布林谈 Transformer、AGI 与 Gemini：能力在收敛，但边界仍不清晰。
原文标题：Transformer能通向AGI吗？布林：能，但它已经变了
原文作者：机器之心
冷月清谈：
关于 AGI 与超级智能，布林强调超级智能不等于能解决所有数学难题，例如 P 与 NP 这类问题不应被简单归入“模型更强就能解决”。他倾向于把 AGI 理解为具备自我改进能力的系统，但也承认“完成人类所有任务”的定义更常见，这会牵涉世界模型和机器人。
在架构层面，布林认为 Transformer 有可能通向 AGI，但今天的 Transformer 已与最初论文版本差异很大。谷歌也在加大“用 AI 构建 AI”的投入，包括训练监控和数据生成。他还坦承谷歌在代码能力上起步偏晚，Gemini 在复杂编程任务上面临竞争压力，但 Flash 系列仍在速度场景有优势。
怜星夜思：
2、布林说谷歌在代码能力上起步偏晚，你觉得编程能力会成为大模型竞争的核心指标吗？
3、AI 在围棋、国际象棋里超过人类后，反而提升了人类水平；这种情况会发生在更多行业吗？
4、如果 AGI 的关键是“自我改进”，那安全边界应该怎么设？
原文内容
谢尔盖・布林很少公开发言。
6 月初，Google DeepMind Build Day 活动期间，他坐下来，接受了一场完全没有脚本的现场问答，主题是「前沿 AI」。
提问者轮番上阵，布林借此聊到了 AI 在科学计算中的融合趋势、超级智能的边界、Transformer 的极限，以及 Gemini 在编程赛道上的得与失。
整场对话，布林表现得格外诚实和谦虚。
他坦率承认，即便是亲手打造 Gemini 的人，也依然在摸索这些模型到底有多强、边界在哪里、该怎么用。这种不确定性，贯穿了整场对话。
模型能力正在跨领域收敛
布林谈到，不同专业领域的 AI 模型正呈现出明显的收敛趋势。
过去，谷歌需要针对不同科学问题分别训练独立模型。而目前，谷歌的主力模型 Gemini 已经能够在数学与其他科学问题上同时达到业界领先水平。这一收敛过程的出现超出了布林此前的预期。
他同时提到了模型训练中的「迁移」现象：针对某项技能的训练，往往会带动其他看似无关的技能一并提升。
代码训练会改善模型的数学推理能力，反之亦然；图像处理训练也会提升模型在几何应用题上的表现。这类能力之间的关联并非由研发团队刻意设计，属于训练过程中自然产生的结果。
在模型的实际使用方式上，布林坦言自己在提示词设计上仍存在困惑，究竟该向模型下达具体的调试指令，还是提出更宏观的算法设计要求，目前他并没有明确的判断标准。即便在谷歌内部，团队对 Gemini 能力边界的认识也不完整。
他还谈到了「思维链」提示方法，即要求模型在给出答案前先分步骤推理。这一方法在提出之初并无充分的理论依据，但实践一再证明，它显著提升了模型的表现，也成为近年 AI 能力跃升的重要推手之一。
超级智能与 AGI 的边界
有人问布林：超级智能是否意味着能解决 P 与 NP 这样的经典难题？
布林予以否定。学界普遍认为 P 不等于 NP，这意味着此类问题不存在可稳定求得最优解的算法，模型能力再强也无法改变这一数学结论。这与 AI 本身的智能水平无关，不可能求解的问题，依然不可能求解。超级智能的定义应为「智力水平超越人类」，而非解决数学上尚无解的难题。
关于通用人工智能（AGI），布林提出了两种理解方式。
他个人倾向于将 AGI 定义为能够进行自我改进的 AI 系统，但也承认另一种更广泛使用的定义 —— 即能够完成人类所能完成的一切任务的 AI—— 可能更接近实际情况。若采用后一种定义，AI 系统需要具备理解和操作物理世界的能力，这使得世界模型与机器人技术的研发变得关键。
被问及人类应如何应对模型能力的加速提升时，布林提到脑机接口等神经连接技术正在推进，但他本人倾向于等到技术更加成熟再考虑采用。就目前的模型能力而言，他认为尚不构成改变自身生理机能的理由。
他还援引历史案例来回应外界对 AI 的担忧。1997 年深蓝战胜国际象棋世界冠军卡斯帕罗夫后，国际象棋并未因此消亡，参与人数持续存在；AlphaGo 战胜顶尖围棋选手后，人类围棋水平反而出现明显提升。
AI 在特定领域达到或超过人类水平，通常不会终结该领域的人类活动，反而会推动相关领域整体水平提升。
架构前景与内部研发方式
Transformer 架构是否足以支撑 AGI 的实现？布林的判断倾向于肯定。
理由是该架构已展现出远超最初文本处理设计目标的适应能力，如今被广泛应用于图像与视频处理领域。
当然，目前使用的 Transformer 架构相较最初论文中的版本已经发生较大调整，并非完全相同的结构。
布林还介绍，谷歌内部目前已将较多研发资源投入到「用 AI 构建 AI」的工作中，包括利用模型监控训练过程、生成训练数据等。这部分他称之为「自我改进」的工作，如今占据了他大部分时间。
谷歌不掩饰落后
布林坦承，谷歌在代码能力方面的投入起步偏晚。
Gemini 3.0 与 3.1 版本在约六个月前于多项指标上处于行业领先位置，但此后竞争对手在编程能力上取得了明显进展。
目前在处理复杂编程任务与长时间运行任务方面，有对手的模型更具优势；谷歌的 Flash 系列在响应速度上仍有竞争力，更适合需要快速交互的场景。若从当前情况回顾，公司本应更早重视代码能力的研发。
对于自身在 Gemini 项目中的角色，布林表示，产品的具体交付由 Corey 与 Demis 负责，他本人的定位更接近于对团队工作的持续追问与提醒，包括确认团队是否切实执行既定优先级、指出团队可能忽视的方向。
他承认，这一角色有时会对团队工作节奏产生一定干扰。
面对 AI 行业格局频繁变化的现状，布林的态度则相对从容。
若以月度维度评判各实验室的相对位置，得出的结论往往不稳定，甚至容易悲观。从更长周期观察，各实验室在不同技术方向上交替领先属于正常现象。总体而言，他对 Gemini 当前所处的位置持积极判断。
参考链接：
https://www.youtube.com/watch?v=gsv5o8ANdDo
https://x.com/jaynitx/status/2072691938738987497?s=20
© THE END
转载请联系本公众号获得授权
投稿或寻求报道：liyazhou@jiqizhixin.com