革命性技术AlphaFold，创始人Hassabis是一位AI天才，母亲是华人

Demis Hassabis小时候与现在的照片

导读

“这是一个灯塔项目，我们在人力和资源方面的第一次重大投资，进入了一个基本的、非常重要的、现实世界的科学问题。”

这是德米斯·哈萨比斯（Demis Hassabis）在接受《卫报》采访时说的话。彼时，哈萨比斯带领的DeepMind公司打造的AlphaFold系统成功预测了43种蛋白质中25种蛋白质的最准确结构，赢得了第13届蛋白质结构预测技术关键评估（CASP）。2022年7月，这一数字就变成了2亿个了，简直涵盖了“整个蛋白质宇宙”，哈萨比斯表示人工智能（AI）将成为“人类有史以来最有益的技术之一”。

哈萨比斯这位罕见的天才到底是谁？他创建DeepMind的初衷是什么，在此之前他又经历着怎样的人生？

李晓韦 | 撰文

常春藤 | 责编

德米斯·哈萨比斯（Demis Hassabis）的头衔太多，院士、科学家、国际象棋大师...而人们认识他，是从DeepMind的创世之作AlphaGo开始的，哈萨比斯是DeepMind的联合创始人。

一句话总结，他是众人口中那个“别人家的孩子”。他的人生远不止我们所看到的成就，他在不同的领域不断探索，活得精彩纷呈，今天我们就一起来了解哈萨比斯从围棋到人工智能的前半生。

01

从围棋到蛋白质预测

自DeepMind问世以来，最引人注目的成果就是AlphaGo的出现。AlphaGo在复杂的围棋游戏中击败了世界冠军李世石，因此AlphaGo被认为是AI领域的圣杯。

然而，DeepMind还有许多其他傲人的成就，比如创建神经图灵机将谷歌数据中心的冷却系统使用的能源减少40%，与英国国家卫生服务局（NHS）建立合作伙伴关系等。

在AlphaGo取得瞩目成绩之后，DeepMind将探索方向转向蛋白质折叠，这是科学界50年来的一项重大挑战——从其一维氨基酸序列中预测蛋白质的三维结构。

他们想解决的是生物学中一个重要且亟待探索的问题——蛋白质结构，因为蛋白质对生命体来说至关重要，几乎每个生物的生理功能都依赖于它们，而蛋白质的功能与其结构密切相关。

2018年12月，DeepMind的AlphaFold成功预测了43种蛋白质中25种蛋白质的最准确结构，赢得了第13届蛋白质结构预测技术关键评估（CASP）。

2021年7月，AlphaFold又成功预测了近98.5%的人类蛋白质结构，而到了2022年7月AlphaFold预测了几乎“整个蛋白质宇宙”。

曾布满迷雾的蛋白质结构图谱，就这样一点点被DeepMind点亮，而这似乎也在印证着哈萨比斯最初的构想——“解决智能”，然后使用智能“解决其他一切”。

02

4岁国际象棋神童，13岁成国际象棋大师

1976年7月，哈萨比斯出生在英国伦敦北部，他的父亲是希族塞人，母亲是新加坡华人。

哈萨比斯从小就表现出了异于常人的天赋——4岁起，哈萨比斯就是国际象棋神童，13岁时他以2300的Elo评分达到了国际象棋大师标准，并担任了许多英格兰少年国际象棋队的队长。

哈萨比斯曾是国际象棋神童（左下），在13岁时达到了大师标准，评分为2300，图源：DeepMind

实际上，哈萨比斯童年时在家接受父母的教育是很短暂的，他的童年生活比较自由，在谈及他是怎么学会国际象棋的，哈萨比斯表示“是看父亲和叔叔下棋看会的，在了解规则几周后便打败了叔叔和父亲，正式进入俱乐部训练”。

哈萨比斯坦言，“某种程度上，国际象棋作为我成长过程中重要的核心部分，它塑造了我”。

哈萨比斯在接受achievement.org采访的视频

在哈萨比斯8岁时，他买了第一台电脑——由国际象棋奖金资助的ZX Spectrum 48K，从这时起，他开始从书本上自学如何编程。

1995年至1997年，哈萨比斯代表剑桥大学参加了牛津-剑桥大学国际象棋比赛，赢得了半蓝（一般来说，全蓝色标准大约是在国家级学生竞赛中取得成功的标准，半蓝色标准是在县或地区一级取得成功的标准）。

国际象棋在他心里，就像是一个“心理健身房”一样。“实际上，我年轻时学到的一些东西——与其说是国际象棋本身，不如说是下棋时所训练的技能。”哈萨比斯表示：

“如果你把国际象棋下到高水平，你真正磨练的是解决问题、想象力、创造性思维、战略思维等等的元技能。我从很小的时候就意识到，这就是我喜欢国际象棋的原因之一。”

03

他的游戏人生，像别人的“人生游戏”

中学时期的哈萨比斯在芬奇利的基督学院接受教育，这是一所位于伦敦北部东芬奇利的州立综合学校，天才一般的他，分别在15岁和16岁时提前两年完成了A级和奖学金级别的考试，提前毕业。

正因提前从基督学院毕业，哈萨比斯因年幼被剑桥大学要求休假一年，但这一年哈萨比斯没有停下探索的脚步。

他在牛蛙制作有限公司（Bullfrog Productions）开始了他的电脑游戏生涯。17岁时与游戏设计师彼得·莫利纽克斯（Peter Molyneux）共同设计和领导了1994年游戏主题公园的节目。

牛蛙制作有限公司（左）以及游戏设计师彼得·莫利纽克斯（Peter Molyneux）（右） 图源：维基百科

他设计的《主题公园》是一款模拟类视频游戏，销量超过了一千万份，并且斩获了金操纵杆奖。而他的这款游戏点燃了当时整个模拟沙盒类游戏领域的热度。值得一提的是，休息的这一年，哈萨比斯赚了足够的钱来读大学。

哈萨比斯离开牛蛙后，在剑桥大学皇后学院学习，在剑桥他完成了计算机科学三重奏（ Computer Science Tripos ，CST），并于1997年以双重第一的成绩从剑桥大学毕业。

剑桥大学皇后学院

从剑桥毕业后，哈萨比斯在狮头工作室（Lionhead Studios）工作，狮头工作室由游戏设计师莫利纽克斯创立，他曾在牛蛙制作有限公司与哈萨比斯共事过，两人在哈萨比斯毕业后再度携手共谋事业。

狮头工作室（左）与游戏《黑与白》（右）

在狮头工作室，哈萨比斯在2001年的“上帝”游戏《黑与白》（Black & White）中担任首席AI程序员。

1998年，哈萨比斯离开了狮头工作室，创立了总部位于伦敦的独立游戏开发商灵药工作室（Elixir Studios），与史克威尔艾尼克斯有限公司（Eidos Interactive），维旺迪环球（Vivendi Universal）和微软（Microsoft）签署了出版协议。除了管理公司外，哈萨比斯还担任了英国电影学院提名游戏《共和国：革命》（Republic: The Revolution）与《邪恶天才》（Evil Genius）的执行设计师。

哈萨比斯设计的《共和国：革命》（左）与《邪恶天才》（右）

遗憾的是，2005年初，灵药工作室宣布将关闭。在此之前，灵药一个重大项目的开发被取消了，因为该项目属于行业内“高风险”项目而当时的游戏行业属于规避风险的出版大环境”，灵药工作室想探索新领域的目标是不可能完成的。

在一份新闻稿中，哈萨比斯说，“似乎今天的游戏行业不再有空间让小型独立开发商想要从事创新和原创的想法，而这是建立灵药的唯一目的，也是我们永远无法妥协的东西。”

2005年4月，灵药工作室的知识产权和技术权被出售给多家出版商，灵药工作室遣散所有员工，哈萨比斯的游戏人生就此告一段落。

04

在人脑中寻找AI灵感，创立DeepMind

在灵药关闭之后，哈萨比斯回到了学术界，在伦敦大学学院（UCL）获得了认知神经科学博士学位，读博的过程中，他一直试图在人脑中寻找新的AI算法的灵感。

此后，他在麻省理工学院（MIT）和哈佛大学担任访问科学家，继续他的神经科学和AI研究。2009年，哈萨比斯与彼得·达扬（Peter Dayan）合作获得了伦敦大学学院盖茨比慈善基金会计算神经科学部门的亨利·惠康博士后研究奖学金。

哈萨比斯在想象、记忆和健忘症领域也有所建树，他与人合写了几篇有影响力的论文，分别发表在《自然》、《科学》、《神经元》和《美国宇航局》（PNAS）上，并被《科学》杂志列为年度十大科学突破。

机缘巧合之下，哈萨比斯在伦敦大学学院认识了谢恩·莱格（Shane Legg），随后通过家人认识了穆斯塔法·苏莱曼（Mustafa Suleyman），正是这三个人联合创立了后来闻名世界的机器学习AI公司——DeepMind。

谢恩·莱格（左）与穆斯塔法·苏莱曼（右） 谢恩·莱格（左）与穆斯塔法·苏莱曼（右）

哈萨比斯创立DeepMind的使命是“解决智能”，然后使用智能“解决其他一切”。更具体地说，DeepMind旨在将系统神经科学的见解与机器学习AI相结合，以解锁越来越强大的通用学习算法，这些算法将致力于创建人工通用智能（AGI）。

DeepMind的早期投资者包括几位备受瞩目的科技企业家。2014年，谷歌以4亿英镑收购DeepMind，虽然该公司的大部分成员仍然是独立的实体公司，但DeepMind Health已经直接并入了Google Health。

就在今年5月在牛津大学的演讲上，哈萨比斯介绍到DeepMind的目标是：

“解决智能问题，促进科学问题并造福人类”。

他表示这个宣言是他们考虑应该将AI应用于什么时所考虑的基石。

引人遐想的是，AlphaFold已经解析出了几乎所有蛋白质宇宙，DeepMind下一步又将带给我们什么样的惊喜？

谈及这个问题，哈萨比斯在受访时表示，“我最兴奋的是，我认为我们现在正处于科学发现新时代的风口浪尖，我们将能够使用AI和机器学习来帮助我们在科学和医学领域去理解我们从实验中产生的大量数据。并在海量数据中找到新的见解和新的结构。我认为这将导致新的科学理论和新的科学突破”。

AI在医学领域能发挥独特的作用。“我认为这将导致更有效的诊断和更有效的治疗。”哈萨比斯说道，“这仅仅是个开始，下一步将是药物发现之类的研究，比如有一些靶点，一些病毒或一些细菌，科学家需要产生一些新的化合物来靶向它。我认为AI可以应用在这些领域，我们正处于能够使用机器学习来发现新型药物的浪潮中。”

参考资料

1. Demis Hassabis. achievement.org

2. Demis Hassabis - Wikipedia