谷歌人工智能背后的大脑：最快15年实现通用人工智能

Jeff Dean在获得华盛顿大学计算机科学博士学位三年后，于1999年加入谷歌，成为公司初创时期的精英成员之一。随着谷歌的飞速发展，他逐渐崭露头角，负责设计和实现了许多支撑谷歌大部分产品的分布式计算基础设施。

谷歌CEO Sundar Pichai曾表示谷歌将转型为一家人工智能优先的公司，而Dean及其团队作为系统和基础设施组的核心成员，对于实现这一宏大目标具有举足轻重的地位。在一场深入的访谈中，Jeff Dean谈到了他在谷歌的多元角色、公司的人工智能愿景以及他如何帮助谷歌在成为科技巨头的同时保持创业精神。

Peter High问：“Jeff Dean，你从1999年加入谷歌，见证了公司的成长历程。能否为我们简述过去17年间你在公司角色的演变？”

Jeff Dean回答：“当我加入时，谷歌还处于初创阶段。我们在帕洛阿尔托的一间小办公室里共同奋斗。我的首个重要项目是创建广告系统。随后几年，我开发了谷歌搜索的核心技术。之后，我投身于构建软件基础设施，用于处理大型数据集、构建搜索索引或处理卫星图像等任务。最近，我主要专注于机器学习系统的研发。”

High接着问：“你的职责范围广泛，你的日常工作肯定非常多样。你如何管理和内外部人员的沟通？如何在不同的项目中分配时间？”

Dean表示：“我的日常工作没有固定的模式。前十四五年，我主要专注于编程，没有管理职责，这让我有更多的自由时间。近几年，我开始管理一些机器学习项目，这是一次有趣且具挑战性的转变。我在谷歌做过许多项目，对这些进展保持关注。我每天会收到大量的邮件，我会花很多时间阅读并处理它们。我需要在各种会议和设计中找到平衡，以确保我在不同的项目中合理分配时间。”

High又提到：“尽管谷歌规模庞大，但它一直保持其创新精神和灵活性，好像还是一家小公司一样。它是如何避免繁文缛节和官僚主义的束缚，保持与其规模不相称的灵活性的？”

Dean认为：“自从我加入公司以来，谷歌一直在不断成长。我们不断地适应和调整我们的工作方式、工程开发、组织架构和团队动态来应对这种增长。我认为我们之所以能够保持灵活性是因为我们分散到许多不同的领域，这些领域在某种程度上独立于谷歌的其他部门。我们的不同项目之间交流相对较少，这让我们可以在规模扩大的同时保持效率。”

对于Google/Alphabet的分离，Dean认为：“我认为这是一种合理的评价。这种分离可以让Alphabet旗下的其他实体更独立地运作，保持各自的敏捷性。”他补充说，“随着我们规模的扩大，我们不得不在世界各地寻找优秀人才并在他们周围开设办公室。这促使我们重新思考如何组织大量的工程开发工作。我们学习到的模式是专注于少数几件事并把它们做好。”探索谷歌的人工智能优先愿景：从移动优先到智能先行

随着谷歌CEO Sundar Pichai的远见，我们逐渐从移动优先的时代步入人工智能优先的新纪元。面对这一转变，让我们深入探索谷歌的人工智能愿景及其相关进展。

在Dean的眼中，我们已经迈入了每个人身边都伴随一个“计算设备”的时代。随着设备的不断缩小和语音识别等替代用户接口的兴起，计算设备将逐渐隐入我们的日常生活中，成为可信赖的伙伴。它们将不再仅仅是工具，而是智慧的助手，帮助我们获取所需信息，完成各种任务。这一愿景的实现离不开机器学习的推动，旨在培养出能够像人类伙伴一样智慧的计算机。

关于人工智能的定义，Dean认为真正的通用人工智能应具备人类水平的推理、理解和完成复杂任务的能力。尽管我们尚未达到这一境界，但已经取得了显著的进展。例如，五年前的计算机难以准确描述一张图片的内容，而现在已经能够生成几乎与人类描述相匹配的句子。这仅仅是机器学习应用中的一个例子，随着更大的数据集和计算能力的结合，我们已经迈出了坚实的步伐。

那么，我们距离通用人工智能还有多远？Dean认为，这个时间表因人而异，但大致可能在15到50年内实现。这是一个宏大的目标，需要不断的努力和探索。

谷歌在人工智能方面的许多计划都围绕语言展开，如阅读、理解网页内容、智能化交流等。Dean提到，信息检索领域的进步是谷歌早期工作的基石，现在已经开始研发出能理解词汇和要点，甚至理解两个相互释义的句子的技术。这将有助于机器理解更长的文本，迈向更高水平的语言理解。未来的目标是让机器系统能够吸收大量的文件，并围绕文件内容进行讨论、总结并回答问题。

谷歌的一些新产品如Google Assistant、Google Home和Allo等已经运用了人工智能的一些进步。Dean领导的谷歌Brain团队专注于构建大规模的机器学习计算系统和研究高级的机器学习技术。这些努力已经融入了谷歌的产品中，为用户带来更加智能的体验。

我们正处于人工智能发展的激动人心的时刻。随着技术的不断进步和应用的广泛拓展，我们有理由相信未来的人工智能将如同Sundar Pichai所说，从移动优先进化到人工智能优先，为我们的生活带来更多便利和惊喜。在我们如何将复杂问题交给计算机程序解决以及如何通过强大的模型训练来解决我们关心的问题时，我认为这背后蕴含着我们团队在推动技术和研究取得巨大成功的深层次原因。

我们的研究团队长期致力于探索新的机遇，深知何时能将研究成果应用到谷歌产品中以实现价值的最大化。我们致力于与产品团队合作，有时我们分享观点：“这项机器学习研究可以在你的产品中发挥作用。”有时我们的合作深入而紧密，有时则保持独立。这种灵活的合作模式使得我们的研究成果能够在产品中发挥最大的价值。

团队中的研究人员开发了一种名为“序列到序列学习”的模型。这个模型的核心思想是通过输入序列预测输出序列，虽然听起来抽象，但它可以应用于众多真实问题的解决上。该模型最初应用于语言翻译领域，如将英文翻译成法语。输入序列是一串英文单词，模型经过训练后输出对应的法语单词序列。与传统的机器翻译系统不同，这一模型实现了完全的端到端系统，通过简单的投入不同语言的配对句子，系统就能够自主学习翻译。

随着研究的深入，我们发现这个通用模型在其他领域也有着广泛的应用潜力。Gmail团队将其应用于开发“智能回复”功能，该功能通过输入的邮件内容预测可能的回复。这个模型可以根据不同的数据集进行训练，适应不同的应用场景。

在谷歌的其他传统产品分支中，这个研究也有着潜在的应用和突破。例如，我们已经开始将这个过程变得更加标准化。当我们最初创建机器学习研究团队时，公司里很少有人使用这些方法。我们发现它们对于一些领域如语音识别和计算机视觉有着显著的效果。我们与语音识别团队紧密合作，将深度神经网络集成到语音识别系统中，大大提高了识别准确率。我们还与图片搜索和街景服务团队等计算机视觉团队合作，训练模型直接从原始像素中理解和识别图片内容。

随着时间的推移，越来越多的团队开始采用这些方法，我们也积极帮助这些团队建立联系并提供建议。我们建立了一个专门的团队负责外联，帮助不同团队之间交流和合作。现在已经有超过200个团队在使用我们的机器学习模型，并且有数千人使用我们团队的软件训练过这种模型。这种合作和交流的机制促进了技术的快速发展和创新。

关于使用开源人工智能技术的理论基础和优势，我认为这是一个非常重要的领域。作为TensorFlow的创始人之一，我深知开源技术的力量。使用开源机器学习库的优势在于它能够集结全球的智慧和资源，促进技术的快速进步。通过开源平台，人们可以共享和借鉴彼此的想法、代码和技术，共同改进和优化机器学习模型。这简化了机器学习想法的表达和实现过程，促进了研究的快速发展和应用。开源技术也有助于降低开发成本和提高开发效率，推动人工智能技术的普及和应用。

我们团队在研究和产品开发中的灵活性和开放性是推动我们取得成功的关键因素之一。我们不断探索新的技术和方法，与不同团队紧密合作，利用开源技术促进技术的快速发展和创新。我们相信，通过持续的努力和合作，我们将能够解决更多的问题并推动技术的进步。我们所构建的这款软件架构，旨在将机器学习研究的先进理念和技术转化为可执行代码，并公开发布在这个平台上。通过这个平台，人们可以自由地表达他们的机器学习想法，并轻松地将这些想法转化为实际的研究模型。这不仅促进了想法的交流，还使得跨公司和跨行业的合作变得更为便捷。以往，我们的实习生在接近完成实习项目时仍需要撰写大量关于工作的论文，但当他们离开谷歌后，由于缺乏接入谷歌系统的权限，难以继续研究或完成论文。如今，通过我们的开源平台和TensorFlow工具，他们可以在任何地点继续他们的研究工作。

就在不久前，伦敦市长Boris Johnson在访问谷歌位于特拉维夫市的办公室时，体验了虚拟现实技术带来的震撼。

谷歌在人工智能和机器学习领域拥有众多顶尖人才，这是我们的优势之一。我们的研究部门负责人Peter Norvig曾估计，谷歌拥有世界上5%的顶尖机器学习专家。那么，我们是如何吸引这些人才的呢？鉴于人工智能涉及多个学科如计算机科学、工程学、神经科学、生物学、数学等的交叉融合，我们需要将不同背景和技能的人才组合在一起，以确保我们能将合适的人放在合适的位置上。

Dean指出，我们的团队汇聚了众多不同领域的人才。我们有擅长建设大规模计算系统的人，也有世界级的机器学习研究人员。这种结合构成了一个强大的团队。我们的机器学习研究触及了多个领域，包括医疗、机器人和计算机科学的众多子领域。在我们的团队中，也有多位神经科学专家。

接下来，我们将启动一个名为“谷歌大脑培训项目”的实验。这个项目吸引了许多不同背景、不同阶段的申请者。他们中有刚毕业的大学生、博士生、博士后以及拥有多年行业经验的专业人士。他们带来了各种背景和专业，包括计算机科学、统计学、数学、生物学和物理学等。相信这种多元化的组合将在解决问题时提供多样化的观点。

对于非技术型的传统公司如何接纳人工智能和机器学习，Dean表示，虽然目前大多数传统公司尚未广泛应用机器学习，但随着技术的进步，越来越多的公司将开始采用机器学习来革新他们的业务。我们已经与一些医疗机构开始探讨合作，探索机器学习在特定问题上的应用。最近推出的云机器学习产品让公司在谷歌的云基础设施上运行机器学习算法，这引起了众多公司的兴趣。

Dean认为，传统公司接纳人工智能的曲线将会通过几个层次逐渐上升。在某些领域，利用机器学习识别图像中的内容对许多行业都有普遍价值。谷歌和其他公司正在开发易于使用的接口，让非专业人士也能利用机器学习。已经存在的模型可以被重新训练以适应特定公司的需求，而无需进行深入的机器学习研究。例如，序列到序列的技术已经成功应用于谷歌的多个业务中。在不久前的一次历史性的对决中，Alpha Go在韩国大放异彩，取得了前所未有的胜利。作为见证者之一，我身处现场，目睹了这场激动人心的比赛，同时也感受到了人工智能的巨大进步所带来的震撼。这场胜利不仅仅是一场技术上的胜利，更是对人类智慧的一次肯定。如同世界博览会一样，这次展示激发了全球范围内人们的想象力与好奇心，引发了人们对人工智能未来的无限遐想。

对于人工智能所带来的风险问题，一些人如Elon Musk、比尔盖茨和霍金等提出了警示。然而在我看来，虽然人工智能的发展确实带来了挑战和风险，但我们不应过度夸大这些风险。人工智能将会改变社会结构，改变劳动力市场的格局，这些变化可能会带来一些不确定性和挑战。但我坚信，人工智能的核心价值在于其巨大的潜力和能力去推动社会进步和提高生活质量。在规划人工智能的发展时，我们需要平衡其带来的风险与潜力，充分发挥其积极的一面。在这个过程中，政策的制定者和决策者也需要密切关注和谨慎考虑这些技术带来的影响。同时我也深信会有越来越多的人关注人工智能领域，学习计算机科学和机器学习课程的人数也会不断增多。随着更多的人参与研究和讨论，我们将有能力更好地应对和解决可能出现的挑战和问题。我坚信人工智能的未来是充满希望的。在医疗领域的应用就是一个很好的例子。计算机将能够协助医生进行医疗图像数据的解读和分析，这将大大提高医疗工作的效率和准确性。同时计算机在自动驾驶方面的能力也将不断提升，为人们的生活带来更多便利和安全保障。我们需要积极应对人工智能带来的挑战与机遇，发挥我们的创造力和智慧，共同迎接一个充满希望的未来。