前 Google AI 主管 John Giannandrea 花 1.5 萬美元買咖啡機,讓語言團隊和 Jeff Dean 團隊碰面 #Shorts

AI 101 · 發布於 2026/11/09 上午11:00 · 更新於 2026/11/14 上午01:30 · 台北時間 · 本頁的資料來源與計算方式 ⓘ

觀看數
—次
喜歡
—次
YouTube 留言總數
—則
長度
—
字幕狀態未確認

觀看數觀測

尚無歷史觀測

本站尚未儲存這部影片的歷史觀測,無法據以建立歷史時間序列。

共同標籤

已比對共同詞彙 · 15 個標籤 · 比對時間 2026/11/09 下午06:52

比對依據(27 處)
  1. Google影片說明前 Google 搜尋與 AI 主管、蘋果前 AI 主管…
  2. AI影片說明前 Google 搜尋與 AI 主管、蘋果前 AI 主管 John G…
  3. 主管影片說明前 Google 搜尋與 AI 主管、蘋果前 AI 主管 John Gian…
  4. 蘋果影片說明前 Google 搜尋與 AI 主管、蘋果前 AI 主管 John Giannan…
  5. AI影片說明…oogle 搜尋與 AI 主管、蘋果前 AI 主管 John Giannandrea…
  6. 主管影片說明…le 搜尋與 AI 主管、蘋果前 AI 主管 John Giannandrea,在 …
  7. 節目影片說明…ea,在 Cobot《Deployed》節目向 Brad Porter 回憶當年的安…
  8. Google影片說明…Brad Porter 回憶當年的安排:Google 的語言研究卡關,他把 NLP 團隊搬進…
  9. 語言影片說明…ter 回憶當年的安排:Google 的語言研究卡關,他把 NLP 團隊搬進 Jef…
  10. 研究影片說明…r 回憶當年的安排:Google 的語言研究卡關,他把 NLP 團隊搬進 Jeff …
  11. 團隊影片說明…ogle 的語言研究卡關,他把 NLP 團隊搬進 Jeff Dean 深度學習團隊所…
  12. 學習影片說明…LP 團隊搬進 Jeff Dean 深度學習團隊所在的舊樓,還買了一台 1.5 萬美…
  13. 團隊影片說明… 團隊搬進 Jeff Dean 深度學習團隊所在的舊樓,還買了一台 1.5 萬美元的…
  14. 美元影片說明…習團隊所在的舊樓,還買了一台 1.5 萬美元的 La Marzocco 義式咖啡機,…
  15. 咖啡機影片說明… 萬美元的 La Marzocco 義式咖啡機,讓兩隊下午碰得到面。財務部為此找他麻煩…
  16. 財務影片說明…cco 義式咖啡機,讓兩隊下午碰得到面。財務部為此找他麻煩,幾個月後兩隊就做出了 e…
  17. 自己影片說明…bedding,他也坦言 2012 年的自己猜不到後來的 ChatGPT。片中括號更…
  18. ChatGPT影片說明…也坦言 2012 年的自己猜不到後來的 ChatGPT。片中括號更正:word2vec 第一作…
  19. 影片影片說明…er 論文是 2017 年 6 月。 影片來源:https://www.youtu…
  20. Google影片標題前 Google AI 主管 John Giannand…
  21. AI影片標題前 Google AI 主管 John Giannandrea…
  22. 主管影片標題前 Google AI 主管 John Giannandrea 花 …
  23. 美元影片標題… Giannandrea 花 1.5 萬美元買咖啡機,讓語言團隊和 Jeff Dea…
  24. 咖啡機影片標題…annandrea 花 1.5 萬美元買咖啡機,讓語言團隊和 Jeff Dean 團隊…
  25. 語言影片標題…drea 花 1.5 萬美元買咖啡機,讓語言團隊和 Jeff Dean 團隊碰面 #…
  26. 團隊影片標題…ea 花 1.5 萬美元買咖啡機,讓語言團隊和 Jeff Dean 團隊碰面 #Sh…
  27. 團隊影片標題…啡機,讓語言團隊和 Jeff Dean 團隊碰面 #Shorts
比對版本

youtube-quality-20261017-a

影片說明

前 Google 搜尋與 AI 主管、蘋果前 AI 主管 John Giannandrea,在 Cobot《Deployed》節目向 Brad Porter 回憶當年的安排:Google 的語言研究卡關,他把 NLP 團隊搬進 Jeff Dean 深度學習團隊所在的舊樓,還買了一台 1.5 萬美元的 La Marzocco 義式咖啡機,讓兩隊下午碰得到面。財務部為此找他麻煩,幾個月後兩隊就做出了 embedding,他也坦言 2012 年的自己猜不到後來的 ChatGPT。片中括號更正:word2vec 第一作者是 Tomas Mikolov,論文發表於 2013 年;Transformer 論文是 2017 年 6 月。 影片來源:https://www.youtube.com/watch?v=uekZyIZdFSs

本頁的資料來源與計算方式

影片的數字

公開統計
觀看、喜歡與留言總數是取得當時的 YouTube 公開統計,不是即時數值;各項統計的觀測時間可能不同。「資料最後記錄」是影片資料的記錄時間,不代表觀看、喜歡或留言都在那時重新觀測。
觀看歷史
圖上每個點是實際儲存的觀測,連線只為方便閱讀,不代表中間時間的測量值;沒有歷史觀測時不建立時間序列。
喜歡占互動
喜歡 ÷(喜歡+不喜歡+顯示留言),任一來源缺值時不估算。
字幕
只記錄來源是否提供字幕,尚未擷取逐字稿,因此字幕不列入標籤比對。
觀測分析
直播逐時/逐日最高同時在線取自所讀直播紀錄;讀取上限、略過與解析失敗的筆數列在「資料涵蓋範圍與解析限制」。

共同標籤

標籤來源:新文易數(tag.observe.tw)。共同標籤以文字比對影片標題與說明,不是 AI 判讀;命中不代表事件歸屬或立場,與頻道分類分開。標題或說明出現標籤,不代表影片主題;可能來自固定宣傳或版權文字。字幕尚未取得,不列入比對。

比對範圍
僅列出目前詞彙版本與影片標題、說明仍相符的比對結果;待比對或來源文字已變動的影片不列入,數量見「收錄與比對範圍」。
期間
「往前 N 日」包含今天與前 N 天,共 N+1 個台北日曆日(往前 7 日為 8 個日曆日);指定起訖日期時以實際起訖日為準。日數、日期與小時條件同時套用。
命中片段
每支影片最多顯示 3 段,標示來自標題、說明或字幕;沒有片段時顯示「沒有命中片段」,來源文字缺漏時顯示「來源文字未提供」,不另行補寫。完整比對依據在影片頁的「共同標籤與比對依據」。
顯示排除
符合標籤顯示規則的詞(上游排除詞、雜訊、純數字或日期、長度不符,以及核定的來源或平台名稱、雙字通用詞、國家城市政黨詞、少數 YouTube 平台或宣傳用語)整詞不列入排行,但仍保留在原始詞彙池與比對證據中;原始詞彙池列出排除原因。雙字通用詞只依核定清單判定,包含它們的人名、事件或具體議題不會因此被排除。管理員也可以在排行上直接排除個別標籤,同樣只影響排行顯示,每次排除與恢復都留有紀錄。
說明欄樣板
同一頻道說明欄反覆出現的宣傳段落不列入比對。「24小時」這類詞只在這種重複宣傳段落中略過,出現在一般新聞內容時照常計入;這不同於整詞的顯示排除。
示例
列表與片段只是符合條件的影片例子,不能用來推算整體比例或全站失真程度;有效比對的影片比例只代表比對完成度。
觀看
累計觀看是取得當時的公開觀測值,不是期間增量;無觀看值的影片不當作 0。

本頁資料範圍

觀看數與互動數為取得當時的公開觀測值。

資料來源

本站以納入名單的 YouTube 頻道與影片為範圍(名單見頻道觀測),數據來自 YouTube 公開資料與定時觀測:直播約每分鐘輪詢一次,頻道統計、新影片與影片統計則分批輪流更新,所以同一頁的數字不一定在同一時間取得。不涵蓋全 YouTube;缺漏、尚未收錄或資料服務中斷都不等於零,尚未取得的數值顯示「—」。

頁面使用台北時間(UTC+8)。「更新於」是來源已記錄的觀測時間;來源沒有記錄時顯示「未記錄」,不以開啟網頁的時間代替。

共同標籤詞彙的標籤來源:新文易數(tag.observe.tw),保留來源、版本與比對依據;本站的頻道分類沿用有影儀表板的來源組織方式,與內容標籤是不同維度。影片數、觀看數與直播同時在線人數分開計算,不代表 YouTube 全站流量,也不表示因果關係。

完整的資料來源與計算方式 →