Google科学家指出：AI编程范式从“数据”为中心向“模型”为中心转变，智能体和多模态整合是未来关键

最近， DeepMind 资深研究科学家 Nenad Tomasev 和 Kaggle CEO D.Sculley 在 2024 极客公园创新大会上分享了他们对 AI 未来发展的深度洞察。

以下是对访谈分享的总结提炼（原文见文末链接）：

强化学习带来的关键突破

Nenad 指出，AlphaZero 的重大突破在于通过自我对弈生成数据，使 AI 不再受限于人类知识。他强调：”如果你的数据仅来源于人类的表现，那么你的系统可能永远无法超越人类的水平。“

目前强化学习面临的主要挑战是需要一个清晰的奖励信号。Nenad 认为：”为了给出这个明确的目标，我们自己首先需要对’我们想要什么’和’我们想如何做到’有清晰的答案。”

AI 开发范式的根本转变

D.Sculley 指出，AI 开发已从数据驱动（AI 1.0）转向模型驱动（AI 2.0）（延伸阅读：我的有关LLMOPS与MLOPS的共性与差异的分享）：”过去需要从收集数据开始，现在是先寻找一个合适的大模型作为起点，比如 GPT 或 Gemini，然后通过提示词优化、RAG、微调等方式逐步改进。”

未来发展方向

1. 智能体和多模态整合将成为下一个重点。Nenad表示：”未来与其说我们始终依赖单一的模型，不如说我们会构建拥有多种能力的智能体。”

2. 大小模型协作而非单一大模型。D.Sculley预测：”从长期来看，我们的系统将由多个 AI 模型或智能体相互协作，比如用专有的语言大模型生成内容，同时用小型模型进行验证。”

3. 规划和推理能力的提升。Nenad强调深层次推理对解决科学、社会、医疗等复杂任务的重要性。

对开发者的建议

D.Sculley 给年轻开发者的建议很直接：”不要等待，立即开始。”他认为 AI 可能是历史上发展最快的领域，创新速度前所未有。

对于人才需求，行业将更看重那些擅长通过提示词工程、RAG数据库等方式与大语言模型交互的人才，这种工作形式与传统机器学习有明显区别。