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。