#科学外史#

一个英国男孩在13岁时成为国际象棋大师，17 岁时成为畅销电子游戏设计师，33 岁时成为神经科学博士，后来又成为赢得 2024 年诺贝尔化学奖的人工智能实验室的 CEO。

二十年来，人们称他“不专注”。实际上，他在执行现代科学中最有计划的职业路径。

他的名字是 Demis Hassabis。几乎没有人理解的是，他所做的每一步都源自同一个深层的执念。

这是贯穿他整个职业生涯的线索，也说明了任何人如何去构建通向艰难目标的道路。

棋局开始了。

他 1976 年出生于伦敦，4 岁开始下棋。8 岁时成为伦敦同龄组冠军。13 岁时获得国际大师等级分，跻身世界同龄前五十。他本可以成为职业棋手，度过一生。

但他选择离开。

后来在一次次采访中，他解释了原因。棋局迫使他不断思考“思考本身”。每一步都要求他模拟对手正在模拟的自己。他迷上的不是赢棋，而是人脑为下棋所运行的过程。他决定，棋局太小，容不下他真正想回答的问题——智能究竟如何运作。

接下来是电子游戏。
他用比赛奖金买了一台 ZX Spectrum，自学编程。17 岁时，他成为游戏《主题公园》的主程，该游戏销量数百万。他本可以继续留在行业，成为英国顶尖游戏设计师之一。

但他也离开了。

他进入剑桥大学，获得计算机科学双一等学位，然后做出了看似最奇怪的转折：在伦敦大学学院攻读认知神经科学博士。他 30 岁时重返校园，而剑桥的同龄人已经在经营公司。他研究人类海马体如何建立记忆并想象未来场景。

他 2007 年关于记忆与想象关系的论文被《Science》评为年度十大突破之一。但论文从来不是重点。重点是，他已默默积累了三十年，组合出世界上独一无二的技能：

来自国际象棋的复杂系统中智能体行为的直觉。

来自游戏开发的工程与软件交付能力。

来自神经科学的对生物大脑如何产生认知的科学理解。

2010 年，他用这些组合共同创办了 DeepMind。
使命宣言只有两句话，听起来荒谬：解决智能。然后用它解决其他一切。

前六年，DeepMind 几乎只研究游戏：Atari、星际争霸、围棋。外界无法理解，一个声称要构建通用人工智能的实验室为何花费数亿美元教电脑玩《乒乓》。

Hassabis 在采访中不断解释：游戏不是目标，而是受控环境，可以快速迭代通用学习算法，精确衡量进展，并证明算法能跨领域迁移。

2016 年，AlphaGo 战胜世界冠军李世石。

比赛结束的第二天，Hassabis 与团队负责人 David Silver 坐下，问接下来该做什么。答案就是他一生的目标。

他们将深度强化学习用于生物学困扰五十年的问题：蛋白质折叠。给定氨基酸序列，预测蛋白质的三维结构。药物研发全依赖此问题。传统计算方法只能解决少数蛋白质，实验方法则需数年和数百万美元。

2020 年，AlphaFold2 发布。
一年内预测了几乎所有已知蛋白质结构——两亿个，并免费开放给全球研究者。来自 190 个国家的两百多万研究人员使用了它。

2024 年 10 月，Hassabis 与 John Jumper 因此获得诺贝尔化学奖。

他在演讲中多次强调：他并不是为了蛋白质折叠而建 AlphaFold，而是为了证明他三十年来发展的方法能解决真正的科学问题。蛋白质折叠只是演示，目标始终是 AGI。

国际象棋教会他如何思考对抗系统。游戏教会他如何交付软件。神经科学教会他唯一存在的通用智能实例——人脑——是如何工作的。DeepMind 将三者结合，构建出能跨领域迁移的方法。当方法成熟时，他将其指向一个能拯救数百万生命的重大科学难题。

在 2016 年之前，外界看他的职业生涯都觉得散乱：放弃棋手生涯的天才，离开游戏行业的设计师，绕道神经科学的计算机科学家，花六年在棋盘游戏上的创业者。

但从内部看，这是现代科学最专注的职业路径。每一步都在回答同一个问题：智能究竟如何运作，如何构建一种能解决人类无法独自解决的问题的智能。

改变一个领域的人，几乎从来不是那些看起来“专注”的人。

而是那些对一个问题执着到极深、极久的人，他们的路径在外界看来像混乱，在内部却是一条直线。

而他们几乎总要等几十年，直到诺贝尔委员会打来电话，才得到计划的真正认可。