未经许可不得转载，务必保留原文出处链接和公众号按钮
关注本城公众号并设星标，不错过最新精彩内容
文：Web3天空之城 · 城主
这是今天最新的谷歌联合创始人谢尔盖·布林All-In峰会现场访谈全文。
有意思的是，此次访谈原本不在议程之中，而是一次意外的邀请。布林自隐退以来，这是多年以来第一次在公开场合接受采访，非常值得一看。
过去几年里，布林从公开场合逐渐退居幕后，专注于个人项目。随着AI技术的飞速发展（和谷歌面对的压力），他选择重回谷歌，带领公司在人工智能领域进行更深入的研究与创新。这次对话围绕着布林对AI未来的见解、谷歌在AI领域的战略，以及他个人对技术发展的深层思考展开。他坦诚地谈到了AI如何彻底改变编程、搜索以及各种领域，并且透露了谷歌在AI技术的最新进展。
AI技术的飞速进展： 布林回忆了AI从90年代的研究边缘化，到如今成为主流的飞速发展历程。他强调神经网络技术的复兴和AI模型的惊人进展，尤其是近年通过更多计算和数据，AI的能力已经有了质的飞跃。布林提到，人工智能不仅仅改变了搜索，它已经深入到日常生活的方方面面，如编程、图像生成、数独解答等。他个人也在通过AI工具编写代码，展示了AI的实际应用能力。
对通用AI模型的展望： 布林认为未来的AI模型将更加统一，涵盖多个应用领域，逐步从单一任务型AI模型演变为可以处理多种任务的通用模型。他透露谷歌在多个AI项目中尝试将不同领域的知识和技能整合到单一的系统中。布林认为，AI技术未来将继续颠覆现有的商业模式和日常生活模式。他提到AI不仅仅改变了编程方式，甚至可以帮助解决复杂的科学问题，如生物学领域的AlphaFold项目。
计算资源的关键性： AI模型的训练和运行需要大量计算资源。布林指出，虽然当前的计算增长非常迅速，但未来可能不会继续盲目扩展。他提到，谷歌正在努力扩建计算资源，并且面对巨大的外部需求，仍难以满足所有用户的计算需求。
谷歌AI在全球竞争中的地位： 他肯定了谷歌在AI领域的领先地位，特别是公司在与OpenAI等竞争对手的较量中取得的进展。他特别提到谷歌的特定模型在全球排名中名列前茅，证明了谷歌在AI模型领域的实力。
B站传送：【精校】谷歌创始人谢尔盖·布林| 九月访谈@All-in峰会2024-哔哩哔哩】 https://b23.tv/pniu01l
画外音：
他们想知道是否有更好的方法在网络上查找信息。1997年9月15日，他们注册了Google网站。这是我们这个时代最伟大的企业家之一，真正想要跳出思维定势的人。如果这听起来不可能，那就试一试吧。
近年来，他退居其他Google领导人之后，布林现在回来帮助Google的人工智能工作。
“我很幸运能做一件我觉得真正重要的事情——获取人们的信息。”
主持人：不需要介绍，欢迎！
布林：我是最后一分钟才同意的。我不知道你这么快就做了个剪辑视频。团队很棒，有点神奇。
主持人：布林刚刚问过。他要求来看看会议。
布林：我当时觉得只是来闲逛。说实话，我其实并不明白。我以为你们只是在做播客，或者像小聚会之类的，但这有点令人难以置信。
主持人：谢谢。我很高兴你能来，谢谢你这么做。
布林：我感觉有点害羞，但是……
主持人：是的。但谢谢你同意聊一会儿。
布林：当然，我们会聊一会儿。
主持人：
所以这不在计划之内，但我认为和你谈谈会很棒，因为你身处世界，因为人工智能正处于改变世界的边缘，并且正在积极改变世界。显然，你和拉里在1998年创立了谷歌。而且，最近有报道称，你在谷歌花了更多时间研究人工智能。许多行业分析师和专家一直在争论LLM和对话式人工智能工具对谷歌搜索是一种生存威胁。
这是其中之一……我认为很多人没有创业，或者他们没有竞争性投资。但我们先不谈这个。关于谷歌将会发生什么以及谷歌在人工智能方面处于什么位置，有一个很大的话题。我知道你花了很多时间在这上面。所以感谢您来谈论它。
您在谷歌待了多长时间？您在做什么工作？
布林:
是的，说实话，几乎每天都在。这也是我有点不情愿的原因之一。但我很高兴我来了。我认为作为一名计算机科学家，我从未见过像过去几年发生的所有人工智能进展一样令人兴奋的事情。这有点令人震惊。在我90年代读研究生时，人工智能几乎只是课程中的一个脚注。你可能会想，也许需要对人工智能做一个小测试。我们尝试了各种不同的方法，但它们真的不起作用。就是这样，这就是你需要知道的一切。
然后，不知何故，奇迹般地，所有研究神经网络的人开始取得进展。而神经网络是60年代、70年代等时期被抛弃的人工智能方法之一。多一点计算，多一点数据，再加上一些聪明的算法。作为一名计算机科学家，过去十年发生的事情真是太神奇了。每个月都会出现一种新的惊人能力，我敢肯定你们所有人都在使用现有的所有人工智能工具。
我可能和其他人一样，对计算机能够做到这一点感到更加惊讶。所以，对我来说，我真的回到了技术工作中，因为作为一名计算机科学家，我不想错过这个机会。
主持人：
人工智能是搜索的扩展还是人们检索信息方式的改写？
布林:
我认为人工智能触及日常生活的许多不同元素，当然，搜索就是其中之一，但它几乎涵盖了一切。
例如，编程本身，现在已经非常不同了。从头开始编写代码感觉真的很难，而直接让人工智能去做的话就很容易了。实际上，我自己也写了一些代码，只是为了好玩。有时我会让人工智能为我编写代码，这很有趣。这只是一个例子。
我想看看我们的人工智能模型在数独方面有多好。所以我让人工智能模型本身编写一堆代码，这些代码会自动生成数独谜题，然后将它们输入到人工智能本身，再对其进行评分等等。它可以只编写该代码，我正在与工程师讨论它。我们来回争论，比如，我半小时后回来，它已经完成了。他们有点印象深刻，因为他们并没有像我认为的那样诚实地使用人工智能工具进行自己的编码。
主持人：
这是一个有趣的例子，因为也许有一个模型可以很好地完成数独。也许有一个模型可以为我回答有关世界事实的信息问题。也许有一个人工智能模型可以设计房屋。很多人都在努力攻读这些庞大的通用LLM学位。世界会走向何方？有些人，我不知道最近是谁写的，说有一个上帝模型。这就是为什么每个人都投入如此多的原因是，如果你能建立上帝模型，你就完成了。你有你的AGI（通用人工智能），无论你想用什么术语。有一件事可以统治它们。人工智能的现实是，有很多较小的模型可以做特定于应用程序的事情，也许像在代理系统中一样一起工作。
模型开发的演变是什么，模型最终是如何用来做所有这些很酷的事情的？
布林:
我认为，如果你看看10年、15年前，有不同的人工智能技术被用于完全不同的问题。比如，下棋的人工智能与图像生成非常不同，后者非常不同。
主持人：
比如，最近谷歌的图形神经网络超越了每一个物理预测模型。我不知道你是否知道这一点，但你们发表了这个。
布林:
这就像一个完全不同的系统。它经过了不同的训练，最终得到了那个特定的结果。所以从历史上看，存在不同的系统。
甚至最近，比如我们参加的国际数学奥林匹克竞赛，我们的人工智能获得了银牌，实际上离金牌只有一分之差。但我们实际上有三个不同的人工智能模型。有一个非常正式的定理证明模型，实际上基本上表现最好。有一个专门针对几何问题的模型，信不信由你，那只是一种特殊的人工智能。然后有一个通用语言模型。但从那时起，我们一直试图从中吸取教训，那是几个月前的事了，并尝试将正式证明器的一些知识和能力注入我们的通用语言模型。这项工作仍在进行中。但我确实认为趋势是拥有一个更统一的模型。我不知道我是否会称其为上帝模型，但肯定有某种共享架构，甚至最终共享模型。
主持人：
所以如果这是真的，你需要大量的计算来训练和开发那个大模型？
布林：
是的，你肯定需要大量的计算。我想我读过一些文章，只是推断，就像100兆瓦、1千兆瓦、10千兆瓦和100千兆瓦。我不知道我是否完全相信这种程度的推断。部分原因是过去几年算法的改进可能实际上甚至超过了投入到这些模型中的计算的增长。
主持人：
那么，正在发生的扩张是不合理的吗？每个人都在谈论NVIDIA的收入、NVIDIA的利润、NVIDIA的市值，支持所有人们所说的超大规模企业，以及使用当今技术构建这些超大规模模型所需的基础设施的增长。这是不合理的还是合理的，因为如果它有效，它就如此重要以至于无所谓？
布林：
首先，我不像你们那样是一名经济学家或市场观察家，会非常仔细地观察公司。我决定放弃我在这个领域的能力。
我认为我们正在尽可能快地构建计算资源，需求量非常大。例如，我们的云客户需要大量的TPU、GPU等各种计算资源。我们不得不拒绝一些客户，因为我们没有足够的计算资源，这些资源被我们内部用来训练和服务我们的模型。因此，公司目前快速构建计算资源是有充分理由的。
我不确定是否能根据当前的训练趋势，盲目地推断出未来会有三个数量级的增长。
但企业的需求确实存在，他们想在AI模型上运行推理，并将其应用于各种新应用程序。现在似乎没有限制。
主持人：
在模型应用方面，您在哪些领域看到了最大的成功或令人惊讶的成功？无论是在机器人领域还是生物学领域，有什么让您觉得“哇，这真的有效”？哪些事情会更具挑战性，并且需要比预期更长的时间？
布林：
在生物学方面，我们已经拥有AlphaFold很长时间了。我个人不是生物学家，但与生物学家交谈时，他们都在使用AlphaFold及其最新变体。这是一种不同类型的人工智能，但我认为所有这些技术最终都会趋于融合。
在机器人技术方面，我看到了一些令人惊叹的进展。你可以让机器人通过通用语言模型或微调来完成一些任务，这确实令人惊奇，但在日常使用的稳健性上可能还不够。
谷歌曾拥有多个机器人业务，但后来将其分拆或出售。我们有五六个机器人业务，但时机不对，不幸的是，有点太早了。像波士顿动力公司这样的公司，我甚至不记得所有的公司名字。无论如何，我们有五六个机器人业务，虽然令人尴尬，但它们非常酷，非常令人印象深刻。
现在看到这些通用语言模型的强大，包括视觉和图像，它们是多模式的，可以理解场景和一切，而当时没有这些技术，感觉有点傻。就像在没有现代人工智能技术的情况下跑步，你什么也做不了。
主持人：
你在核心技术上花了很多时间。您是否也花了很多时间进行产品展望？在人工智能无处不在的世界中，未来的人机交互模式会是什么样的？我们的生活会变成什么样？
布林：
我想人们会闲聊这类事情。
我正在努力想一些不令人尴尬的事情。预测五年后的情况真的很难，因为人工智能的基础技术能力是应用程序得以实现的基础。有时，有人会突然制作出一个你没有想到的小演示，这有点令人震惊。当然，从演示到真正实现并投入生产需要时间。
我不知道你是否玩过 Astra 模型。它是一种实时视频和音频，你可以与人工智能聊天，了解你所在环境中发生的事情。一旦我有访问权限，我会给你访问权限。我有时是获取这些东西最慢的人。但是，有那么一刻，你会惊叹不已，觉得这太神奇了。然后你会想，它 90% 的时间都做对了，但那 10% 的错误或延迟是否值得？你必须努力完善所有这些事情，使其具有响应性和可用性。最终，你会得到一些令人惊叹的东西。
主持人：
你在现场。我应该在你上台之前告诉你这个，看看你是否愿意谈论它。就像一群工程师向你展示如何使用人工智能来编写代码。我们还没有在 Gemini 中推广它，因为我们想确保它不会出错。谷歌在文化上对此犹豫不决。你会说，如果它编写代码，就推广它。很多人告诉我这个故事，因为他们说，或者我听说过，从你这位创始人那里听到这一点非常重要：要明确谷歌的保守主义在今天不能统治世界。我们需要看到谷歌突破极限。这就是你花了一些时间做的事情吗？
布林：
我不记得具体的答案了，只是说实话。但我并不感到惊讶。
主持人：
我想这就是我的问题。谷歌变得如此之大，失去的也越来越多。
布林：
我认为有这样的情况，是的，我认为有一点恐惧。首先是语言模型，我们基本上是在六、八年前用一篇Transformer论文发明的，类似这样的。顺便说一句，现在没有人回到谷歌，这很棒。是的，我们太胆小了，不敢部署它们。出于很多好的理由，比如它们会犯错误，会说令人尴尬的话。有时它们只是有点令人尴尬，显得很蠢。即使在今天，它们也是最新和最伟大的技术，但仍会犯一些非常愚蠢的错误，这些错误是人类永远不会犯的。
同时，它们非常强大，可以帮助你做你从未做过的事情。比如，我和我的孩子们一起编写了非常复杂的程序，他们会编程，因为他们只是使用所有这些非常复杂的 API 和各种需要一个月才能学会的东西来询问人工智能。所以我认为这种能力很神奇。
你需要愿意承受一些尴尬并承担一些风险。我认为我们在这方面做得更好了。而且，你们可能已经看到了我们的一些尴尬之处。
主持人：
但你对此感到满意。你拥有超级投票权。你仍然觉得，你对现阶段的尴尬感到满意，因为这样做非常重要？
布林：
不是特别基于我的股票。但我感到满意吗？我想我只是把它看作是我们给世界的神奇的东西。我认为只要我们正确地传达它，比如说，看，这个东西太棒了。我们会定期犯一些非常错误的事情。然后我认为我们应该把它放在那里，让人们试验，看看他们找到了什么新方法来使用它。我不认为这是你想要一直藏在心里直到它变得完美的技术。
主持人：
你认为人工智能可以影响世界的地方如此之多，可以创造的价值如此之多，以至于它不是谷歌、Meta 和亚马逊之间的竞争吗？就像人们将这些事情视为一种竞赛。您是否正在努力创造许多不同的机会，因为有太多价值可以创造？这实际上并不关乎谁建立了得分最高的模型，谁的 LLM 得分最高，而是有更多内容？您如何看待外面的世界以及谷歌在其中的地位？
布林：
我认为竞争非常有帮助，因为所有人都在竞争。顺便说一句，我们刚刚在 LLMSYS 上排名第一已有几周了。我记得上次我检查时，我们仍然击败了顶级模型。
主持人：所以你确实在乎，
布林：是的 ……不是吹牛。而且，自从几年前 ChatGPT 推出以来，我们已经取得了长足的进步，而我们当时落后了不少。我对我们取得的所有进展感到非常高兴。所以我们肯定会关注。
我认为现在有这么多人工智能公司真是太好了，不管是我们、OpenAI、Anthropic，随便什么都可以。还有 Mistral。这是一个庞大且快速发展的领域。我认为你的问题是，这对人类具有巨大的价值。
回想一下，比如当我上大学的时候，那时还没有我们今天所熟知的互联网或网络。获取基本信息需要付出很大的努力，在手机和其他设备出现之前，与人交流也需要付出很多努力。
如今，我们在世界各地获得了如此多的能力。而这种新的人工智能则是另一项重大能力。现在，几乎世界上每个人都可以通过某种形式访问它。我认为这非常令人兴奋，太棒了。
主持人：
很抱歉我们的时间有限。谢尔盖，非常感谢你加入我们。请和我一起感谢谢尔盖。
布林：谢谢。
热门跟贴