8 月 7 日，当 Jeff Dean 走上斯坦福大学 AASF Summit（亚裔好意思国粹者论坛峰会）的舞台时可克达拉异型材设备价格，他成为名创业者精真金不怕火只须 12 个半小时。

就在前天午夜，他防御遣散了在 Google 长达 27 年的行状生计。Jeff Dean 在现场开打趣说，我方能够只“休闲了秒钟”，因为紧接着，他的新 AI 创业公司 Discovery Loop 就开动运转。

这亦然 Jeff Dean 离开 Google 后的次公开对话。与他对谈的，是被誉为“筹备机安全教母”的 UC Berkeley 教会宋晓冬（Dawn Song）。本年 6 月，宋晓冬也刚刚完成次行状转动：她离开我方联创办的 AI 安全创业公司 Virtue AI，与多名团队成员起加入 Meta Superintelligence Labs，担任 AI Research 总裁，负责前沿模子和 Agent 系统的 AI 安全与安全商量。

这是组十分意旨的对照。正如宋晓冬在现场面说，即即是台上的两个东说念主，关于“作念 AI 的公司，适的畛域应该有多大”，也莫得调换的谜底。

自 1999 年加入 Google 以来，Jeff Dean 参与过 MapReduce、Bigtable 等早期基础要领开辟，其后共同创建 Google Brain，并参与动 TensorFlow、TPU、Gemini 等系列进攻花样。8 月 5 日，他防御秘书与耐久作伙伴 Sanjay Ghemawat，以及 Quoc Le、Oriol Vinyals 等东说念主共同创办 Discovery Loop。

新公司注册为公益公司（Public Benefit Corporation），方针是期骗 AI 自动化机器学习、科学和工程商量中的实验轮回。Alphabet 亦然公司的投资者，Google 将当作其云筹备作伙伴提供基础要领相沿。与再查验个大的通用模子比较，Discovery Loop 想措置的问题高出：让 AI 从回话科学问题，走向着实参与科学发现。

而就在这场对话前，Jeff Dean 亲身在叮嘱媒体上晒出了 Discovery Loop 的“豪华”融资 BP。其中，引东说念主防卫的莫过于几位首创东说念主往常带过、作过的东说念主才谱系：Dario Amodei、Ilya Sutskever、Noam Shazeer，以及月之暗面首创东说念主杨植麟、xAI 首创团队成员戴自航、张国栋等王人出目下名单中，勾画出往常十多年 Google Brain 向今天 AI 创业圈扩散的张东说念主才集聚。

Jeff Dean 同期秘书，Discovery Loop 已接管注 AI 投资的 Radical Ventures 和曾投资 OpenAI 的 Khosla Ventures 投轮融资，Lightspeed、Kleiner Perkins、Doerr Capital 和 Alphabet 也参与其中；这轮种子融资将在异日几周不息完成。

从“回话问题”到“作念起程现”

回到这场对谈，在现场，Jeff Dean 次较为完好地解释了 Discovery Loop 背后的遐想。

今天的大模子一经不错阅读论文、编写代码、分析数据，致使措置部分数学和科学问题。但这些身手仍然主要发生在次任务之中：东说念主类提议问题，模子给出谜底。

Discovery Loop 但愿把 AI 放进长的科研轮回里。模子不单是提议个候选谜底，而是提议假定、谋划实验、运行和评估实验，再根据实验后果判断下步应该尝试什么。这么的流程不休重迭，从而变成个“Discovery Loop”。

Jeff Dean 但愿终查验出能够同期粉饰多个科学和工程域的模子。单个东说念主类商量者往往只可在少数域变成博士业身手，而模子表面上不错横跨多学科，再同期运行和评估多数实验。若是其中好多局面王人能够自动化可克达拉异型材设备价格，科研的迭代速率就可能发生变化。

在这次对谈中，Jeff Dean 高出给出了个具体的遐想：若是蓝本需要周完成次的实验迭代，不错被压缩到小时，同期让系统并走运行数千个实验，再由模子判断哪些向值得不息探索，并把有限的筹备和实验资源分派往常，那么科研率的变化就可能不再只是百分之几十，而是数目的晋升。

这亦然他离开 Google 之后着实押注的东西：不仅 Scaling 模子，也 Scaling 科学实验和发现本人。

但这里随机存在个目下 AI for Science 重要的争议。本年 1 月，Google DeepMind 商量员 Tom Zahavy 发表了篇题为《LLMs can't jump》的 position paper。他以因斯坦提议广义相对论的流程为例，将科学理鉴别红三类：从多数气候转头规则的归纳（Induction）、从既定公理出后果的演绎（Deduction），以及濒临有限把柄时，提议种此前并不存在的新解释框架的溯因（Abduction）。

Zahavy 以为，今天的大模子一经异常擅长归纳，在数学知道等域的演绎身手也连忙提，但着实贫寒的是三步。

因斯坦并不是因为领有比别东说念主多得多的数据，才从牛顿力学“筹备”出了广义相对论。他需要先改变刻画问题本人的基本前提。Zahavy 把这种从素养跳向新公理的流程称为次“Jump”，并以为当前主要依靠文本和既稀有据查验的 LLM 零落与物理宇宙交互的感知基础，因此尚不具备这种科学发明所需要的身手。论文提议，多模态、能够主动侵扰环境的 world model，可能是弥补这缺口的条旅途。

需要强调的是，《LLMs can't jump》是篇提议不雅点的 position paper，并不是一经知道“AI 长久法科学发现”的实验论断。但它提议的问题异常重要：能够搜索、理和化已有常识，并不等于能够创造新的科学解释。

Google DeepMind 团队在本年 7 月盘问 AI Agent 与科学发刻下，也提议了个雷同的限定：AI 正在让科学假定和候选案越来越低廉，但着实考证这些概念仍然需要不菲而平稳的实验。细胞需要时代滋长，化学反馈需要时代发生，关于多数的确科学域，“实验室仍然决定着商量速率”。

从这个角度看，Discovery Loop 值得关注的地并不是“用个强的 LLM 作念科学”。Jeff Dean 想把模子、实验、反馈以及下轮探索畅达起来。也就是说，若是单纯依靠查验数据中的常识法完成科学发现，那么就让 AI 不休从头的实验后果中取得新的信息，再决定下步碾儿动。

而这也不是 Jeff Dean 一霎冒出的概念。在这次对谈中，他将这条门道回首到了早的神经架构搜索（Neural Architecture Search）等商量。

往常，商量东说念主员一经尝试让机器学习系统自动寻找好的神经集聚架构，包括其后出现的 Evolved Transformer。Jeff Dean 提到，这类法曾找到比轨范 Transformer 的架构。但着实进攻的启发并不是某个具体模子，而是：模子架构本人，也不错成为个由 AI 自动搜索、评估和修订的轮回。

沿着这个念念路不息往下，数据聘任不错变成个轮回，评估谋划不错变成个轮回，查验算法本人也不错变成个轮回。若是把这些轮回畅达起来，AI 就不再只是匡助商量东说念主员完成某步，而开动参与通盘 AI 研发流程。

再向外概括步，这其实一经异常接近科学法本人：拆解问题、提议假定、进行实验、评估后果可克达拉异型材设备价格，再把后果反馈给下轮探索。

从 TensorFlow 到 MoE，他直在寻找同种东西

那么，为什么 Jeff Dean 会在这个时代点驯服这件事值得作念？

回看他往常二十多年的服务，不错看到他本东说念主个相对雄厚的技巧取向：寻找一经清醒后劲、但尚未被充分放大的向，再通过新的系统和架构，把这种身手高出扩张。

这种念念路在 2017 年的 MoE（Mixture of Experts，塑料挤出设备混）论文中体现得尤其昭着。其时 Jeff Dean 与 Noam Shazeer、Geoffrey Hinton、Quoc Le 等商量东说念主员提议 Sparsely-Gated Mixture-of-Experts。基本念念想并不复杂：模子不错领有多数不同的模块，但濒临次具体输入时，并不需要调用通盘参数，而只激活其中与当前任务关系的小部分。

这使模子容量与单次筹备成本部判辨耦。商量团队其时构建的模子达到 1370 亿参数，并知道模子容量不错大幅加多，而筹备成本不同比例增长。Jeff Dean 在这次对谈中回忆，当团队看到比较粘稠模子，查验算力与模子果之间出现接近数目的时，很快雄厚到这种法值得不息进。

对 Jeff Dean 来说，这种数目的变化本人就是个进攻信号。在他的判断里，若是种法带来的不是 10 或 20 的修订，而是接近 10 倍的变化，它每每意味着这里可能存在种基础的技巧改动，而不单是是时的热门。

早之前，TensorFlow 措置的其实亦然雷同的问题，只不外对象从模子架构变成了筹备基础要领。

Jeff Dean 说，当年谋划 TensorFlow 的个基本原则，就是让商量者尽可能嗅觉不到底层机器的存在。个商量东说念主员脑中有个机器学习模子，不应该先琢磨它究竟运行在 CPU、GPU 照旧 TPU 上，也不应该因为要扩张到几百致使几千个筹备设备，就从头谋划通盘轨范。TensorFlow 的任务，是把这些复杂留给底层系统处理。TensorFlow 其后确乎被谋划为不错让调换筹备跨转移设备、CPU、GPU，以及大畛域分散式系统履行。

在这次对谈中，Jeff Dean 也很少目力复盘了 TensorFlow 没作念好的地。他以为，初莫得采取其后 PyTorch、JAX 中流行的 eager execution，是个昭着不及；早期过于灵通的 contrib 目次，也逐渐产生了多数完成雷同任务的不同案，终加多了社区的困惑。

到了 Gemini，这套念念路又从基础要领蔓延到模子身抄本人。Jeff Dean 提到，Google Brain、DeepMind 和其他团队其时一经分别走向个雷同向：与其先查验谈话模子，再不休把视觉等身手“接”上去，不如从开动就查验多模态模子。

他曾写下份只须页纸的备忘录，提议这种组织上的分割一经莫得要，应该把不同团队的东说念主才、概念和算力放到起。而后从代 Gemini 开动，多模态便成为模子谋划的进攻基础。

代码亦然团队挑升强化的项身手。Jeff Dean 以为可克达拉异型材设备价格，编程不仅意味着让模子能够写轨范，进攻的是，它条目模子把复杂问题拆解成系列小的局面，再逐措置，这种身手不错迁徙到多理问题中。

从 TensorFlow 到 MoE，再到 Gemini，看起来是三个不同的技巧阶段，但它们背后王人有同个问题：能弗成改变系统的组织式，让蓝本难以扩大的身手不息扩大。目下 Jeff Dean 把这个问题从模子转向了科学。

什么样的技巧是着实趋势？

这也解释了对谈中另个很挑升念念的话题：到底应该若何判断项技巧到底是着实的趋势，照旧时的热门？

在这个问题上，Jeff Dean 的主义并不是多数精读某个向的论文，反而倾向于庸碌略读。“与其精读篇，不如略读十篇。”在他看来，阅读的个进攻作用，是不休扩大我方对“什么一经成为可能”的雄厚，再寻找那些蓝本莫得被畅达起来的东西。

而个适干涉几年时代的问题，须处于个相配奥密的位置。Jeff Dean 举了个形象的例子：若是措置个问题精真金不怕火需要七个重要要津，那么比较盼愿的景况是，其中五个一经出现可行的迹象，还有两个仍然着实不笃定。若是七件事情一说念不知说念奈何作念，这个问题可能二十年王人得不到谜底；若是七件事情王人一经了了，那么商量每每会变成场履行速率的竞争。

也就是说，他倾向于寻找中间的区域：全体向一经若存若一火，但仍然存在几个决定成败的未知变量。从这个轨范看，Discovery Loop 处在个肖似的阶段。

关于如今的 AI 来说，科学发现自动化一经不再是件法遐想的事情，但距离着实跑通也远远莫得到只剩工程竣事的进程。这可能恰是 Jeff Dean 所说的阿谁“五个开动可行、两个仍然未知”的区域。

在对谈后的发问要津，个现场不雅众还提到个好多东说念主怜惜的践诺问题。

按照传统判断，AI 应该故意于大公司。前沿模子需要多数 GPU、数据、工程系统和本钱，这些王人是 Google、Meta 等公司领有的资源。但往常几年，越来越多顶 AI 商量东说念主员却聘任从大公司离开，进入创业公司。

Jeff Dean 的解释是，云筹备改变了这个问题。往常，只须大型科技公司能够我方开辟数据中心和完好的机器学习基础要领，而今天，这部分身手正在被云筹备“外部化”。支十东说念主支配的微型商量团队不再需要我方领稀有据中心，也不错胜仗取得以前只须大型科技公司才能领有的机器学习基础要领。

Discovery Loop 本人亦然这种模式：公司但愿保管支畛域较小、方针度蚁合的团队，但 Google 仍是其投资者和云筹备作伙伴，并将在早期向公司提供筹备资源。

小公司提供的是注，大公司提供的是基础要领。宋晓冬解释，我方此前聘任创业，是因为行状生计早阶段还莫得准备好进入大公司；如今加入 Meta，则是因为数十亿用户和多数企业组成的畛域，让她有契机把 AI 安全着实镶嵌大畛域居品。她本东说念主此前也明确暗示，加入 Meta 后将进前沿模子和 Agent 的 AI safety 与 security。

个聘任从大组织走向小团队，个聘任从创业公司进入大平台，两种判断其实不矛盾。Jeff Dean 并莫得以为 Google 这么的公司失去了鼎新身手。违反，他的新公司依然设立在往常二十多年大型科技公司开辟的 AI 基础要领之上。对 Jeff Dean 来说，小公司的眩惑力先来自组织上的注：让群东说念主围绕同个服务服务。

而这个服务终指向个问题：若是模子、算力和数据王人一经不错 Scaling，那么科学发现本人，能弗成成为下个被 Scaling 的对象？

1.https://www.businessinsider.com/jeff-dean-new-startup-discovery-loop-google-facts-2026-8

2.https://www.wired.com/story/jeff-dean-google-discovery-loop-startup/

3.https://www.tomzahavy.com/files/llms-cant-jump.pdf

4.https://deepmind.google/public-policy/conjecture-machines-ai-agents-and-the-new-validation-bottleneck-in-science/

5.https://research.google/pubs/outrageously-large-neural-networks-the-sparsely-gated-mixture-of-experts-layer/

6.https://deepmind.google/blog/alphaevolve-impact/

7.https://deepmind.google/blog/co-scientist-a-multi-agent-ai-partner-to-accelerate-research/

8.https://stanfordtechreview.com/articles/jeff-dean-first-talk-since-leaving-google

排版：刘雅坤

注：封面/图由 AI 扶助生成

手机：18631662662（同微信号）相关词条:罐体保温     塑料挤出设备     钢绞线    超细玻璃棉板    万能胶

1.本网站以及本平台支持关于《新广告法》实施的“极限词“用语属“违词”的规定可克达拉异型材设备价格，并在网站的各个栏目、产品主图、详情页等描述中规避“违禁词”。
2.本店欢迎所有用户指出有“违禁词”“广告法”出现的地方，并积极配合修改。
3.凡用户访问本网页，均表示默认详情页的描述，不支持任何以极限化“违禁词”“广告法”为借口理由投诉违反《新广告法》，以此来变相勒索商家索要赔偿的违法恶意行为。