2017年，AI研究人员提出了"元学习"的概念，当时是通过代码指定搜索参数来实现的。杰夫·迪恩提到，现在智能体可以利用自然语言来完成这一任务，甚至能通过接受或拒绝想法来进行自我进化。谷歌DeepMind和谷歌研究院的首席科学家迪恩在英伟达GTC开发者大会上表示，三四年前，当他们的模型能解决八年级数学题时，团队就很兴奋了。 到了去年，谷歌的Gemini达到了国际数学奥林匹克金牌水平，如今它还在各类编程竞赛中胜出。比尔·戴利指出，AI已快速改变了就业市场和职业生涯。戴利曾是斯坦福大学的教授，他认为教育者应依靠AI加速学习，让模型成为个性化导师。 杰夫·迪恩和比尔·戴利在GTC的讨论中探讨了未来发展。迪恩说，今年早些时候OpenClaw的出现让我们看到了智能体自主工作的前景。但目前的计算流水线还在滞后，需要一切都更快。英伟达在努力让数据传输达到光速。 迪恩提到，智能体可能会创造自己的新版本或最新工具。这类似于2017年的元学习概念。现在的智能体已经可以通过自然语言进行自我改进。 迪恩指出，未来的大语言模型将实时学习并更新自己。现在的模型是通过互联网数据流传输的，结果多是预先确定的。未来模型会交织物理和数字信息，更好地指导机器人行动并预测答案。 迪恩表示，持续学习模型已经出现，这些模型没有固定参数，能够有机增长。他提到英伟达和谷歌正在用AI设计芯片，下一步是自动化这个过程。 戴利提到，自动化设计过程可能涉及一个"主"智能体调用子智能体进行功能创建或错误修复。这些智能体需要进行谈判和迭代。 迪恩说，AI开发工具是为人类速度设计的，但需要以机器速度运行。像缓慢的C 编译器这类工具会阻碍快速进步。 安全专家强调了机器速度AI智能体处理网络攻击的能力。人类可能无法及时阻止基于智能体AI的攻击。 戴利批评了限制课堂使用AI的大学做法。迪恩说，模型很快会成为"令人惊叹的"个性化导师，有效促进学习概念而不透露答案。 计算器曾消除了数学学习的瓶颈，帮助学生快速提升水平。迪恩说，"也许我应该辞掉日常工作去亲自做这件事。" 关于智能体能否完全独立进化的问题（Q1），迪恩回答说目前智能体已经可以自我进化了。 关于大语言模型如何实现实时交互的问题（Q2），迪恩回答说未来模型会通过交织信息来学习。 关于为何需要适应机器速度的问题（Q3），迪恩回答说现有工具太慢会阻碍发展。