Google Gemini 负责人 Noam Shazeer（诺姆·沙泽尔）与 Jack Rae（杰克·雷）：测试时计算能带我们走多远？

撰文：Techub News 整理 导语 在知名 AI 播客《Unsupervised Learning》的最新一期节目中，主持人 Jacob Effron 邀请到了 Google Gemini 大语言模型项目的两位关键人物：Noam Shazeer（诺姆·沙泽尔）与 Jack Rae（杰克·雷）。Noam Shazeer 是 Transformer 架构的联合发明人之一，也是 Character.ai 的创始人，现回归 Google 领导 Gemini 项目。Jack Rae 则是 DeepMind 多项突破性研究的关键贡献者，目前也深度参与 Gemini 的开发。这场长达 70 分钟的对话，正值 Gemini 2.0 系列模型发布、测试时计算范式兴起之际，两位身处 AI 研究最前沿的专家分享了他们对技术现状、未来路径以及行业生态的独到观察。 摘要 测试时计算潜力巨大，但非 AGI 万能钥匙：通过投入更多推理时计算资源（如思维链），模型能力能获得显著提升，尤其在数学、代码等可验证领域。然而，要达成真正的 AGI，仍需解决在复杂环境中行动、提出真正新颖问题等核心挑战。 模型能力正从“应试”转向“创造”：当前的研究重点正从在固定基准测试上“刷分”，转向让模型能够进行开放式探索、提出新问题，并最终在科学发现等实际创造领域做出贡献。 开源模型的追赶速度超乎预期：Noam Shazeer 和 Jack Rae 均对开源社区（如 Gemma、DeepSeek）快速跟进并发布有竞争力模型的速度表示惊讶和赞赏，认为这股创新力量将持续存在。 AI 与教育的结合前景广阔：Jack Rae 以其孩子的亲身经历为例，展示了 AI 如何成为强大的个性化学习工具，认为下一代人将因此变得更“聪明”，AI 在教育领域的潜力被严重低估。 对 AGI 风险持审慎乐观态度：两人均认为需要认真对待 AI 安全与对齐问题，以及技术对社会经济的冲击。Google 内部有专门的团队评估模型发布的风险。Noam Shazeer 比喻，希望 AI 能像尊重父母的孩子一样尊重其创造者。 测试时计算：现状、惊喜与天花板 对话始于对 Gemini 2.0 系列模型，特别是其“思维”（Thinking）或测试时计算能力的探讨。Jack Rae 分享了一个最初的惊喜：研究团队原本集中精力于提升模型在数学和代码等“推理任务”上的表现，但很快发现，这种深度思考的能力同样能显著改善创造性任务，例如撰写文章。模型在“思维”过程中展现的构思、修订过程，其输出结果的质量和风格都令人印象深刻。 Noam Shazeer 强调了在可验证领域（如数学、代码）取得突破的重要性，因为这些评估指标能有效区分模型是真正学会了推理，还是仅仅记住了更多数据。他坦言，评估基准（Evals）的“寿命”正在急剧缩短，往往几个月前还极具挑战性的任务，很快就被模型攻克并变得“微不足道”。这促使整个行业需要不断开发更复杂、更私密的新评估体系。 当被问及什么才是真正有意义的里程碑时，Noam Shazeer 给出了一个引人深思的回答：“当 Gemini X 能够编写 Gemini X+1 时。” 这指向了 AI 自我改进的强化循环——利用已构建的 AI 工具，来更高效地开发下一代更强大的 AI。他认为，除了这个“元循环”，来自用户反馈的数据飞轮以及全球关注与资金投入的飞轮，都将共同驱动 AI 发展的加速。 那么，测试时计算的“天花板”在哪里？它能否直接将我们带向 AGI？对此，两人的观点明确。Noam Shazeer 从经济学角度分析：当前大语言模型的推理成本极低（每美元可生成数百万 tokens），远低于人类阅读书籍或雇佣工程师的成本。因此，只要价值存在，就有巨大空间投入更多计算资源让模型在推理时“思考”得更深入、更聪明。这无疑会带来显著的能力提升曲线。 然而，Jack Rae 明确指出，测试时计算范式并非通往 AGI 的完整路径。他认同需要其他关键组件，尤其是让 AI 能够在复杂环境中行动的“智能体”（Agent）研究。目前的测试时计算更像是“针对特定问题思考更久以找到答案”，而未来的目标应该是让模型能进行“深度思考”，在“思维”中创造并内化新知识，从而大幅提升解决后续任务的数据效率。就像人类数学家通过研读一本教材并深入思考，最终成为世界级专家一样。他们正在朝这个方向努力，但尚未抵达。 从“应试者”到“探索者”：AI研究范式的转变 随着模型能力提升，其角色也在发生根本性变化。Jack Rae 以数学为例，阐述了这种转变：当前数学多被用作基准测试，类似于“考试”；而未来的重要转折点，是让 AI 开始生成“有用的数学”，解决真正重要的、未解决的问题。这需要建立一套从现有能力逐步过渡到实际科学贡献的评估阶梯。 Noam Shazeer 对此深表赞同，并借此回应了关于“大模型仅是模仿、无法产生新颖思想”的批评（如 Yann LeCun 的观点）。他认为，即便只是将两个已知的、互不相干的知识领域进行交叉“插值”，从而发现新的属性（例如在材料科学中），这本身就已经能极大加速科学进程。至于何为“真正新颖”，他认为无需陷入哲学争论，更务实的态度是持续构建 AI，提升全球技术水平，帮助人类。 Jack Rae 则描绘了一幅更宏大的图景：将当前数学研究的现状比作15世纪的地理大发现。只有少数精英探险家（数学家）能够冒险探索未知领域，带回零星的新地图。如果 AI 能够学会提出正确的数学问题（这被认为是最难的部分），并且有能力解决它们，那么未来我们或许可以拥有“百万个陶哲轩级别的数学家”，快速绘制出整个“数学地图”，这将对所有科学产生革命性影响。 研究文化、开源生态与未来展望 回顾过去十年的 AI 研究，尤其是像 Transformer 这样的突破，Noam Shazeer 将其比作“炼金术”时代——高度实验性，知其然未必知其所以然。他强调在研究文化中慷慨给予认可的重要性，因为想法的溯源和贡献分配往往极其复杂。对于 Transformer 的诞生是否具有必然性，他认为类似的想法在当时已呼之欲出，但具体的碰撞与结合确实需要一些机缘。 两人也讨论了不同的研究组织模式。Jack Rae 结合其在 OpenAI（更集中化）和 DeepMind（更多自上而下）的经历，认为在 Google 当前的环境中，保持“自上而下”的战略聚焦与“自下而上”的自由探索之间的平衡至关重要。战略聚焦能确保在关键方向（如测试时计算）投入资源并交付成果，而自由探索则常常带来意想不到的、更具影响力的突破。 一个令他们共同“改变想法”的领域是开源模型的进展。Jack Rae 坦言，他曾以为闭源模型可能会逐渐拉大领先优势，但开源社区展现出的激情、创造力和快速迭代能力令人震惊。像 Gemma 3 和 DeepSeek 这样的模型性能卓越，表明开源力量完全能够持续创新并保持竞争力。Noam Shazeer 也认为，开源与闭源之间的“时间差”正在缩小，未来可能是“质量差距明显但时间差极小”的局面。 AI 的社会影响：教育、风险与人类角色 谈及 AI 对个人生活的影响，Jack Rae 分享了一个生动例子：他四岁的儿子喜欢用 Gemini 识别花园里的植物和蜥蜴，并迅速吸收了详尽的专业知识，甚至能在学校向老师准确描述。他认为，AI 与教育的结合将催生一种前所未有的个性化学习方式，让下一代人变得更“聪明”，这一前景被严重低估。 Noam Shazeer 的思考则更具哲学意味。他认为，随着 AI 可能在未来承担更多物质生产工作，人类需要重新寻找生命的意义——这可能不再是关于生存的挣扎，而是更多地关乎精神层面的追求。他鼓励人们，如果现在有想做的、有物质意义的事情，“现在就去做”，因为未来情况可能不同。 关于 AGI 风险，两人态度审慎。Jack Rae 表示“中度担忧”，指出创造出一个远超自身智能、但仍能可靠服务于创造者的实体，在历史上缺乏先例。此外，AI 对就业和经济结构的潜在冲击也是需要认真应对的现实问题。他提到 Google 内部有独立的团队专门负责从更全局的视角评估模型发布的安全性与社会影响。Noam Shazeer 则用了一个巧妙的比喻：希望 AI 能像（理想中）尊重父母的孩子一样尊重人类。他承认需要全力投入安全研究，但整体并不恐惧。 最后，在快速问答环节，对于“当前 AI 界什么被高估/低估了”的问题，Jack Rae 认为某些特定的、复杂的合成任务基准（如 ARC-AGI）被高估了，因为它们可能无法有效导向通用的、有用的 AGI。Noam Shazeer 则坚定地认为，大语言模型和 AGI 本身仍然被“严重低估”，其潜力远不止于创造万亿美元市值的产品。如果让他们现在去开发应用，两人都认为“智能体”领域，尤其是能够自动化执行复杂任务（不限于编码）的智能体，以及 AI 赋能软件工程（自我加速循环的关键），是最值得关注的方向。