共计 2998 个字符，预计需要花费 8 分钟才能阅读完成。
虽然 DeepMind 的名字早有耳闻，但对其创始人 Demis Hassabis 的深入了解，却是在这两年，尤其是他因 AlphaFold 获得 2024 年诺贝尔化学奖之后。作为 Google AI 的领军人物，他的思考和愿景正在深刻影响着我们这个时代。
前段时间，我观看了纪录片《The Thinking Game》（思维博弈）。起初，我以为这只是一部关于 Demis 的个人传记，或者又是讲述 AlphaGo 辉煌战绩的老调重弹。但随着 83 分钟的影像展开，我发现它讲述的是一个更为宏大的故事——关于“如何破解智能之谜，再用智能解决一切”。
故事的主角，正是 DeepMind 的灵魂人物：Demis Hassabis。
看完片子，我久久不能平静。我们这个时代不缺技术天才，也不缺商业领袖，但像 Demis 这样能将游戏设计、神经科学和计算机科学完美融合的“通才”，实在是凤毛麟角。今天想和大家聊聊这部纪录片，以及 Demis Hassabis 这个人。
关于纪录片
纪录片《The Thinking Game》（中译名常为《思考的游戏》或《思维游戏》）由 Greg Kohs 执导，他也是著名纪录片《AlphaGo》的导演。
这部影片采用了“双线交织”的叙事结构。明线是 Demis Hassabis 的个人成长史，回顾了他从天才棋童、游戏设计师到创业者的传奇经历；暗线则是 DeepMind 探索通用人工智能（AGI）的艰辛历程。
影片的拍摄跨度长达五年，真实记录了 DeepMind 团队如何从早期的 Atari 游戏和棋类强化学习起步，经历了 AlphaGo 的举世瞩目，最终转向更具挑战性的科学领域，开发出解决生物学五十年难题的 AlphaFold。
这不仅仅是一部“AI 技术突破史”，它更深入地探讨了一个团队如何在巨大的不确定性中不断试错，以及在这个过程中对“什么是智能”、“什么是人类思考”的深刻反思。片名“The Thinking Game”一语双关，既指代具体的棋类与电子游戏，也隐喻了科学研究与构建 AGI 这场更为宏大的“思维博弈”。
谁是 Demis Hassabis？
如果要用一个词来形容 Demis Hassabis，“通才”（Polymath）可能最贴切不过。在 2024 年获得诺贝尔化学奖之后，他的名字终于走出了科技圈，被大众所熟知。
但早在获奖之前，他的人生剧本就已经足够精彩。回顾他的履历，你会发现他似乎一直在为“破解智能”这一件事做准备，只是在不同的人生阶段选择了不同的“副本”：
- 少年棋王：4 岁开始下国际象棋，13 岁就拥有了大师级头衔（Elo 2300），在同龄人中难逢敌手。下棋让他最早领悟到了“思考”的本质：规划、策略与直觉。
- 游戏界的金童：如果不做科学家，他也会是游戏史上的重要人物。17 岁加入牛蛙工作室（Bullfrog），作为主力程序员参与了经典游戏《主题公园》（Theme Park）的开发。后来参与制作的《黑与白》（Black & White）更是被誉为神作。在那个年代，他已经在思考如何让游戏中的 NPC 变得更聪明。
- 探索大脑的学者：在游戏界功成名就后，他做了一个让所有人意外的决定——重回校园。他在伦敦大学学院（UCL）攻读认知神经科学博士学位，专门研究大脑海马体、记忆与想象力之间的关系。
这段看似“不务正业”的跨界经历，恰恰成为了 DeepMind 成功的关键拼图。
Demis 并没有把这些经历割裂开来，而是将它们融合成了一个疯狂而严谨的逻辑：用神经科学去理解大脑的算法，用计算机科学去重建这种算法，最后用游戏作为虚拟的训练场来进化这种算法。
这就是 DeepMind 的原点，也是后来 AlphaGo 和 AlphaFold 诞生的思想基石。
The Thinking Game：一场关于智能的博弈
纪录片《The Thinking Game》的名字起得非常妙。Demis 曾有名言：“Chess is the thinking game”（国际象棋是思维的游戏）。但在他眼中，不仅仅是棋盘上的厮杀，科学探索、商业竞争，甚至人生本身，才是一场更宏大、更值得投入的 "Good Thinking Game"。
从游戏到科学
片中有一个观点让我印象深刻：游戏是 AI 的完美训练场。
很多人不理解为什么 DeepMind 总是执着于让 AI 打游戏（从雅达利游戏到星际争霸，再到围棋）。Demis 解释说，现实世界太复杂、太混乱了，不仅数据难以收集，而且试错成本极高。但游戏不同，它是一个封闭系统，有明确的规则和目标，AI 可以在里面进行数亿次的自我博弈（Self-play），从而快速进化。
这也是为什么 Demis 早期作为游戏开发者的经历如此重要。他懂得如何构建一个虚拟世界（Simulation），让智能体在其中通过强化学习（Reinforcement Learning）自我生长。
AlphaFold 的高光时刻
纪录片的后半段，重点从 AlphaGo 转向了 AlphaFold。如果说 AlphaGo 是为了证明 AI 可以拥有直觉和策略，那么 AlphaFold 则是为了证明 AI 可以解决现实世界最棘手的科学难题。
蛋白质折叠问题困扰了生物学界 50 年。片中记录了 DeepMind 团队在 CASP 竞赛（蛋白质结构预测比赛）中夺冠的紧张时刻。看到他们将预测精度从 60% 提升到 90% 以上，几乎达到了实验测量的精度，我隔着屏幕都能感受到那种从“游戏”走向“改变世界”的震撼。
正如 Demis 所说：“AlphaGo 赢了李世石，虽然很酷，但那只是为了这一刻（AlphaFold）做准备。”
我的思考与收获
看完这部片子，我有几点深刻的感触：
跨学科思维的力量
Demis 最强的地方不在于他在某个单一领域是世界第一，而在于他打通了不同领域之间的墙。他用神经科学的视角看 AI（比如 DeepMind 早期受海马体启发的 Replay 机制），又用游戏设计的视角看训练环境。
我们在学习技术时，往往容易陷入“工具人”的思维，只钻研某一门语言或框架。但真正的突破，往往发生在学科的交叉点。也许我们不仅要学编程，还要去了解一点心理学、生物学，或者去认真玩玩复杂的游戏。
长期主义的胜利
纪录片跟拍了整整 5 年。在这 5 年里，我们看到了 AI 行业的起起伏伏，也看到了 DeepMind 面临的巨大压力（包括被 Google 收购后的融合问题）。
Demis 始终盯着那个终极目标——AGI（通用人工智能）。在 ChatGPT 爆发之前，DeepMind 其实已经默默耕耘了很久。这种为了一个长远目标（无论是蛋白质折叠还是核聚变控制）愿意坐十年冷板凳的精神，在如今这个浮躁的科技圈显得尤为珍贵。
保持“玩”的心态
尽管在做着世界上最严肃的科学研究，Demis 身上依然保留着一种“玩家”的气质。他把攻克科学难题看作是在玩一场高难度的解谜游戏。
这种心态让他在面对失败时更加从容。在游戏中，Game Over 是常态，重开一局就好。在科研中，实验失败也是常态，调整参数继续尝试就好。保持好奇心，保持玩心，或许是我们对抗职业倦怠最好的解药。
总结
如果你对 AI 感兴趣，或者单纯想看看一个天才如何规划他的人生，我强烈推荐你去看看《The Thinking Game》。
它不仅是一部关于科技的纪录片，更是一部关于梦想、策略与坚持的人生电影。Demis Hassabis 让我们看到，当一个人把童年的热爱（下棋、编程）与成年的使命（解决智能）结合在一起时，能爆发出多大的能量。
我想，我们在自己的工作和学习中，是否也能找到那个属于我们自己的“Thinking Game”呢？
