1. 德米斯·哈萨比斯:从AI先驱到数字普罗米修斯的蜕变之路
在人工智能发展的历史长卷中,德米斯·哈萨比斯(Demis Hassabis)的名字注定会被浓墨重彩地书写。这位被已故物理学家霍金誉为"世界上最聪明的人"的英国科学家,正带领DeepMind团队进行着一场前所未有的科学探险。与硅谷常见的商业导向型科技领袖不同,哈萨比斯更像是一位来自文艺复兴时期的"通才"——他既是国际象棋神童、游戏设计师,又是神经科学博士,最终成为了人工智能领域的领军人物。
哈萨比斯的独特之处在于,他将纯粹的科学追求与实际的工程突破完美结合。在AlphaGo击败人类围棋冠军、AlphaFold破解蛋白质折叠问题等一系列里程碑式成就背后,是他对"理解智能本质"这一终极命题的不懈探索。这种近乎偏执的科学理想主义,使他在商业气息浓厚的科技行业中显得格格不入,却又因此开辟出一条与众不同的AI发展路径。
需要模型API调用? 免费领10W Token,多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. DeepMind的创立与早期发展:理想主义者的艰难跋涉
2.1 创立背景与核心理念
2010年,哈萨比斯在伦敦创立DeepMind时,人工智能还远未成为科技界的主流话题。当时的伦敦金融城对这位宣称要打造"通用人工智能"(AGI)的年轻人充满怀疑。银行家们无法理解:为什么有人掌握如此技术却不投身利润丰厚的量化交易领域?这种认知鸿沟反映了当时社会对AI潜力的普遍低估。
哈萨比斯的愿景极为宏大——他不仅要创造智能机器,更希望通过这一过程"逆向工程"人类智能乃至宇宙的运行规律。这种跨学科的思维方式源于他独特的学术背景:在获得剑桥大学计算机科学学位后,他又攻读了伦敦大学学院的认知神经科学博士学位,专门研究海马体与人类记忆的关系。
提示:哈萨比斯的跨学科背景是他方法论形成的关键。神经科学训练使他特别关注AI系统的"学习"过程,而非仅仅追求表面性能。
2.2 早期技术路线选择
DeepMind创立之初就确立了以"强化学习"为核心的技术路线。与当时主流的数据驱动方法不同,强化学习强调智能体通过与环境互动来自主学习最优策略。这一选择反映了哈萨比斯的核心理念:
- 生物启发性:模仿人类和动物通过试错学习的方式
- 通用性:同一算法可应用于多种不同任务
- 目标导向:系统明确知道要优化什么指标
2013年,DeepMind在《自然》杂
