Google DeepMind研究副总裁Benoit Schillings：生成式AI编码、深度思考算法与Gemini预训练的未来

在AI Engineer大会上，Google DeepMind研究副总裁Benoit Schillings发表了题为“软件工程不在于写代码”的主题演讲，深入探讨了生成式AI编码、深度思考算法以及Gemini预训练模型的未来。作为领导Thinking、Reasoning和Coding团队的负责人，Schillings的研究方向直指AGI，他的观点对中文AI/科技读者具有重要参考价值。

Schillings首先回顾了软件工程的历史演进，指出当前AI编码工具虽然强大，但真正的瓶颈在于如何让模型学会“深度思考”。他强调，软件工程的核心不是写代码，而是理解问题、设计解决方案和做出权衡。这一观点对于国内过度关注代码生成效率的AI社区来说，是一剂清醒剂。

在技术层面，Schillings详细介绍了自对弈（self-play）在训练模型中的作用，以及如何通过归纳架构和模型规划来提升推理能力。他特别提到，未来的评估基准需要超越简单的链式思维（chain-of-thought），转向更复杂的推理任务。这对于国内AI研究者设计更有效的训练和评估方法具有启发意义。

最后，Schillings展望了AI在化学、生物学等科学领域的应用前景。他认为，生成式AI不仅将改变软件工程，还将加速科学发现。这一观点与国内“AI for Science”的热潮高度契合，值得中文读者深入思考。