研究的黄金时代与环境智能愿景

Google Research负责人约西·马蒂亚斯（Yossi Matias）指出，我们正处在一个研究的黄金时代。过去从未有哪个时代能像今天这样，让我们以现有的速度和规模将想象变为现实。马蒂亚斯拥有理论计算机科学领域的哥德尔奖，并推动了Google Trends、搜索自动补全及早期对话式AI系统Duplex的发展。他强调，技术的进步并非简单的线性外推，真正的价值在于预测拐角后的可能性。这种动态体现在每一次突破都成为新的基础层，例如十年前语音处理技术的成熟让对话体验成为可能。马蒂亚斯认为对话是终极的用户界面，因为这是人类沟通的本质方式。

“我们正处在一个研究的黄金时代。过去从来没有任何一个时代能够像今天这样，让我们真正去想象未来并以现在的速度和规模把它变成现实。”

在此基础上，马蒂亚斯提出了环境智能（Ambient Intelligence）的概念。他认为AI最成熟的状态是人们根本注意不到它的存在，就像电力一样被视为理所当然。先进的技术和魔法几乎无法区分，但一旦体验过几次，它就不再是魔法。这种愿景通过生成式用户界面（Generative UI）落地，AI不仅生成内容，还判断最佳呈现方式。例如向十岁孩子解释二次方程时，通过展示投篮抛物线与公式的关系，而非枯燥念诵。Google的Learn Your Way实验正探索根据年龄、兴趣定制教育内容，实现界面随语境和用户变化。这一转变标志着从“展示信息”到“以最适合方式呈现信息”的范式转移。

突破缩放定律与科学发现加速

面对行业关于“缩放定律”触及极限的讨论，马蒂亚斯持不同观点。他认为人们忽略了几年前甚至没有当前架构的事实，因此不应假设现有路径是唯一可能。Google自2021年起推进模型效率与事实准确性研究，并通过投机解码（speculative decoding）等算法优化推理效率。马蒂亚斯表示还在等待10倍、100倍的提升及全新架构出现。在科学领域，AI正在加速发现本身。多智能体系统“AI Co-Scientist”能搜索文献、生成并验证假设，在细菌抗药性研究中仅用三天就提出了合作伙伴数年才提出的假设。AI不仅聪明，还能阅读各学科文献，如同将通才装入口袋。

“生成式AI还有很多领域需要进一步的工作和研究，比如如何让模型更高效、更事实准确、更可信。”

除了假设生成，构建验证模型的瓶颈也被打破。实证研究助手（Empirical Research Assistance）能自动搜索数据并构建计算模型，与AI Co-Scientist及AlphaEvolve共同加速科学方法。这些系统已发表在《Nature》上，广泛应用于宇宙学、流行病学等领域。人的创造力比以往任何时候都更加重要，因为AI承担了入门级任务。初级科学家可跳过繁琐步骤，更早进入提出正确问题、指导AI及判断结果的阶段。判断力的重要性会比以往任何时候都更高，因为结果往往存在多种可能性和取舍。教育体系需重新思考如何培养这种高阶判断技能，正如社会曾适应维基百科带来的变化一样。

洪水预测：从不可能到行星级智能的迭代

马蒂亚斯通过洪水预测案例阐释了研究的魔法循环：提出问题、研究、应用、发现新问题并迭代。十年前，Google在危机响应中发现洪水预测极难，因变量太多且高置信度预测几乎不可能。但马蒂亚斯判断正因为难且重要，才值得尝试。经过在印度的试点及与学术界合作，Google提出利用机器学习从数据充足地区学习并推广至数据不足地区的全球水文模型。如今，该系统已在150个国家提供长达7天的洪水预测，覆盖20亿人口。救援人员和政府都可以通过Flood Hub获取这些预测信息。

“一个一年前几乎无法解决的问题，通过生成式AI和公开信息相结合，就这么被攻克了。”

针对突发性山洪这一难题，Google利用生成式AI分析过去20年的多语言新闻报道，识别出260万起山洪事件作为基准数据训练模型。这一技术名为Groundsource，现已在Flood Hub提供城市暴洪预测。实际影响显著：尼日利亚政府通过API向村民提前发放资金以撤离。任何人不应该再对即将到来的自然灾害毫无准备是Google的北极星指标。此外，DeepMind的WeatherNext用于风暴预测，Fireside项目计划发射卫星扫描野火。终极目标是构建行星级智能（Google Earth AI），结合地理、人口等模型形成平台，回答关于地球的任何问题，如社区受影响程度或公共卫生分析。

医疗AI突破与量子计算的未来

在医疗健康领域，Google致力于让语言模型真正理解医学信息。通过参加美国医学考试这一硬核基准测试，适配后的语言模型首次达到及格线（65%），发表《Nature》时得分达85%，加入多模态后更是达到91%。基于此推出的开源模型MedGemma，开放一年多下载超500万次。乌干达一名医护工作者在无网环境下通过MedGemma应用获得指导，可能挽救了母婴生命，展示了开放平台的力量。此外，糖尿病视网膜病变检测已完成超100万次筛查；与NHS合作的乳腺X光检查研究显示，AI可将漏诊降低25%并节省医生40%时间。

“结果从来不是非黑即白的，实际情况总是有几种可能性存在不同的取舍。这些都需要判断。”

关于量子计算，马蒂亚斯指出纠错是关键障碍，而Willow芯片在去年取得进展。量子计算机采用不同范式，在特定问题上远超经典计算机。某个问题用经典计算机解决需10的25次方年，而量子计算可快速解决；在可验证优势上，速度比经典计算机快13000倍。量子计算与AI的关系在于量子计算机能产生大量知识，这些知识可被AI利用构建分子层面的模型。马蒂亚斯认为未来几年将接近实用化，硬件、软件与算法的跨层级互动将持续推动发展。他特别提到教育是社会最重要的事，教师角色将更重要。

结论

马蒂亚斯的观点表明，AI的发展并未触及尽头，而是进入了以环境智能为愿景、通过生成式UI和跨学科能力重塑交互与认知的新阶段。在科学领域，AI作为“虚拟实验室”极大地加速了从假设生成到模型构建的过程，但人类的判断力和提出正确问题的能力变得前所未有的重要。洪水预测和医疗AI的案例证明，通过“研究的魔法循环”将前沿技术转化为现实应用（如Flood Hub和MedGemma），能产生巨大的社会价值。未来，随着量子计算等新技术的融入及行星级智能平台的构建，AI将不再仅仅是工具，而是像电力一样无处不在的基础设施。这一进程要求教育体系和社会结构适应新的能力标准，从掌握知识转向驾驭AI并做出关键决策。