思考的游戏：DeepMind创始人Demis Hassabis的AGI寻梦之旅

构建 AGI 是人类有史以来最激动人心的旅程。 —— Demis Hassabis 这不仅是一句宣言，更是 Demis Hassabis 一生的核心驱动力。作为人工智能公司 DeepMind 的联合创始人兼 CEO，他站在了这场技术革命的最前沿。这个故事将带你深入这位思想家的内心世界，了解他如何从一位痴迷于“思考”本身的国际象棋神童，一步步成长为致力于构建通用人工智能（AGI）的全球顶尖先驱，以及这段非凡旅程背后的热情与远见。

-------------------------------------------------------------------------------- 1. 思想的萌芽：从国际象棋神童到“思考的力量” Demis Hassabis 对智能的探索，始于黑白相间的 64 格棋盘。 1.1. “思考的游戏” 从 4 岁起，Hassabis 就展现出惊人的国际象棋天赋。到童年时期，他已经是同龄人中世界排名第二的顶尖棋手。对他而言，国际象棋的魅力远不止胜负，它本身就是“一个很好的思考游戏”（a good thinking game）。这个游戏让他第一次深刻地审视自己的大脑是如何工作的，思考“思考”本身的过程。 1.2. 一次决定性的顿悟 12 岁时，一场比赛彻底改变了他的人生轨迹。然而，要理解这一刻的全部意义，必须先了解他所处的环境。国际象棋对他而言并非轻松的游戏。他的父母家境并不宽裕，去参加锦标赛的开销巨大，因此每一次比赛都“风险极高”。每当他输棋，父母都会“非常沮（丧）”，这让这项智力运动充满了巨大的压力。 正是在这种背景下，他在列支敦士登的一场国际象棋锦標赛上，对阵前丹麦冠军。比赛异常胶着，持续了整整 10 个小时。在极度疲惫的状态下，他误判了局势，认为自己必败无疑，于是选择了投子认输。 然而，对手却跳起来大笑着问他：“你为什么要认输？这明明是和棋！” 并当场向他展示了那个可以扳平局势的走法。那一刻，Hassabis 内心无比震惊。在随后的比赛中，一个强烈的想法不断在他脑中盘旋： “我们是不是在浪费我们的才智？这是对所有这些脑力的最佳利用方式吗？如果能以某种方式将那栋楼里 300 个大脑连接到一个系统中，你可能已经解决了癌症。” 这次经历成为他思考的转折点。他意识到，人类的智慧是一种宝贵的资源，与其将其消耗在这种充满压力、非赢即输的零和游戏中，不如用来解决世界上更宏大、更重要的问题。棋盘上的游戏结束了，但一场关于如何运用“思考的力量”来改变世界的游戏，才刚刚开始。 -------------------------------------------------------------------------------- 2. AI 的试验场：在游戏世界中构建“智能行为” 在进入大学之前，Hassabis 在传奇游戏公司“牛蛙”（Bullfrog）的经历，成为他将 AI 理论付诸实践的第一个试验场。 2.1. 牛蛙公司（Bullfrog）的天才少年 由于年龄太小，Hassabis 在被剑桥大学录取后，需要休学一年才能入学。在此期间，他赢得了一场编程比赛，奖品是在当时欧洲最好的游戏开发公司 Bullfrog 工作的机会。他参与了全球畅销游戏《主题公园》（Theme Park）的开发，核心工作是负责游戏中游客的 AI 行为。他的任务是“模仿有趣的人类行为，让模拟互动更加有趣”，比如设计游客在乘坐刺激的过山车后可能会呕吐，而其他游客看到后也会跟着呕吐的复杂互动。 2.2. 从娱乐到改变世界 尽管身处游戏行业，Hassabis 的思考早已超越了娱乐本身。据当时同事回忆，他已经开始深入思考 AI 在娱乐之外的更广泛应用——即它“帮助世界以及改变世界的潜力”。这段经历让他清晰地看到了 AI 的巨大可能性。 我们可以通过下表，清晰地看到 Hassabis 在这个阶段的思想演进： 阶段 核心目标 关键感悟 国际象棋 赢得比赛 人类智慧应该用于解决更重大的问题 游戏开发 创造有趣的模拟行为 AI 的潜力远超娱乐，可以用来改变世界 为了追求心中那个更宏大的计划，Hassabis 拒绝了公司创始人 Peter Molyneux 提供的高达一百万英镑的续约合同，毅然选择进入剑桥，因为他知道，他的梦想需要更坚实的学术基础来滋养。 -------------------------------------------------------------------------------- 3. 蓝图的构建：剑桥、神经科学与通用智能 剑桥大学的学术氛围，为 Hassabis 追求通用人工智能（AGI）的梦想构建了坚实的理论蓝图。 3.1. 追随巨人的脚步 Hassabis 对剑桥充满向往，他渴望“走在图灵、牛顿和克里克走过的同一条街道上”，探索宇宙的边缘。然而，在全身心投入学术之前，他决定先体验另一种生活。他曾说：“我现在要好好玩玩，探索一下做一个普通青少年意味着什么。” 在剑桥，他和朋友们在酒吧喝啤酒，玩桌上足球，尽情享受着迟来的青春。这段经历让他随后的学术专注更像是一种深思熟虑后的成熟选择，而非默认的人生轨迹。 3.2. “通用性”的启示 1997 年，IBM 的超级计算机“深蓝”击败了国际象棋世界冠军卡斯帕罗夫，这一事件轰动全球。然而，Hassabis 却有着与众不同的看法。他坦言：“我对‘深蓝’并没有留下太深刻的印象，反而更敬佩卡斯帕罗夫的大脑。” 他的理由是，“深蓝”除了下棋什么都不会，而卡斯帕罗夫的大脑不仅能下出顶尖水平的棋，还能完成人类所能做的一切事情。这件事让他深刻地认识到，真正的智能核心在于**“通用性”（generality） 和 “学习能力”**，而不是在单一、封闭的任务中超越人类。 3.3. 两大灵感来源 在剑桥，Hassabis 确定了构建 AGI 的两大核心灵感来源： 神经科学 : 他痴迷于研究大脑，因为“人脑是我们拥有的唯一证明通用智能可能存在的证据”。他希望从大脑的工作原理中获得构建 AI 的启发。 蛋白质折叠问题 : 他在剑桥时期首次听说了“蛋白质折叠”这个困扰生物学界数十年的重大难题。他当时就隐约感觉到，这是一个人类智慧难以解决，但“需要用 AI 来解决它”的问题。这为 DeepMind 日后最伟大的成就之一埋下了伏笔。 在构建了清晰的理论蓝图后，Hassabis 决定将学术界的想法带入现实世界，创立一个以解决 AGI 为唯一使命的公司。 -------------------------------------------------------------------------------- 4. 使命的启航：创立 DeepMind Hassabis 的梦想在当时看来有些不切实际，甚至“令人尴尬”，但他找到了志同道合的伙伴，开启了这段伟大的征程。 4.1. 一个“令人尴尬”的梦想 在当时，“AI 是一个近乎令人尴尬的词”，在严肃的学术圈里，研究 AI 甚至不被看作是正经的科学。然而，Hassabis 与另一位研究者 Shane Legg 因共同痴迷于 AGI 而一拍即合。他们坚信，实现这个宏伟目标的最佳方式是创立一家公司。 4.2. 寻找“梦想家” 融资过程异常艰难。风险投资家们反复追问的是：“你的产品是什么？你打算怎么赚钱？” Hassabis 认为这些问题非常“平庸”（prosaic）。他需要的不是传统的投资者，而是像他一样的“梦想家”——那些仅仅因为认为这个使命“真的很酷”就愿意投资的人。最终，他获得了 Peter Thiel 和 Elon Musk 等人的早期支持。 Hassabis 还坚持将公司设在伦敦，而非当时的技术中心硅谷。他认为，硅谷“快速行动，打破常规”（move fast and break things）的文化不适合需要长期、专注研究的挑战，而伦敦的学术氛围更能孕育出突破性的思想。 4.3. 定义核心使命 DeepMind 从创立之初就有一个无比清晰和宏大的使命： “构建世界上第一台通用学习机器（general learning machine）。” 这里的关键词是**“通用”（general） 和 “学习”（learning）**。它定义了 DeepMind 的目标不是创造只能解决特定问题的工具，而是能够像人类一样学习并适应各种环境的真正智能体。 在确立了宏大的使命之后，DeepMind 需要找到一种方法来向世界证明，他们的理念是可行的。游戏，这个 Hassabis 最熟悉的领域，再次成为了他们完美的试验场。 -------------------------------------------------------------------------------- 5. 里程碑时刻：从 AlphaGo 到 AlphaFold DeepMind 通过一系列震惊世界的里程碑式成就，证明了其技术路径的强大潜力，并最终将 AI 应用于解决人类最棘手的科学难题。 5.1. 第一步：在雅达利游戏中证明学习能力 (DQN) DeepMind 创新地将“强化学习”与“深度学习”相结合，创造了深度 Q 网络（DQN）算法。他们让这个算法在几十款雅达利老式游戏上进行测试。在游戏《打砖块》（Breakout）中，一个“魔力”时刻出现了：AI 系统不仅学会了玩游戏，还在持续训练后，自行发现了人类玩家通常不会使用的最优策略——在砖墙一侧挖出一条隧道，让球在墙后反复反弹，以最快速度清空所有砖块。 这证明了 DeepMind 的核心理念： 一个被空投到任何环境中的系统，都能自己学习和响应，并最终掌握解决问题的方法。 5.2. 震撼世界：“斯普特尼克时刻” (AlphaGo) 围棋的复杂度极高，其可能的棋盘变化比宇宙中的原子总数还多，因此长期被视为“人工智能的圣杯”。2016 年，DeepMind 的 AlphaGo 对战世界围棋冠军李世石。在第二局比赛中，AlphaGo 下出了惊人的“第 37 手”——一个职业棋手出现的概率仅有“万分之一”的创新着法，它完全超出了人类的定式思维。 最终，AlphaGo 以 4:1 获胜。这场胜利被比作“斯普特尼克时刻”（Sputnik moment），它在全球范围内（尤其是在中国）引发了对 AI 的巨大关注，开启了一场全球性的 AI 发展竞赛。 5.3. 更进一步：从零开始的智慧 (AlphaZero) AlphaGo 的升级版 AlphaZero 更加强大。它与前代的核心区别在于，它完全不依赖任何人类棋谱数据（“zero human knowledge”），仅通过自我对弈进行学习。它的学习速度令人难以置信： “早上开始随机下棋，到下午茶时间就达到超人水平，到晚餐时分，它已成为有史以来最强大的象棋‘艺术家’（entertainer）。” 更重要的是，AlphaZero 甚至发现了全新的、富有攻击性的下棋风格，反过来激发了人类顶尖棋手的灵感，拓展了人类对这项千年游戏的认知边界。 5.4. 终极目标：破解科学难题 (AlphaFold) 所有在游戏领域的成功，最终都是为了实现 Hassabis 的初衷：用 AI 解决现实世界中的重大科学问题。他将目光投向了在剑bridge时就念念不忘的“蛋白质折叠问题”。 初次尝试与“谦卑时刻” : 2018 年，AlphaFold 首次参加国际蛋白质结构预测竞赛（CASP），并一举夺冠。但团队很快迎来了“谦卑时刻”。正如一位同事所言：“我们发现，我们在一个全世界都不擅长解决的问题上做到了世界第一。” 这句话精准地概括了他们的处境：虽然赢了比赛，但预测的精度对生物学家来说尚无实际用途。 决定性突破 : 团队没有放弃，而是组建了一支“突击队”，从零开始重新设计算法。恰逢 2020 年全球新冠疫情爆发，全世界都笼罩在生物危机的阴影之下。科学家们被迫在家中隔离办公，通过视频会议协作，试图破解这个困扰生物学半个世纪的难题，而窗外正上演着一场真实的全球健康危机。这种紧迫感赋予了他们工作非凡的意义。在比赛期间，他们甚至分析了 SARS-CoV-2 病毒的一个关键蛋白质，最终在 CASP14 竞赛中取得了决定性的突破，其预测精度达到了与实验方法相媲美的水平， “解决了困扰科学界半个世纪的蛋白质折叠问题” 。 给人类的礼物 : 在取得成功后，团队内部讨论下一步计划时，一个改变世界的决定在一次会议中自发地诞生了。有人提议，或许可以为生物学家提供一个查询服务。Hassabis 则更进一步，他当即说道：“我们为什么不直接这么做……我们直接把所有已知的蛋白质都预测出来，然后把它送给世界上的每一个人。” 于是，DeepMind 做出了一个重大决定：将预测出的超过 2 亿个蛋白质结构免费向全世界的科研人员开放。Hassabis 将其称为**“给人类的礼物”**，这完美呼应了他童年时在棋盘前立下的志向——将智慧用于为全人类造福。 这些里程碑式的成就不仅改变了世界，也让 Hassabis 更加确信，AGI 正在加速到来，而随之而来的是前所未有的责任。 -------------------------------------------------------------------------------- 6. 结语：AGI 的黎明与责任 回望 Demis Hassabis 的旅程，我们看到的是一个纯粹的梦想如何一步步变为现实。他从一个对“思考”本身着迷的孩子，成长为一位利用 AI 解锁宇宙奥秘的先驱。他的故事完美诠释了好奇心、长期主义和宏大愿景的力量。 如今，站在 AGI 的黎明前，Hassabis 的思考也愈发深刻和审慎。他认为，AGI 的到来将把人类历史分为两部分，他甚至担心“它到来的速度比我们能真正做好准备的速度要快”。 这种审慎的态度与他创立 DeepMind 时就有意避开的“快速行动，打破常规”的硅谷精神一脉相承。他坚信，在 AGI 这样强大的技术面前，“你无法承受先打破东西再修复它的后果”。这终极的责任感，正源于他 12 岁时在棋盘前的顿悟：最重要的不是赢得比赛，而是确保游戏本身服务于更崇高的人类福祉。这或许是他从那场最初的“思考的游戏”中，学到的最重要的一课。 往期内容： TikTok美国协议终局：一场资本的“金蝉脱壳”，赢家并非中美 一觉醒来，网红都成 AI 了，可能是社交媒体最恐怖的一天 AI网红农场曝光_硅谷顶级投资下的骗局 比印钞机还快？5个关于AI烧钱的残酷真相 end 更多内容请 阅读原文