Jeff Dean离职后首次公开访谈：谈Gemini不足、TensorFlow失误与新公司计划

事件概述

Jeff Dean在斯坦福2026 Frontier & Pioneer Symposium上，完成了从谷歌离职后的首次公开访谈。他围绕离开谷歌的原因、Gemini早期开发、TensorFlow的设计失误、新公司Discovery Loop的方向等话题进行了分享。

核心观点

• Gemini早期对Coding能力重视不足：Jeff Dean表示，Gemini是Google内部多个研究项目（DeepMind、Google Brain等）汇合的结果。他当时写了一份一页纸备忘录，推动整合团队从零打造多模态模型。现在看，从一开始就构建多模态是正确的决定，但当时对Coding能力的重视稍晚，而改进Coding能力有助于提升模型整体推理能力。

• TensorFlow的两个明确失误：一是最初没有加入Eager Execution模式；二是开源时设置了contrib子目录，导致社区出现同一功能多种实现方式的混乱。他认为应该让核心更简洁，将扩展作为外部库。

• 离开谷歌的原因：Jeff Dean在谷歌工作了27年，离开是为了探索更专注的团队形态。他认为如今云计算和机器学习算力基础设施已足够成熟，小团队可以依靠这些基础设施专注做科学和工程自动化，绕开大型组织的干扰。

• 新公司Discovery Loop：目标是利用机器学习提高科学发现速度。初期聚焦少数领域，希望打造一个拥有接近20个不同领域博士级别能力的模型，通过Agent和Multi-Agent系统拆解大问题、并行运行实验，将实验迭代周期从一天或一周压缩到一分钟或一小时。

• 递归自我改进：他列举了此前Quoc Le的Neural Architecture Search和Evolved Transformer（效率比标准Transformer高约30%），认为模型架构、训练数据、Eval等环节未来都可以形成自动化闭环。

• 科研方法建议：与其精读一篇论文，不如快速浏览10篇甚至100篇摘要，以便连接尚未被连接的思路。同时要善用第一性原理做数量级估算。

• AI与网络安全：他认为AI目前已经能完成顶级人类攻击者能做的事情，甚至可能更进一步，同时也能发现人类防御工程师难以发现的漏洞。他建议对不希望模型执行的行为，可能需要法律和监管等非技术手段。