如果讓人工智能來點評博士論文，還順手預測一下作者將來的職業發展。會是什么樣子？

最近，谷歌首席科學家、Gemini負責人Jeff Dean就玩了這么一出，他把自己的博士論文交給了最新的Gemini 2.0。

結果，這位AI「批評家」只花了26秒，就給出了一份相當深刻的剖析報告。

Jeff Dean用最新的Gemini 2.0 Flash Thinking Experimental 01-21分析了自己的博士論文《面向對象語言的完整程序優化》——一篇長達134,540個Token的大作。

他給Gemini的提示詞非常簡潔，就一句：「Please analyze this PhD thesis and give me a concise critique of things that could be improved」。（請分析這份博士論文，并就其可以改進之處給出一個簡明的評價）

結果，Gemini在短短26秒內「火力全開」，給出了論文不足和改進之處的精準點評。

緊接著，DeepMind高級研究科學家Yi Tay也跟風測試，將自己長達205K個Token的博士論文《用于自然語言理解的神經架構》丟給了Gemini。

得到的評價同樣「刀刀見血」，連論文作者本人都承認點評得確實到位。

兩位大佬的論文在Gemini眼里，都「問題」不少。

Jeff Dean的論文被指出「需要更多理論基礎」、「存在擴展性問題」以及「離線分析數據不穩定」，甚至連簡歷里一句「可樂癮還挺大的，是吧？」都被AI捕捉到，并調侃了一番。

而Yi Tay的論文則被吐槽「幾乎沒有理論貢獻」、「整體敘事結構松散」、「對模型效率的定義也不夠嚴謹」，以及「缺乏深入分析，就知道搞基準測試」。

這評價，比他的博士導師還要「毒舌」。

就連Yi Tay自己也承認，Gemini的評價「確實如此，比我的博士導師靠譜多了」。

更令人驚奇的是，Gemini不僅能點評論文，還能「預測」職業規劃。

基于Jeff Dean的論文，Gemini推斷他「最有可能且成功的路徑」是進入行業研究實驗室（例如，谷歌研究、微軟研究、IBM 研究），或者成為大型科技公司（例如，谷歌、Facebook、亞馬遜）的軟件工程領導/技術專家。

事實呢？

Jeff Dean的職業軌跡完美契合了Gemini的預測，他早期加入谷歌，并成為那里最有影響力的工程師之一，為MapReduce、BigTable和TensorFlow等基礎技術做出了貢獻。

無獨有偶，谷歌DeepMind研究副總裁及深度學習負責人、Gemini聯合負責人Oriol Vinyals也讓Gemini預測了他的職業發展，結果也相當準確。

那么問題來了，Gemini的精準預測究竟是巧合，還是AI的又一次進化？難道AI真的能成為學術界的「算命先生」，替學術界的年輕人指點迷津？

Gemini的深度解析能力與預判

Gemini的表現并不是簡單用關鍵詞匹配或模板套用就能解釋得通的。它的背后，是強大的深度解析能力和對自然語言的深入理解。

以其最新版本2.0 Flash為例，它建立在1.5 Flash的成功之上，是開發人員迄今為止最受歡迎的模型，以同樣快的響應時間的同時增強了性能。

值得注意的是，在關鍵的基準測試中，2.0 Flash甚至優于1.5 Pro，而速度卻是后者的兩倍。

2.0 Flash還具有新功能。除了支持圖像、視頻和音頻等多模態輸入外，2.0 Flash現在還支持多模態輸出，如原生生成的圖像與文本和可控文本到語音（TTS）多語言音頻混合。

它還可以本地調用工具，如谷歌搜索、代碼執行以及第三方用戶定義的函數。

Gemini的洞察力體現在哪里

在Jeff Dean的案例里，Gemini的表現讓人感覺它像個能洞悉一切的高手。

它先是非常犀利地指出論文里一些難以察覺的弱點，比如理論基礎不牢、擴展性有瓶頸、離線分析數據也不夠穩定。就連那些資歷深厚的研究者，有時都會忽略這些細節。

接著，Gemini還給了一個思路——可以考慮混合鏈接時間和全程序編譯的方式，這讓Jeff Dean后續的研究方向更清晰。

更有意思的是，Gemini能讀懂作者在簡歷里那些看似隨意的口吻，還忍不住調侃了幾句，這種精準捕捉語言細節的能力，展現出它對自然語言的深刻理解。

整體看下來，Gemini的這種「火眼金睛」確實讓人驚嘆。

Yi Tay：Gemini的評價非常準確

Yi Tay的論文里動手能力超強，各種實驗做得飛起，數據也是一大堆。但是有點光顧著展示酷炫的技巧，卻忘了講背后的原理。

這在深度學習剛興起那會兒，也算是正常，畢竟那時大家都忙著「搭房子」，還沒空好好研究「地基」。

再說說論文的排版。Yi Tay這篇論文，是把好幾篇小論文拼湊在一起的，就像是用不同的積木搭了個城堡，雖然看起來也挺像那么回事，但仔細一看，連接的地方還是有點生硬，不夠流暢。

Gemini一眼就看出了這個問題，真是「火眼金睛」。

最后，不得不提的是「基準測試」。

當時，大家都很熱衷于刷紀錄，就像游戲里沖排行榜一樣。研究者們喜歡在各種測試集上比拼分數，分數高誰就厲害，反而忽略了模型本身的內在邏輯和原理。

Gemini毫不客氣地吐槽了當時學術圈的這個怪現象！

AI預測：巧合還是趨勢

Jeff Dean和 Oriol Vinyals的現實職業軌跡都驗證了Gemini的預測，這無疑增強了其預測的可信度。

再結合Gemini對Yi Tay等其他研究者論文的準確評價，可以認為，Gemini的預測并非簡單的巧合，而是基于對學術研究和行業趨勢的深刻理解。

Gemini能精準捕捉研究者的學術風格和潛在缺陷，離不開對海量學術論文的訓練。

職業預測時，Gemini會從論文中挖掘作者的硬技能和軟技能，并結合學術界和工業界的熱門領域，比如高并發性能調優、大規模語言模型研發、跨模態深度學習等，評估作者與這些方向之間可能發生的化學反應。

它對各大科技巨頭的研究動向相當熟悉，哪些團隊在鉆研編譯器與程序優化，哪些團隊專注于大模型，一清二楚，所以能夠更準確地推測作者在哪個方向或崗位會大放異彩。

不過，AI的預測固然強大，卻并不意味著它無所不能。

個人的興趣、價值觀和人生目標，往往帶有高度的主觀性，AI很難全面掌握。

人生里還有各種機遇和挑戰，時不時冒出來的偶然事件，也超出AI的范圍。

Gemini是「馬后炮」嗎？

不過，很快就有網友質疑Gemini是否提前知道Jeff Dean的職業生涯，所以才給出如此準確的預測，認為這是一種「劇透」或「馬后炮」。

確實，作為AI大佬，Jeff Dean的信息在互聯網上遍地都是，Gemini從中獲得這些信息并不奇怪。

但就算如此，能把他的論文內容跟后來的職業道路對應起來，也說明它有一套「讀懂」和「聯想」的本事。

況且，Gemini對Oriol Vinyals和Yi Tay等人的分析同樣精準，也說明并不僅僅是「馬后炮」。

AI與學術的未來

Gemini的出現，為學術界帶來了無限的想象空間?？梢灶A見，Gemini將成為科研人員的得力助手，極大地提高科研效率，輔助學術創新。

文獻綜述可以交給它，在海量論文里檢索、歸類并提供初步解讀，讓研究者更快獲取新鮮信息。實驗設計也能借它的力量，根據研究目標和已有文獻來制定更科學的實驗方案和評估指標。

論文的潤色與審校更是不在話下，從語法到邏輯結構，隨時提供修改建議，就像一個隨叫隨到的「科研小秘書」。

面對不斷升級的AI工具，我們應當思考：除了「點評論文」與「預測職業」，AI是否還能為學術研究帶來更深層次的革新？

有人把它當成萬能搜索引擎或寫作機器，「拿來主義」似乎一勞永逸。事實上，真正優秀的學術工作者應該在使用這些工具時保持清醒，批判性思維和獨立創新一直都是科研的靈魂。

離開了人類學者的洞察與創造，AI 再強也只能在已有知識的范疇里打轉。真正的前沿、那些從未踏足的「未知之地」，依舊需要人類去開拓。