Sergey Brin: Where Frontier AI Is Headed | Unscripted Q&A @ AGI House x Google DeepMind

**TL;DR：** 谷歌联合创始人谢尔盖·布林在AGI House参加了一场即兴问答，分享了对AI融合、超越AGI的未来、人机交互带宽以及人类独特价值的坦率看法。 --- # 谢尔盖·布林谈前沿AI的发展方向 ## 开场：两年后的回归 谢尔盖·布林开场坦言，过去两年（大约自2024年初起）他基本淡出社交圈，因为他一直在办公室埋头工作。 > “在AI领域，就是那种全力冲刺的模式。一切都在飞速发展，我们也是全力以赴。基本上没时间参加这种社交活动。” 他很快淡化了外界关于Gemini的进步全凭他回归的说法：“把Gemini的发展势头归功于我个人的出现，有点夸张了。”相反，他将其归功于团队达到了一个临界质量，并称这种势头变得“不可阻挡”。他对当下时刻的定位是：“谁不想推动智能的边界呢？这是历史与科学中独一无二的时刻。” --- ## AI for Science：融合是大趋势 当被问及谷歌在AI for Science领域的下一步重大举措——继管理核聚变反应堆和著名的AlphaFold蛋白质折叠工作之后——布林指出**融合**是决定性趋势。 > “过去，我们需要针对不同任务使用专门的模型。现在，我们的主要Gemini大语言模型在数学和其他科学问题上正逐步达到最前沿水平。” 他表示，这种融合并非他最初预料到的，但亲眼见证“令人敬畏”。关键机制是**转移学习**：对某一类问题（如代码）的训练能明显提升数学推理能力，反之亦然。他以多模态为例——处理图像是否真正能迁移到解决几何应用题上。 --- ## AGI之后是什么？ 一位观众提问：一旦我们登上智能之峰，下一个重大赌注是什么？一个AGI原生社会可能需要哪些新的基础设施？ 布林坦言自己没有清晰的答案： > “如果你能回答这个问题，你手上就握有一家了不起的公司了。” 他做了一个历史类比：谷歌始于网络和搜索，然后是移动时代——本身是一次大爆发——而现在是AI的巨大行业浪潮。他暗示，AI之后是什么，将是定义下一代建设者的开放性问题。 --- ## P vs NP 与超级智能的定义 一位观众提议，超级智能应定义为解决NP完全问题的能力——本质上，如果P = NP，那就是超级智能。布林礼貌地表示不同意： > “大多数计算机科学家会说P实际上不等于NP，因此——即使是一个超级智能AI也无法解决不可能的问题。” 他指出，人们已经尝试用量子计算机处理某些难题，但许多理论家认为，即使量子计算机能对大数进行因式分解，也不意味着它能解决NP完全问题。他对超级智能的可操作定义更为常规：**只是比人类更聪明**，而非能完成计算上不可能的事情。 --- ## AI渗透重工业 当被问及前沿AI进入汽车、航空航天等仍依赖传统工作流的行业时，布林表示，他越来越多地看到大公司尝试将大语言模型用于核心业务的**周边**领域，而非内部： > “能用大语言模型设计汽车或飞机吗？他们都在做类似的实验。我不确定这些实验是否完全落地了，但他们会继续尝试。” 他观察到，目前最广泛的采用是AI自动化常规行政工作流。对于需要机械工程专业知识的核心产品，他将当前状态描述为**实验性的但坚定投入**：“他们百分之百在探索。” --- ## 人机交互带宽 一位观众表示，面对模型能力的快速提升感到不知所措，并询问人类如何提高与模型的交互带宽。布林承认，即使在谷歌内部也存在困惑： > “就连我们自己也不完全了解Gemini的能力边界。总有人发现一些看似显而易见却实际有效的用法。” 他举了**思维链提示**作为经典例子：告诉模型在回答前“一步一步思考”，听起来几乎简单到微不足道，但被发现时却带来了AI能力的显著提升。 关于提示的深度，他勾勒了一个范围——从高度具体（“调试这段代码”）到完全通用（“去做些有用的事”）——并建议随着模型成熟，它们应该能越来越多地处理更宏观、更高级的指令。 关于提高人类自身的带宽，他列举了各种选项： - **语音和视频**目前提供了更高带宽的连接。 - **脑机接口**（如Neuralink）正在探索前沿，但：“我个人不会为了今天的模型而改造自己的生物学身体。我宁愿等到事物充分成熟。” 他的结论是：模型越来越智能，越来越能够提供普遍帮助，因此人类可能不需要增加自己的带宽，而是模型自身增加输出——生成视频、图像和更丰富的产物。 --- ## 开放实体图：逆流而上 一位观众描述了一个构建开源实体图（open data.org，与Linux基金会合作）的项目——将所有世界信息按真实世界实体（公司、人物、法律实体、金融证券、地址和代理）而非URL链接起来。 布林的反应是历史性的。他提到了**Project Xanadu**——Ted Nelson几十年前的超文本构想，比网络还早——作为概念上的先驱。他的坦诚评价： > “我的第一反应是，你在逆流而上。但逆流而上也没什么错。” 他给出了一个令人鼓舞的类比：二十年前，每个人都在构建知识图谱，而神经网络研究者是“异类”。人们说神经网络在20世纪50年代失败过，这次也会失败。“显然，神经网络已经取得了长足进步，现在每个人都在做神经网络，只有你还在做图。”他的结论是：“你赌的是小概率事件，但小概率事件有时也会赢。” --- ## 人类独有的东西是什么？ 当被问及超级智能到来后，还有什么只有人类能做，以及谷歌在未来二十年将扮演什么角色时，布林承认这两个问题都很大，并给出了他一贯的历史框架。 他指出，智能的定义总是随着机器能做什么而改变。国际象棋曾是一个基准；IBM的深蓝在20世纪90年代击败了卡斯帕罗夫。他的观察是：**人类仍然继续下棋**，变得更强，获得更多认可，并且更享受其中。 他直接对观众说：大多数人能说出世界上最好的人类棋手（芒努斯·卡尔森），但很少人能说出最好的国际象棋引擎——这说明了人类在某一领域的成就并不会因为机器超越而减弱。 > “AI会在许多令人惊讶的领域表现出色，但我认为它也会帮助人类在这些领域取得进步。” 他以围棋为例进一步证明：在AlphaGo击败李世乭之后，与之对弈的人类棋手随后变得明显更强。机器提高天花板，似乎在历史上也提高了人类的表现。 --- *来源：https://youtu.be/gsv5o8ANdDo*