Google AI掌門人Demis Hassabis：比爽文更爽的開掛人生

你現(xiàn)在17歲，有人給了你提供了兩個選擇：

選項A：拿下1000萬，別去讀大學(xué)

選項B：去劍橋念書

你怎么選擇？給你10秒鐘時間思考。

你可能常常在小紅書、公眾號、虎撲看到這樣的選擇題，大多數(shù)人只會想問：我該去哪領(lǐng)錢？

但...這個極端不現(xiàn)實的場景，確實Google AI的負(fù)責(zé)人在31年前真實面臨的選擇。

1993年，16歲的Demis Hassabis被劍橋大學(xué)錄取了，但因為年紀(jì)太小，還不滿足入學(xué)的條件，所以需要等一年再去讀大學(xué)。

怎么利用這一年的Gap Year呢？

環(huán)游世界？還是在家玩游戲？

都不是，從小愛玩游戲的Demis Hassabis選擇去一家游戲公司打「黑工」。

也就是在這一年時間內(nèi)，他主導(dǎo)設(shè)計了一款史上十大最暢銷游戲之一——《主題公園》（Theme Park），這款游戲累計賣出了超過1500萬份。

Peter Molyneux是全歐洲最好的游戲公司創(chuàng)始人。他提出了一個條件：

給Demis 100萬英鎊，但他不能去讀大學(xué)。

那在20世紀(jì)90年代是一大筆錢。對于一個17歲的窮小子來說，這是改變命運的機(jī)會。

但Demis拒絕了。

他說："我從一開始就有個計劃。我的計劃一直都是要去劍橋大學(xué)讀書。"

Peter至今依然記得送Demis去火車站的那天："他就如同一粒即將破土而出的小種子，但在牛蛙制作公司，他是無法做到的。我至今依然記得這個小精靈角色消失在那條隧道里的畫面。那是個令人極其傷感的時刻。"

為什么？

一個17歲的天才少年，怎么會有魄力拒絕100萬英鎊？

他在追求什么？

答案要從6年前說起。

1988年，列支敦士登的一個山間教堂里，12歲的Demis正在參加一場國際象棋錦標(biāo)賽。

對手是前丹麥冠軍，三十幾歲。比賽持續(xù)了10個小時。

到了最后，Demis明明可以逼成平局——只需要放棄皇后，棋局就會陷入僵局。但他太累了，誤以為被將軍是無可避免的，于是認(rèn)輸了。

對手跳了起來，開始大笑。他問："你為什么要認(rèn)輸？這是平局。"然后他立刻用夸張的動作，給Demis演示平局該怎么走棋。

Demis感到很不舒服。但真正讓他開始思考的，不是這次挫敗本身，而是他環(huán)顧四周時看到的景象：

教堂里坐著數(shù)百名國際象棋棋手。所有人都在全神貫注地對弈，消耗著巨大的腦力。

他突然想到一個問題：

"我們是在浪費頭腦嗎？這就是腦力最好的用武之地嗎？如果可以把那300個大腦連接到一個系統(tǒng)上，那種腦力水平也許能夠用于根治癌癥。"

那一刻，即便熱愛國際象棋，Demis也決定：這不該是他一生的事業(yè)。

這個12歲時的問題，成為了他一生的追問：智力的最好用處是什么？

6年后，當(dāng)Peter Molyneux提出100萬英鎊時，Demis拒絕的原因很簡單：

做游戲不是答案。錢也不是。

他要去找那個答案。

30年后，2024年10月，Demis Hassabis因為用AI解決了50年未解的蛋白質(zhì)折疊問題，獲得了諾貝爾化學(xué)獎。

這篇文章想講的，不只是他怎么拿到諾貝爾獎，而是他怎么找到了那個12歲時的問題的答案。

答案就是一個詞：Simulation（模擬）。

這個詞貫穿了他整個人生。

一、17歲：第一次模擬一個世界

要理解Demis為什么拒絕100萬英鎊，得先知道他是怎么走到那一步的。

Demis 4歲學(xué)國際象棋，幾周后就擊敗了父親和叔叔。13歲時達(dá)到大師級別（Elo 2300），Under-14年齡組的世界第二。

列支敦士登的那次挫折，讓他開始思考國際象棋之外的可能性。

1990年，他看到雜志上的一個比賽廣告：創(chuàng)作《太空侵略者》的原創(chuàng)版本，獲勝者能去牛蛙制作公司（Bullfrog Productions）工作。

Demis做了一款叫《國際象棋入侵者》的游戲，贏得了比賽。

創(chuàng)始人Peter Molyneux至今記得他第一次見到Demis的場景："他走進(jìn)門，看上去大概12歲上下。我心想：'天啊，我們該拿他怎么辦？'"

因為太小不能合法雇用，Demis的薪水都是裝在棕色紙信封里發(fā)的。

1994年，17歲的Demis和Peter Molyneux一起設(shè)計了那款改變他命運的游戲：《主題公園》。

玩家可以建造主題公園，設(shè)計過山車，給炸魚薯條店的東西定價。

但最重要的是：游戲里的游客有自主行為。

Demis設(shè)計的AI模擬了真實的人類行為：

• 如果離驚險的過山車距離太近，過山車上剛吃過東西的人就會嘔吐

• 當(dāng)其他人看到地上的嘔吐物時，他們也會嘔吐

• 這樣就得有很多清掃人員，以便趕在被人們看到前快速清掃干凈

這些細(xì)微的模擬動作，Peter Molyneux說，是"前所未有的發(fā)明，獨一無二"。

這是Demis第一次用代碼模擬一個世界。他發(fā)現(xiàn)了一件事：模擬不只是娛樂，模擬是理解世界的方式。

游戲大獲成功。1500萬份。

Peter看到了Demis的天賦，于是提出了那個100萬英鎊的條件。

但Demis拒絕了。

同學(xué)都覺得他瘋了："你為什么不拿錢？100萬英鎊可是一大筆錢！"

Demis心里很清楚：做游戲很有趣，也能賺錢。但那不是12歲時那個問題的答案。

他要去劍橋，去理解什么是智能，什么是理解。

Demis去了劍橋，學(xué)Computer Science。但真正改變他軌跡的，是1997年發(fā)生的一件事。

二、劍橋：模擬不是計算，理解才是智能

1997年5月，IBM的"深藍(lán)"擊敗了國際象棋世界冠軍卡斯帕羅夫。

全世界都在歡呼人工智能的勝利，但Demis的反應(yīng)很不一樣。

他說："我對'深藍(lán)'的印象并不深，卡斯帕羅夫的思維讓我印象更深。"

為什么？

"卡斯帕羅夫在國際象棋上的造詣跟野獸般的機(jī)器不分伯仲，但卡斯帕羅夫還能做到人類能做到的其他所有事。這是一項巨大的成就，而'深藍(lán)'只會下象棋。它的系統(tǒng)里缺少了我們所認(rèn)為的智能，即通用性和學(xué)習(xí)的想法。"

深藍(lán)是暴力計算。它每秒評估2億個棋局，靠窮舉，不是理解。

Demis意識到：真正的智能不是計算，是理解。

而理解的核心能力，是模擬。

在劍橋，他接觸到不同學(xué)科的人——生物學(xué)家、哲學(xué)家、藝術(shù)家。有人不斷跟他講一個問題："蛋白質(zhì)折疊"。

蛋白質(zhì)是生命的機(jī)器。由氨基酸鏈構(gòu)成，折疊形成特定結(jié)構(gòu)。如果能從氨基酸序列預(yù)測蛋白質(zhì)結(jié)構(gòu)，就能設(shè)計出治愈癌癥或分解塑料的新型蛋白質(zhì)。

這個問題從20世紀(jì)60年代起就有人研究，但沒人解決。

Demis當(dāng)時想："人類是否真的智慧到能夠折疊蛋白質(zhì)？我覺得它是可以解決的，但我認(rèn)為需要人工智能來解決。"

但在創(chuàng)辦AI公司之前，他決定先去理解人類大腦本身是如何工作的。

2005年，他去了UCL（倫敦大學(xué)學(xué)院），攻讀神經(jīng)科學(xué)PhD。

三、神經(jīng)科學(xué)：大腦如何模擬未來？

Demis在UCL的研究主題是：想象、記憶和失憶癥。

他想搞清楚的核心問題是：人類大腦是如何模擬未來場景的？

他的第一篇論文發(fā)表在PNAS上，是個里程碑式的發(fā)現(xiàn)：

海馬體****受損的患者，既有失憶癥（無法記憶過去），也無法想象新體驗（無法模擬未來）。

這證明了：記憶和想象是同一個系統(tǒng)。

換句話說，大腦模擬未來的能力，依賴于它存儲過去經(jīng)驗的能力。

這篇論文被Science雜志評為"2007年度十大科學(xué)突破"之一。

但對Demis來說，這個發(fā)現(xiàn)的意義遠(yuǎn)不止于此。它回答了一個更深層的問題：

什么是智能？

Demis的答案是：智能就是模擬的能力。

一個智能系統(tǒng)，不只是記住過去發(fā)生了什么，還要能模擬未來可能發(fā)生什么，然后基于這些模擬做決策。

這讓人想起物理學(xué)家Richard Feynman說過的一句話：

**"What I cannot create, I do not understand."**（凡是我不能創(chuàng)造的，說明我還不夠理解。）

Demis想明白了：要理解智能，就要能創(chuàng)造智能系統(tǒng)。而創(chuàng)造的方式，就是模擬。

DeepMind后來做的所有事，都是這個思路。

2007年，在UCL的一次演講上，Demis遇到了Shane Legg。

Shane當(dāng)時在講："機(jī)器真的變得更智能了嗎？有人說是，有人說不是。它們現(xiàn)在的計算速度變得快多了，但在通用智能方面，我們真的在進(jìn)步嗎？"

兩個人聊完后，Demis感覺："我們倆守護(hù)著一個不為人知的秘密。"

那個秘密是：通用人工智能（AGI）是可能的，而且需要用模擬的方式去實現(xiàn)，而不是深藍(lán)那樣的暴力計算。

但在學(xué)術(shù)界，這個想法是不被接受的。

Demis說："學(xué)術(shù)界沒人會支持我們所做的事。幾乎可以說在學(xué)術(shù)界，'人工智能'一詞是個令人尷尬的詞。如果你說自己在研究人工智能，那顯然你不是一個真正的科學(xué)家。"

所以，他說服Shane：正確的做法是創(chuàng)辦一家公司。

四、DeepMind：在模擬中自我進(jìn)化

2010年，DeepMind成立。前兩年完全隱身，辦公室在秘密地點，沒有網(wǎng)站。

去面試的人會說："我剛剛給我妻子發(fā)了短信告訴她我要去的具體地方，以防這是個可怕的騙局，我會遭到綁架。"

他們在做什么？

Demis的目標(biāo)很清楚：建造世界上第一臺通用學(xué)習(xí)機(jī)器。

他們的方法是：讓AI在模擬環(huán)境中自我學(xué)習(xí)。

第一個測試是雅達(dá)利游戲。

他們創(chuàng)建了一種叫DQN的算法，結(jié)合了強(qiáng)化學(xué)習(xí)和深度學(xué)習(xí)。目標(biāo)是：用同一個系統(tǒng)，玩幾十款不同的游戲。

第一個游戲是Pong（乓）。

開始時，AI根本不知道要做什么。它只知道得分是好事，其他什么都不知道——不知道自己在控制什么，不知道規(guī)則，不知道目標(biāo)。

Demis當(dāng)時對Shane說："也許我們錯了，我們甚至連《乓》都玩不好。"

但突然，它拿到了第一分。

"這是偶然嗎？不，不是。它真的得分了。"

接著它得了一些分，然后贏了第一場比賽。3個月后，沒有人類能擊敗它。

從像素到動作，完全自學(xué)。這在當(dāng)時是第一次有人做到。

然后他們試了《Breakout》（打磚塊）。

300場比賽后，它的水平幾乎和任何人類一樣出色。但他們讓系統(tǒng)又玩了200場比賽，它做了一件很驚人的事：

它發(fā)現(xiàn)最佳策略是在一側(cè)打通一條通道，把球打到墻后面。

這不是人類教它的。這是它自己在模擬中發(fā)現(xiàn)的。

50個游戲之后，DQN可以從頭開始自我訓(xùn)練，達(dá)到人類水平甚至超過。

2014年，Google以4億英鎊收購了DeepMind。

但真正讓全世界震驚的，是2016年發(fā)生的事。

五、AlphaGo：模擬出人類從未走過的棋

圍棋被認(rèn)為是人工智能的圣杯。它的潛在棋譜比宇宙中的原子還多。

多年來，所有用AI試驗圍棋的嘗試都失敗了。

2016年3月，韓國首爾，AlphaGo對戰(zhàn)李世石——過去十年里最偉大的棋手之一，"圍棋界的羅杰·費德勒"。

第37步棋，AlphaGo走了一步?jīng)]有哪個人類棋手會走的棋。

專業(yè)評論員說：AlphaGo認(rèn)為，這步棋只有萬分之一的概率是人類會走的。

但它走了。而且是對的。

一位棋手說："我原以為AlphaGo是基于概率計算的，而且它只是一臺機(jī)器。但AlphaGo肯定很有創(chuàng)意。圍棋已經(jīng)被研究了幾千年，AlphaGo發(fā)現(xiàn)了一些全新的東西。"

AlphaGo贏了。李世石投子認(rèn)輸。

這一刻，全世界意識到：地球上誕生了新事物。

對中國來說，這是"斯普特尼克時刻"——像1957年蘇聯(lián)發(fā)射人造衛(wèi)星一樣，引發(fā)了全球AI競賽。

但Demis沒有停下來。

2017年，DeepMind發(fā)布了AlphaZero。

AlphaGo是基于人類數(shù)據(jù)訓(xùn)練的——它先觀看了10萬場厲害的業(yè)余棋手的比賽，然后通過強(qiáng)化學(xué)習(xí)與自己對弈數(shù)百萬次。

但AlphaZero完全不需要人類數(shù)據(jù)。

它剝離了所有人類的知識，完全從零開始，在模擬中與不同版本的自己對弈，從錯誤中學(xué)習(xí)。

訓(xùn)練速度有多快？

AlphaGo需要幾個月。

AlphaZero早上開始訓(xùn)練，完全隨機(jī)對弈。到茶歇時達(dá)到超人類水平。到晚餐時，成為有史以來最強(qiáng)大的象棋實體。

它成了自己的老師。

Demis一直相信的事得到了證明：真正的智能不是學(xué)習(xí)人類的經(jīng)驗，而是在模擬中自我進(jìn)化。

但他想做的，遠(yuǎn)不止游戲。

六、AlphaFold：模擬生命的基礎(chǔ)

2018年，DeepMind參加了CASP——蛋白質(zhì)結(jié)構(gòu)預(yù)測關(guān)鍵評估，每兩年舉行一次，被稱為"蛋白質(zhì)折疊的奧運會"。

評分標(biāo)準(zhǔn)：超過90分算成功。

CASP13的結(jié)果出來了：DeepMind以50%的優(yōu)勢擊敗了第二名。

但約翰·穆特（CASP的聯(lián)合創(chuàng)始人）說了一句話，讓Demis很失望：

"阿爾法折疊沒有獲得足以讓其切實得以被利用的數(shù)據(jù)。"

諾貝爾獎得主Paul Nurse也說："比如說像我這樣的人查驗我自己的生理問題——阿爾法折疊做不到。"

Demis后來回憶："那個時刻讓人感覺有些慚愧。我們覺得自己非常努力，也成功了，而且在一個難住了全世界的問題上我們的表現(xiàn)是最好的。我們知道我們很爛。"

團(tuán)隊里有人開始質(zhì)疑："這在某種程度上是一場愚蠢的冒險。也許考慮人工智能的現(xiàn)狀，那還是太難了。"

有人說了一句話："最長的梯子并不能幫你登上月球。"

什么意思？用現(xiàn)有的方法優(yōu)化，可能永遠(yuǎn)也到不了目標(biāo)。需要完全不同的思路。

2019年，Demis做了一個決定：

"從這里開始，我們需要加倍努力并盡快實現(xiàn)。我覺得我們不能再浪費時間了。"

他組建了一個突擊小組，約翰·江珀（John Jumper）擔(dān)任組長，加入了生物學(xué)專家。

關(guān)鍵是：他們重寫了整個數(shù)據(jù)管道，而不是在原有系統(tǒng)上修修補(bǔ)補(bǔ)。

有人說："你必須給那些花朵綻放的空間，不能在創(chuàng)作階段強(qiáng)迫它。"

4個月后，進(jìn)展出現(xiàn)了。

速度突破：CASP13期間1-2天折疊1個蛋白質(zhì)，現(xiàn)在1秒折疊數(shù)十萬個。

質(zhì)量突破：許多結(jié)構(gòu)達(dá)到高精度水平。

2020年11月，CASP14的結(jié)果公布了。

約翰·穆特發(fā)來郵件：

"你們團(tuán)隊在CASP14中表現(xiàn)得非常出色，不論是相對于其他組還是在模型的絕對準(zhǔn)確性方面。恭喜你們完成了這項工作，真的非常出色。"

約翰·江珀說："半個世紀(jì)之后，我們終于找到了蛋白質(zhì)折疊問題的解決方案。"

Demis給父母打電話："嘿，媽媽，我有事要告訴你。我們做了一件事，可能是件大事。"

接下來，Demis做了一個決定：

"我們想將這個公開，不僅確保代碼是公開的，我們還要讓所有人都能便利地獲得這些預(yù)測結(jié)果。"

他們在一個月內(nèi)預(yù)測了所有已知的序列，公開了2億個蛋白質(zhì)結(jié)構(gòu)。

發(fā)布當(dāng)天，從655個用戶暴漲到10萬個并發(fā)用戶。

Demis說："這些是饋贈給人類的禮物。"

2024年，Demis Hassabis和John Jumper因為這項工作，獲得了諾貝爾化學(xué)獎。

但故事還沒有結(jié)束。

七、World Models：模擬世界，才能理解世界

2025年12月，在一次年終訪談中，Demis談到了DeepMind現(xiàn)在在做的事：World Models（世界模型）。

他說了一段很關(guān)鍵的話：

"LLM理解語言，但缺少空間感知。World Models理解物理世界的因果關(guān)系。"

這是DeepMind和大多數(shù)AI公司的差異。

大多數(shù)公司在做什么？

Scaling LLM——讓模型更大，數(shù)據(jù)更多，訓(xùn)練更久。LLM學(xué)的是語言的統(tǒng)計規(guī)律。

但Demis認(rèn)為，這還不夠。

費曼說過："凡是我不能創(chuàng)造的，說明我還不夠理解。"

Demis現(xiàn)在要做的，就是創(chuàng)造（模擬）整個物理世界，來真正理解世界。

真正的智能，需要模擬物理世界。

DeepMind現(xiàn)在有兩個系統(tǒng)：Genie和Simma。

Genie生成可交互的虛擬世界，Simma在虛擬世界中探索。

把它們組合起來：Simma在Genie生成的世界中學(xué)習(xí)，Genie按需生成無限的訓(xùn)練場景，AI可能實現(xiàn)"自我進(jìn)化"。

這就像當(dāng)年的AlphaZero：不需要人類數(shù)據(jù)，在模擬中自我學(xué)習(xí)。

但這次模擬的不是圍棋，而是整個物理世界。

Demis說：

"我的夢想是在模擬中重新運行生命進(jìn)化，觀察意識、社會結(jié)構(gòu)如何涌現(xiàn)，理解我們從哪里來。"

這讓人想起他在劍橋時的那個直覺：蛋白質(zhì)折疊可以用AI解決。

現(xiàn)在他在追問更大的問題：意識、創(chuàng)造力、情感…這些是可計算的嗎？

他說：

"這是我人生的核心問題：圖靈機(jī)的極限在哪里？到目前為止，宇宙中沒有發(fā)現(xiàn)任何不可計算的事物。"

"如果我們造出AGI，然后用它模擬人類心智，對比真實心智，就能看出差異在哪里。也許差異是creativity？emotions？dreaming？consciousness？這將回答'人之為人'的本質(zhì)。"

當(dāng)AlphaGo擊敗李世石時，Demis說他的感受很復(fù)雜：

"我既興奮又有點失落。圍棋是美麗的神秘，我們破解了它。這有點苦樂參半。"

科學(xué)家的宿命是：解開謎題的同時，失去神秘感。

但Demis還是選擇了這條路。

尾聲：智力的最好用處

從12歲在列支敦士登的教堂里問出那個問題，到48歲獲得諾貝爾獎，Demis花了36年。

回過頭看，他的整個人生都在圍繞一個核心理念：Simulation（模擬）。

17歲，他模擬了一個主題公園。神經(jīng)科學(xué)PhD，他研究大腦如何模擬想象和記憶。AlphaGo/AlphaZero，在模擬對弈中自我進(jìn)化。AlphaFold，模擬蛋白質(zhì)折疊。World Models，模擬整個物理世界。

而他一直在追問的，是那個12歲時的問題：智力的最好用處是什么？

答案是：

用最好的頭腦，去模擬和理解整個世界。

不是為了下好一盤棋，不是為了贏一場比賽，而是為了解決癌癥、阿爾茨海默病、能源危機(jī)、氣候變化——那些真正能改變?nèi)祟惷\的問題。

在2025年的那次訪談里，Demis說：

"我的使命是幫助全人類安全地跨越AGI這條線。完成這個任務(wù)后，我會好好休個假。"

"我為這個時刻準(zhǔn)備了一生。從下棋、做游戲、研究神經(jīng)科學(xué)…都是為了這個時刻。"

"這是我一生一直為之奮斗的時刻。"

也許，這就是智力的最好用處。

主要參考信源：

Demis最近一期播客訪談（The future of intelligence）：https://www.youtube.com/watch?v=PqVbypvxDto

DeepMind和Demis的紀(jì)錄片（The Thinking Game）：https://www.youtube.com/watch?v=d95J8yzvjbQ

非常建議找個下午或者晚上的時間，沐浴更衣，花三個小時時間把這兩個視頻看完。