子，提供GPU硬件基础； OpenAI 负责开采金矿并用缩放定律定义切割模型。长期以来，谷歌一直被认为是人工智能竞赛中的落后者。它的模式不如OpenAi，甚至搜索业务也面临被取代的风险。直到谷歌创始人谢尔盖·布林重回一线亲自执掌AI业务，推出了拥有人工智能技术的Gemini 2.5和Gemini 3系列大型机型。我完全变了上个月，谷歌推出了Gemini 3系列最新机型和第七代TPU Ironwood，彻底改变了AI行业的游戏规则。现在，OpenAi 拉响了红色警报。 12月13日，谢尔盖·布林现身母校斯坦福大学工程学院百年庆典。面对台下数百名年轻工科学生，布林首次诚实地讲述了谷歌在AI浪潮初期的战略失误，并深入剖析了这场孤注一掷的反击背后的布局。当被问及谷歌在AI时代的被动处境时，谢尔盖·布林表示，谷歌虽然八年前就释放了变形金刚的角色，但公司内部并没有给予足够的战略重视。 “我们当时在算力扩张方面的投入非常保守，甚至可以说是有些胆怯。”由于担心聊天机器人可能会输出不正确的信息或不恰当的评论，Google 在生产力之路上犹豫不决。这种不情愿给了 Openai 一个绝佳的窗口期。Openai 急切地抓住了机会，通过 Chatgpt 夺取了市场领导者。谢尔盖·布林重回一线很大程度上是为了救火。回到 Google 后，布林并没有选择坐在高层房间里听汇报，而是直接投入到了部门的开发中。他透露，他现在每天下班的路上都会与内部版本的Gemini进行语音对话，以测试其极限。我在车上使用的版本更强大。我们将在大约几周内将其推向市场。”这在一定程度上证实了外界对 Gemini 3 变化速度的猜测。谷歌迅速转劳将结果切割成产品。谷歌凭借底层技术的深厚积累，实现了绝命反击。在芯片层，第七代TPU Ironwood为Gemini3系列机型的性能释放提供硬件支撑。它显示了GPU在性能、能效比和互连带宽方面的显着提升。优势。在模型层，Gemini 3系列原生的多模态能力和超长上下文窗口将行业标准提升到了一个新的水平。与竞争对手通过接口缝制多模态能力不同，Gemini 3从基础设施层面支持文本、代码、图像、音频和视频的统一理解和生成，整体智能化水平表现得更高。在应用层，Google模型能力深度融入核心应用生态。在工作空间生产力套件中，Gemini 嵌入到用户的日常工作中流量。在主要的搜索产品中，传统的链表已转变为摘要式、多模态的答案 pinapsGemini 的胃口。此外，结合VEO等视频生成应用，谷歌还展示了该模式在内容生成领域能力的商业化，实现了整个家族从模式崩溃到应用生态的升级。虽然谷歌没有获得Transformer技术商业化的最佳窗口，但深度学习和算法的原始积累仍在。谷歌的人才库和核心研究能力使他们能够快速调整策略，并将研究成果直接转化为下一代架构优势。全链独立控制让谷歌能够很好地发挥模型变异的效果，使其迅速缩小差距，实现超越。如果我们谈论比例定律，这通常是一种迷信对于业界的普遍看法（缩放法则，即简单地通过算力和数据的堆叠来提升模型性能），Sergey Brin 做出了一个反直觉的判断：即使外界关注的是大型数据中心和 GPU 集群，但真正的决定点可能在于算法的效率。 “如果你仔细梳理一下最近十年的进展，你会发现算法层面的发展速度实际上提高了纯计算的扩张速度。”这也解释了为什么Google在Gemini 3的开发中不再追求参数数量的盲目扩张，而是转向更好的moe（混合专家）架构和长上下文处理能力。谢尔盖·布林还指出，谷歌并没有停止对计算基础设施的投资。 TPU项目早在12年前就启动了。软硬件整合的长期积累是谷歌能够保持快速迭代的护城河解决当前计算能力不足的问题。面对学生们关于人工智能未来的提问，他表示，目前还不清楚智能是否有上限，人工智能是否能做人类做不到的事情。人工智能不仅是代码生成的工具，也是人类能力的倍增器。建议年轻一代不要过分担心人工智能职业的替代，而应该懂得利用人工智能增强创造力。以下为谢尔盖·布林采访实录： 1.布林在斯坦福大学的教育背景 主持人：Welcomeg 说到一切。这是我们百年校庆的闭幕活动，我是工程学院第十任院长 Jennifer Widom。我想稍微搭建一下舞台。 20 世纪 90 年代初，谢尔盖·布林 (Sergey Brin) 作为计算机科学博士生来到斯坦福大学。电子邮件开始成为许多人的沟通方式。创业精神才刚刚开始加速。工程学院第六届院长吉姆·吉本斯 (Jim Gibbons) 催生了斯坦福科技创业项目的想法，这也是今天课程的主办方。我于 1993 年加入，担任助理教授，与谢尔盖同年到达。当时，斯坦福大学还有一位同时开始读大四的本科生，那就是约翰·莱文。约翰在这里攻读数学和英语本科学位。他去麻省理工学院（MIT）攻读博士学位，并于2000年回国任教。他担任经济系系主任和商学院院长，并于2024年8月成为斯坦福大学第13任校长。所以我今天很高兴邀请这次谈话。谢尔盖·布林：好吧，你夸奖我太多了。我认为这很大程度上是运气，但无论如何，谢谢你有我。很高兴来到这里。约翰·莱文：所以让我们回到那个时候，带我们回到你在我身边的时候。斯坦福大学研究生院。告诉我们在工程学院的经历，以及它如何塑造了你并为你创造了创建 Google 的机会。 Sergey Brin：回想起来，也许我当时并没有意识到它的价值，但那是一段非常有创意和自由的时光。我想我们就在这里。谷歌多年来一直支持它，可能是从 95 年开始。感谢拉里，他确实专注于网页的链接结构。但是，网络是新的，很容易想出一些新的想法。例如，我认为我的第一个赚钱想法是订披萨。居然可以在网上订购，这在当时看来令人难以置信。现在我们认为这是理所当然的。我想在顶部放一个可乐广告。我认为这会很有趣并且会有互联网广告。总而言之，这个计划是彻底失败的，因为它的运作方式是你必须先在网站上下订单。披萨店一般不上网，不过我正好有传真机，所以它会自动传真订单呃对他们来说。但后来我意识到他们并不经常检查传真，这就是传真开始失败的时候。但那时，我想我想我们都是这样的。在计算机科学系，我们了解互联网是如何运作的，所以每个人都在网上画了不同的东西。那真是一段充满创意的时光。不管怎样，拉里当时专注于链接结构。我当时正在做数据挖掘，所以我们联手。很快我们就发现我们找到了一些对搜索有用的东西。但我们在斯坦福大学花了一些时间进行实验，并考虑做一个学术项目。我们正在尝试将其授权给各个互联网公司。当我们构建它是为了兴奋时，兴奋并不是很感兴趣。但 VinoD 认为这个想法很棒。我们通过电子邮件与 Vinod 进行了反复交谈，然后我们发送了一份通知，称我们许可该技术将花费您 160 万美元。大约 15 分钟后我们收到了回复，我们都很兴奋，对于一个毕业生来说是很多钱e 学生。约翰·莱文：所以从这个起点开始，你今天回顾一下，谷歌现在是一家价值 4 万亿美元的公司，你每分钟处理 1000 万次搜索，对于各种不同的产品来说，这是一个巨大的数字。当你回顾过去时，你认为一开始所做的任何事情非常重要吗？谢尔盖·布林：我认为在早期，拉里总是非常雄心勃勃。我们很早就有一个非常雄心勃勃的使命宣言，要组织世界各地的信息等等。我认为这是以某种理念为起点创办公司的好方法。此外，我们还开始对类似公司的想法进行学术研究。我们都完成了博士学位课程，就像当时的许多初创公司一样，我们刚刚从大学毕业。我只是认为这会稍微改变你看待事物的方式。尤其是有许多伟大的公司是从大学中诞生的。但是这种基础研发的投入，我觉得是p文化艺术已经存在很长时间了。约翰·莱文：你们还聘请了很多博士，所以你们并不孤单。谢尔盖·布林：是的，很多。我记得乌尔斯·霍尔泽尔（Urs H?lzle），他是我们的第一批人之一。我认识他是因为我是斯坦福大学专业委员会的成员。当他给我发纸条的那一刻，我就想，你明天可以开始吗？我的意思是，因为我见过他以及他所有的资历。 2.谷歌的创新理念和人工智能反击约翰·莱文：我的意思是，我认为这是一个强有力的论据。 Google 是过去 25 年来世界上最具创新性的公司。对于大公司来说，要保持完全创新确实很难做到这一点。每个人都在为此奋斗，而你已经做到了。很多人会把这种巨大的影响与你个人联系起来，这对此产生了很大的影响。您如何看待建立一种文化？您在变革中扮演什么角色？谢尔盖·布林：我认为，首先，我们在很多事情上都失败了。我们现在不需要把一切都列出来，但我们也经历过很多失败同时。所以，其中一部分只是尝试。我认为这与某种学术背景有关，也许我们更喜欢尝试努力的事情。我认为这就像在过去十年左右的时间里，困难的事情变得更加重要。如果你看一下人工智能，它显然是一个大趋势，但计算量很小，需要投入大量的深数学来挖掘它，这是技术上深奥且具有挑战性的问题。曾经有一段时间你可以在 .com 上放置任何内容。它并不是真正深入的技术，只是对网络的肤浅理解。幸运的是，我们正在进行一项搜索，这需要一些更深层次的技术技能，但技术复杂程度却越来越高。事实上，我们现在雇用的人要么比我更有资格，要么至少比我更有资格。我的专业是计算机科学，重点是数学。大学期间，我学习了数学和合作同时还教授计算机科学，这在我的班上是很少见的。现在，我们喜欢从斯坦福大学和所有其他顶级项目招募人才。这个人在数学和计算机科学方面非常熟练。他们中的许多人甚至是物理学家，因为物理学家必须处理非常困难的数学，而且他们的大部分工作都受到计算的限制。因此，他们必须具备一定的计算能力和技能。我觉得深度技术越来越重要，我们很早就在这个方向做了准备，这是一件幸事。主持人：这是一个非常有趣的观察。技术问题再次成为企业的竞争优势。那么我们来谈谈人工智能。我的意思是，现在它已经受到每个人的关注。返回 google 来执行此操作。你们在很多方面都处于领先地位，竞争也很激烈。即使对于一家退出的公司来说，投入人工智能基础设施的资金也达到了数千亿美元。e 不寻常。您如何看待当今的行业格局？人工智能领域正在发生什么？谢尔盖·布林：好吧，让我想想如何回答这个问题，而不仅仅是吹嘘自己。这确实是一项很好的投资。我想说，在某些方面我们犯了一个错误，因为我们没有投入足够的资金，也没有像我们那样认真对待它。例如，大约八年前，当我们发表 Transformer 论文时，我们没有认真对待，也没有投入资源来扩展计算能力。我们非常担心对用户这样做，因为聊天机器人可能会说一些不恰当的话。 Openai 抓住了这个机会，这对他们来说有好处。这是一个非常聪明的观点。我们的同事，比如伊利亚，也加入了他们的行列，并做到了这一点。是的，我相信我们仍然受益于悠久的历史。我们在神经网络相关的研发方面有大量的积累，这可以追溯到谷歌的大脑。这其中也有一定的运气成分。然而，我们招募杰夫·迪恩并不是运气好。当然，我们很幸运拥有他，但在深厚的技术技能非常重要的时代，我们拥有这种理念，所以我们聘请了他。我们从数字设备公司（Deck）招募了很多人，因为说实话，他们拥有最先进的研究实验室。他对神经网络非常热衷，我认为这来自于他在大学时的实验。他完成了许多令人惊奇的事情，比如在16岁左右就弄清楚了神经网络，同时还专注于治疗第三世界的疾病，但他对此充满热情并建造了整个项目。事实上，他是在谷歌上做的，他说：“哦，我们可以区分猫和狗。”我当时想，“哦，好吧，那太酷了。”但你必须相信你的技术人员。很快，他们开始构建所有这些算法和神经网络，并将它们应用到我们的部分搜索业务中。后来，我们开发了 Transformer 模型来做越来越多的事情s。所以我们有核心部门和研发部门。虽然我们近年来没有进行投资，也没有像应有的那样认真对待它，但我们也有类似 TPU 的芯片，其历史可以追溯到近 12 年前。最初我们使用 GPU，而且我们可能是最早采用 GPU 的人之一。然后我们使用FPGA，然后尝试构建我们自己的芯片。这些芯片现在已经经历了无数次迭代。我认为正是对追求深度技术、获得更多计算能力以及开发这些算法的信心让我们取得了今天的成就。同时，我们也是计算领域重要的长期投资者。我们拥有非常大的数据中心，除了亚马逊 AWS 之外，我想不出还有谁能拥有如此规模的数据中心。我们拥有自己的半导体、深度学习算法等构成整个技术堆栈的技术，使我们能够走在现代人工智能的最前沿。 3. 人工智能的浪潮与未来 John Levin：您对此有何看法这个问题？我的意思是，技术每年都在不断进步。有一群人对人工智能的未来有着不同的愿景。例如，请记住，人工智能真的可以做人类能做的一切吗？至少在电脑前是这样，更广泛的是。那个世界会是什么样子？您对技术的发展方向有何看法？谢尔盖·布林：我的意思是，这个领域本身的变化速度是惊人的，竞争也非常激烈，尤其是在美国的顶级公司和中国的顶级公司之间。如果你错过了一个月的人工智能新闻，那么你就落后了。那么它去哪里了呢？我不知道，我认为我们不知道智力是否有上限。除了你问的问题之外，它能做人类能做的一切吗？还有一个问题：它能做人类做不到的事情吗？约翰·莱文：是的。谢尔盖·布林：这涉及到超级智能的问题。我认为目前还不知道一个生物能有多聪明？人类已经进化了数十万年，甚至数百万年（指灵长类动物），但与人工智能的发展相比，这个过程相对缓慢。主持人：您认为这样的技术进步速度您准备好了吗？谢尔盖·布林：现在，我认为人们确实从这项技术中获得了很多好处。虽然有时会有一些被提日的预言，但目前大家都可以高效使用。说实话，有时候人工智能可能会愚蠢到让你哭笑不得，所以你必须一直管理它。但有时他们非常聪明，可以给你一个好主意。尤其是对于非专家来说，有时候，比如我想知道如何制造新的人工智能芯片，人工智能可以提供帮助。我认为准确预测将会发生什么是非常困难的。如果我们看看互联网、手机等到来的那一刻，人工智能将100%改变一切。但很难说清楚到底是什么在快速变化的环境中，它将会像今天一样。我们今天拥有的人工智能与五年前以及五年后拥有的人工智能类型有很大不同。所以，我也不知道。我认为这真的很难预测。我的意思是，我肯定会利用人工智能来发挥我的优势。您可以在这里做很多事情。就我个人而言，我现在一直在回归人工智能，无论是为我的朋友或家人挑选礼物，集思广益新产品的想法，还是做诸如创作艺术之类的事情。它不会直接为我做这件事，因为我通常要求它给我五个想法，就像这样。也许他们三个会是垃圾，我马上就能看出。但会有两个想法有一定的才华，或者帮助我把它放在一个更合适的角度，我可以打磨并帮助我澄清我的想法。主持人：我想问一个非常具体的问题。我们这里大约有 250 名学生。他们中的许多人是本科生。很多人还没有选好妈妈重要的是，因为我们在斯坦福大学为本科生提供了很大的灵活性。几年前我们就可以预测大量的人会选择计算机科学作为他们的专业。您是否建议他们继续选择计算机科学作为专业？他们应该认真考虑这个专业吗？ Sergey Brin：我选择计算机科学是因为我对这里充满热情。所以这对我来说是显而易见的。我想你可能会说我很幸运，因为我也处于一个变革的空间。我不会因为今天的人工智能擅长编程而选择不学习计算机科学。人工智能擅长很多事情。编程恰好有很高的市场价值，这也是很多人追求它的原因。而且，更好的编码可以带来更好的人工智能。许多正在研究这一问题的公司，包括我们自己，都在认真对待它。我们在自己的编码工作中甚至在我们的算法思想等中大量使用它，但那是因为它是一件重要的事情。我不认为我会转向比较文学，因为我认为人工智能擅长编写代码。老实说，我可以在比较文学方面做得更好。我在这里并没有对文献比较的同学不尊重的意思，但是当你写AI代码的时候，说实话，有时候它不起作用，就像一个大错误。然而，如果你在一篇关于比较文学的论文中写错了一句话，实际上并没有什么后果。所以，实际上，人工智能更容易做一些创造性的事情。主持人：我认为这是关于这项技术的一个非常有趣的观察。因为我认为人们倾向于认为人工智能会非常擅长解决这些技术问题，但它不一定具备与人互动的这些品质，比如在对话中表现出同理心。如果你要求其中一台人工智能机器模拟对话，它可以很好地为复杂的对话提供结构。我真的这么认为，因为你指出了不确定性。还有一个问题，然后我想展开讨论并让观众有机会提问。今年是工程学院成立一百周年。如果你是詹妮弗，必须开始学校的第二个世纪，你会考虑工程学院的第二个世纪？谢尔盖·布林：哇，好吧。这确实是一项重要的责任，需要仔细规划。我想我得重新思考“拥有一所大学”意味着什么。老实说，现在信息传播得非常快。显然，很多大学的很多东西都已经转移到网上，包括斯坦福大学。但麻省理工学院很早就开放了，所有的初创公司都走这条路，比如 Coursera、Udacity。所以教学在某种程度上传播开来，现在任何人都可以上网了解它。您可以与人工智能交谈或参加其中一门课程并观看 YouTube 上的视频。所以我想，“大学所有权”是什么意思？人们将移动、远程工作并跨地域协作。这有点讽刺因为我们正在努力让人们回到办公室，我认为面对面的合作实际上对他们来说更有效，但这只是在一定程度上。就像，在某种程度上，如果你聚集一百个人，那就没问题了。我更多地看到某种个人主义。创造新事物的人并不关心学位。我的意思是，尽管我们雇佣了很多学术明星，但我们也雇佣了很多没有学士学位或类似学位的人，他们只是想自学，在一些奇怪的角落里摸索。我不知道。我认为这是一个很难的问题。我不认为我会提供您喜欢的新食谱，但我只是认为这种格式更有可能成为未来百年的格式。主持人：你比我想得更深了。谢尔盖·布林：哦，抱歉。主持人：不，确实很好。语气更深了一些。约翰·莱文：我同意。这适用于整个大学。你真的提高了莫关于大学的基本问题。大学使命的一部分是创造和传播知识。这是主要任务。随着技术的进步，这些可以通过不同的方式实现。还有“有一颗善良的心”模式的问题，即人才集中在一个地方，有点碰撞到每个人，这无疑是促使你创建谷歌的原因之一，并带来了很多好事。那个替代方案出现了吗？大学校园将形成什么样的生态系统？或者说，它有多基本？会继续吗？老实说，我也这么认为，感谢您在这次会议上提出了深刻的问题。好的，我想确保我们给观众中的其他人一些提问的机会。 4. 问答观众：谢谢您的宝贵时间。我叫 Rasha Barve，来自堪萨斯城，在 Msenir 学习。我的第一个问题是问谢尔盖的。这实际上又回到了我们刚才讨论的内容。 Google 最初是 O 的一部分如果您在 PageRank 上撰写的学术著作，现在工业界在推动大量创新方面发挥着重要作用，您仍然认为学术界到工业界的渠道至关重要吗？ Kso 你如何改进它？谢尔盖·布林：哇，这是个好问题。从学术界到工业界的管道重要吗？我必须说我不知道??这一点，因为我认为，当我还是一名研究生时，从一个新想法出现到某个东西能够具有商业价值大约需要几十年的时间。我的意思是，在学术界你有思考它的自由。你申请资助，你做这做那，你可能会花几十年的时间思考它，然后它就崩溃了。然后，最终也许一些大公司或你的初创公司会推动它。问题是，如果这个时间表大幅缩短，是否还合理呢？我认为，我认为肯定有一些事情是完全有意义的，而且我确信即使在人工卡特雷梅领域首先，我们定期查看斯坦福大学和其他大学的研究，偶尔我们会雇用这些人并与他们一起工作等等。但我认为我不清楚他们是否必须有这样的时间框架。例如，他们花了几年时间尝试一种新的注意力机制，然后以某种形式将其引入行业。我的意思是，显然这个行业做了所有这些事情。所以也许这不是一个非常有力的论据。新的架构和类似的东西可能会产生影响。但问题是，这基本上是一个行业扩张的时期，而且扩张速度会更快。我觉得计算量是在心里的。从某种程度上来说，这首先是头脑风暴。我无法说出费曼何时提出这个想法。这是 20 世纪 80 年代还是什么？这是什么？有点像认为这个想法是关于量子计算的。现在有很多公司都这样做。还有一些大学实验室正在测试一些新方法来做到这一点。这有些不确定，可能还处于观望阶段。如果你有一些全新的想法，比如你不像我们做的那样做超导量子比特之类的，也许你需要让它在大学里慢慢发酵几年。这些事情有点难。这可能是有道理的，但在某些时候，如果你发现它真的很有吸引力，你可能会继续以某种方式将其商业化。我想给你一个明确的答案，因为领先的公司现在确实在投资更多的基础研究。我认为这在一定程度上是随着人工智能的兴起而开始的，而且投资正在得到回报。所以我认为你所做的努力的分配会发生变化。但我认为仍然有一些事情需要十年的时间进行更纯粹的研究，更基础的研究，这可以让公司为前进做好更充分的准备，因为这将导致很长的上市时间。主持人：好的，下面是下一个问题名词观众：大家好，我叫阿诺夫，是一名计算机科学和数学专业的新生。我的问题是问谢尔盖·布林的。人工智能正以前所未有的速度加速发展，年轻的创业者应该抱有怎样的心态？人们如何适应我以避免重蹈覆辙？谢尔盖·布林：我认为，当你有一个很酷的新型可穿戴设备的想法时，你首先要真正磨练它，而不是急于进行一些涉及跳伞和飞艇的宣传噱头。这只是一个建议。老实说，我更喜欢我们之前谷歌眼镜时代的做法。谷歌眼镜就是早期错误的一个例子。我想我正在尝试快速将其商业化。我们可以做得更好，在成本上实现更好的性价比，达到消费者想要的精致程度。我也有点着急，认为我是下一个史蒂夫·乔布斯，可以立即建造这个东西。也许这是我犯的一个错误。如果你弥补了，每个人都会恩克斯他们是史蒂夫的下一份工作。我确实犯了这个错误。但他确实是一个非常不同的人。所以，我想我的建议是确保你已经充分利用你的想法并将其发展到足够的阶段。是的，从你开始的那一刻起，你感觉就像在跑步机上一样：期望会上升，成本会上升，你必须达到某个目标。您可能没有足够的时间来完成您想做的一切。滚雪球般的感觉会让你措手不及，你不会给自己足够的时间来处理它。这是我试图避免的错误。听众：谢谢您的演讲。我叫 Esha Bargetag，是斯坦福大学一年级本科生。这个问题是问谢尔盖·布林和詹妮弗的。我们看到许多人工智能公司通过扩展数据和计算资源来改进大型语言模型。我的问题是，一旦我们耗尽了数据和计算能力，下一步的方向是什么？它是否正在转向更新的架构？有没有替代方案变压器？是否还会有更好的学习方法，例如用于训练大型语言模型的过度监督学习或强化学习（RL）？还是完全不同的方向？您以前考虑过这个问题吗？谢谢谢尔盖·布林（Sergey Brin）：是的，从我的角度来看，由于您列出的原因，算法的进步已经变得比扩展计算或数据更重要。人们关注扩展，或许是因为它涉及到建设数据中心和购买芯片，而 OpenAi 和 Anthropic 关于各种扩展定律的论文也吸引了大量关注。但我认为，如果你仔细观察，就会发现过去十年左右算法的进步确实超出了规模化的范围。很久以前，当我读研究生的时候，我发现了一张关于N体问题的图。例如，模拟许多在重力影响下移动的物体。自从人们开始关注以来，摩尔定律带来的计算能力的增长是巨大的。到了 20 世纪 50 年代。但当我在 20 世纪 90 年代读到它时，解决 N 体问题的算法的进步确实推动了计算能力的扩展。所以我想你可以看到像我们这样的公司永远不能说不是处于计算的最前沿。但这就像主菜后的甜点，或者完成算法工作后的配菜。主持人：我想插一句，我们这里很熟悉计算资源或数据的移除问题，或者更准确地说，计算能力不足的问题。对于大学来说，要拥有与这些公司相同的计算能力是很困难的。我们还差得远呢。但这引发了创新领域的大量工作，研究当计算资源较少时会发生什么，以及如何用更少的资源做更多的事情。我们对此做了很多研究。观众：大家好，我叫Andy Zivortsy，是一名化学工程专业的二年级研究生。我的问题对于在座的各位，您认为哪种新兴技术的长期影响被大大低估了？谢谢谢尔盖·布林：显然我不能说人工智能，因为很难论证它的重要性。但它仍然可能被低估。然而，这在今天可能不被认为是“新兴”技术，所以我们不会回答它。很多人真的很好奇这个体积会带来什么。然而，我可能并不完全依赖它来回答这个问题，尽管我当然支持量子计算等领域的研究。但这一领域仍然存在许多未知数。从技术上讲，我们不知道 P 是否不等于 NP。计算领域还有许多悬而未决的问题。定量算法针对具有特定结构的已知问题。我非常支持这方面的研究。但具体很难说。我的意思是，也许考虑一下这两种技术的应用场景。除了定量计算之外，还有物质计算科学。如果我们能够使用不同类型的材料，我们在很多方面都可以做得更好，潜力是无穷的。约翰·莱文：实际上，我也在材料科学领域思考过这个问题。但“被低估”这个词很有趣，因为人们非常关注创新技术的机会。对于聚变能或量子计算等尚未成熟的技术，很难说人们忽视了它们，或者它们今天没有得到足够的关注，比如人工智能。但我认为材料科学是被低估的领域之一。生物学和健康领域也有很多机会，尤其是分子科学领域。它可能不像今天的人工智能那样受到那么多关注，但分子科学也正在发生一场重大革命。主持人：是的，我也想说同样的话。我感觉聚光灯正在转移。今天的聚光灯主要照在人工智能上，但有时也会照在生物学上，这不应该阻止它们生物学中的ingg。合成生物学领域正在发生各种突破。我有过一些扩展经历，这些经历改变了我的世界，当时看起来很痛苦，但后来证明对我个人来说是有益的。艰难的转会是值得的。观众：大家好，我叫泽娜。谢谢大家的到来，我要问大家一个我经常问演讲者的问题：您刚才提到您想保持敏锐并掌握人工智能和其他领域正在发生的事情，那么您读了哪些书？谢尔盖·布林：我只是听他们说，看看发生了什么。但我更喜欢进行互动讨论，比如在我的车里，我经常与室内版本的双子座交谈。虽然听起来很尴尬，但您在 PumpBlikok 版本中使用的模型版本确实很古老。我在车上使用的版本功能更强大，我们可能会在几周内将其推向市场。主持人：好的。这有点像一瞥未来，也是一个美好的结局。本文来自微信公众号：要点，编译：林一。本内容已获得作者授权。观点仅代表作者本人，不代表虎秀立场。如果您对本文有任何异议或投诉，请联系[email protected]。本文来自虎秀，原文链接：https://www.huxiu.com/article/4817272.html?f=wyxwapp 特别声明：以上内容（如有则包括照片或视频）由自媒体平台“网易号”用户上传发布。本平台仅提供信息存储服务。注：以上内容（如有，包括图片、视频）由网易号用户上传发布，网易号为社交媒体平台，仅提供信息存储信息服务。