2024 年 10 月，瑞典皇家科学院宣布 2024 年诺贝尔化学奖授予 David Baker、Demis Hassabis、John Jumper——表彰他们用 AI 解决蛋白质结构预测问题。Hassabis 和 Jumper 是 Google DeepMind 团队，他们开发的 AlphaFold 2 解决了生物学 50 年未解的难题。
但 Hassabis 不只是 AlphaFold 之父。他是 DeepMind 创始人（2010 年）、Google DeepMind CEO（2023 年）、AlphaGo 缔造者（2016 年击败李世石）、AGI（通用人工智能）最坚定的追逐者、图灵奖 + 诺贝尔奖双料得主。
Demis Hassabis 是当代 AI 行业最具”全才”色彩的人物之一——他既是科学家、又是企业家、又是棋手、又是游戏设计师、又是 AGI 哲学家。
一、早年：4 岁下棋、13 岁象棋大师、17 岁游戏开发者
Demis Hassabis 1976 年出生于英国伦敦，父亲是希腊裔塞浦路斯人，母亲是新加坡华人。
4 岁：观看父亲下国际象棋，5 天后能在自家餐桌上击败成人。
6 岁：参加伦敦 6 岁组国际象棋比赛，赢得冠军。
9 岁：已经是英国 11 岁以下组第二名。
13 岁：达到国际象棋大师水平（Master level），这是当时英国 14 岁以下最年轻的成就。
但国际象棋不是 Hassabis 唯一的兴趣。
8 岁：自学编程。
12 岁：在 BBC Micro 计算机上开发出第一个完整游戏” Rebellion”。
17 岁：加入 Bullfrog Productions 游戏公司，参与开发主题公园游戏（Theme Park）——这是当年最畅销的模拟经营游戏。
20 岁：在 Lionhead Studios 工作室担任首席游戏设计师，与 Peter Molyneux 合作开发 Black & White。
二、剑桥本科 + 神经科学博士（1994-2005）
虽然游戏行业给了 Hassabis 名利，但他意识到”游戏只是对真实智能的简化模拟”。他想在更根本的层面理解”智能”是什么。
1994 年 Hassabis 入读剑桥大学，1997 年获得计算机科学学士学位（一等荣誉）。大学期间他同时是国际象棋队长。
1998-2005 年，他在伦敦大学学院（UCL）攻读认知神经科学博士学位。这是他人生的第二个关键转向——从工程到科学，从”造 AI”到”理解智能是什么”。
博士期间他做了一系列关键实验：
实验一：海马体与情景记忆（2007 年）。他发表《Patients with hippocampal amnesia cannot imagine new experiences》——证明人脑海马体不仅负责记忆，还负责”想象未来”。这是认知神经科学的重要发现。
实验二：人脑想象与记忆的神经基础。他用 fMRI 扫描证明想象和回忆激活相同的神经网络。
2005 年博士毕业后，Hassabis 在 MIT 和哈佛短暂做博士后，然后回到伦敦。
三、DeepMind 创立：用游戏检验 AI（2010-2014）
2010 年，Hassabis 与同事 Shane Legg、Mustafa Suleyman 共同创办 DeepMind——一家明确以”AGI”（通用人工智能）为目标的 AI 公司。
DeepMind 的核心方法论：用游戏作为 AI 的训练场——游戏有清晰的规则、可量化的成绩、丰富的策略空间。
关键里程碑 1：Atari 游戏 AI（2013 年）。DeepMind 用深度强化学习让 AI 玩 49 个 Atari 游戏，在 29 个上超过人类水平。论文登 Nature 封面。
关键里程碑 2：AlphaGo 击败李世石（2016 年 3 月）。DeepMind 的 AlphaGo 在韩国首尔以 4:1 击败围棋世界冠军李世石。这是 AI 历史最戏剧性的事件之一——围棋被认为是”AI 至少还需要 10 年才能攻克”的领域。
AlphaGo 的社会影响：
– 全球媒体头条报道
– 中国、韩国政府开始把 AI 列为国家战略
– AlphaGo 之后是 AlphaGo Zero（2017 年自学超越所有版本）、AlphaZero（2018 年通用棋类 AI）、MuZero（2019 年无需规则即可学习）
关键里程碑 3：DeepMind 被 Google 收购（2014 年）。Google 以 5 亿美元收购 DeepMind，这是 Google 当时最大的一笔 AI 收购。
四、AlphaFold：解决生物学 50 年难题（2016-2024）
AlphaFold 是 DeepMind 第二个历史性贡献，也是 2024 年诺贝尔奖的核心。
生物学难题：蛋白质由氨基酸链组成，氨基酸链会折叠成复杂的三维结构——蛋白质的”功能”由其三维结构决定。但从氨基酸序列预测三维结构，是生物学 50 年未解的难题。
AlphaFold 1（2018 年）：在 CASP13（蛋白质结构预测竞赛）上击败所有对手，预测准确率超过传统方法。DeepMind 在 Nature 发表论文。
AlphaFold 2（2020 年）：在 CASP14 上接近实验精度——预测准确率（GDT 分数）从 60 跃升到 92。这是蛋白质结构预测领域”根本性突破”。
AlphaFold 2 的开源（2021 年 7 月）：DeepMind 把 AlphaFold 2 的代码和预测结果全部开源，并发布AlphaFold DB——包含 2 亿+蛋白质结构预测的开放数据库。
AlphaFold 的科学影响：
– 2023 年 11 月，DeepMind 发布 AlphaFold 3——预测蛋白质与其他分子（DNA、RNA、配体）的相互作用
– 2024 年，AlphaFold 已用于药物研发、酶设计、疫苗开发、农业等多个领域
– 截至 2024 年，全球已有 200 万+ 研究者使用 AlphaFold
– 2024 年 11 月，Isomorphic Labs（DeepMind 子公司）开始用 AlphaFold 设计新药
五、Google DeepMind 与 AGI 路线（2023-至今）
2023 年 4 月，Google 合并 Google Brain 和 DeepMind 为 Google DeepMind，Hassabis 担任 CEO。这是 Google AI 史上最大整合。
Google DeepMind 的核心战略：
第一，Gemini 大模型。2023 年 12 月发布 Gemini 1.0，2024 年 2 月发布 Gemini 1.5（100 万 token 上下文），2024 年 12 月发布 Gemini 2.0。Gemini 系列直接对标 OpenAI GPT-4。
第二，AI Agent。Hassabis 2024 年密集推动 Project Astra——一个多模态实时 AI Agent，被认为是 Google 版的 GPT-4o。
第三，AI for Science。AlphaFold 之后，DeepMind 启动多个 AI for Science 项目：
– AlphaProof（数学证明）
– AlphaGeometry（几何问题）
– WeatherNext（天气预报）
– GraphCast（AI 气象模型）
第四，AI 安全。Hassabis 是 AI 安全运动的领军人物之一，参与签署”AI 灭绝风险声明”、推动 UK AI Safety Summit（2023 年 11 月）。
六、AGI 哲学与时间表
Hassabis 对 AGI 有非常清晰的哲学：
AGI 定义：能”在大多数任务上达到或超过人类水平”的 AI。
时间表：Hassabis 在 2024 年多次公开表示”AGI 可能在 5-10 年内实现”。这是 AI 行业最乐观的时间表之一。
路径：他认为 AGI 需要”世界模型 + 推理 + 规划 + 创造力”——AlphaGo 系列和 AlphaFold 系列都是这条路径的预演。
安全：Hassabis 强调”AGI 必须是安全的、可控的、对齐人类价值观的”。他支持国际 AI 治理框架，但反对”AI 暂停”等过度限制。
七、关键贡献总结（5 个时代）
1976-2005：游戏 + 神经科学时代——从棋童到科学家
2010-2014：DeepMind 创立时代——用游戏检验 AI
2014-2020：AlphaGo + AlphaFold 时代——AI 历史性突破
2020-2023：AlphaFold 开源时代——AI for Science 全球化
2023-至今：Google DeepMind 时代——AGI 路线之争
