如果你在2000年初加入谷歌，那时公司的规模还远远没有今天这么大。
其实，那时候谷歌只有二十几个人，办公室也不过是个仓库改装的空间。
新人刚入职时，总会被安排一个导师。
Noam Shazeer 就是其中之一，他万万没想到自己导师是 Jeff Dean。
那会儿，Noam 每天遇到问题就跑过去请教 Jeff，后来才发现，Jeff 几乎能回答所有问题。
这个发现给了 Noam 一种特殊的感受，他隐隐觉得，Jeff 不仅仅是个同事，更像是个掌握了全部秘密的“圣人”。
Jeff 也是这么认为的。
公司发展的初期，每个人几乎都能叫出对方的名字，有什么问题一说就明白。
可随着公司壮大，人越来越多，Jeff 觉得越来越难记住所有人的名字，但他还是能识别出搞软件工程的那些人，这就是初创公司的特殊魅力。
Jeff Dean 和 Noam Shazeer 的职业选择背后原因Noam 是如何加入谷歌的故事也引人入胜。
1999年，他还是一个伯克利的研究生，一次偶然的机会，他在招聘会上看到了谷歌的展位。
那时的 Noam 甚至觉得谷歌已经是巨头公司了，所以加入可能没有太大意义。
可是到了2000年，Noam 改变了主意，随手投了一份简历。
结果不出所料，这份随手而为的简历，让 Noam 得到了在谷歌的工作，发现这家公司不仅有趣，员工们也特别聪明。
最大的惊讶之一，可能是他看到墙上用蜡笔画画出来的增长图表，每天有人更新维护，显示谷歌的搜索量正在快速上升。
Jeff 则是主动联系了谷歌，他看到公司的愿景和自己的理想高度契合：组织世界上的信息，并让其普及化、易用化。
这个目标需要非常先进的人工智能，Jeff 觉得这是一份值得投入一生的事业。
深度探讨人工智能的前景和挑战谷歌最初的人工智能发展路径，其实充满了各种“不可能”。
谁能想到，一个公司能从搜索引擎做起，逐渐成为人工智能领域的巨头。
Jeff 认为，摩尔定律的变化对 AI 的发展起着关键作用。
从一开始的每18个月硬件速度翻倍，到现在技术的精细化设计调整，不断提高的硬件性能为 AI 的发展提供了坚实的基础。
Noam 也说，算法总是追随硬件的发展。
深度学习的兴起，就是因为算术运算非常便宜，而数据移动相对昂贵。
前几年的硬件改进，使得更多专门的计算设备出现，像 Google TPU 等等，提升了机器学习的效率。
对于未来 AI 的演进，Noam 和 Jeff 都相当乐观，他们共同认为，AI 的潜力几乎是无限的。
一顿饭的蝴蝶效应有一次，Noam 带着妻子去谷歌共进午餐，正好坐在了 Jeff 和早期 Google Brain 团队旁边。
Jeff 那句话：“你应该考虑一下深度神经网络。”彻底改变了 Noam 的职业生涯轨迹。
Noam 那时觉得，“听起来很有趣”，但过了不久，他被劝回谷歌，从此全力投入到 AI 领域的大潮中。
未来是什么样子？
Noam 想象中的2036年，可能比我们今天能设想的还要精彩。
想象一下，一个系统能够在你与医生或律师沟通时，提供实时的提示和建议，把你的沟通效率提升几倍。
Jeff Dean 的“Holy Shit”时刻Jeff 常说，他不喜欢宣传过头，但他确实有过“Holy Shit”时刻。
2009年，谷歌在 YouTube 上进行了一个无监督学习实验，他们的模型识别出了图像中的猫，而系统从未被告知什么是“猫”。
这是因为，训练数据中有大量的猫的照片，这让他们意识到大规模无监督学习的威力。
另一件事是在2012年，Jeff 觉得深度神经网络真的很有潜力，于是团队开始在大量 CPU 机器上训练模型，这让他们得到了显著的效果。
Jeff 和 Noam 都相信，大规模的、复杂的神经网络是未来的关键。
总结全文，未来 AI 的发展似乎并没有极限。
Jeff 和 Noam 的故事告诉我们，技术的发展不仅靠的是硬件的进步，还有那些敢于挑战和突破现有边界的人。
或许在某一天，我们每个人身边都有一个 AI 助手，能够帮助我们解决各种复杂的问题，让生活变得更加便捷、高效。
未来并不遥远，它正在一步步向我们走来，只要我们愿意接受这些新鲜的事物，敢于想象，勇于探索，就能够发现那隐藏在科技背后的无限可能。
