布林谈AI趋势：Transformer足以通向AGI，但谷歌代码能力投入偏晚
布林认为Transformer架构经改进可通向AGI，谷歌在代码能力上落后但整体乐观，AI不会取代人类活动。
谢尔盖·布林在罕见公开访谈中表示，当前Transformer架构（一种最初用于文本处理的神经网络结构）经调整后足以支撑通用人工智能（AGI，即能完成人类所有任务的AI）。他承认谷歌在编程能力研发上起步较晚，但认为AI能力提升不会终结人类活动，反而会推动相关领域进步。
正文摘录
.jpg) 编辑｜杨文 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。[](https://mp.weixin.qq.com/s/nHjkM39rZCW87T8qmGUqXw) 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。