Bahasa Melayu

Gaya Kepemimpinan Jeff Dean: Jurutera yang Menskalakan Otak Google

Profil Kepemimpinan Jeff Dean

Jeff Dean menyertai Google pada 1999. Dia adalah kira-kira pekerja ke-20. Dia tidak mengasas syarikat, tidak melakukan ceramah TED, tidak menulis memoir. Dia menulis kertas.

Kertas itu — MapReduce (2004), BigTable (2006), Spanner (2012), dan akhirnya TensorFlow (2015) dan keluarga model Gemini — menjadi DNA seni bina pengkomputeran awan moden dan AI berskala besar. Kebanyakan sistem teragih menjalankan aplikasi SaaS anda menurun daripada keputusan infrastruktur 2004 Dean. Kerangka pembelajaran mendalam yang pasukan sains data anda gunakan hampir pasti menjejak kembali kepada pelepasan sumber terbuka TensorFlow. Model AI multimodal anda menggunakan untuk penjanaan kandungan dibina atas platform yang dia pimpin.

Meme internet "Fakta Jeff Dean" — parodi "Fakta Chuck Norris" yang beredar di komuniti kejuruteraan — wujud kerana pencapaian sebenarnya membaca seperti fiksyen. "Kod Jeff Dean tidak mempunyai pepijat, ia mempunyai ciri rawak. Kadang-kadang mereka menghantar diri mereka sendiri." Lawakan adalah belas kasihan kerana realiti asas benar-benar luar biasa.

Tetapi meme mengaburkan cerita yang lebih menarik, yang tentang bagaimana seseorang tanpa otoriti kedudukan di luar "jurutera yang sangat baik" mengumpul lebih banyak pengaruh jangka panjang ke atas industri teknologi daripada kebanyakan CEO yang pernah lakukan — dan apa yang model itu kelihatan untuk orang menjalankan pasukan hari ini.

Fakta Utama

  • Menyertai Google pada 1999 sebagai kira-kira pekerja #20, menjadikan dia salah seorang jurutera paling awal di syarikat dan arkitek kebanyakan infrastruktur asasnya.
  • Google Senior Fellow — pangkat teknikal tertinggi di Google, tajuk yang dipegang oleh segelintir jurutera dalam sejarah syarikat.
  • Merancang bersama MapReduce (2004), BigTable (2006), Spanner (2012), dan TensorFlow (2015) dengan Sanjay Ghemawat dan orang lain — sistem yang menjadi cetak biru untuk pengkomputeran awan moden dan pembelajaran mendalam.
  • Menginspirasi meme internet "Fakta Jeff Dean" — parodi "Fakta Chuck Norris" yang beredar di kalangan jurutera, dengan lawakan seperti "Kod Jeff Dean tidak mempunyai pepijat, ia mempunyai ciri rawak."
  • Mengasas bersama Google Brain pada 2011 dengan Andrew Ng dan Greg Corrado, menubuhkan salah satu kumpulan penyelidikan AI paling produktif dalam sejarah.
  • Memimpin Google AI dan kemudian menjadi Chief Scientist Google DeepMind selepas penggabungan April 2023 daripada Google Brain dan DeepMind di bawah kepemimpinan bersatu dengan Demis Hassabis.

Pecahan Gaya Kepemimpinan

Gaya Berat Cara ia Ditunjukkan
Otoriti Teknikal Mendalam 60% Pengaruh Dean di dalam Google sentiasa berlari melalui kredibiliti teknikal, bukan hierarki organisasi. Dia tidak memimpin dengan tajuk atau mandat. Dia memimpin dengan menjadi orang yang pertimbangan tentang seni bina sistem, arah penyelidikan, dan tukar kejuruteraan dipercayai untuk menjadi lebih tepat daripada sesiapa yang lain. Kepercayaan itu dibina selama 25 tahun yang betul tentang perkara yang sukar untuk betul — MapReduce apabila Google memerlukan petabytes proses, TensorFlow apabila bidang memerlukan kerangka kerja umum, Pathways apabila soalannya ialah bagaimana untuk membina model yang umum. Berat otoritas teknikal 60% bermakna keputusannya membawa berat walaupun dia tidak mempunyai otoriti formal atas orang yang membuat panggilan.
Pembangun Budaya Penyelidikan Kolaboratif 40% Dean menjalankan pasukan penyelidikan, yang bermakna outputnya bukan kod — ia adalah keadaan di mana orang lain melakukan kerja teknikal terbaik mereka. Google Brain, yang dia asas pada 2011, menjadi salah satu kumpulan penyelidikan AI paling produktif dalam sejarah bukan kerana Dean melakukan semua kerja tetapi kerana dia membina budaya kejuruteraan ketat, penerbitan awam, dan kolaborasi merentas fungsi. Berat pembina budaya 40% adalah apa yang menerangkan bagaimana Brain menghasilkan kertas seminal dalam NLP, visi komputer, dan pembelajaran penguatan secara serentak, dengan berpuluh-puluh penyelidik, selama satu dekad.

Kombinasi itu tidak biasa. Pemimpin teknikal tulen sering bergelut untuk membina pasukan kerana mereka tidak boleh berkomunikasi pada tahap bukan-pakar. Pembina budaya tulen tanpa kedalaman teknikal bergelut untuk membuat panggilan yang kredibel pada soalan teknikal yang sukar. Dean telah mengekalkan kedua-duanya, yang ialah mengapa penggabungan 2023 daripada Google Brain dan DeepMind — menggabungkan dua daripada kumpulan penyelidikan AI teratas dunia di bawah kepemimpinannya bersama dengan Demis Hassabis — adalah secara struktur mungkin.

Doktrin Infrastruktur-Pertama (Model Skalabiliti Dean)

Doktrin Infrastruktur-Pertama adalah prinsip bahawa keuntungan kompetitif yang tahan lama dalam teknologi datang daripada merancang semula lapisan di bawah produk, bukan daripada mengoptimalkan produk itu sendiri. Apabila had penskalaan tercapai, model Dean berkata untuk membangun semula seni bina asas daripada prinsip pertama daripada menambah kerumitan kepada yang sedia ada — kerana platform baharu bersusun selama satu dekad sementara yang ditampal merosot dalam beberapa bulan.

Ciri-Ciri Kepemimpinan Utama

Ciri Penilaian Apa Maksudnya dalam Amalan
Reka Bentuk Sistem Prinsip Pertama Luar Biasa Dean tidak mengoptimalkan sistem sedia ada. Dia merancang semula seni bina asas apabila model sedia ada mencapai had penskalaan. MapReduce bukanlah penambahbaikan pada infrastruktur Google terdahulu — ia adalah model berbeza untuk pengkomputeran teragih. TensorFlow bukan versi yang lebih baik daripada alat pembelajaran mendalam sedia ada — ia adalah model pelaksanaan baharu. Kecenderungan prinsip pertama ini adalah mahal dalam jangka pendek (anda perlu membina semula daripada awal) dan tidak berkadaran berharga selama jangka panjang kerana seni bina baharu tidak mewarisi had penskalaan yang lama.
Rasa hormat rakan sebanding berbanding otoriti kedudukan Sangat Tinggi Dean telah menghabiskan kebanyakan karyanya sebagai penyumbang individu kanan, bukan pengurus. Pengaruhnya pada arah teknikal Google secara konsisten telah melampaui kedudukannya yang formal. Itu hanya mungkin dalam organisasi di mana rasa hormat diperolehi melalui kecekapan yang ditunjukkan daripada melalui hierarki. Dia dikenali secara dalaman kerana sanggup mengkaji kod daripada jurutera junior, menjawab soalan teknikal daripada orang jauh di bawahnya dalam carta organisasi, dan melibatkan diri secara serius dengan idea tanpa mengira siapa yang mencadangkan. Budaya penglibatan tahap rakan sebanding itu secara terus bertanggungjawab untuk keupayaan Google untuk merekrut dan mengekalkan penyelidik yang membina sistem AI yang kini ia bersaing dengan.
Jejak Penerbitan Panjang Sangat Tinggi Dean telah pengarang bersama atau menyumbang kepada kertas selama 25 tahun berturut-turut di organisasi yang sama. Itu adalah komitmen luar biasa kepada wacana sains awam daripada seseorang di dalam syarikat komersial. Kertas-kertas itu melayani banyak tujuan: mereka menarik penyelidik yang ingin menerbitkan, mereka menubuhkan kredibiliti teknikal dengan komuniti akademik, dan mereka mencipta rekod awam prioriti teknikal Google yang lebih jujur daripada sebarang panggilan pendapatan. Budaya penerbitan yang Dean membantu binakan di Brain ialah salah satu sebab Google telah mengekalkan bakat AI teratas walaupun persaingan yang ketat daripada OpenAI, Anthropic, dan orang lain.
Kapasiti untuk memimpin bersama merentasi penyelidikan dan produk Tinggi Penggabungan 2023 daripada Google Brain dan DeepMind adalah reorganisasi paling penting dalam sejarah AI Google. Dean dan Hassabis menjadi pemimpin bersama Google DeepMind, yang menggabungkan dua organisasi dengan budaya yang berbeza, keutamaan penyelidikan yang berbeza, dan hubungan berbeza dengan produk komersial Google. Memimpin bersama penggabungan itu memerlukan Dean untuk beroperasi pada tahap kerumitan organisasi yang kebanyakan pemimpin teknikal tidak pernah menghadap — mengintegrasikan pasukan dengan identiti bebas yang kuat sambil mengekalkan keluaran penyelidikan yang membenarkan penggabungan di tempat pertama.

3 Keputusan yang Menentukan Dean

1. MapReduce dan BigTable (2004-2006): Infrastruktur yang Membuat Google Berskala

Pada 2003, Google mempunyai masalah. Web berkembang lebih cepat daripada mesin tunggal yang boleh mengindeksnya. Syarikat memerlukan pemprosesan petabytes data merentasi ratusan ribu pelayan komoditi, menyelaraskan pengkomputesan itu dengan andal, dan melakukannya pada kos rendah. Infrastruktur sedia ada tidak boleh melakukan ini.

Dean dan Sanjay Ghemawat menulis MapReduce — model pemrograman yang memecah kerja pemprosesan data yang besar kepada tugas selari kecil, mengedarkannya merentasi perkakasan komoditi, dan mengumpul kembali hasil. Kertas itu diterbitkan pada 2004. Ia menjadi salah satu kertas yang paling disitasi dalam sejarah sains komputer.

BigTable mengikuti pada 2006: sistem penyimpanan teragih yang boleh menangani petabytes data berstruktur merentasi ribuan pelayan. Bersama-sama, MapReduce dan BigTable memberikan Google infrastruktur untuk menguasai carian web untuk dekad seterusnya.

Tetapi akibat yang lebih penting adalah apa yang berlaku di luar Google. Kertas MapReduce dan BigTable menginspirasi ekosistem sumber terbuka Hadoop, yang menjadi tulang belakang infrastruktur pemprosesan data perusahaan selama generasi. Syarikat yang tidak ada kaitan dengan Google membina paip data mereka pada seni bina yang menjejak secara terus kembali kepada reka bentuk 2004 Dean.

Bagi pengendali, ini adalah pelajaran tentang pulangan kompaun pada pelaburan infrastruktur. Google tidak perlu memberikan MapReduce — penerbitan kertas itu adalah pilihan. Dean dan Ghemawat boleh telah menjaga seni bina proprietari. Sebaliknya, penerbitan mencipta peralihan industri-luas ke arah pengkomputeran teragih yang membuat keuntungan kompetitif Google kelihatan seperti ia berjalan pada platform bersama daripada parit proprietari. Persepsi itu adalah berguna secara strategik.

2. Pelepasan Sumber Terbuka TensorFlow (November 2015): Mendemokrasikan Pembelajaran Mendalam

Pada 2015, pembelajaran mendalam adalah keuntungan kompetitif tulen untuk segelintir syarikat yang mampu membina dan mengekalkan rangka kerja proprietari. Google, Facebook, dan beberapa makmal universiti mempunyai alat dalaman. Semua orang lain cuba untuk mereka-balikkan kejayaan itu.

Dean memimpin keputusan untuk membuka sumber TensorFlow pada November 2015. Dalam tiga tahun, ia telah mencetak muat turun 200M+ dan adalah kerangka kerja pembelajaran mendalam lalai merentasi industri, akademi, dan kerajaan. Majoriti model AI yang dilatih dalam 2017-2020 menggunakan TensorFlow atau kerangka kerja yang ia mempengaruhi.

Logik strategi adalah intuitif bertentangan. Google memberikan alat yang pesaing boleh gunakan untuk membina sistem AI yang bersaing dengan Google. Tetapi kesan sebenar adalah sebaliknya: TensorFlow menjadi sinonim dengan Google dalam infrastruktur AI, menarik ribuan penyumbang luaran yang menambahbaik kerangka kerja, dan mencipta ekosistem besar penyelidik dan jurutera yang melatih model mental mereka tentang pembelajaran mendalam pada sistem yang dirancang Google. Apabila penyelidik itu menyertai syarikat, mereka menggunakan TensorFlow. Apabila mereka memerlukan bantuan, mereka melibatkan diri dengan pasukan penyelidikan Google. Apabila syarikat mereka memerlukan pengkomputeran awan untuk menjalankan TensorFlow, mereka menjalankannya pada Google Cloud.

Pelepasan sumber terbuka adalah strategi kompetitif jangka panjang yang bersamaran sebagai gestur dermawan.

Bagi pengendali, cerita TensorFlow terpakai kepada sebarang keputusan tentang keupayaan proprietari berbanding sumber terbuka. Soalannya bukan sama ada untuk melindungi apa yang anda telah binakan. Ia adalah sama ada kesan rangkaian daripada penerimaan luas melampaui nilai kompetitif terus daripada menjaganya proprietari. Bagi infrastruktur dan alatan, sumber terbuka hampir sentiasa menang pada pengiraan ini kerana nilai ekosistem melampaui nilai terus berkali-kali ganda.

3. Memimpin Bersama Google DeepMind (2023): Penggabungan Dua Budaya Penyelidikan

Reorganisasi 2023 yang menggabungkan Google Brain dan DeepMind menjadi Google DeepMind didorong oleh momen ChatGPT. Pada November 2022, OpenAI melancarkan produk yang menunjukkan keupayaan model bahasa pada tahap yang mengejutkan kepemimpinan Google walaupun Google mempunyai teknologi asas. Tindakan balas adalah untuk menyatukan penyelidikan AI di bawah kepemimpinan bersatu — Hassabis dan Dean bersama-sama.

Penggabungan itu secara operasi sukar. Brain dan DeepMind mempunyai budaya berbeza: Brain adalah lebih digunakan dan berdekatan produk; DeepMind adalah lebih asas dan penyelidikan-tulen. Mereka mempunyai hubungan berbeza dengan pasukan produk Google, norma penerbitan berbeza, dan hierarki dalaman berbeza. Dean dan Hassabis terpaksa mengintegrasikan organisasi itu tanpa kehilangan penyelidik yang menentukan setiap satu.

Penggabungan itu menghasilkan Gemini, model AI multimodal penanda Google, diumumkan pada Disember 2023. Pelancaran mempunyai isu kualiti — beberapa tuntutan penanda dipertikaikan, dan video demo telah disunting dengan cara yang mengaburkan apa model boleh sebenarnya lakukan dalam masa nyata. Itu adalah kegagalan pelaksanaan produk dalam tetingkap kompetitif berisiko tinggi.

Tetapi kapasiti penyelidikan asas yang penggabungan disusun adalah mengagumkan. Soalan sama ada Dean dan Hassabis boleh menerjemah kedalaman penyelidikan itu kepada pelaksanaan produk pada kecepatan OpenAI adalah masih terbuka.

Apa Dean Akan Lakukan dalam Peranan Anda

Jika anda seorang CEO, prinsip yang paling boleh dipindahkan daripada karir Dean adalah pulangan kompaun pada penerbitan apa yang anda pelajari. Dia telah menghabiskan 25 tahun menulis kertas yang memberikan pandangan teknikal Google — dan Google masih syarikat infrastruktur AI yang dominan. Itu bukan kebetulan. Pengetahuan awam tentang apa yang anda telah binakan menarik orang yang boleh melanjutkannya, mencipta kredibiliti dengan komunitas yang paling penting untuk paip bakat anda, dan sering menjana kesan rangkaian yang kerahasiaan proprietari tidak boleh. Jika syarikat anda belajar sesuatu penting tentang cara untuk melakukan sesuatu yang lebih baik, tanya secara serius sama ada penerbitan pembelajaran itu akan pulangan lebih dalam daya tarik bakat dan pembangunan ekosistem daripada menjaganya dalaman.

Jika anda seorang COO, seni bina MapReduce adalah model untuk pemikiran sistem yang digunakan untuk penskalaan operasi. Pendekatan Dean kepada halangan infrastruktur — jangan optimalkan sistem sedia ada, rancang semula lapisan yang menyebabkan kekangan — terpakai secara terus kepada operasi. Kebanyakan masalah penskalaan operasi diselesaikan dengan mengoptimalkan dalam seni bina sedia ada: menambah kepala, meningkatkan proses, membeli alatan yang lebih baik. Dean akan bertanya sama ada seni bina itu sendiri adalah kekangan, dan sama ada gerak yang betul adalah untuk membina model yang berbeza daripada menjalankan yang lama lebih keras. Itu adalah soalan yang lebih mahal untuk bertanya tetapi menghasilkan jawapan yang lebih tahan lama.

Jika anda dalam produk, strategi sumber terbuka TensorFlow adalah templat untuk pertumbuhan yang dipimpin ekosistem. Jika anda membina produk dalam kategori di mana kerangka kerja asas penting — alatan pembangun, infrastruktur data, platform ML — pertimbangkan sama ada membuka sumber yayasan sambil mewang aliran kerja mencipta kedudukan kompetitif yang lebih tahan lama daripada menjaganya yayasan proprietari. Matematik berfungsi apabila keuntungan komersial anda berbaring dalam pengkomputeran awan, perkhidmatan yang diurus, atau ciri perusahaan berlapis di atas teras terbuka, bukan dalam teras itu sendiri. TensorFlow berjalan di Google Cloud adalah model.

Jika anda dalam jualan atau pemasaran, strategi kredibiliti teknikal Dean mempunyai analog terus dalam jualan perusahaan. Dalam pasaran teknikal, aset jualan paling tahan lama bukan kes pembelajaran atau kalkulator ROI — ia adalah keahlian yang ditunjukkan yang pembeli tidak boleh mendapatkan di tempat lain. Dean membina kredibiliti itu dengan menerbitkan penyelidikan selama 25 tahun. Pasukan anda boleh membina versi ia dengan berkomitmen kepada kedalaman teknikal awam: kerja blog kejuruteraan yang terperinci, ucapan persidangan yang menunjukkan seni bina anda yang sebenar, dokumentasi yang jujur tentang tukar. Pembeli dalam pasaran teknikal boleh memberitahu perbezaan antara kandungan pemasaran dan keahlian sebenar. Model Dean ialah untuk menghasilkan perkara sebenar dan biarkan pemasaran mengikut.

Analisis Rework: Kepemimpinan Kejuruteraan Berorientasikan Platform

Karir Dean adalah kes pembelajaran dalam mengapa lapisan abstraksi yang betul adalah satu yang menghasilkan leverage paling untuk pasukan yang berjalan di atasnya. MapReduce menang kerana ia menyembunyikan kerumitan pengkomputeran teragih daripada pengatur. TensorFlow menang kerana ia menyembunyikan kerumitan akselerator perkakasan daripada penyelidik. Corak — binakan platform di bawah pasukan produk dan biarkan pasukan produk bersusun — adalah secara terus terpakai bagaimana sistem operasi moden untuk kerja mendapat diadopsi.

Ini adalah tempat Rework cocok. Bagi CEO dan pengendali yang menjalankan jualan, perkhidmatan, dan pasukan merentas fungsi, soalannya bukan sama ada untuk membina CRM peribadi atau membaut bersama sepuluh alatan titik — ia adalah sama ada platform asas menyerap AI, automasi, dan kerumitan aliran kerja supaya produk dan pasukan GTM anda fokus pada pelanggan, bukan hutang integrasi. Peringkat CRM dan Work Ops Rework (daripada $12/pengguna/bulan dan $6/pengguna/bulan) dirancang sebagai lapisan model Dean: platform tunggal di bawah pasukan yang melakukan kerja bersusun. Apabila platform betul, pasukan di atas berskala. Apabila ia tidak, setiap suku adalah projek integrasi.

Petikan Terkenal & Pembelajaran Seterusnya Luar Bilik Pengarah

Dalam ucapan 2020 di Stanford, Dean berkata: "Pandangan utama yang kami ada dengan MapReduce ialah produktiviti pengatur penting lebih daripada kecekapan mesin. Anda boleh menulis banyak kod untuk menyempurnakan dengan sempurna untuk kelompok khusus anda, atau anda boleh menulis program mudah dalam kerangka kerja kami dan biarkan sistem mengetahui pengedaran. Kami membuat kerja pengatur lebih mudah dan sistem mengendalikan selebihnya." Itu adalah pernyataan falsafah produk sama banyak seperti pernyataan reka bentuk sistem. Dia sanggup meninggalkan prestasi di meja untuk mengurangkan kerumitan. Tukar itu hampir sentiasa berbaloi, dan kebanyakan jurutera membuat dalam arah yang salah.

Dia juga telah dikutip tentang kadar kemajuan AI: "Kemajuan yang telah kami lihat dalam lima tahun yang lalu dalam pembelajaran mesin telah benar-benar luar biasa. Kami telah pergi daripada sistem yang boleh melakukan tugas yang sempit kepada sistem yang boleh melakukan pelbagai tugas di manusia atau tahap dekat-manusia. Apa yang menggembirakan ialah kami masih di inning awal." Apa yang ketara tentang pembingkaian itu adalah kerendahan hati. Dia tidak menuntut masalah itu diselesaikan. Dia menaikkan terhadap apa yang kekal — dan dia telah memerhati bidang cukup lama bahawa penalkalibrasi beliau lebih boleh dipercayai daripada kebanyakan. Andrew Ng, yang binakan Google Brain bersama Dean sebelum meninggalkan untuk mengasas Coursera dan DeepLearning.AI, membawa perspektif lengkung-panjang yang sama: kedua-dua lelaki melatih intuitif mereka pada dekad penyelidikan yang sama dan menarik kesimpulan yang luar biasa serupa tentang apa dekad seterusnya memerlukan.

Pelajaran yang lebih luas daripada karir Dean tentang memilih kedalaman teknikal atas profil awam pada setiap garpu di jalan. Dia boleh telah meninggalkan Google berkali-kali untuk mengasas syarikat. Dia boleh telah membina jenama peribadi melalui podcast dan keynote. Dia memilih untuk terus membina sistem. Pilihan itu kelihatan kurang glamor dalam jangka pendek dan menghasilkan keuntungan bersusun selama dekad yang alternatif tidak. Ini adalah berbaloi untuk membandingkan dengan Werner Vogels di Amazon, seorang lagi jurutera karir infrastruktur yang binakan hyperscaler daripada dalam keluar — kedua-dua lelaki membuat pertaruhan yang sama bahawa kerja teknikal mendalam di dalam platform yang besar akan bersusun lebih daripada mengasas syarikat mereka sendiri.

Di Mana Gaya Ini Pecah

Otoriti teknikal mendalam tanpa komunikasi awam yang karismatik mengehadkan keupayaan untuk membentuk narasi di luar organisasi anda. Apabila Google memerlukan untuk menentukan cerita Gemini untuk wartawan, pelabur, dan orang awam, narasi AI syarikat jatuh kepada Sundar Pichai dan pasukan pemasaran produk — bukan Dean. Itu adalah jurang sebenar. Pelancaran Gemini Disember 2023 tersandung sebahagiannya kerana jurang antara apa pasukan penyelidikan telah binakan dan apa pasukan pemasaran berkomunikasi terlalu besar, dan tiada siapa di tengah yang boleh menerjemah tepat di bawah tekanan awam.

Model penyumbang individu bintang juga tidak berskala melalui pengambilan kerja. Kesan Dean bergantung pada Dean. Anda tidak boleh mengambil lima orang yang bersama-sama mengulangkan apa yang dia lakukan. Itu mencipta titik tunggal pergantungan organisasi yang sebenar walaupun biasanya berbaloi untuk menerima. Dan budaya penyelidikan yang dia binakan bergerak pada kadar yang tidak serasi dengan kitaran produk 90 hari yang persaingan AI memerlukan dalam 2024. Ketegangan antara penyelidikan mendalam dan penghantaran pantas adalah cabaran yang menentukan untuk bab seterusnya Google DeepMind.

Ketahui Lebih Lanjut