諾貝爾化學獎頒給了一位AI公司老板，這事在當時刷屏全網(wǎng)，不少人直呼離譜。

化學獎怎么會給搞人工智能的？看完《思考之弈》這部紀錄片，你就會明白，這獎頒得一點都不冤。

這位叫戴米斯?哈薩比斯的男人，帶著DeepMind團隊搞出的AlphaFold2，直接解決了生物學界卡了50年的蛋白質(zhì)結(jié)構(gòu)預(yù)測難題。

跨界拿諾獎，他算是把科技圈的天花板給捅破了。

他4歲就迷上國際象棋，6歲拿下倫敦8歲以下組冠軍，9歲成了英國少年象棋隊隊長，13歲直接沖到國際象棋大師的段位。

別人下棋圖個輸贏，他卻不一樣，他盯著棋盤琢磨的不是怎么走下一步，而是所有人的大腦到底怎么解決問題。

這種對思維本質(zhì)的好奇，早早在他心里埋下了種子，十幾歲的他一頭扎進編程領(lǐng)域，還拿到了頂尖游戲公司Bullfrog的職位。

他參與開發(fā)的《主題公園》，算是模擬經(jīng)營類游戲的鼻祖。

他負責設(shè)計虛擬游客的AI行為，游客玩完刺激項目會嘔吐，旁人看到會不適，玩家得雇清潔工清理。

本來想做出更真實的游戲體驗，后來發(fā)現(xiàn)，這套對復(fù)雜系統(tǒng)和智能體的探索，居然成了他日后搞I研究的基礎(chǔ)。

游戲公司老板開出百萬英鎊年薪留他，他卻扭頭去劍橋讀神經(jīng)科學博士。

怎么訓練一個啥都不懂的數(shù)字大腦？哈薩比斯給出的答案出人意料，從打游戲開始。

他覺得游戲是訓練AI最好的實驗室，規(guī)則清晰目標明確，是天然的訓練場。

團隊先從最簡單的雅達利游戲《乓》下手，這游戲就是模擬打乒乓球，規(guī)則簡單到不能再簡單。

AI剛開始連球拍都不會動，團隊一度陷入絕望，哈薩比斯甚至跟萊格吐槽，這玩意怕是練不出來了。

他們把強化學習和深度學習結(jié)合起來搞出Q-learning方法，這在當時算是首創(chuàng)。

AI沒有任何規(guī)則指引，只能自己摸索怎么得分，就在大家快要放棄的時候，AI居然打回了第一個球。

從那之后，奇跡開始上演，它慢慢學會得分，學會贏下一局，三個月后，沒有任何人類能在《乓》上贏過它。

這還不算完，在《打磚塊》游戲里，AI玩了幾百局后，自己摸索出一個人類高手都沒想到的策略。

它從側(cè)面挖條隧道，讓球在磚塊后面自動反彈清屏，毫無疑問，這已經(jīng)不是簡單的模仿，而是實打?qū)嵉膭?chuàng)造力。

玩游戲終究只是練手，哈薩比斯的終極目標，是讓AI幫人類解決現(xiàn)實難題，他們盯上了生物學界的世紀難題，蛋白質(zhì)折疊問題。

蛋白質(zhì)是生命的基石，它的功能全靠三維結(jié)構(gòu)決定，搞清楚結(jié)構(gòu)，才能攻克疾病研發(fā)新藥。

這個難題難倒了無數(shù)科學家，一卡就是50年，DeepMind組建了一支生物和AI的交叉團隊，搞出了AlphaFold系統(tǒng)。

他們第一次參加蛋白質(zhì)折疊界的奧運會CASP競賽，拿了第一卻高興不起來，預(yù)測精度根本達不到實用標準，就是在矮子里拔大個。

團隊里有人嘀咕，這差事怕是沒意義，哈薩比斯也在反思，是不是方向搞錯了。

他沒有放棄，反而組建了一支突擊隊，讓約翰?江珀帶隊重構(gòu)算法，這次他們把生物學知識深度融入模型，埋頭干了兩年。

2020年CASP14競賽上，AlphaFold2一鳴驚人，預(yù)測精度直接媲美實驗室結(jié)果，競賽組織者約翰?莫爾特發(fā)來郵件，字里行間全是激動。

紀錄片結(jié)尾，哈薩比斯盯著一個鉛筆搭的平衡雕塑，AI告訴他，動任何一根，整個結(jié)構(gòu)都會塌。

他聽完沒動手，選擇了尊重AI的建議。

這個畫面像個隱喻，我們正站在AI時代的十字路口，AI已經(jīng)跨過模仿的階段，開始和人類一起探索未知。

哈薩比斯的故事，從來不是一個人的逆襲，它更像一份啟示錄，告訴我們跨界思維有多重要，堅持初心有多可貴。

從棋手到游戲設(shè)計師，從神經(jīng)科學博士到AI大佬，這些看似不相關(guān)的身份，在他身上擰成了一股繩。

他沒有把AI當成賺錢的工具，而是把它變成了推動人類進步的階梯。

2025年《時代》雜志把八位AI領(lǐng)袖評為年度人物，哈薩比斯和馬斯克、黃仁勛等人并肩而立，這份榮譽，是對他們這群拓荒者最好的褒獎。

我們不用害怕AI的崛起，真正該思考的是，如何讓技術(shù)保持向善的底色。

哈薩比斯和DeepMind已經(jīng)給出了答案，剩下的路，需要我們所有人一起走。