杰夫·迪恩（Jeff Dean）

概况

杰夫·迪恩（Jeff Dean）是美国计算机科学家，1968 年 7 月 23 日出生于夏威夷^[1]。他的公开职业经历大部分在 Google 度过：先做支撑公司各项服务的底层软件基础设施——MapReduce、Bigtable 和 Spanner，后来转向机器学习系统，包括 Google Brain 和 TensorFlow^[1]。他的工作大多处在别人搭建应用时所依赖的那一层：让大量机器协同完成同一件计算任务的系统，以及让研究者能够训练和运行大规模模型的工具。

教育与早期经历

迪恩 1990 年在明尼苏达大学获得计算机科学与经济学学士学位，1996 年在华盛顿大学获得博士学位^[1]。计算机科学与经济学的组合，在他后来的工作里表现为对超大规模系统效率的关注——在这种规模下，任何一点额外开销都会被成千上万台机器放大。

基础设施方面的工作

迪恩于 1999 年年中加入 Google^[1]；斯坦福 HAI 的人物简介同样把他进入 Google 的时间记为 1999 年^[6]。他与 Sanjay Ghemawat 共同获得 2012 年 ACM-Infosys 计算科学基金会奖，颁奖词称两人主导了 Google 内部大量软件基础设施的构想、设计与实现^[7]。据 ACM 2013 年的公告，两人 2004 年的 MapReduce 论文当时已被引用超过 6000 次^[7]。

这类系统要解决的是一个共同问题：如何把计算和存储分摊到数量极多的普通机器上，并且在个别机器出故障时服务仍能继续运行。MapReduce 描述的是一种把计算表达成可以拆分到多台机器、再合并结果的方式；Bigtable 和 Spanner 则是面向单机放不下的数据的存储系统。由于 Google 发表了描述这些系统的论文，其中的思路传播到了公司之外，影响了许多地方处理大规模数据的方式。

Google Brain 与 TensorFlow

后来成为 Google Brain 的项目于 2011 年在 X 成立，最初是迪恩、Greg Corrado 和吴恩达（Andrew Ng）参与的合作项目；2012 年迪恩成为该项目的负责人^[1][3]。他是最初版 TensorFlow 系统的主要设计者和实现者，并从 2018 年起领导 Google 的人工智能部门^[1]。如果说早先的基础设施工作让普通计算得以规模化，这些项目做的则是同一件事在神经网络上的版本：Brain 试图把大规模计算与机器学习研究结合起来，TensorFlow 则是那层软件，让众多研究者和产品团队可以把一个模型描述一次，然后跑在 Google 的硬件上。

他还是论文《Emergent Abilities of Large Language Models》的共同作者，该文于 2022 年 6 月 15 日提交到 arXiv^[8]。这篇论文考察的现象对团队如何理解模型规模很重要：大语言模型的某些能力会随着规模增大而突然出现，而不是一步一步平滑提升。

任职与荣誉

他于 2009 年当选美国国家工程院院士，并获得 2012 年 ACM 计算奖（ACM Prize in Computing）^[1]。

2023 年 4 月 20 日，他成为 Google 首席科学家，向 Sundar Pichai 汇报，同时担任 Google Research 和 Google DeepMind 的首席科学家，首要任务是构建一系列强大的多模态 AI 模型^[2]；维基百科把他的首席科学家任期记为 2023 年至 2026 年^[1]。截至 2024 年 8 月，他与 Oriol Vinyals、Noam Shazeer 一同担任 Gemini 的技术负责人^[5]。2026 年 5 月的 Gemini 3.5 发布公告中，他以 Google DeepMind 与 Google Research 首席科学家的身份参与署名^[4]。

影响

贯穿迪恩职业生涯的线索相当一致：他反复去做那层不显眼、但其他一切都要依赖的东西。基础设施论文让廉价的并行计算成为常规做法；TensorFlow 给了一代从业者一件通用工具；后来的职位则让他处在一个可以影响大公司如何组织 AI 研究与产品工作的位置上。一篇 2004 年的论文被引用超过 6000 次，正是这最底层的一环被广泛采用的一种度量^[7]。