對于每個好奇人工智能（AI）的人來說，德米斯·哈薩比斯（也可譯為“戴密斯·哈薩比斯”）都是個難以繞過的名字。

他是英國人工智能科學家，2016年擊敗世界圍棋冠軍李世石的那款著名的AI系統(tǒng)阿爾法圍棋（AlphaGo）就是由他一手締造的。他還是成功的企業(yè)家，于2010年創(chuàng)立了深度思考（DeepMind）公司，后來又作為谷歌DeepMind首席執(zhí)行官兼聯(lián)合創(chuàng)始人，領導團隊推出了Gemini系列模型。他甚至還是位化學家，并因在蛋白質結構預測領域的突破性貢獻獲得2024年諾貝爾化學獎。

其實，他還有兩項同樣巨大，但不那么知名的成就：1998年，哈薩比斯創(chuàng)辦游戲公司“仙丹工作室”，并成為微軟等科技大廠的游戲供應商；2005年，他在事業(yè)相當成功時出人意料地關閉公司重返校園，在英國劍橋大學攻讀神經科學博士學位，其關于海馬體與情景記憶的研究于2007年被《科學》雜志評為“年度突破”。

這或許正是兩度入圍普利策獎的英國作家塞巴斯蒂安·馬拉比愿意專門為其著書立傳的重要原因——哈薩比斯本人，就像是科幻電影中偽裝成人類的AI，知識結構超乎尋常，跨界能力超乎想象。

在這本名為《哈薩比斯：谷歌AI之腦》的傳記中，作者系統(tǒng)梳理了其成長與創(chuàng)業(yè)經歷，最終發(fā)現(xiàn)，從國際象棋到游戲，再到神經科學和AI，所有這些看似不搭界的選擇，在哈薩比斯眼中更像是“一根直線”，實現(xiàn)了完美的觸類旁通：

初級版本的AI只適合規(guī)則明確的場景，而規(guī)則最明確的場景之一就是棋類游戲，這就是他為什么要開發(fā)AlphaGo。

在規(guī)則場景跑通后，他又將目標瞄準AGI（Artificial General Intelligence通用人工智能），因為他相信，真正的AI能夠像人類一樣學習、理解并執(zhí)行任務。所以，DeepMind從項目開始的第一天起就尤其注重自主學習能力，而培養(yǎng)其學習能力的方法很大程度上借鑒了他當年開發(fā)游戲軟件的思路。

當DeepMind發(fā)展到一定程度，接近從AI向AGI蛻變的臨界點時，最好的參照系就是自然界中唯一存在的已知智能——人類大腦。而要理解人類大腦，就需要學習神經科學。

甚至于，他在4年后決定給DeepMind找個“金主爸爸”的時候，依然遵循了這種“直線”思維。

書中披露，當時Meta（原名Facebook）的開價比谷歌高，但哈薩比斯卻并不滿意：“Facebook確實提供了更多的錢，但我想要的是一個真正理解為什么AI會比其他所有事情都重要的人。”

這就是為什么哈薩比斯與谷歌的談判并未糾纏于一般商業(yè)談判中最在乎的估值環(huán)節(jié)。爭論的焦點主要聚焦3個問題：“DeepMind能不能繼續(xù)沿著AGI的方向發(fā)展？團隊能不能獲得足夠的算力和資源？能不能把安全與倫理護欄直接寫進交易結構里？”哈薩比斯最終選擇谷歌，正是因為后者在3個問題上都給出了肯定的答案。

當然，哈薩比斯也遭遇過挫折。只不過，在哈薩比斯的概念里，挫折不過是幫助他修正方向的契機。

2020年，OpenAI的ChatGPT展現(xiàn)出驚人能力，一度力壓DeepMind。此前哈薩比斯將強化學習視為關鍵環(huán)節(jié)，認為AI要想理解世界，必須“親身體驗”世界，也就是基于神經科學開發(fā)具身智能，語言模型僅處于從屬地位。但ChatGPT證明，僅通過海量文本訓練，模型也能實現(xiàn)相當程度的智能。哈薩比斯坦言：“我意識到，語言的‘內在接地性’比我們想象中更強。”也正是這一沖擊，使得DeepMind與谷歌大腦于2023年4月合并，成立了一個名為Google DeepMind的新部門。當年年底，大模型Gemini橫空出世。

不過這個挫折并不一定意味著哈薩比斯的思路是錯的。根據(jù)書中所言，目前學界已基本形成共識，認為僅憑大語言模型無法實現(xiàn)AGI，挫折更多體現(xiàn)在商用層面。相較于大語言模型對于知識的“調度”，對自主學習的重視實際上體現(xiàn)出的是一種更有成長性的理念：要讓AI學會行動，而非只會表達；要讓它擁有自動找尋目標、規(guī)劃路徑、修正行為、發(fā)現(xiàn)新知識的能力，而非簡單復述人類觀點。

當然，以“解決智能，然后用它解決一切”為目標的哈薩比斯，身上確實存在著過度崇尚工具理性的傾向。但他的這種“涉獵領域千千萬萬，方法脈絡筆直如線”的思維方式，卻值得更多人借鑒。（本文來源：經濟日報 作者：肖 瀚）