谢尔盖·布林很少公开发言。他坐下来进行了一次关于前沿AI的无脚本问答。

他承认，甚至那些构建这些模型的人也不完全理解他们创造了什么：

1. 所有专门的AI模型正在汇聚成一个。谷歌过去需要为不同的科学问题使用单独的模型。现在，主要的Gemini模型同时在数学和其他科学问题上达到了最先进水平。布林说他一开始不会预测这种汇聚，看着它发生令人难以置信。

2. 在一项技能上训练AI会神秘地改善不相关的技能。这是迁移的概念。在编码上训练模型，其数学推理能力会变好，反之亦然。教它处理图像可以改善其解决几何文字问题的能力。这些能力以无人完全设计的方式相互渗透。

3. 甚至谢尔盖·布林也不知道如何提示这些模型。他说他对提示的水平感到真正困惑。你是告诉它调试一段特定代码，还是要求它编写一个更好的神经网络训练算法，或者只是说，“我今天该做什么。”他承认，即使在谷歌，他们也不知道Gemini能力的确切边界在哪里。

4. AI最大的飞跃之一来自于听起来最愚蠢的技巧。思维链提示只是告诉模型在给出问题前一步步思考。布林说这看起来像是最愚蠢的事情，而且没有明显理由它应该有效。但它确实有效，并激发了AI能力的显著提升。有些最直接的请求结果上解锁了最多的潜力。

5. 布林不会为了今天的AI修改自己的生物学。被问及人类如何跟上模型加速的带宽，他承认神经链接和直接大脑连接正在被追求。但他说他个人会等待技术成熟很多后再做任何改变生物学的事情。今天模型并不值得这么做。

6. 超级智能并不意味着解决不可能的问题。一位观众争辩说，真正的超级智能意味着解决像旅行推销员这样的NP完全问题。布林反驳道。大多数计算机科学家相信P不等于NP，这意味着没有算法能可靠地最优解决那些问题，而且AI有多聪明并不重要。不可能的东西仍然不可能。超级智能只是意味着比人类更聪明。

7. 计算机掌握一项技能从未阻止人类追求它。1990年代深蓝在国际象棋上击败卡斯帕罗夫，人们继续下棋。AlphaGo之后，人类的围棋水平戏剧性地进步，那些输给它的人也变得远为优秀。布林的观点：AI不会让人类在一个领域退休雄心；它往往推动最先进水平，并拉动人们跟上。

8. 布林认为类似于Transformer的东西能带我们达到AGI。被直接问及Transformer是否足够，他说他猜测是的，主要因为它们被证明出奇地灵活，远超原始文本用途地适用于图像和视频。但他小心地指出，它们一路上悄然发生了很多变化，不再是原始Transformer论文中的相同架构。

9. AGI意味着两件不同的事情，其中一件需要理解物理世界。布林个人认为AGI是能自我改进的AI。但他承认其他人将其定义为能做人能做的一切的AI，他认为他们可能更正确。要做人能做的一切，AI必须理解并与物理世界互动，这就是为什么世界模型和机器人技术变得至关重要。

10. 在谷歌内部，他们现在用AI来构建AI。布林说团队已将大量精力转向让AI做诸如监控训练运行和生成自己的训练数据之类的事情。你开始用工具来构建工具。这就是他现在花费大部分时间的事情，他称之为自我改进游戏。

11. 布林对谷歌落后于竞争对手的地方异常坦诚。他承认谷歌在深入关注编码方面晚了一点。他说六个月前Gemini 3.0和3.1在各方面都处于领先，但其他实验室此后取得了进展，尤其在编码方面。他现在给竞争对手的模型在深度编码和隔夜任务上优势，同时推销Gemini的闪电模型在快速交互迭代上远更快。事后来看，他说，他们本该早点关注代码。

12. 他视自己的角色为煽动者，而不是管理者。布林坦诚地说，交付Gemini是Corey和Demis的责任，不是他的。他描述自己的工作是戳戳团队，问，你们真的在做那个吗，提醒他们可能忽略的优先事项和他们不够重视的想法。他承认这有时有点破坏性。

13. 信心来自于忽略月度温度。布林说，如果他每个月根据哪个竞争对手刚发布模型来判断谷歌的位置，他会很快失去信心。相反，他关注更长的弧线。事情不断变化；一个实验室在一件事上领先，另一个在别处拉开差距，尽管日常噪音，他对Gemini的实际位置感觉良好。