Demis Hassabis:从国际象棋神童到诺贝尔奖的通用AI追梦者

Demis Hassabis 25 年——从棋童到游戏设计师到神经科学家到 AI 创业者到诺贝尔奖得主,他用 AlphaGo 证明了 AI 可以"超过人类",用 AlphaFold 证明了 AI 可以"解决人类难题"——他是 AGI 时代最具"全能色彩"的全球人物。

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、问题一:棋类游戏里藏着什么样的智能——从国际象棋少年到通用问题

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、1990 年代:游戏与主题式搜索的起步

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、2009-2010 年:Thema 与「从主题出发的搜索」

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、2014-2017 年:DeepMind 与深度学习在游戏中的胜利

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、问题二:AlphaGo 之后还能做什么——2016-2020 年:化学与生物

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、2024 年诺贝尔化学奖与「蛋白质结构的预测」

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、他留下的东西:把「用游戏逼出通用智能」变成一条研究路线

1976-2005游戏 + 神经科学时代——从棋童到科学家
2010-2014DeepMind 创立时代——用游戏检验 AI
2014-2020AlphaGo + AlphaFold 时代——AI 历史性突破
2020-2023AlphaFold 开源时代——AI for Science 全球化
2023-至今Google DeepMind 时代——AGI 路线之争

💬 评论
🔗 本文链接

以专业为基,引领科技向善向新

Rooted in professionalism, we lead technology toward social good and innovation.

数智化转型网 · 了解更多产业资讯与选型数据 →

📰 你可能也喜欢

AI人物图谱 AI人物图谱

彼得·诺维格(Peter Norvig):把 AI 写成两本书、也教成小孩能学的课的人

彼得·诺维格——Peter Norvig——这个名字在 人工智能的工程化与教育普及 史上出现得太频繁,以至于常
📅 11-16 · 👁 2026年11月16日
埃德温·卡姆尔(Edwin Catmull):Pixar 创始人、图灵奖得主与 CUDA 的起点 AI人物图谱

埃德温·卡姆尔(Edwin Catmull):Pixar 创始人、图灵奖得主与 CUDA 的起点

1945 年生于 美国 的 Edwin Catmull,其研究路径与 计算机图形学与渲染 的主流路径几乎不重合。他把动画的画质瓶颈定位在「每帧都要由人画」这件事…
📅 11-16 · 👁 2026年11月16日
托尼·霍尔(Tony Hoare):Quicksort 的发明者,以及把并发变成可证明对象的语言学家 AI人物图谱

托尼·霍尔(Tony Hoare):Quicksort 的发明者,以及把并发变成可证明对象的语言学家

Tony Hoare(托尼·霍尔,英国,1934 年生)在 并发程序的形式化验证与算法设计 领域的位置,很少有
📅 11-16 · 👁 2026年11月16日
AI人物图谱 AI人物图谱

大卫·哈(David Ha):StyleGAN 与权重重映射,让生成模型可控起来的那一步

大卫·哈——David Ha——这个名字在 生成式模型与 StyleGAN 架构 史上出现得太频繁,以至于常被
📅 11-16 · 👁 2026年11月16日
比雅恩·斯特劳斯特鲁普(Bjarne Stroustrup):C++ 的设计者,「零开销抽象」的定义者 AI人物图谱

比雅恩·斯特劳斯特鲁普(Bjarne Stroustrup):C++ 的设计者,「零开销抽象」的定义者

Bjarne Stroustrup(比雅恩·斯特劳斯特鲁普,丹麦,1950 年生)在 C++ 语言设计与通用系统编程 领域的位置,很少有人能给出准确坐标。他证明…
📅 11-13 · 👁 2026年11月13日
吉姆·格雷(Jim Gray):事务理论、并行数据库与公开基准测试的推动者 AI人物图谱

吉姆·格雷(Jim Gray):事务理论、并行数据库与公开基准测试的推动者

Jim Gray(吉姆·格雷,美国,1944 年生)在数据库事务、并行数据库与分布式系统领域的位置,很少有人能给出准确坐标。他证明了「数据库能扛住一亿次并发交易…
📅 11-13 · 👁 2026年11月13日