【中國智能制造網(wǎng) 訪談】我們離通用人工智能還有多遠？這取決于你問的是誰，不同的人會給出不同的估計。我不想妄加猜測，只能給出一個寬泛的估計。我認為我們還需要15到50年——可能接近這個范圍的更低的一端。　　
　　JeffDean在獲得華盛頓大學計算機科學博士學位的三年之后（1999年）加入了谷歌公司，成為了該公司早的員工之一。在谷歌的成長過程中，他一直是該公司的頭面人物——設計和實現(xiàn)了支撐谷歌大部分產(chǎn)品的許多分布式計算基礎設施。
　　
　　谷歌CEOSundarPichai曾說過谷歌將會變成一家人工智能優(yōu)先的公司；作為系統(tǒng)和基礎設施組的成員，Dean及其團隊對實現(xiàn)這樣的目標至關重要。在這個涉及范圍廣泛的訪談中，Dean描述了他在谷歌的多種角色、該公司的人工智能愿景、他對谷歌如何在作為科技巨頭的同時保持創(chuàng)業(yè)精神的想法，以及其它許多主題。
　　
　　PeterHigh：JeffDean，你1999年加入谷歌，見證了該公司大部分歷史。請給我們簡要描述一下你這17年來在該公司所扮演的角色的發(fā)展。
　　
　　JeffDean：當我加入的時候，谷歌還相當小。我們都擠在帕洛阿爾托大學路上的一間小辦公司里。我的個主要工作是創(chuàng)建我們的個廣告系統(tǒng)。然后我用了四五年的時間來開發(fā)在谷歌上的每次查詢都會用到的檢索、索引和搜索系統(tǒng)。在那之后，我基本上在和SanjayGhemawat等一些同事一起開發(fā)谷歌用來存儲和處理大型數(shù)據(jù)集與做構(gòu)建搜索索引或處理衛(wèi)星圖像等事情的軟件基礎設施。近一段時間，我一直在開發(fā)研究機器學習系統(tǒng)。
　　
　　High：鑒于你的涉及范圍和角色是如此地廣泛，我想你可能沒有‘平常的一天’。你如何確定與公司內(nèi)外的什么人進行交流？我很想知道你如何在你所從事的不同事情上分配時間。
　　
　　Dean：我沒什么典型的一天。在開始的十四或十五年里，我沒有任何管理上的工作，那給了我更多自由時間來專注編寫代碼。過去幾年，我管理了一些機器學習上的工作，這對我來說是一件有趣而新穎的學習經(jīng)歷。因為我在該公司的這段歷史里做過很多事情，而且我喜歡這些不同的項目進展保持關注，我常常收到很多郵件。我在處理電子郵件上花了很多時間，大部分是刪除或略讀它們以了解事情的進展。在任何時候，我都有幾個技術(shù)項目要做，所以我需要在各種會議和設計審查這些事情之中找到花費我每天時間的方法。
　　
　　High：盡管谷歌實現(xiàn)了急速的成長，但谷歌一直是創(chuàng)新的典范。它的雄心和創(chuàng)新精神看起來就好像它還是一家小公司一樣，但它現(xiàn)在已經(jīng)擁有了人力和財力上的資源，是科技行業(yè)的龐然大物。谷歌這家企業(yè)是如何打敗繁文縟節(jié)和官僚主義，從而使其保持與其體量不相稱的靈活性的？
　　
　　Dean：自我加入公司以來，谷歌基本上就一直在不斷成長。早些年的時候，我們的員工數(shù)量每年都在翻番。在百分比上，我們現(xiàn)在已經(jīng)放緩了；但在數(shù)量上，我們?nèi)匀挥邢喈旓@著的增長，員工的數(shù)量每年都會增長大概10%到20%的樣子。公司體量的每一次倍增都會迫使我們重新思考該在公司內(nèi)部如何完成事情。在X人時有效的做法，人數(shù)擴增到兩倍時已經(jīng)行不通了，我們必須搞清楚如何適應我們的風格、我們的工程開發(fā)、組織架構(gòu)、團隊動態(tài)等等以適應新的公司規(guī)模。
　　
　　我認為在增長中對我們有所助益的一件事情是我們往往會分支到許多不同的領域，這些領域在某種程度上獨立于谷歌的其它部門的工作。創(chuàng)造用于接入互聯(lián)網(wǎng)的高空氣球的部門與提供搜索查詢的部門只有相對適中的互動。和我們核心業(yè)務中的項目不一樣，我們許多不同活躍項目都不需要那么多的交流，這讓我們可以實現(xiàn)規(guī)模和效率。
　　
　　High：我理解谷歌/Alphabet分離的部分原因是因為要將不同類型的活動分開以保持敏捷。這是一個合理的評價嗎？
　　
　　Dean：我認為是的。我認為這能讓Alphabet旗下的其它實體能更獨立地運作。對于規(guī)模的倍增，我想說通過一些有趣的轉(zhuǎn)變，我們從所有人都在一個建筑里工作變成了現(xiàn)在不再同一個建筑里。
　　
　　后來，我們的工程開發(fā)工作也從山景城擴散到了蘇黎世、紐約、東京和西雅圖。我們這五處辦公室已經(jīng)有一段時間了，而且這些辦公室現(xiàn)在已經(jīng)發(fā)展得相當大了。再后來，在短短幾年之內(nèi)，我們工程開發(fā)的辦公室數(shù)量就從五個增加到了三十五個，因為我們覺得在世界各地尋找人才并圍繞他們開設辦公室是非常好的。這讓我們不得不重新思考我們該如何去組織大量的工程開發(fā)工作。如果你有一個小辦公室，它就可能不應該做一百件事；它應該只做少數(shù)幾件事，并專心將它們做好。一些小公司采用的模式是看山景城的其他人怎么做，他們看到別人正在做一百件事，所以他們認為自己也應該做一百件事。我們慢慢找到了一種使用分布在世界各地的工程辦公室中所有人的更好的方式。
　　
　　High：谷歌CEOSundarPichai曾經(jīng)說過，從長遠來看設備將逐漸消失，計算將從移動優(yōu)先進化到人工智能優(yōu)先。請你描述一下谷歌的人工智能優(yōu)先的愿景。
　　
　　Dean：我認為我們已經(jīng)從桌面計算移到了移動計算，每個人都隨身帶有一個‘計算設備’。隨著設備繼續(xù)縮小，語音識別和其它類型的可替代的用戶接口變得更實用，這將改變我們與計算設備交互的方式。它們可能隱入背后，并圍繞著我們，讓我們能夠像與可信賴的伴侶一樣和它們交流。它們將協(xié)助我們獲取想要的信息，或者幫助我們完成各種各樣的任務。我認為這是向前推動機器學習的一個主要目標：在提供建議上擁有能夠像人類伙伴那樣智慧的計算機、當需要的時候它們能夠?qū)ふ业礁嗟男畔⒌冗@種事情。我認為接下來五到十年將會是一段令人激動的時間段。
　　
　　High：因為取得了一些進展，人工智能的不同目的也完成了一些，看起來一些人不再將這些成就視為真正的人工智能。也就是，人工智能似乎總是以未來時的語氣在討論。你將如何定義人工智能的范圍呢？
　　
　　Dean：我認為真正的通用人工智能是能夠表現(xiàn)出人類水平的推理、理解和完成復雜任務能力的系統(tǒng)。很明顯，我們還未達到這一步，但你說已經(jīng)有了很多的進展是正確的。五年前，計算機接收一張圖片然后生成人類水平的語句描述圖片還是不可能的?，F(xiàn)在，一臺計算機生成的句子可能會說：‘這張圖片是一個正拿著網(wǎng)球拍站在網(wǎng)球場上的男人。’同時，一個人可能會說：‘這張圖片是一個網(wǎng)球員正要發(fā)球。’人類的描述更為精細，但事實上計算機已經(jīng)能夠產(chǎn)生看起來幾乎是人寫的描述語句，這已經(jīng)是一個相當大的進步了。在過去五六年中，隨著人們應用的一些更為復雜的機器學習模型，我們?nèi)〉煤芏噙M展，這只是其中的一個例子。因為他們使用更大的數(shù)據(jù)集和更多的計算能力運行這些模型，結(jié)果也已經(jīng)變得更好了。
　　
　　High：你認為我們離通用人工智能還有多遠？
　　
　　Dean：這取決于你問的是誰，不同的人會給出不同的估計。我不想妄加猜測，只能給出一個寬泛的估計。我認為我們還需要15到50年——可能接近這個范圍的更低的一端。
　　
　　High：你之前提到，語言是諸多關鍵要素中的一種，而且谷歌的許多人工智能計劃也是圍繞著語言，比如閱讀、理解網(wǎng)頁上的所有內(nèi)容或者智能化地交流和理解上下文語境。你能談一下讓機器更好地理解語言的途徑嗎？為了邁向（如果尚未完成）通用人工智能，你預見的發(fā)展道路是怎樣的？你在這方面做著哪些工作？
　　
　　Dean：我認為一件有趣的事是信息檢索領域，這是谷歌早期工作的基礎。傳統(tǒng)上看，這并沒有試圖真正理解用戶在點擊搜索時到底想要什么。它更像是查找包含用戶所輸入詞的文件或意思接近這些單詞的內(nèi)容。有趣的是，在近的四五年里，我們已經(jīng)開始研發(fā)出可以更好地理解‘車’這個詞的本質(zhì)的技術(shù)。知道‘一輛車’、‘一些車’、‘汽車’、‘客車’和‘小型運貨車’在某種意義上是相關的，而且能以這種更流利的方式匹配文件，促成了在許多語言理解任務中的更好表現(xiàn)。
　　
　　我們不僅能理解詞匯，還能抓住要點，理解兩個相互釋義的句子在某種意義上有相同的意思。機器開始達到我們?nèi)祟惱斫庹Z言的水平，我們將能夠以更多機器學習的方式推動機器理解更長篇幅的文本。
　　
　　接下來幾年我們的目標是讓機器系統(tǒng)吸收成百上千份文件，然后能談論文件里的內(nèi)容。也許系統(tǒng)將總結(jié)這些文件，針對文件內(nèi)容提出或者回答問題。我認為這就是要真正表現(xiàn)出高水平語言理解所需的理解水平。