开场介绍
主持人介绍Jeff Dean是Discovery Loop联合创始人兼CEO，此前在谷歌工作27年，参与构建MapReduce、BigTable、TensorFlow并担任Gemini联合负责人。随后介绍了斯坦福HAI创始主任李飞飞，她将参与闭幕对话。
AI 工具 · WATCH & LEARN
Jeff Dean与李飞飞：用自动化发现循环加速科学与工程
◉ 正在收听配音画面来自 YouTube。若当前网络无法加载，可切换「仅听配音」。
ABOUT THIS VIDEO
这一期，聊些什么？
Jeff Dean介绍其新公司Discovery Loop，目标是用AI自动化科学与工程中的实验循环，通过缩短迭代时间、扩大实验规模来加速发现。公司以公益企业形式注册，初期聚焦机器学习研究、工程与芯片设计，希望让领域专家效率提升20至50倍。在与李飞飞的对话中，他澄清了自我改进与递归自我改进的区别，指出物理计算限制了改进速度不可能无限，并就AI对数学、就业的冲击及年轻人的焦虑给出务实建议。
配音与字幕辅助理解，内容以原视频为准。在原平台观看 ↗
EPISODE NOTES
章节与要点
点击时间跳到对应画面与文稿。每节保留原视频定位，便于核对上下文。
自动化实验循环
Jeff Dean阐述Discovery Loop的使命是构建能自动解决机器学习、科学与工程重要问题的AI系统。他指出各学科都存在提出实验、运行实验、分析结果的通用循环，自动化这一循环能缩短迭代时间、提升实验质量与规模。
公益企业与创始团队
公司注册为公益企业，使命是开发解决重要社会问题的技术并广泛分享其收益。四位创始人Jeff Dean、Sanjay Ghemawat、Quoc Le、Oriol Vinyals均来自谷歌，合作14至30年，曾参与AlphaChip、AlphaFold等项目。
组建团队
公司初期重点是招聘，成员来自多家机构，包括Go语言项目领导者、Gemini、DeepSeek、Kimi K3等模型的关键贡献者。约10%的员工拥有ACM计算奖或IOI奖牌。
为什么是现在
过去10至15年硬件、软件抽象、模型架构、训练与推理算法的进步造就了强大的前沿模型。但仅有基础模型不够，还需要智能体使用工具、具备创造力，并从既往实验经验中学习。
大问题分解的挑战
传统实验循环每个阶段都需大量人力，解决大问题时分解子问题本身就很困难，且分解方式一旦确定难以更改。他设想由少数领域专家借助自动化系统分解并解决子问题，用强化学习或进化算法自动决策，运行数万次自动化实验。
公司进展
公司成立前三周进行了400场面试，自建了带协作功能的智能体工具和智能体优先的基础设施，已有约20个自动化改进循环在运行。初期聚焦机器学习研究与工程自动化，目标是让领域专家效率提升20至50倍，而非取代人。
创业契机
李飞飞问及离开谷歌创业的时刻，Jeff Dean表示十年前Quoc Le的神经架构搜索已证明自动化方法可行，如今可用自然语言指挥模型探索架构，这是深刻转变。他也强调享受小团队创业的感觉，并希望以公益企业形式践行价值观。
自我改进与递归自我改进
Jeff Dean定义：自我改进系统针对可衡量目标优化，如自动开发MRI影像模型；递归自我改进则是改进那个提出改进方案的基础系统本身。他强调物理计算限制使改进不可能无限快，自动化能加速但不能违背物理规律。
人类是哪种系统
李飞飞以学煎蛋为例问人类属于哪类系统。Jeff Dean认为人类兼具两者：既通过练习自我改进，也通过学会如何学习实现递归自我改进。两人都希望借此澄清硅谷对这一概念的炒作。
研究方向
Jeff Dean透露长期关注AI医疗，但现阶段聚焦可完全数字化闭环的领域：机器学习研究、机器学习工程和硬件设计。他认为这些领域能解锁其他学科，例如自动生成针对特定医疗任务的专用模型。
实验与理论之辩
李飞飞问自动化循环是否偏向实验主义。Jeff Dean承认略有倾向，但认为系统也能做理论工作，例如寻找解释数据的最简理论，且跨领域实验经验能打破学科边界。
AI与数学
谈及近期AI解决数学难题的进展，Jeff Dean认为这展示了新的可能性，但机器生成的数百页Lean证明缺乏人类数学家追求的优雅技巧。他指出知道问题可解本身就有价值，能激励人类找到更优雅的解法。
现场测验与技术回顾
李飞飞突击提问2017年6月12日的意义，Jeff Dean答出是Transformer论文上线日期。回顾十年，他认为Transformer、蒸馏、MoE架构最重要；他误判了MoE会催生更异构的架构，也未预见编程能力对模型能力的关键作用。
AI的社会影响
Jeff Dean认为AI是同时影响众多领域的通用技术，不同于以往的技术革命。他最担忧的是如何在各领域最大化收益、最小化危害，这是技术、政策与公民共同面对的问题，并提及他参与合著的论文Shaping AI's Impact on Billions of People。
寄语年轻人
面对学生的焦虑，Jeff Dean建议了解并善用新技术，将其用于自己最热爱的领域。他强调人类决定共同想做什么这一点不会变，李飞飞总结：在AI时代，人类的热情依然永恒。
依据 Stanford HAI 于 2026 年 11 月 4 日发布的闭幕对谈整理；转述与数字以原片为准。
RELATED · 相关推荐
相关推荐
Jeff Dean 离开谷歌后首场公开对谈：AI 的下一站是科学发现
这是 Jeff Dean 离开任职 27 年的谷歌后首次公开演讲，在斯坦福 2026 Frontier & Pioneer Symposium 上与 UC Berkeley 教授 Dawn Song 展开炉边谈话，黄学东担任开场主持。Jeff 回顾了从 MapReduce、DistBelief 到 TensorFlow、MoE 与 Gemini 的关键历程，分享了挑选研究问题的直觉——广泛浏览论文、用第一性原理做信封背面估算。
中文配音 · 双语字幕YouTube
一个月交付 2000 个 PR：Lauren Tan 谈如何建立对智能体的信任
SpaceX AI Grok Bot 团队的 Lauren Tan（X 上的 @poteto）分享了原定给 Cursor Compile London 的演讲：她如何在一个月内交付 2000 个生产环境的 pull request。核心观点是「信任」——与其把智能体当软件工厂的流水线，不如像经营米其林厨房一样搭建环境：用 Control Glass 验证技能让智能体自己运行应用、抓性能 trace，用 Feature Map 和 PStack 技能库沉淀工程经验，再通过代码库
中文配音 · 双语字幕YouTube
Lauren Tan（poteto）谈每月 2500 个 PR：验证、米其林厨房与内外环
Matt Pocock 对话 PStack 作者 Lauren Tan（poteto）：她曾在 Meta 的 React 团队工作，3 月加入 Cursor（片中称“现在是 SpaceX AI”），并解释如何用智能体交出约 2,500 个 PR。
中文配音 · 双语字幕YouTube
Grok Bot 当经理、Claude Code 写代码：一套可落地的智能体编排工作流
Rob Shocks 分享他用 Grok Bot 编排软件工厂的具体做法：让 Grok Bot 负责第一公里（从 Slack、邮件、Linear 收集意图）和最后一公里（验收与汇报），把写代码交给订阅里已有的 Claude Code、Codex 或 Cursor Cloud Agents，既省 Grok/Cursor 统一周配额，又隔离环境。
中文配音 · 双语字幕YouTube
ACROSS TOPICS · 跨主题推荐
换个领域看看
从与非门到俄罗斯方块、自组织的计算机课、动手造一台计算机｜希蒙·肖肯 TED 演讲
希蒙·肖肯从祖父萨尔曼·肖肯——一位高中辍学的自学者、希伯来大学联合创始人——讲起，阐述自学、自我探索与自我赋能的教育理念。他与诺姆·尼桑打造的 Nand2Tetris 课程让学生从一枚与非门出发，亲手造出芯片组、硬件平台、汇编器、虚拟机、操作系统和编译器，最终在自己建造的计算机上运行自己写的俄罗斯方块。课程以开源形式免费发布，自发演变为最早的慕课之一，全球自学者用它彻底改变了人生。他还分享了面向中小学数学的平板动手学习项目，并以「最重要的是做个真正的人」作结。
中文配音 · 双语字幕YouTube
精神病学、疯人院、精神疾病、电休克疗法、脑叶切除术、弗洛伊德与荣格｜安德鲁·斯卡尔
Lex Fridman 对话精神病学史学家安德鲁·斯卡尔（Andrew Scull），《文明中的疯狂》与《孤注一掷的疗法》的作者。对话追溯精神病学漫长而黑暗的历史：从疯人院时代的兴衰、优生学与纳粹 T4 屠杀计划，到脑叶切除术、胰岛素昏迷疗法和电休克疗法；再到弗洛伊德、荣格与精神分析在美国的兴起、认知行为疗法的崛起，以及氯丙嗪意外发现开启的药物革命。斯卡尔还剖析 DSM 诊断体系的困境、抗抑郁药的局限与诊断蠕变，主张精神病学应超越药物、神经科学与遗传学，重拾心理与社会维度。
中文配音 · 双语字幕YouTube
Omarchy 是地球上最好的操作系统
了解 Omarchy 操作系统及其桌面体验，观看作者对工作环境与日常使用方式的介绍。
中文配音 · 双语字幕本站视频