文 | 极客电影 Geekmovie，作者 | 羊羊，编辑 | 羊羊、小小树
2024 年，诺贝尔化学奖破天荒地被授予一位 AI 公司老板。
你没看错，诺贝尔奖也没弄错。
这位叫戴米斯・哈萨比斯的男人，带领名为 DeepMind 的团队，开发出 AI 模型 AlphaFold2，解决了困扰生物学界 50 年的蛋白质结构预测难题。
获得诺贝尔跨界授奖，实至名归。
奇闻背后，有一个非常关键的问题：他是怎么做到的？
在很多人在质疑 AI，至少认定现阶段的 AI 还不够“ 聪明” 时，哈萨比斯用了什么方法，让 AI 超越了世界上最顶尖的科学家？
最近，一部名为 《思考之弈》（The Thinking Game） 的纪录电影选择在油管上发布，免费供所有人观看。
问题的答案，就藏在这部电影里。
免费并不意味着该片“ 含金量低”，恰恰相反，正因为 《思考之弈》 中展现的内容太有价值，制片方才想用免费的方式让尽可能多的人看到。
简单来说，《思考之弈》 讲述了一群“ 计算机科学疯子” 如何将一个近乎狂妄的梦想变为现实的故事—— 他们想让 AI 具备超越人类水平的跨领域学习和推理能力，从而让 AI 服务全人类。
这群“ 疯子” 的领头人正是哈萨比斯，他召集了当今世界最聪明的一群人，创立了 DeepMind，传奇从此开始。
电影的中文译名 《思考之弈》 翻译得颇为传神。
首先，哈萨比斯从小就是个国际象棋神童，在研究 AI 前，他的超高智商在棋盘上已展现得淋漓尽致；另外，“ 对弈” 也正是哈萨比斯训练 AI 的独门秘籍。
没错，用下棋训练 AI，甚至让 AI 去玩游戏 （哈萨比斯曾做过游戏设计师），正是这些颇具娱乐性的训练方式造就了超越人类的智慧。
能想出这种训练方法的人，必然也是一位有趣的极客。
事实上，早在 2017 年，《银翼杀手 2049》 上映后，哈萨比斯曾与维伦纽瓦导演展开跨界对谈。
哈萨比斯那时坦言：
推荐阅读：《银翼杀手 2049》 导演对话谷歌 DeepMind CEO
影迷、棋手、游戏设计师、AI 工程师、科技公司老板、诺贝尔奖得主…… 这些看似互不关联的标签在哈萨比斯身上得到了完美统一。
前不久，《时代》 杂志公布 2025 年度人物。
今年的这份荣誉不是授予单独一个人，而是一个群体—— 人工智能的缔造者们 (The Architects of AI)。
八位 AI 领域的领袖作为代表登上 《时代》 杂志封面，其中就包括哈萨比斯，他的旁边是山姆· 奥特曼、黄仁勋、马斯克……
△ 八位 AI 领域的领袖登上 《时代》 杂志封面，右三为哈萨比斯
这些当代最伟大的头脑里装了些什么？真让人好奇！
今天我就借着 《思考之弈》 这部电影，进入哈萨比斯的头脑。
里面装着的奇思妙想，远比你想象得更加有趣。
一群“ 疯子” 的集结：天才少年豪赌 AI 创业
故事的主角，是一个名叫戴米斯・哈萨比斯的英国男人。
纪录片开篇，他便坦言自己“ 有点不安分”，并宣告了一个不同寻常的人生目标。
哈萨比斯从小就展现出天才的一面。
他 4 岁时迷上国际象棋，6 岁拿下伦敦 8 岁以下锦标赛冠军；9 岁成为英国 11 岁以下国家象棋队队长；13 岁在 14 岁以下组国际象棋比赛中斩获全球第二名，达到国际象棋大师水平。
在纪录片中，哈萨比斯回忆道，当他一场接一场地比赛时，他开始对自己的获胜策略进行元认知思考：不仅仅是他的大脑，而是所有人的大脑是如何解决问题、分析信息并帮助人们度过日常生活的？
这种对思维本质的好奇，早早在他心中埋下了种子。
十几岁时，他痴迷于编程，并获得了顶尖游戏公司 Bullfrog 的职位。
在那里，他参与开发了模拟经营游戏的鼻祖 《主题公园》，负责设计游戏中虚拟小人的 AI 行为。他致力于模仿有趣的人类行为，让模拟世界更加生动。
例如，他设计了游客在玩完刺激的游乐设施后会呕吐，而其他游客看到呕吐物也会跟着不适，这就需要玩家雇佣清洁工及时清理。这种对复杂系统和自主智能体的早期探索，为他后来的 AI 研究奠定了基础。
正当这位游戏界的新星冉冉升起之时，哈萨比斯却毅然转身扎进剑桥大学，攻读神经科学博士学位。即使游戏公司老板开出一百万英镑的巨额年薪，也留不住他。
他的理由很简单，他需要从“ 唯一存在的智能样本”—— 人类大脑中，寻找构建 AI 的灵感。他相信，理解大脑是解决智能问题的关键。
在 21 世纪初，当“AI” 在学术圈还是个近乎“ 尴尬的词汇”，说出来会被认为“ 不是个严肃的科学家” 时，哈萨比斯却坚信这是人类最伟大的征程。
他找到了同样痴迷于通用人工智能的伙伴谢恩・莱格，并说服莱格，实现他们宏大理想的正确途径是创办一家公司，而不是留在学术界。
于是，在 2010 年，DeepMind 诞生了。
他们的目标简单而又狂妄：“ 建立世界上第一台通用学习机器”，也就是 AGI。这个听起来像科幻小说里的情节，自然吓跑了绝大多数投资者。
纪录片中，哈萨比斯生动地回忆起早期融资的窘境，他向投资人描绘着 AI 如何与大脑连接、为何时机已经成熟，对方却只关心一个非常世俗的问题：
这让他哭笑不得：
幸运的是，在硅谷，总有愿意为疯狂梦想下注的人。
PayPal 的联合创始人彼得· 蒂尔成为了他们最早的天使投资人之一。随后，特斯拉的埃隆· 马斯克也加入了投资行列。
△ 彼得· 蒂尔 （左） 和埃隆· 马斯克 （右） 先后为哈萨比斯投资
最终，这场豪赌吸引了科技巨头谷歌的关注。
2014 年，谷歌在与 Facebook 的竞购中胜出，以 4 亿英镑的价格收购了 DeepMind。这不仅是资本的胜利，更是对 DeepMind 愿景的最高认可。
△ 哈萨比斯帽子上的 Noogler 是谷歌内部对新入职员工的专属昵称
哈萨比斯强调，他们之所以选择出售，是因为“ 没有时间可以浪费”，谷歌能提供他们梦寐以求的“ 海量计算资源”，这将“ 极大地加速我们实现 AGI 的时间表”。
更重要的是，他们争取到了在伦敦独立运营的权利，可以专注于纯粹的研究，而不必为产品和商业化分心。
就这样，DeepMind 有足够的资源集结了一批世界最顶尖的科学家，哈萨比斯口中的“AI 曼哈顿计划” 得以启动。
这群“ 梦想家” 在伦敦的一个“ 秘密地点” 开始了长达数年的“ 闭关修炼”。
纪录片中，早期员工回忆道，公司最初两年处于“ 完全隐身模式”，办公室地址保密，甚至没有网站。一位面试者紧张地表示，他来面试前特意给妻子发了地址，以防自己被绑架。
这支团队的背景、资源和使命，从一开始就注定了他们要做的，绝不是小打小闹，而是一场将深刻改变世界的思维游戏。
从游戏厅到实验室：独属 AI 的“ 思维游戏”
如何训练一个一无所知的“ 数字大脑”？
哈萨比斯给出的答案是：从游戏开始。
他认为，游戏是训练 AI 最完美的“ 健身房”，因为它们提供了一个有明确规则和目标的受控环境。
旅程始于最简单的雅达利游戏 《乓》。这是一款乒乓球游戏，游戏中，玩家的目的就是在模拟乒乓球比赛中夺取高分以击败电脑玩家。
△ 雅达利游戏 《乓》 是一款模拟乒乓球比赛的极简风游戏
这种尝试初期并不顺利——AI 连最基本的移动都学不会，团队一度陷入绝望。哈萨比斯甚至对谢恩・莱格说：
他们采用了一种名为“Q-learning” 的强化学习方法，并将其与“ 深度学习” 相结合，这在当时是一个创举。
AI 代理被置于游戏环境中，它唯一的目标就是最大化得分，但它不知道规则，不知道如何控制球拍，一切都得从零学起。
就在团队濒临放弃的边缘，AI 打回了第一个球。
从那一刻起，奇迹发生了。它开始得分，赢得第一局，三个月后，没有任何人类能再打败它。
这只是开始。
在游戏 《打砖块》 中，屏幕上方排列着八排砖块，玩家的目标是通过反复用球拍击打砖块来消除它们。
AI 在玩了数百局后，自行发现了一个连人类顶尖玩家都未曾想到的最优策略—— 从侧面挖通一条隧道，让球在砖块后方自动反复反弹，高效地清除所有砖块。
这一刻，AI 展现的不再是模仿，而是顿悟和创造力。
这个过程，对于所有内容创作者来说，都极具启发性：真正的智能，源于对规则的深度理解和探索，而非简单的复刻。
DeepMind 的算法最终被证明具有通用性，能够学会在近 50 种不同的雅达利游戏中达到甚至超越人类水平。
随后，DeepMind 将目光投向了人类智慧的试金石—— 围棋，这个“ 人类发明的最复杂的游戏”，其可能的变化数量比宇宙中的原子总数还要多。
他们开发的 AlphaGo，通过“ 强化学习” 与“ 深度学习” 相结合，先是学习了 10 万局人类高手的棋谱，然后通过数百万次的自我博弈进行强化。
在 2016 年与世界冠军李世石的世纪对决中，AlphaGo 下出了震惊世界的“ 第 37 手”。
职业解说员一致认为，没有任何人类棋手会选择这一步。AlphaGo 自己的分析也显示，人类下出这一步的概率只有万分之一。
面对这步棋，李世石陷入长达 15 分钟的沉思，这在顶尖棋手对决中极为罕见。据现场报道，他甚至一度离开对局室冷静情绪。
这一“ 天外飞仙” 式的招式，彻底颠覆了人类数千年来对围棋的认知，并最终帮助 AlphaGo 赢得了比赛。
纪录片中提到一个概念——“ 斯普特尼克时刻”。
1957 年 10 月 4 日，苏联成功发射人类首颗人造卫星“ 斯普特尼克 1 号”。
当时正处于冷战时期，美国受到极大震动。为了扭转局面，美国后续成立了 NASA，推进水星计划，加大科研与教育投入，进而开启了美苏持续 20 多年的太空竞赛。
此后，“ 斯普特尼克时刻” 被用来形容某个国家、行业或群体，突然意识到自身在关键领域被竞争对手超越，由此产生强烈危机感与紧迫感，并促使其全面审视自身发展，进而通过加大投入、调整战略等方式奋起追赶的关键节点。
AlphaGo 的胜利被誉为 AI 领域的“ 斯普特尼克时刻”。它向世界宣告，一个新时代已经到来。
但 DeepMind 并未止步。他们推出了更强大的 AlphaZero，它完全抛弃了人类数据，从零开始，通过自我对弈进行学习。
纪录片展示了其惊人的学习速度：AlphaZero 早上还只会随机乱走，到下午茶时间就达到了超人水平，到了晚饭时间，它已成为地球上最强的国际象棋“ 棋手”。它甚至发现了人类数百年都未曾探索过的全新攻击风格。
哈萨比斯兴奋地说：
游戏的终极目标是现实世界。DeepMind 接着挑战了更为复杂的即时战略游戏 《星际争霸 2》。
与围棋不同，《星际争霸 2》 信息不完整，你无法看到对手的所有行动，决策是连续的，这更接近真实世界的复杂性。
他们开发的 AlphaStar，最初连公司内部的业余玩家都打不过，但通过模仿人类玩家的“ 下一动作预测” 和大规模的自我博弈，它迅速进化。
在与职业选手的对战中，AlphaStar 展现了惊人的微操和战略大局观，最终以压倒性优势获胜。
从雅达利游戏到围棋，再到 《星际争霸 2》，DeepMind 训练的 AI 一步步从“ 学徒” 进化为“ 宗师”，其学习和进化速度令人叹为观止，也为他们进军科学领域铺平了道路。
破解生命密码：“ 诺奖” 是 AI 的起点不是终点
哈萨比斯的梦想始终是“AI 辅助科学”。
DeepMind 的下一个目标，是困扰了生物学界半个世纪的“ 蛋白质折叠问题”。
△ 蛋白质折叠问题是困扰科学界的重大难题，DeepMind 决定挑战它
简单来说，蛋白质是生命的基石，它们的功能由其复杂的三维结构决定。预测蛋白质的结构，是理解生命运作、攻克疾病的关键。
然而，这个问题极其困难，正如哈萨比斯在剑桥的同学所说，这个问题“ 困扰了成千上万非常聪明的人”，但始终未能解决。
哈萨比斯坚信，这个问题需要 AI 帮助才能破解。为此，DeepMind 组建了一支由生物学家和 AI 专家构成的“ 攻坚队”，开发了名为 AlphaFold 的系统。
△ AlphaFold 重新定义了我们理解蛋白质结构的方法
他们的征途并非一帆风顺。在第一次参加被誉为“ 蛋白质折叠界奥运会” 的 CASP 竞赛时，尽管他们取得了第一名，但预测的精准度远未达到能被生物学家实际应用的水平。
团队成员意识到，他们只是“ 在全世界都不擅长的问题上做到了世界最好”，离真正解决问题还差得很远。
这让团队中的一些人感到这是“ 一项愚蠢的差事”，哈萨比斯也开始反思：
但他们没有放弃。哈萨比斯决定“ 加倍下注”，组建了一支“ 蛋白质折叠突击队”，由约翰· 江珀领导。他们重构了整个算法，将生物学领域的专业知识更深地融入 AI 模型中。
在经历了又一个两年的埋头苦干后，新一代的 AlphaFold 诞生了。在 2020 年的 CASP14 竞赛中，它取得了历史性的突破。
竞赛组织者约翰· 莫尔特在发给团队的邮件中难掩激动：
AlphaFold 的预测精准度达到了与实验室相媲美的水平，这意味着，这个困扰了科学界 50 年的难题，在很大程度上被解决了。
这一成就的意义是颠覆性的。2024 年，哈萨比斯和江珀因此荣获诺贝尔化学奖。
△ 2024 年诺贝尔化学奖得主 （从左至右） 大卫・贝克、戴米斯・哈萨比斯、约翰・江珀，前者因“ 计算蛋白质设计” 而获奖，后两位因“ 蛋白质结构预测” 而获奖
DeepMind 的选择更为震撼—— 他们决定将预测出的全部 2 亿个已知蛋白质的结构数据，通过一个公开数据库向全世界免费开放。
△ DeepMind 对蛋白质结构的预测已经开始造福人类
这相当于为全球的生物学家和药物研发人员提供了一份详尽的“ 生命地图”，极大地加速了从癌症到阿尔茨海默症等多种疾病的研究，以及疫苗和新药的开发。
正如纪录片中所说，这成为了“ 送给全人类的礼物”。
AlphaFold 的成功，完美诠释了哈萨比斯的初心：在通往 AGI 的路上，创造出能造福人类的革命性技术。
影片结尾，哈萨比斯凝视着一个由铅笔搭建的脆弱平衡雕塑，AI 告诉他，移动任何一根，整个结构都会崩塌。
哈萨比斯决定听取 AI 的建议：
这似乎是一个隐喻：我们正处在一个由 AI 开启的、充满无限可能但又极其微妙的时刻。AI 的发展已经越过了单纯模仿的阶段，开始进入与人类协同创造、共同探索未知的全新纪元。
我们正在见证的，或许不仅仅是工具的革新，而是一个新物种的诞生，一个将从根本上重塑科学、艺术乃至人类文明本身的“ 斯普特尼克时刻”。
纪录片中，哈萨比斯用这样一段话结尾。
更多精彩内容，关注钛媒体微信号 （ID：taimeiti），或者下载钛媒体 App
