Jeff Dean 離職後首度受訪：反思 Gemini 早期 Coding 缺陷與 TensorFlow 失誤，新創 Discovery Loop 將專注 AI 科學自動化

前 Google 首席科學家 Jeff Dean 離職後首度發表公開演講（報導來源對場合分歧，分別指為史丹佛 2026 Frontier&Pioneer Symposium 與亞裔美國學者論壇），回顧 Google 開發內幕並公開新創計畫。 他坦言 Gemini 早期過於追求全模態（訓練資料甚至加入 LiDAR），導致對 Coding 能力重視太晚；而提升 Coding 其實能強化模型將複雜問題拆解的推理能力。針對 TensorFlow，他承認兩大失誤：初期未加入後來在 PyTorch 與 JAX 流行的 Eager Execution 模式，以及開源時設立 `contrib` 子目錄導致社群面臨「一件事有十種做法」的混亂，若重來會選擇保持核心簡潔。 Jeff Dean 以第 30 號員工身分在 Google 任職 27 年後，與 Quoc Le 等人共同創辦約 10 人規模的新創 Discovery Loop 並出任執行長。該公司專注於機器學習與科學工程自動化，目標透過遞迴自我改進（RSI）技術，讓模型具備「20 個不同領域博士」的能力，並調度 Agent 與 Multi-Agent 系統解決子問題，將過去需要一天至一週的實驗迭代，大幅壓縮到一分鐘至一小時。 在研究方法上，他建議與其精讀單一論文，不如快速瀏覽 10 到 100 篇摘要以連結新想法，並鎖定約需 5 年解決的問題（20 年太早、2 年偏向純工程）。此外，他警告 AI 在網路安全領域的能力已達到甚至超越頂尖人類駭客水準，攻防雙方工具皆大幅增強，未來可能需要法律與監管等非技術手段介入。