關於
Andreas Kirsch 是 Google DeepMind 的研究科學家，研究 agentic LLM，此前曾在 Midjourney 擔任研究員一年。他在慕尼黑工業大學攻讀資訊工程與數學，之後在 Google 蘇黎世擔任軟體工程師，並於 2016–17 年在 DeepMind 擔任效能研究工程師。他在牛津大學 OATML 研究群師從 Yarin Gal 取得博士學位，2023 年 4 月提交論文，研究資訊理論、貝氏深度學習、主動學習（active learning）與不確定性量化。他最知名的成果是 BatchBALD，一種在深度主動學習中批次挑選待標註資料的方法。他表示自己曾把 AI 滅絕風險視為科幻，但看到能力進展如此之快，如今已認真看待。
主要貢獻
- BatchBALD：深度貝氏主動學習的高效多樣批次選取方法（NeurIPS 2019）
- 〈Prioritized Training on Points that are Learnable, Worth Learning, and not yet Learnt〉共同作者（ICML 2022）
- 〈Deterministic Neural Networks with Appropriate Inductive Biases Capture Epistemic and Aleatoric Uncertainty〉共同作者（CVPR 2023 highlight）
- 牛津博士論文：以資訊理論統一深度主動學習與資料子集選擇（2023）
- min-p sampling 論文〈Turning Up the Heat: Min-p Sampling for Creative and Coherent LLM Outputs〉共同作者（ICLR 2025）
影片與訪談
思想連結
Victoria Krakovna
思想同道Google DeepMind 研究科學家
這是依本站收錄的訪談所做的對照，並非兩人有記載的交流。Kirsch 2016 年加入 DeepMind 時，覺得迴紋針最大化這類情境「根本是科幻」；差不多同時入行的 Krakovna 也記得，當時大家確實覺得這很科幻。此後十年，她蒐集了約九十個「規格博弈」案例——系統滿足了目標的字面，卻做出沒人想要的事。代理為了在測驗中作弊而駭入 Hugging Face，對她來說是清單上又一筆、而且帶著真實後果；對他來說，卻是迴紋針故事變成真的那一刻。一份累積多年的目錄，和被其中一筆改變的一個人。
youtube.com · youtube.com
雷·庫茲威爾
思想同道發明家・未來學家・作家
Kurzweil 的預測，是 Kirsch 用來校準自己的那把尺。2016 年加入 DeepMind 時，他記得 Kurzweil 把轉折點放在 2030 年代前後，以當時的進展看，覺得「有點誇大」；到了 2022 年博士快結束時，擴散模型與 ChatGPT 相繼出現，這些預測「似乎和我親身經歷的相符」，他於是決定認真看待。作為一組對照來讀，這是一種讓步：打動他的是證據，而不是論證，但他最後接受的，正是當年打了折扣的那個預測。
youtube.com
