Demis Hassabis：破解上帝擲骰子的遊戲玩家
介紹 DeepMind 創辦人、2024 諾貝爾化學獎得主 Demis Hassabis。從 AlphaGo 的圍棋奇蹟到 AlphaFold 的生命解碼，他正在用 AGI 解開宇宙最深奧的謎題。「Solving intelligence to solve everything else」是他的終極目標。
WRITTEN BY
- Name
- Harry Chang
2024 年，Demis Hassabis 以 AI 科學家的身份獲得了 諾貝爾化學獎，這是一個歷史性的時刻。這標誌著 AI 不再只是電腦科學的工具，而是解開自然界奧秘（如蛋白質結構）的終極鑰匙。
他是 Google DeepMind 的創辦人，也是那位曾經開發過經典遊戲《Theme Park》的天才少年。從遊戲到圍棋，再到生命科學，他的一生都在破解最困難的「局」。他的目標只有一個：「先解決智慧，再用智慧解決一切 (Solve intelligence, and then use that to solve everything else)。」
為什麼你需要認識 Demis Hassabis？
如果你認為 AI 只是用來聊天或畫圖的，那 Demis Hassabis 會大大拓展你的想像邊界。
他代表了 AI 的 「科學探索 (Scientific Discovery)」 面向。不同於 Altman 追求通用產品 (ChatGPT)，Hassabis 追求的是通用真理。他讓我們看到，AI 可以是現代的望遠鏡與顯微鏡，幫助人類看見那些僅憑人腦無法觸及的科學疆界。
他是當代的達文西——融合了神經科學、電腦科學與遊戲設計，告訴我們：「玩遊戲」和「做研究」其實是同一回事，都是在尋找最優解。
核心哲學：通用人工智慧 (AGI) 作為元科學
Demis Hassabis 的願景非常宏大，他認為 AI 是一種 Meta-Science (元科學)，是所有科學研究的加速器。
1. 遊戲即測試場 (Games as Testing Grounds)
為什麼 DeepMind 這麼愛玩遊戲（Atari, Go, StarCraft）？因為遊戲是簡化版的現實世界。Hassabis 認為，如果 AI 能在沒有人類指導下學會玩遊戲（如 AlphaZero），那它就有能力自行學會物理、數學或生物學的規則。
2. 直覺與創造力 (Intuition & Creativity)
AlphaGo 下出的著名的「第 37 手」，被圍棋界稱為「神之一手」。這證明了 AI 不只是在計算機率，它已經具備了某種形式的 「直覺 (Intuition)」 與 「創造力 (Creativity)」。這正是 Hassabis 試圖賦予機器的——不是死記硬背，而是真正的理解。
影響力與案例
1. AlphaGo：破解最後的棋盤遊戲
2016 年，AlphaGo 擊敗世界冠軍李世石。這不僅是計算力的勝利，更是 「深度強化學習 (Deep Reinforcement Learning)」 的勝利。它證明了機器可以透過「自我對弈」，超越人類千年的智慧累積。
2. AlphaFold：2024 諾貝爾獎的榮耀
這或許是 AI 史上最偉大的貢獻。AlphaFold 成功預測了 2 億種蛋白質 的 3D 結構（幾乎涵蓋地球上所有已知的蛋白質）。
- 過去：解析一個蛋白質結構需要博士生花費 3-5 年。
- 現在：AlphaFold 只需要幾分鐘。 這項技術直接加速了新藥開發、抗癌研究與生物分解塑膠的進程，也是他獲得諾貝爾化學獎的原因。
經典語錄 (Classic Quotes)
"Solve intelligence, and then use that to solve everything else."
「先解決智慧，再用智慧解決一切。」
(解讀：DeepMind 的終極使命。AI 不是終點，而是通往萬物解答的工具。)
"Creativity is just connecting things. Artificial Intelligence is going to allow us to connect things in ways we never thought possible."
「創造力只是將事物連結起來。AI 將允許我們以意想不到的方式連結萬物。」
實用建議
步驟 1：像科學家一樣思考
不要只把 AI 當成生產力工具（寫信、做簡報）。
Action: 試著問 AI 根據它的知識庫，對你的問題提出一個「假設 (Hypothesis)」，然後你去驗證它。把 AI 當作你的實驗室夥伴。
步驟 2：保持跨領域的視野
Hassabis 是神經科學博士，也是遊戲開發者。
Action: 不要只鑽研編寫程式。去讀讀生物學、心理學或歷史。最偉大的創新往往發生在學科的交界處。AlphaFold 就是生物學與 AI 的完美結合。
步驟 3：重視「強化學習」的概念
Hassabis 的成功秘訣在於 Reinforcement Learning (RL)。
Action: 在你的學習路徑中，建立「獎勵機制」。就像訓練 AI 一樣，做對了多給自己一點回饋，做錯了調整參數（方法）再試一次。
我的反思
Demis Hassabis 讓我看到了 AI 最浪漫的一面。他就像那位仰望星空的少年，用代碼編織出捕捉宇宙真理的網。他提醒我們，科技的極致並非冰冷的運算，而是對生命奧秘最熱烈的探索。
參考資料 (References)
相關影片
這是 Demis Hassabis 在斯德哥爾摩大學發表的 2024 年諾貝爾化學獎演講。他以「用 AI 加速科學發現」為題，講述了 DeepMind 如何從「遊戲 AI (Games AI)」一路走到「科學 AI」，並詳細解析了 AlphaFold 2 如何在短短數年內破解了困擾生物學界 50 年的蛋白質結構預測難題。他也強調了 AGI 的力量如火焰與電力，必須在負責任的原則下開發。
書籍推薦
- Sapiens (人類大歷史): Yuval Noah Harari 的名著。Hassabis 曾說這本書給了他很多新想法，特別是關於人類如何透過虛構故事（如法律、金錢）來進行大規模合作的觀點。
- Consider Phlebas (文明：腓尼基號): Iain M. Banks 的科幻小說「文明 (The Culture)」系列。這是 Hassabis 心目中最接近未來 「後 AGI (Post-AGI)」 烏托邦世界的描繪——一個 AI 與人類和諧共存、極度繁榮的宇宙。
- Game Changer: 深入解析 AlphaZero 如何重新定義西洋棋與圍棋策略，Hassabis 本人親自為此書寫了序言。
經典論文 (Key Papers)
- AlphaGo (Nature, 2016): Mastering the game of Go with deep neural networks and tree search. 這篇論文標誌著深度強化學習的巔峰。
- AlphaFold 2 (Nature, 2021): Highly accurate protein structure prediction with AlphaFold. 這是 2024 年諾貝爾化學獎的基石，必讀的 AI for Science 經典。
參考來源
- Google DeepMind: 探索 AlphaFold 與 Gemini 的最新進展。
- Isomorphic Labs: Hassabis 創立的另一家公司，專注於用 AI 重新定義藥物研發。
- The Nobel Prize in Chemistry 2024: 諾貝爾獎官方介紹頁面。