Sergey Brin 在 90 年代与 Larry Page 共同创立了 Google,但两人都在 2019 年退出了日常管理工作。然而,AI 浪潮吸引 Brin 重返办公室,他认为所有人都应该效仿他的榜样。在最新的一份内部备忘录中,Brin 建议员工每个工作日都要到办公室,以确保 Google 能在 AI 竞赛中胜出。
对这位 Google 联合创始人来说,仅仅返回办公室还不够。根据《纽约时报》看到的备忘录,Brin 表示 Google 员工应该每周工作 60 小时来支持公司的 AI 项目。这相当于周一到周五每天工作 12 小时,Brin 称之为"生产力的最佳平衡点"。这并非 Brin 的新观点。
与硅谷许多人一样,Brin 似乎坚信当前生成式 AI 的发展轨迹将引领人工通用智能 (AGI) 的诞生。这种思维机器将远超当前只能模仿思考的 AI 模型。AGI 将能够理解概念并更像人类那样思考,有人认为这使其成为一个有意识的实体。
据 Brin 所说,Google 在实现这一 AI 计算突破方面处于最有利位置。他认为公司强大的程序员和数据科学家团队是关键,但他也认为团队必须尽可能多地使用 Google 自己的 Gemini AI 工具来提高效率。哦,对了,别在家办公。
Brin 和 Page 在 2015 年将公司领导权交给了现任 CEO Sundar Pichai,所以他的声明并不一定意味着公司当前的办公政策会改变。Google 仍然采用混合办公模式,要求员工每周到办公室工作三天。但作为创始人,Brin 的话份量很重。我们联系 Google 询问公司是否打算重新评估其政策,但 Google 代表表示目前没有计划改变返岗办公的要求。
迈向思维机器
Google 构建了当今所有生成式 AI 机器人的基础,但直到 OpenAI 开始添砖加瓦时才意识到这一点。Google 2017 年发表的开创性研究论文《Attention Is All You Need》阐述了至今仍在驱动大语言模型的 Transformer 架构。在短短 10 页中,Google 改变了计算的本质,但当 OpenAI 和 Microsoft 联手向大众推出 AI 工具时,它却措手不及。Google 在 2023 年初仓促推出的 Bard AI 一团糟,此后一直在追赶。
在 Bard 失利之后,Google 一心想要在所有产品中加入生成式 AI,即使 AI 行业的盈利能力仍然难以捉摸。OpenAI 将其大部分计算需求交给了 Microsoft Azure 基础设施,以换取将其技术用于 Copilot 和 Bing 的优惠折扣。即便如此,OpenAI CEO Sam Altman 也承认公司在最贵的每月 200 美元的 Pro 订阅上仍在亏损。
与此同时,Google 疯狂投资建设 AI 数据中心来训练和运行 Gemini 模型。不过,它没有像 OpenAI 那样昂贵的订阅层级。大多数 Gemini 模型都是免费的,即使是计算密集型的 Gemini Pro Deep Research,每月也只需 20 美元。Google 显然愿意在 AI 上亏钱以确保市场份额。
没人知道堆积更多 GPU 来运行更大的模型是否会通向 AGI。然而,不只是 Brin 认为这样的进步指日可待。Altman 也声称 OpenAI 可能在几年内就能实现真正的人工智能。Google 的官方博客文章也多次提到 AGI 是一个目标。即使在近期无法实现 AGI,商业领袖们也有其他理由希望员工返回办公室——这对 Google 来说是双赢。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。