Jeff Dean Berpendapat Golongan Muda Tidak Perlu Menguasai Setiap Sudut AI
Selepas 27 tahun di Google, Jeff Dean memberi nasihat yang mungkin kedengaran bertentangan dengan tekanan zaman AI: golongan muda tidak perlu cuba menguasai setiap Model, Paper atau Technique baharu. Perkembangan AI terlalu pantas dan merentasi terlalu banyak disiplin untuk seseorang memahami semuanya secara mendalam pada masa yang sama.
- Jeff Dean Berpendapat Golongan Muda Tidak Perlu Menguasai Setiap Sudut AI
- Baca Secara Luas Dahulu, Kemudian Hubungkan Idea yang Belum Dihubungkan Orang Lain
- Problem yang Baik Mungkin Memerlukan Tempoh Kira-kira Lima Tahun
- Selepas 27 Tahun di Google, Dean Memulakan Bab Baharu Bersama DiscoveryLoop
- Dean Percaya AI Boleh Memperluas Keupayaan Manusia
- Bagi Gen Z, Isunya Bukan Belajar Kurang tetapi Memilih Apa yang Patut Didalami
Ketika bercakap di 2026 Frontier & Pioneer Symposium, Dean menekankan nilai pengetahuan yang luas. Dalam keadaan tertentu, meneliti secara pantas 10 Papers boleh lebih berguna daripada menghabiskan seluruh masa pada satu Paper kerana setiap Research menambah satu titik baharu pada peta mental tentang apa yang mungkin dilakukan. Beliau turut mencadangkan membaca sekitar 100 Abstracts untuk mendapatkan gambaran yang lebih luas.
Ini bukan galakan supaya belajar secara cetek. Dean sebenarnya bercakap tentang cara menggunakan masa yang terhad. Mengetahui bahawa sesuatu Method wujud dalam Domain lain membolehkan seseorang kembali mengkajinya secara mendalam apabila diperlukan dan mungkin menghubungkannya dengan Problem yang tidak disedari oleh Specialist dalam satu bidang sahaja.
Baca Secara Luas Dahulu, Kemudian Hubungkan Idea yang Belum Dihubungkan Orang Lain
Inti pandangan Dean ialah Innovation sering terhasil daripada Connection antara idea. AI kini bertembung dengan Healthcare, Education, Biology, Engineering, Robotics, Mathematics dan banyak bidang lain. Tiada seorang pun mampu mengikuti semua perkembangan tersebut dengan kedalaman yang sama.
Dengan membaca Research secara lebih luas, pelajar dan profesional Technology yang baru memulakan Career boleh membina katalog mental yang lebih besar tentang Methods, Concepts dan Open Problems. Mereka tidak perlu mengingati setiap Equation atau Implementation Detail. Kadangkala cukup dengan mengetahui bahawa sesuatu Approach pernah digunakan dalam Domain lain.
Oleh itu, Skill menentukan perkara yang patut diberi Deep Dive menjadi semakin penting. Broad Reading ialah fasa Discovery, manakala Deep Technical Work masih diperlukan apabila Connection yang berpotensi telah dikenal pasti. Dean bukan meminta orang belajar kurang, tetapi meneroka lebih luas sebelum memilih tempat untuk membina Expertise.
Baca lagi
Problem yang Baik Mungkin Memerlukan Tempoh Kira-kira Lima Tahun
Dean turut memberikan rangka praktikal untuk memilih Problem jangka panjang. Jika sesuatu cabaran mungkin mengambil masa 20 tahun dan belum ada Approach yang munasabah, ia mungkin terlalu spekulatif. Sebaliknya, jika ia mungkin diselesaikan dengan mudah dalam dua tahun, cabaran tersebut mungkin tidak cukup sukar untuk menghasilkan Breakthrough yang besar.
Tempoh sekitar lima tahun dianggap menarik. Ia cukup panjang untuk menjalankan pelbagai Experiments, mengalami kegagalan, menukar arah dan mencuba beberapa Approaches, tetapi masih cukup dekat untuk membayangkan laluan ke arah penyelesaian.
Pandangan ini berbeza daripada industri AI yang sering mengukur perubahan dalam minggu atau bulan. Dean pada asasnya mengingatkan golongan muda supaya tidak membina seluruh Career mengikut setiap AI Trend. Problem yang benar-benar penting boleh kekal relevan merentasi beberapa Product Cycles, sementara Tool baharu boleh digunakan sepanjang perjalanan.
Kegagalan juga sebahagian daripada proses. Banyak Approach mungkin tidak berjaya, tetapi itu tidak semestinya bermaksud Problem dipilih secara salah. Percubaan yang gagal membantu menunjukkan arah yang lebih berpotensi.
Selepas 27 Tahun di Google, Dean Memulakan Bab Baharu Bersama DiscoveryLoop
Nasihat Dean hadir ketika Career beliau sendiri melalui perubahan besar. Beliau meninggalkan Google pada awal Ogos 2026 selepas 27 tahun bersama syarikat itu. Dean mengetuai Google AI dari 2018 hingga 2023 sebelum menjadi Chief Scientist Google dari 2023 hingga 2026.
Selepas keluar, beliau menjadi Co-founder dan CEO DiscoveryLoop, sebuah AI Startup yang mahu mempercepat penemuan dalam Science dan Engineering melalui Autonomous Research Systems.
Langkah ini memberi konteks kepada pandangannya. Dean tidak mengatakan Expertise sudah tidak penting. Syarikat baharunya sendiri memberi tumpuan kepada masalah saintifik yang sukar. Sebaliknya, beliau melihat AI sebagai cara menjadikan pengetahuan tahap tinggi lebih mudah dicapai dan membolehkan Researchers meneroka lebih banyak kemungkinan.
Bagi pelajar dan profesional muda, Competitive Advantage mungkin beralih daripada menghafal sebanyak mungkin Technical Information kepada kebolehan memilih Questions yang tepat, menghubungkan Domains dan menilai Output AI Systems secara kritikal.
Dean Percaya AI Boleh Memperluas Keupayaan Manusia
Walaupun terdapat kebimbangan bahawa AI boleh menggantikan pekerjaan atau meningkatkan ketidaksamaan, Dean kekal Optimistic terhadap nilai sosial teknologi itu. Beliau menyebut Healthcare dan Education sebagai contoh bidang di mana Models yang berkeupayaan tinggi boleh membantu manusia menyelesaikan Problems yang sebelum ini di luar latihan atau sumber mereka.
Salah satu gambaran paling besar ialah Models yang mampu menyediakan bantuan menghampiri Ph.D.-level expertise dalam banyak Domain Science dan Engineering. Jika sistem seperti itu cukup boleh dipercayai, seorang Researcher dalam satu bidang boleh mendapat bantuan bernilai ketika memasuki bidang lain tanpa perlu terlebih dahulu melalui Formal Training selama bertahun-tahun.
Namun Human Judgment tetap diperlukan. Models boleh tersilap, Experiments boleh gagal dan Conclusions penting masih memerlukan Expert Validation. Dean sendiri mengakui beliau tidak mempunyai Magic Answer untuk semua masalah dan turut berdepan kegagalan.
Optimisme beliau bukan bermaksud AI akan menjadikan semua kerja sukar mudah secara automatik. Sebaliknya, AI boleh meningkatkan had perkara yang mampu dicuba oleh seorang individu atau Small Team.
Bagi Gen Z, Isunya Bukan Belajar Kurang tetapi Memilih Apa yang Patut Didalami
Bagi Gen Z, nasihat Dean menawarkan alternatif kepada tekanan untuk mengejar setiap Update AI. Matlamatnya bukan mengetahui segala-galanya, tetapi mempunyai pengetahuan cukup luas untuk melihat Opportunities, kedalaman yang mencukupi apabila menemui arah yang betul, dan kesabaran mengusahakan Problems yang nilainya bertahan lebih lama daripada Hype semasa.
Secara praktikal, seseorang boleh membaca Research di luar bidang sendiri secara berkala, menyimpan nota tentang Ideas yang boleh digunakan semula, mencari Problem yang masih penting beberapa tahun akan datang dan menggunakan AI Tools untuk mempercepat Exploration serta Prototype—bukan menggantikan proses berfikir.
Apabila Information dan Technical Assistance menjadi semakin mudah diperoleh, perkara yang semakin jarang mungkin ialah Judgment: kebolehan menentukan apa yang benar-benar penting. Mereka yang mampu menghubungkan Ideas daripada Communities yang biasanya terpisah mungkin menemui Opportunities yang tidak dilihat oleh mereka yang hanya mengejar Mastery dalam satu laluan sempit.
Dean tidak menolak Expertise. Nasihat beliau ialah membina peta pengetahuan yang lebih luas dahulu, kemudian memilih dengan teliti bahagian yang berbaloi untuk diberikan masa bertahun-tahun sehingga benar-benar menjadi Expert.
