Demis Hassabis：DeepMind 幕後大腦與他的 AI 諾貝爾之路

如果說艾倫·圖靈（Alan Turing）定義了機器的思考邏輯，那麼Demis Hassabis（德米斯·哈薩比斯）則是賦予機器想像力與科學洞察力的當代建築師。

2024 年，瑞典皇家科學院將諾貝爾化學獎授予了這位 Google DeepMind 的共同創辦人，表彰他與約翰·江珀（John M. Jumper）利用 AlphaFold 解決了生物學界懸宕半世紀的難題——蛋白質結構預測[^1]。這一刻，不僅標誌著 AI 從「戰勝棋手」走向「造福人類」，更映證了哈薩比斯貫穿半生的核心哲學：「解決智慧問題，並以此解決其他所有問題。」

這不僅僅是一個關於程式碼的故事。這是一個關於一位擁有希臘與新加坡血統的倫敦少年，如何在西洋棋盤的黑白格之間，窺見了宇宙運算的真理，並最終打造出能看穿微觀生物世界的「數位望遠鏡」的歷程。

棋局博弈與遊戲代碼：天才的早期模擬

哈薩比斯的起點不在實驗室，而在棋盤前。

1976 年出生於倫敦，父親是希臘裔賽普勒斯人，母親是新加坡華裔。這種多元文化的碰撞或許造就了他開放且深邃的思維模式。4 歲接觸西洋棋，13 歲便躋身全球 14 歲以下棋手排名第二，僅次於傳奇人物尤迪特·波爾加（Judit Polgár）[^2]。

棋盤教會了他兩件事：規劃與預測。但他很快意識到，人類大腦在計算力上的侷限性。「西洋棋不僅是遊戲，它是對思維本身的極限測試，」哈薩比斯後來回憶道。

這種對「系統化思維」的渴望，驅使他在 17 歲時加入 Bullfrog Productions（牛蛙製作），與彼得·莫利紐茲（Peter Molyneux）共同設計了經典遊戲《主題公園》（Theme Park）。這款遊戲引入了具有自主行為的 NPC（非玩家角色），本質上，這是哈薩比斯構建的第一個「微型 AI 世界」。

「在有限的記憶體中模擬成千上萬個獨立個體的行為，那是我第一次嘗試扮演『造物主』的角色。」

這段經歷極其關鍵。不同於傳統電腦科學家沈迷於演算法的效率，遊戲設計的背景讓 Demis Hassabis 更關注代理人（Agent）如何與環境互動——這正是後來強化學習（Reinforcement Learning）的核心精神。

暫別矽谷：解剖人類心智的黑盒

就在遊戲事業如日中天，甚至創立了自己的工作室 Elixir Studios 之後，哈薩比斯做了一個令業界費解的決定：急流勇退，重回校園。

他意識到，當前的 AI 技術遭遇了瓶頸。要打造真正的通用人工智慧（AGI），不能只靠寫程式，必須先理解人類大腦這個「已知最完美的智慧載體」是如何運作的。

2009 年，他在倫敦大學學院（UCL）取得認知神經科學博士學位。他的研究聚焦於海馬迴（Hippocampus）在記憶與空間導航中的作用。其博士論文不僅被《Science》評為年度十大科學突破，更揭示了一個深刻的連結：人類的想像力（模擬未來的能力）與情節記憶（回憶過去的能力）使用著相同的神經機制[^3]。

這一發現成為了 DeepMind 技術架構的靈魂。後來的 AlphaGo 之所以能超越人類，正是因為它具備了類似人類的「直覺」與「預判」能力，而非單純的暴力計算。

DeepMind 與 Google：從倫敦地下室到世界巔峰

2010 年，Demis Hassabis 與 Shane Legg、Mustafa Suleyman 在倫敦創立了 DeepMind。他們的願景宏大到近乎狂妄：Solve Intelligence（破解智慧）。

這家新創公司並非一開始就鎖定商業應用，而是專注於打造能像人類一樣學習的系統。2014 年，Google 看中了這股潛力，以約 4 億英鎊的天價將其收購，這也是 Google 在歐洲最大的併購案之一[^4]。

隨後發生的故事，已成為科技史的經典篇章：

• DQN (2015)：學會玩 Atari 遊戲，展現了 AI 自主學習的雛形。
• AlphaGo (2016)：在首爾以 4:1 擊敗李世石。那著名的「第 37 手」，被視為機器產生創造力的證明。
• AlphaZero (2017)：摒棄人類棋譜，完全透過自我對弈掌握棋藝，徹底顛覆了千年的圍棋定式。

然而，對於哈薩比斯而言，下棋從來不是終點，只是測試場。

諾貝爾獎的榮耀：AlphaFold 重寫生命科學

「遊戲很酷，但蛋白質摺疊能救命。」

這是 Demis Hassabis 轉向科學應用的宣言。生物學界有一個困擾 50 年的「蛋白質摺疊問題」：如何僅根據氨基酸序列，準確預測蛋白質的三維結構？這對藥物開發、疾病治療至關重要。

DeepMind 推出的 AlphaFold（特別是 AlphaFold2）震撼了科學界。它將蛋白質結構預測的準確率從不到 60% 提升到了 90% 以上，達到了與實驗室觀測相媲美的原子級精度。

2024 年，諾貝爾委員會將化學獎頒給了 Demis Hassabis 與 John M. Jumper，這不僅是對個人的肯定，更是對 「AI for Science」（AI 驅動科學） 範式的最高認可。AlphaFold 已經預測了超過 2 億種蛋白質結構，幾乎涵蓋了地球上所有已知的蛋白質[^5]。

「我們正在將生物學從一門純粹的實驗科學，轉變為一門資訊科學。」—— Demis Hassabis

整合與未來：Google DeepMind 的 AGI 衝刺

面對 OpenAI 與 ChatGPT 掀起的生成式 AI 浪潮，Google 於 2023 年進行了戰略重組，將 Google Brain 與 DeepMind 合併為 Google DeepMind，由哈薩比斯親自領軍。

這一次，他的對手不再是棋手，而是時間與安全性。

雙重使命：Isomorphic Labs 與 Gemini

哈薩比斯目前的戰略佈局呈現雙軌並行：

1. Isomorphic Labs：作為他在 2021 年創立的另一家公司，專注於將 AlphaFold 的技術商業化，利用 AI 重新構想藥物發現過程，試圖將新藥研發週期從年縮短至月。
2. Gemini 與 AGI：帶領團隊開發下一代多模態模型 Gemini，目標是實現具備推理、規劃與多感官理解能力的通用人工智慧。

倫理與警訊

儘管是技術樂觀主義者，哈薩比斯對 AI 安全展現出罕見的謹慎。他多次警告，AGI 的風險不亞於氣候變遷，主張在推進能力的同時，必須建立嚴格的沙盒測試與國際監管機制。

探索者的星圖

Demis Hassabis 的人生軌跡，像是一條精心編寫的程式碼，優雅而高效。從《主題公園》的虛擬遊客，到 AlphaGo 的神之一手，再到 AlphaFold 解開的生命螺旋，他始終在做同一件事：構建模型，以理解現實。

獲得諾貝爾獎並非他旅程的終點。對於這位仰望星空的科學家來說，AI 只是人類用來探索宇宙終極奧秘的那架「望遠鏡」。正如他所言：「我們是物質進化出的意識，現在，我們正在創造能幫助我們理解這種進化的智慧。」

在矽谷喧囂的 AI 競賽中，Demis Hassabis 依然保持著學者的冷靜，在倫敦的總部裡，繼續推算著通往 AGI 的最後幾步棋。

---

參考資料

[^1]: The Nobel Prize in Chemistry 2024. NobelPrize.org.
[^2]: Gibney, E. (2016). Google AI algorithm masters ancient game of Go. Nature.
[^3]: Hassabis, D., et al. (2007). Patients with hippocampal amnesia cannot imagine new experiences. PNAS.
[^4]: Google buys UK artificial intelligence startup DeepMind for £400m. The Guardian (2014).
[^5]: AlphaFold reveals the structure of the protein universe. DeepMind Blog (2022).