“谷歌大脑背后的大脑Jeff Dean：最快15年实现通用人工智能”

本篇文章7100字，读完约18分钟

“福布斯”网站今天刊登了一篇采访谷歌大脑背后大脑杰夫·戴安的文章。 dean回顾了从1999年进入公司到现在在企业中的各种作用，重点介绍了谷歌大脑的项目文案。 欧盟认为，谷歌维持创新的源泉在于保持部门的灵活性。 软件开源和开放文化有助于这家企业吸引顶级人才，从事研发工作。 他个人推测，实现通用ai最快只需要15年。

杰夫·戴安是谷歌的首批员工之一，1996年从华盛顿大学计算机系获得博士学位，1999年进入谷歌。 他是谷歌成长过程中的重要人物，谷歌分布式计算基础设施主要由他设计和完成。 这个框架支持谷歌的大部分产品。

谷歌首席执行官SundarPichai曾表示，谷歌将从根本上成为人工智能企业。 作为系统和基础设施部门的高级研究员，dean和他的团队对于实现这个目标很重要。 在这篇文案广泛的采访中，dean讲述了他在谷歌的许多角色，他对企业的ai愿景，他对谷歌如何成为巨头后保持公司奋斗精神的看法，以及其他许多话题。

谷歌是如何与官僚主义进行斗争的

彼得·海蒂:杰夫·戴安，你从1999年开始加入谷歌，见证了谷歌的大部分岁月。 请简要介绍一下你在谷歌17年间的角色变化。

杰夫·戴安:我参加的时候，企业还很小。 我们挤在帕洛阿尔托大学街的小办公室里。 我做的第一个任务是建设我们的第一个广告系统。 之后，我花了四五年时间制作了图表、索引和检索系统。 这些是每次谷歌搜索时使用的服务。 之后，我很多人和同事sanjay ghemawat等人一起工作，构建了软件基础架构。 谷歌使用这个框架存储和解决大数据集，建立搜索索引和卫星图像。 最近我在做机器学习系统的工作。

(/h ) ) high )我想你的涉猎范围这么广，你的职务也这么多元化，没有模式化的日常。 你决定如何与企业内外的人交流？ 我感兴趣的是，你如何为你现在从事的各种事务分配时间？

dean :我没有典型的日常工作。 在最初的14年到15年间，我没有担任过任何管理职务。 因此，专注于写代码的自由时间增加了。 这几年，我在一个小小的机器学习项目中成为了管理人员。 这对我很感兴趣，是新的学习体验。 在企业的历史上，我做过多个项目。 我想和这些不同项目的进展取得联系，所以我经常收到很多电子邮件。

我在解决电子邮件上花了很多时间。 大部分时间用来删除邮件，浏览邮件，了解发生了什么。 我有几个有时间就做的技术项目。 我在各种会议和设计评审等事情的间隙里抽出时间做这些项目。

high :谷歌在取得戏剧性增长后也是创新的模式。 一方面像当时的中小企业时代那样充满野心和创新，另一方面却拥有科技巨头的人才和财力资源。 企业如何与停滞和官僚主义作斗争，使自己保持敏捷，不被规模所拖累？

dean :从我加入的时候开始，我们就一直在经历企业的成长。 年轻的时候，我们每年雇佣人数增加一倍。 按百分比衡量，我们现在大幅放慢了招聘新员工的速度，但按绝对数量衡量，我们仍在经历实质性的增长，每年新增员工约10%、20%。 每当企业规模增加一倍，这就会促使我们重新思考企业的工作方法。 在2x规模级别，任何在x规模级别有效的方法都将不再有效。 我们处理了如何使公司风格、工程做法、组织结构和团队动力适应新的规模。

我认为对我们的成长有很大贡献的是，有将事业分成与谷歌正在做的其他事物保持一定独立的多个不同行业的倾向。 建设带来互联网接入的高空热气球，与搜索服务关系不大。 我们实质上有很多不同的活跃项目。 这些项目不像核心业务内部的项目那样需要大量的信息表达，因此可以获得规模和效率。

high :谷歌/ Alphabet之间的分离也表明该逻辑试图保持敏捷性，并分离各种活动。 可以这么说吗？

丹:很好。 我认为这将使alphabet下的其他一些部门能够更加独立地运行。 关于这个规模的两倍，我想说的是，这确实带来了一点点的变化。 过去我们都在同一个办公楼工作，但现在大家都需要往返于不同的办公楼之间。

另一件事是，过去我们的工程人员在山景城，但在苏黎世、纽约、东京、西雅图设立了工程机构。 不久，我们有了这五个机构，但它们也在迅速发展。 在接下来的短短几年里，我们从五个工程机构迅速发展到了35个工程机构。 因为，我们觉得在世界各地可以找到什么样有天分的人，在他们附近设立机构来吸引他们。 因此，必须重新思考如何组织工程努力。

如果只有小设施，就不应该让员工做100件事他们只做少数几件事，要集中精力把它们做好。 小机构曾经以山景城总部的方法为榜样，他们会去看看山景城的人在做什么； 他们发现山景城的人有100份不同的工作，他们认为自己也应该有100份不同的工作。 我们经过曲折，找到了调动分布在各地的施工单位工作人员的更好方法。

个人推测:最快15年实现通用人工智能

High :谷歌首席执行官SundarPichai曾表示，长期以来，硬件设备被隐藏，计算将从移动优先发展为人工智能优先。 关于这个体工智能优先的世界，你怎么表达谷歌的愿景？

dean :我认为我们已经从桌面计算转向了移动计算，但现在每个人都随身携带着计算设备。 随着设备价格的持续下降，语音识别和其他替代客户界面将变得更加实用，与计算设备的交互方式也将发生变化。 把设备藏在背景里，围在附近，让我们可以随时和他们说话，让我们可以和可靠的伙伴说话。

这些有助于我们获得越来越多的消息和执行各种任务。 我认为这是机器学习前进的首要目标之一。 使计算机能够像人类伙伴一样提供建议，或者根据需要搜索越来越多的新闻和这样的事件。 我想今后5到10年内会很兴奋。

(/h/) high )随着技术的进步和人工智能的各种目标的实现，这些实现的东西似乎不再被称为人工智能。 也就是说，人工智能似乎总是在未来的形态中被谈论。 如何定义人工智能的极限？

dean :我认为真正的人工智能是执行人类层面的推理、理解，完成许多复杂任务的系统。 我们显然还没有达到这几个，但你说得对。 我们已经取得了很多进展。 五年前，计算机无法从图像中生成以人类水平描述图像的语句。 现在电脑生成的句子可能是在网球场上拿着网球拍的男性的照片。 而且，人类可能会说这是网球选手准备发球的照片。

人类的记述虽然更加精巧，但是计算机能够生成接近人类水平的图像本身就是一大进步。 这只是过去5~6年来人们应用更多复杂的机器学习模式取得的进展之一。 如果人们将模型应用于更大的数据集和更多的计算，结果会更好。

high :你认为我们距离通用人工智能有多远？

dean :问不同的人会得到不同的答案。 从纯粹的推测来看，我认为我们离通用人工智能的距离是15年到50年，或许15年左右的可能性很高。

high :正如你所说，语言是重要的因素，但谷歌的许多人工智能创新都以语言为主，可以从网络上读取和理解事物，也可以理解智能对话和文案。 能说说机器通过什么路径能更好地解释新闻吗？ 在你看来，什么是即使我们不能实现但至少可以接近通用人工智能的阶梯？ 你在这方面做那些工作吗？

dean :重要的行业之一是新闻搜索行业，我认为这个行业是谷歌早期工作的基础。 如以前所传，新闻搜索并未真正了解客户在输入查询时想要什么。 越来越多的搜索包含某个单词或相近单词的文档。 有兴趣的是，近四五年来，我们开始开发更好地理解汽车这个单词本质的技术。 当我们知道汽车、汽车们、汽车、客车、皮卡等单词通过任意一种方式连接时，我们可以用流畅的方法匹配文档，从而更好地完成多语言的理解任务。

我们不仅可以理解语言，还可以理解两个句子彼此是同义句。 这些都是新的语言理解水平的出发点，在新的水平上，机器学习的方法可以理解更长的文案。

今后几年我们的一个好目标是输入数百或数千份文件，以便能够就这些文件的副本进行对话。 系统可能会整理文件的复印件，系统也可能会对文件的复印件进行询问和回答。 我觉得这才是真正展现高水平语言理解的东西。

谷歌大脑:谷歌的产业研究院

high :你和你的团队似乎一点点的进展都已经开始进入谷歌产品了。 例如，谷歌新的对话虚拟助手谷歌助手、谷歌用于与亚马逊echo竞争的谷歌主页、用于提供谷歌对话界面的消息APP Allo等。 你对最近谷歌发布的这些新产品和服务有什么看法？

dean :我现在领导的研究小组的名字是谷歌大脑。 专注于构建可用于机器学习的大型计算系统和高级机器学习研究。 我们都有人才，但是他们合作处理问题经常会带来很大的进步。 只有具备机器学习技能或只有具备大规模计算技能的人才能取得这种进步。 我认为这是我们队取得许多成功的原因之一。 我们可以在这两个行业取得成功，在问题上投入多少计算，如何为我们关心的问题训练大型、强大的模型方面进一步提高最高水平。

我们认识到，我们的一点研究成果可以用于改善谷歌现在的产品，我们对从事长距离研究相当乐观。 我们和产品团队一起工作告诉他们。 嘿，我觉得这个机器学习研究在你公司产品的这个情况下很有用。 有时我们只是简单地把东西交给对方。 在一些情况下，为了用产品实现研究成果，我们的团队和产品团队之间可能需要深入的合作。

谷歌大脑研究小组的工作之一是开发从序列到序列的学习这一模型。 这里的想法是使用输入序列来预测某个输出序列。 这听起来可能很小，但可以和你想处理的多个现实问题一致。 他们发表的论文最初是语言翻译的语境。 输入序列可能是一个句子中的英语单词。 每次输入一个文件的序列。

该模型经过训练，可以输出同等的法语单词，从而生成与英语句子同义的法语句子。 这与其他机器翻译系统大不相同，在其他系统中一般是利用机器学习和统计模型将问题编码分割，然后缝合在一起。 与这些方法相反，新模型是一个完整的端到端机器学习系统，只要给系统提供不同语言的同义句对，系统就会学习从一种语言翻译成另一种语言。

这个常规模型在其他情况下也很有用。 gmail团队使用了该模型，并将其用作智能恢复功能的基础。 在该功能中，输入序列是接收到的电子邮件，输出序列是在传入场景中可能返回的预测。 例如，可能收到了“你好，我想邀请你参加感恩节的晚餐，请告诉我是否能参加”的邮件。 系统的回复可能是这样，但我想参加。 需要带什么吗？ 对不起，我们不能来。 或者是其他情况相关的内容。 这里采用的是同样的模式，但在不同的数据集上接受了培训。

high :谷歌大脑的研究和突破APP是如何引入谷歌更早以前流传的产品中的？

dean :我们开始正式推进这个进程。 5年前，我们首次组成了机器学习研究组，开始调查大量计算和深度卷积互联网解决问题的情况，但当时企业中还没有多少人采用这种做法。 后来，由于发现了包括语音识别系统在内的少数可以比较有效应用的地方，我们与语音识别小组的同事密切合作，将深度神经互联网添加到语音识别系统中，大幅提高了识别精度。 然后与计算机视觉相关的团队(如图像识别和街景)合作，使用图像中的原始像素训练模型，从图像中提取副本，了解图像(美洲虎、垃圾车等)。

有兴趣的是，随着时间的推移，使用这些做法的团队越来越多。 因为他们一边听说其他队在尝试一些别的东西，一边取得了好的结果。 否则，我们就能把他们和这些队伍联系起来。 或者，我们可以提供在他们特定问题的语境下如何采用这些方法的建议。 后来，我们把这些标准化了，所以现在我们有了一个团队来进行这些扩展工作。 首先是联系想要将这些机器学习模式用于产品的团队。 他们说明自己面临的课题。 通常，我们的团队会说:“这似乎与其他团队面临的挑战相似。 我们的处理方案很有用，你可以试试我们的方案，给我们反馈。

从 年开始的一年间，企业采用深度神经网络技术的团队只有十几组，现在已经有200多组，成千上万的人在训练这样的模式。 采用的是我们团队构建的软件。

谷歌的开源和开放

high :您也是tensorflow的主要作者之一。 和其他公司一样，谷歌也专注于开发开放资源的ai技术。 你对采用开源ai技术的理由和特征有什么看法？

dean :现在有多个不同的框架来表示不同的机器学习算法。 这些是开源项目。 我认为有很多选择是件好事。 但是，如果我们开发了一些东西，机器学习社区中越来越多的人可以在后台采用的同时努力改进，那么，同时，这些努力大多做着同样的工作，所以，将他们聚集在一个数据库中，很多

其背后的理由是能够更好地表达机器学习的新想法。 以前流传下来的做法是，人们一旦有了新的想法，在写论文做实验的同时，也不要发表代码，让人们重复这些实验。 成为研究者后，一边读他人的论文，一边尝试对自己和他人的技术。 一般来说，这是用论文而不是代码来表示的，所以需要推测他们做了什么。 论文本质上无视多个细节，但这不是故意的。 他们可能会这样说。 我们采用了较低的学习率，但请注意他们采用的学习率为0.0001，同时经过数万步的调整，如何下降到0.005。 如果有一个软件框架，人们可以用代码表示想法，用表格的方法发表这些研究模型和想法，社区内的想法流动就会更快。

对我们来说，这也便于与谷歌以外的人进行合作。 通常，我们有暑期实习生。 以前，这些实习生在实习结束后，需要写实习期间从事的论文。 但是，那时他们已经离开谷歌，所以无法采用谷歌的计算机。 因此，完成论文或持续进行一两次实验并不容易。 现在，他们可以随时采用这些开放资源和tensorflow来做这件事，也可以在平台上找到其他可以帮助的人。 我们教多个谷歌的工程师采用机器学习，其中最常用的工具是tensorflow。

high :谷歌的一个特点是拥有大量的人工智能和机器学习人才。 谷歌研究部门负责人peter norvig估计，全球5%以上的机器学习精英在谷歌工作。 谷歌是如何让机器学习顶尖人才感受到如此大的吸引力的？ 考虑到机器学习或人工智能涉及计算机科学、工程、神经科学、生物学、数学等不同学科，你认为如何才能将所录取的这些人才应用于任何人？

dean :我们的工作范围很广，人才也各种各样。 我发现你召集具有不同专业背景的人处理问题时，往往比召集具有专业背景的人更有效。 总体来说，你完成了谁也不能单独制造的事件。 我们的机器学习小组就是一个很好的例子。 其中有像我这样的人，有很多开发大规模计算系统的经验，也有世界顶级的机器学习研究者。 将这些不同类型的人聚集在一起，形成一个非常强大的团队。 机器学习影响着医疗、机器人等许多不同的行业，这是一个非常好的现象。 我们队里还有几个神经科学家。

不久，我们将启动一个名为“谷歌布莱恩识别计划”的程序。 我们招募人在谷歌和谷歌布莱恩一起工作一年，基本上是学习如何进行机器学习相关的研究。 我们现在拿到了大量的申请简历。 最终项目将留下28人。 他们来自各种背景计算机科学、统计学、数学、生物学、物理学，在职业生涯的各个阶段有刚本科毕业的，也有博士后毕业的，也有在产业界工作了一两年的。 我认为这将是一个很好的组合，但在处理问题时会带来很多不同的观点。

high :很多不以技术为中心的古来流传的企业都采用了人工智能和机器学习，你会和这些古来流传的企业交流和工作到什么程度？ 你对ai技术的快速发展曲线有什么看法？ 显然，这在企业之间和领域之间是不同的。 但是，也有一些以前领先的传统领域开始利用人工智能，包括医疗和金融业，这些机构有大量的非结构化数据，有待解决。 你和以前流传下来的这些领域的企业说过话吗？ 或者，你提到过更早流传下来的环境中人工智能的迅速发展过程吗？

dean :其他领域的大多数公司在谷歌和其他技术公司应用机器学习方面可能都不出色。 随着时间的推移，我想最终大多数企业会更多地采用机器学习。 因为机器学习会变得非常强大，会给商业带来变革。 我们一直在讨论与一些大型医疗机构建立合作关系，看看机器学习能为这个行业的一些问题做些什么。 最近，我们推出了可以在谷歌云平台上运行机器学习算法的云机器学习产品。 很明显，许多公司都以有趣的方式了解在商业环境中应该如何采用产品。

我认为这种变化可能会经过几个阶段发生。 在这些阶段，可以采用ai技术和机器学习的方法来处理问题。 在小行业中，理解图像的拷贝在很多领域都很有用。 谷歌和其他公司提供了易于使用的界面，无需了解机器学习的事情。 请只出示一张照片，告诉我这张图上有什么。 任何没有机器学习专业信息的软件工程师都可以这样招聘。 他们得到的消息是，照片上有个人体育场，人们可能在那里打棒球。 而且，图片上有很多复制品。 副本为&hellip； &hellip； 即使没有应用机器学习，这个也很有用。

然后，利用企业的数据反复训练该模型，可以得到定制的处理方案，有不需要研究核心的机器学习技术开发新模型的已开发的模型。 好的例子是从序列到序列的工作，我们现在被应用在谷歌的六七个不同的问题上。 另一个好例子是，捕获可以找到图像感兴趣部分的图像的模型。 该通用模型的应用之一是检测街景图像的拷贝位置。 我想读所有的复印件，首先必须在店门、路标等处找到。 这个通用模型在医疗环境中也很有用。 例如，在诊断糖尿病性视网膜病变时，如果有视网膜的扫描图像，想在该扫描图像上找到疾病指标时，可以使用该模型。 使用着同样的模型构造。 你只是用不同的数据指出病变。 医生在围绕病变部位的视网膜图像上指出这一点，而不是复制中突出显示的街景图像。 我认为这个通用模型的做法能很好的处理很多不同类型的问题。