今天小编分享的科技经验：DeepMind CEO专访：AI还没到拼算力的时候，谷歌优势在研发，欢迎阅读。
新智元报道
编辑：润
【新智元导读】Google DeepMind 首席执行官 Hassabis 最近在接受 WIRED 采访时表示，AI 技术现在还有很大的改进空间，还远没有到只能拼算力的时候。谷歌的优势在于科研能力，未来智能体将改变 AI 的格局。
虽然谷歌的 Gemini 在开年的 AI 产品大战中没有获得太多的关注，但是 Google DeepMind 作为人类最前沿的 AI 机构，依然在抵达通用人工智能的道路上紧追 OpenAI。
最近，WIRED 对 DeepMind 的负责人 Hassabis 进行了专访，聊了很多关于最近发布的产品，以及未来人工智能发展技术道路的问题，干货满满。
在他看来，未来人工智能技术的发展，远远没有到只比拼算力和规模的程度，在基础构架，Agent 等方面还有很多的想象空间。
谷歌的优势在新技术的研发
问：Gemini Pro 1.5 能够处理的数据量远超前代产品。得益于一种叫做「MoE」的架构，它在同等规模下的能力也得到了增强。这些进步为什么重要？
Demis Hassabis ：你现在可以处理一个普通长度的短片。我认为，如果你正在学习某个主题，要看一个小时的讲座，或者想要查找某个特定的信息或者讲座中提到的某个点，我们的更新都会非常有用。
Jeff Dean 用 MoE 做了这个新的 Gemini Pro 版本，虽然还没有进行大规模测试，但其性能大致相当于上一代架构中最大的模型。
我们完全有能力使用这些创新来创建一个 Ultra 大小的模型，这正是我们正在努力的方向。
Hassabis 认为，过去几年里，增加 AI 模型训练中使用的计算能力和数据量是推动了巨大进步的关键因素。
有传言称 Sam Altman 正在寻求筹资高达 7 万亿美元以购买更多的 AI 芯片。
对此，Hassabis 反问：「是不是谣传？我听说似乎是日元为部門？」
「不过，确实，规模很重要，这就是英伟达现在市值飙升的原因。
这也是 Sam 正在努力筹集资金的原因。但与许多其他机构不同的是，我们一直把基础研究放在首位。
在过去十年的开创性工作中，Google Research、Google Brain 和 DeepMind 发明了我们今天使用的大多数机器学习技术。
这一直是我们的核心，我们拥有许多其他机构可能没有的资深研究科学家。相较之下，其他的初创公司甚至是大公司，往往更侧重于工程而非研究。」
AI 技术突破还有很大空间
Hassabis 表示，他相信要实现通用人工智能（AGI），不仅需要在现有技术上扩大规模，还需要很多重大的技术创新。
「我们还没有看到技术任何停滞不前的迹象，仍有进步空间。因此，我的观点是，我们应该继续推动现有技术，看看它们能走多远。但是，仅仅通过扩大现有技术的规模，你不会获得像规划、工具使用或智能体行为这样的新能力。这些能力不会无缘无故突然就发生。」
他还强调了探索计算本身的重要性。
「理想情况下，在几天内就能训练完成的小规模问题上进行实验，往往会发现，在小规模上有效的方法，在大规模上可能不适用。所以，存在某一个有效的阈值，可能可以将规模扩大 10 倍（extrapolate maybe 10X in size）。」
智能体是下一个热点
当被问及未来 AI 公司之间的竞争是否将越来越多地围绕工具使用和智能体时，Hassabis 表示这是很可能的。
「我们长期以来一直在这条道路上；实际上，智能体、强化学习和规划是我们的专长，自 AlphaGo 时代以来就是如此。
我们正在重新审视许多想法，考虑将 AlphaGo 的能力与这些大型模型相结合。内省和规划能力将有助于改善诸如幻觉等问题。」
他还指出：「这无疑是一个巨大的领網域。我们正在投入大量的时间和精力，我们认为这将极大地提升这些系统的能力——当它们开始表现得更像智能体时。我们正在大力投资这个方向，我想其他人也在做同样的事。」
至于将 AI 模型变得更像智能体是否也会使它们变得更有问题或潜在危险，Hassabis 表示，这确实是一个巨大的变化。
「一旦我们让类似智能体的系统开始工作，AI 的感觉将与当前的系统截然不同，因为它们将从被动的问答系统转变为主动的学习者。
当然，它们也会因为能够真正完成任务而变得更加有用。但我们需要更加谨慎。」
他强调了在将这些智能体部署到网络上之前，在模拟环境中进行测试的重要性。
「我一直主张在发布之前，在严格的模拟环境中测试智能体。
还有很多其他的建议，但我认为行业应该开始认真考虑这些系统的出现。可能还需要几年时间，或许更快，但这是一个不同类别的系统。」
在谈到测试他们最强大的模型—— Gemini Ultra 花了很长时间才交付的原因时，Hassabis 说，既是因为开发速度，也因为模型本身更加复杂。
「首先，更大的模型在微调时更复杂，所以需要更长的时间。更大的模型还有更多需要测试的能力。」
Hassabis 希望人们注意到，随着 Google DeepMind 作为一个统一组织的稳定，他们越来越倾向于早期发布产品，将其以实验性质提供给少数用户，然后根据这些可信赖的早期测试者的反馈进行调整，以便在普遍发布之前做出改进。
关于与政府机构如英国 AI 安全研究所的合作进展，Hassabis 表示：
「进展顺利。我不确定我能说什么，因为这些都是机密信息，但他们当然可以访问我们的前沿模型，他们正在测试 Ultra，我们将继续与他们密切合作。
我认为美国的相应机构也在设立过程中。这是来自布莱切利公园 AI 安全峰会的积极结果。他们可以检查我们没有权限检查的事物，比如化学、生物、辐射和核武器（CBRN）方面的问题。」
Hassabis 认为，当前的系统还不足以执行任何实质性的、令人担忧的任务。
「但现在就建立起政府、行业和学术界的合作机制是很好的。我认为，智能体系统将是下一个重大的变革。我们会看到沿途的逐步改进，可能还会有一些重大的突破，但那将带来完全不同的体验。」
