一位想「解決智慧本身」的男人

想像一個 4 歲的小男孩，第一次看到父親和叔叔在餐桌上下西洋棋，就被 64 格棋盤上的無限組合迷住。兩個星期後，他開始贏過大人；13 歲時，他已是世界同齡層排名第二的棋手。但就在職業棋壇的門為他大開之際，這位少年卻轉身離開，去追問一個更大的問題——智慧本身到底是什麼？

三十多年後，這位少年成了 DeepMind（深智）的創辦人、諾貝爾化學獎得主，也是當今 AI 世界最受矚目、也最具爭議的科學企業家之一。他叫 Demis Hassabis（德米斯·哈薩比斯）。

如果 21 世紀的 AI 革命有一個「發起者名單」，他的名字幾乎不可能不列在最前面。而他的故事，或許是理解這場革命最好的入口——因為他不是矽谷典型的「產品經理創業家」，而是一位罕見地把哲學提問當成人生主軸的人。

倫敦北區的多元血脈：一個「局外人」的養成

哈薩比斯 1976 年出生於倫敦北部 Finchley（芬奇利），父親是希臘賽普勒斯裔的玩具店老闆兼業餘音樂人，母親則是新加坡華裔百貨公司員工。這絕不是傳統知識菁英家庭——沒有醫生律師父母、沒有藤校校友網絡——但父母給了他一樣稀有的東西：只要有熱情，就毫無條件地支持。

在 1980 年代的英國，混血、非白人、非中產專業家庭的孩子並不好過。哈薩比斯後來多次談到，他從小就意識到自己「不屬於任何單一群體」。這種「局外人」視角，日後成為他跨足神經科學、電玩設計、機器學習的心理底色——他習慣在別人不看的縫隙裡尋找答案。

他也剛好生在一個好時代。1980 年代的英國家用電腦革命（ZX Spectrum、BBC Micro、Amiga）讓一整代青少年能在臥室裡自學程式；而他用比賽獎金買下的第一台 ZX Spectrum，就成了他從棋盤跨入程式碼世界的橋樑。

成就一：DeepMind 與深度強化學習的誕生

2010 年，34 歲的哈薩比斯與 Shane Legg（機器學習研究者）、Mustafa Suleyman（政策運營背景）在倫敦共同創辦了 DeepMind Technologies。彼時矽谷正在瘋 App，倫敦幾乎不存在 AI 新創生態，他們卻公開宣稱：「我們要解決智慧，然後用它解決所有問題。」

這聽起來像妄想。但 2013 年 12 月，DeepMind 發表了 Deep Q-Network（DQN，深度 Q 網路）——一個單一神經網路能學會玩 49 款 Atari 2600 老遊戲，多款達到人類水準。這是史上第一次「同一個模型架構」跨多任務達成人類等級表現。

為什麼這很重要？因為它打破了傳統 AI「一個問題一套系統」的窠臼，證明了「通用學習」是可能的。這篇論文，被許多人視為深度強化學習（Deep RL）作為一個學術子領域的誕生時刻。

也正是這個成果，讓 Google 在 2014 年 1 月以約 4 億英鎊收購 DeepMind。

成就二：AlphaGo 與 Move 37，機器教人類重新思考

2016 年 3 月首爾，AlphaGo 對戰韓國九段棋手李世乭（Lee Sedol）。第二局第 37 手，AlphaGo 下了一手右上角「肩衝」——當時 DeepMind 內部估算，人類職業棋手選擇這一手的機率不到萬分之一。李世乭離場思考 15 分鐘，最終輸掉該局。

這一手被後世稱為 Move 37。它的意義不在於贏，而在於——機器不是模仿人類，而是走出了人類從未想過的路。

一年後，DeepMind 發表 AlphaZero，這個系統完全不看任何人類棋譜，僅憑遊戲規則自我對弈，在 24 小時內達到西洋棋、將棋、圍棋三個領域的世界頂尖水準。哈薩比斯藉此驗證了一個他從西洋棋童年就抱持的直覺：從第一原理出發的學習，遠比模仿人類專家更能突破認知天花板。

成就三：AlphaFold，把「白給世界」當作策略

如果說 AlphaGo 讓 DeepMind 出名，那麼 AlphaFold（阿爾法摺疊） 才讓它偉大。

蛋白質三維結構決定其功能，而預測結構自 1972 年 Christian Anfinsen（克里斯汀·安芬森）諾貝爾演說以來，一直是生物學界懸而未解的核心難題。傳統方法（X 光繞射、冷凍電子顯微鏡）動輒耗時數月到數年。

2020 年，AlphaFold 2 在 CASP14 蛋白質結構預測競賽中達到中位 GDT-TS 92.4 的準確度，評審委員宣告「蛋白質摺疊問題已被解決」。但更震撼的是接下來的動作——DeepMind 與歐洲生物資訊研究所（EMBL-EBI）合作，開放了 超過 2 億個蛋白質結構預測，涵蓋幾乎所有已知物種的蛋白質組，全人類科學家免費使用。

這在商業邏輯上並不「聰明」——但這正是哈薩比斯與矽谷主流的分野。2024 年 10 月 9 日，瑞典皇家科學院將諾貝爾化學獎頒予 David Baker（大衛·貝克）、Demis Hassabis 與 John Jumper（約翰·詹柏），表彰他們在蛋白質設計與結構預測的貢獻。這是諾貝爾化學獎首度頒給以機器學習為方法核心的成果，也是少數頒給產業界研究者的案例。

成就四：從科學家到 AGI 治理倡議者

2026 年，哈薩比斯發表了〈A Framework for Frontier AI〉（前沿 AI 框架），呼籲成立「類似 CERN（歐洲核子研究組織）的國際 AGI 研究組織」與「類似 IAEA（國際原子能總署）的國際 AI 安全監管機構」。核心主張包括：前沿模型的能力評估與紅隊測試結果須公開、跨國演算法審計、限制單一國家或公司壟斷關鍵能力、以及投入相當於 AI 能力研究 10-20% 的資源於對齊（alignment）與安全研究。

這份框架被視為他從「AI 科學家」到「AI 治理倡議者」的正式轉身。

思維與哲學：把智慧當作宇宙常數

哈薩比斯有幾句話反覆出現在他的訪談與演講中，很能代表他的世界觀：

「我這一生只想做兩件事：解決智慧，然後用它去解決所有其他問題。」

「西洋棋教我的不是怎麼贏，而是怎麼從犯錯中系統性地反省。」

「AI 應該加速科學發現一到兩個量級——這是 21 世紀最重要的槓桿點。」

他的核心方法論可以歸納為三條：

第一，湧現優於腳本。 從 17 歲設計《Theme Park》（主題樂園）遊客行為開始，他就相信真正的智慧來自「簡單規則的互動湧現」，而非被寫死的邏輯。

第二，第一原理優於模仿。 AlphaZero 的自我對弈證明了這一點——不看人類棋譜，反而下得比人類更好。

第3，記憶即想像。 他的 UCL 博士研究發現，海馬迴（hippocampus）受損的失憶症患者不僅無法回憶過去，也無法想像未來。這個「記憶與想像共享同一神經迴路」的洞見，日後成為 DeepMind「world model」（世界模型）研究的理論起點。

爭議與陰影：救世主敘事的另一面

哈薩比斯並非沒有爭議。

軍事禁令的鬆動：2014 年 Google 收購協議中明訂 DeepMind 技術不得用於軍事，但隨著 Google Cloud 進入國防合約領域、2024 年 Google AI 原則更新中移除「不用於武器」條款，這條界線的實質效力被外界質疑。

「彌賽亞情結」批評：部分同業與媒體批評他將 DeepMind 願景描述為「解決智慧、解決一切」帶有救世主色彩。他本人並不迴避這個描述，但這也讓人擔心：把如此巨大的權力集中在一種「使命感」下，是否真的安全？

Suleyman 事件：2019 年，共同創辦人 Mustafa Suleyman（穆斯塔法·蘇萊曼）因對下屬的行為問題被 DeepMind 停職，翌年離開，2024 年出任 Microsoft AI 執行長。這個事件反映了 DeepMind 內部治理與早期創業文化之間的張力——理想主義與現實管理，並不總是能兼容。

商業成功也是隱憂：AlphaFold 的開放美好，但 DeepMind 大多數研究成果最終都被納入 Google 生態，這種「以商業資源養科學夢想」的模式，究竟是可持續的典範，還是另一種形式的技術壟斷？

結語：一個提問比答案更重要的人

從 4 歲的西洋棋神童，到 50 歲的諾貝爾化學獎得主，哈薩比斯的職業軌跡罕見地展現了「單一主題貫穿一生」的專注。他反覆強調自己並非為了打造某個產品，而是為了回答一個哲學層次的問題：智慧是什麼？它能否被系統性地建構？

他選擇的路徑既非純學術（他離開 UCL 創業），也非純商業（他拒絕多次能讓 DeepMind 短期獲利的商業化路線），而是一條混合體——以科學好奇心為導向的長期研究，用商業資源支撐，用開放科學回饋人類共同體。

對我們今天的人來說，他的故事至少留下三個可以帶走的思考：

第一，早熟不是終點，而是給你選擇的自由。 哈薩比斯 13 歲成為西洋棋大師，但他選擇不走職業棋手的康莊大道，因為他問了一個更大的問題。天賦的意義，是讓你有資格去追問「這真的是我想投入一生的事嗎？」

第二，跨領域不是斜槓，而是複利。 他的每一段經歷——遊戲、神經科學、機器學習——看似互不相干，實則層層疊加。真正的跨領域者不是「什麼都會一點」，而是「用一個問題把所有領域串起來」。

第三，能力成長會超過安全框架的建構速度。 這是哈薩比斯 2026 年公開承認的憂慮。對每一個活在 AI 時代的人來說，這句話值得反覆咀嚼——因為它不只適用於 AGI，也適用於我們每個人正在打造的每一項技術、每一段關係、每一個組織。

50 歲的哈薩比斯，正站在人類技術史最陡的斜坡上。他的下一個十年，可能不再由「AlphaGo Moment」或「AlphaFold Moment」定義，而是由「AGI 治理是否走上正軌」來評價。

而這個問題的答案，恐怕不只取決於他一個人，也取決於我們每一個人如何理解、參與、監督這場革命。


🖼️ 一圖勝千文

資訊圖表