丹米斯·哈萨比斯

维基
, , , ,
1

英国人工智能研究员兼企业家；Google DeepMind 联合创始人兼首席执行官，AlphaGo 和 AlphaFold 的架构师，2024 年诺贝尔化学奖得主。

基本信息 / 简介

领域 详情
全名 戴密斯·哈萨比斯爵士，CBE，FRS，FREng
出生 1976年7月27日，英国英格兰伦敦
国籍 英国
现任机构 Google DeepMind（首席执行官）；Isomorphic Labs（联合创始人）
研究领域 人工智能、强化学习、深度学习、蛋白质结构预测、认知神经科学
博士导师 埃莉诺·马圭尔
博士论文 支持情景记忆的神经过程（伦敦大学学院，2009年）
Google DeepMind 博客 blog.google/authors/demis-hassabis
X / Twitter @demishassabis
诺贝尔奖 nobelprize.org/prizes/chemistry/2024/hassabis/facts
Google Scholar scholar.google.com/citations?user=dYpPMQEAAAAJ

概述

戴密斯·哈萨比斯爵士是一位英国人工智能研究员和企业家，担任 Google DeepMind 的首席执行官，这家实验室在人员规模和论文产出上均为全球最大的人工智能研究机构。他的人生跨越五十年，兼具国际象棋神童、职业游戏设计师、神经科学家和人工智能先驱等多重身份。2010年，他与人在伦敦共同创立了 DeepMind，其使命是「破解智能难题，然后用它来解决其他一切问题」。在他领导下，该实验室的成就——深度强化学习、AlphaGo 和 AlphaFold——各自标志着一个独特的里程碑：证明了单一的通用学习系统能够掌握曾被认为机器无法企及的游戏，然后将这种方法应用于生物学领域最古老的未解难题之一。2024年，哈萨比斯和 DeepMind 同事约翰·詹珀因 AlphaFold 解决蛋白质结构预测问题而共同获得诺贝尔化学奖。他拥有九篇《自然》杂志封面文章，于2024年因对人工智能的贡献获封爵士，并与另几位人工智能架构师一同被《时代》杂志评为2025年年度人物。

早期生活与教育

童年与国际象棋神童

哈萨比斯于1976年7月27日出生于伦敦北部，父亲科斯塔斯是希腊裔塞浦路斯人，母亲安吉拉是华裔新加坡人。他在北伦敦长大，先就读于巴尼特女王伊丽莎白学校，随后短暂接受家庭教育，之后在芬奇利基督学院学习。他在16岁时提前两年完成了A-level课程。他八岁时首次接触计算机，用国际象棋比赛赢得的奖金购买了一台 ZX Spectrum 48K，并自学编程书籍。随后他在 Commodore Amiga 上编写了一个黑白棋AI程序。在国际象棋方面，哈萨比斯13岁达到大师水平，FIDE 等级分为2300——曾担任英格兰少年队队长，并代表剑桥大学参加牛津与剑桥的年度校际比赛。他是智力奥运会多项目棋类锦标赛「五棋脑王」的五次冠军得主，并曾六次在世界扑克系列赛中获奖。

牛蛙制作与间隔年（1993-1994）

由于年龄原因，剑桥大学要求哈萨比斯推迟一年入学。在此期间，他参加并赢得了《Amiga Power》杂志的一场比赛，从而进入牛蛙制作公司工作。17岁时，他成为《主题公园》（1994）的首席程序员，并与彼得·莫利纽克斯共同设计该模拟游戏。这款游戏售出数百万份，确立了管理模拟游戏这一类型。他在间隔年期间赚取了足够的资金来支付自己的大学学费。

剑桥大学——计算机科学（1994-1997）

哈萨比斯在剑桥大学女王学院攻读计算机科学，于1997年以双一等荣誉毕业。本科期间，他共同创立了剑桥的游戏开发社区，并与几位后来加入 DeepMind 的同学合作，其中包括大卫·席尔瓦。

狮头工作室（1997-1998）

从剑桥毕业后，哈萨比斯加入了由彼得·莫利纽克斯新成立的狮头工作室，担任上帝游戏《黑与白》（2001）的首席AI程序员。这个角色加深了他对控制复杂智能体行为的AI系统的技术兴趣。

灵药工作室——创始人（1998-2005）

哈萨比斯于1998年离开狮头工作室，创立了灵药工作室，这是一家独立的伦敦游戏开发商，与 Eidos、维旺迪环球和微软签订了合作协议。他担任了《共和国：革命》（2003）的执行设计师，这是一款对虚构国家进行细致政治AI模拟的宏大游戏，以及《邪恶天才》（2004），一款带讽刺意味的策略游戏。两者均因其互动配乐获得英国电影学院奖提名。在《共和国：革命》开发周期漫长且商业反响平淡之后，工作室于2005年4月关闭。

伦敦大学学院——认知神经科学博士（2005-2009）

在灵药工作室关闭后，哈萨比斯重返学术界，在伦敦大学学院女王广场神经病学研究所师从埃莉诺·马圭尔完成了博士学位。他的论文《支持情景记忆的神经过程》探讨了记忆和想象的海马体基础。他的第一篇学术论文——2007年发表在《PNAS》上，并被《科学》杂志列为当年十大科学突破之一——首次证明，海马体失忆症患者不仅无法回忆过去，也无法想象新的未来经历，从而建立了情景记忆与创造性想象之间的正式联系。随后，他提出了记忆的「场景构建」理论，认为海马体通过构建和维持连贯的心理场景来支持回忆和想象。

MIT/哈佛及盖茨比单元博士后（2009-2010）

博士毕业后，哈萨比斯在麻省理工学院大脑、思维与机器中心（托马索·波吉奥实验室）和哈佛大学担任访问科学家，随后获得亨利·韦尔科姆博士后奖学金，进入伦敦大学学院的盖茨比计算神经科学单元，与彼得·达扬合作研究强化学习和计算神经科学。正是在盖茨比单元，他遇到了未来的联合创始人沙恩·莱格。

职业生涯

DeepMind——联合创始人兼首席执行官（2010年至今）

哈萨比斯于2010年9月在伦敦与沙恩·莱格和穆斯塔法·苏莱曼共同创立了 DeepMind Technologies。莱格曾是盖茨比单元博士后；苏莱曼是他的童年好友。哈萨比斯还招募了他的剑桥朋友大卫·席尔瓦作为早期关键研究员。DeepMind 的创立论点是，将系统神经科学的见解与机器学习和计算硬件相结合，构建日益强大的通用学习算法，朝着通用人工智能迈进。早期投资者包括维港投资和几位知名科技企业家。

2014年1月，谷歌以约4亿英镑收购了 DeepMind，这是当时欧洲最大的科技收购案之一，哈萨比斯在科学独立性的承诺下继续担任首席执行官。实验室仍设在伦敦。

第一个里程碑式成果出现在2013年12月，当时 DeepMind 的深度Q网络（DQN）仅使用原始像素输入和奖励信号，就以超人水平学会了玩49款雅达利视频游戏——这是首次证明单一学习算法无需特定任务工程就能掌握多种不同任务。该成果于2015年发表在《自然》杂志上。

2016年3月，DeepMind 的 AlphaGo 以4比1击败世界冠军李世石，这场比赛吸引了约2亿观众，其结果被认为比专家预测早了十年。围棋曾被认为是最后一种人类专业棋手无法被机器撼动的棋盘游戏，因为其巨大的分支因子。随后，AlphaGo 在2017年5月以3比0击败世界排名第一的柯洁，之后哈萨比斯让 AlphaGo 退出竞技比赛。其后续版本 AlphaZero（2017）在24小时内仅通过自我对弈就掌握了国际象棋、将棋和围棋，无需任何人类游戏知识。

2016年，哈萨比斯将一项重大研究计划转向蛋白质结构预测，这是结构生物学中一个长达50年的挑战。AlphaFold 1 在2018年12月以该竞赛历史上最大优势赢得了 CASP13 竞赛。2020年11月公布的 AlphaFold 2，在自由建模目标上实现了 87.0 的中位 GDT 精度——与实验晶体学水平相当——导致 CASP 组织者宣布蛋白质折叠问题「基本上已经解决」。随后，DeepMind 通过 AlphaFold 蛋白质结构数据库（与 EMBL-EBI 合作开发）发布了所有2亿种已知蛋白质的预测结构，向全球每位研究人员免费开放。

在哈萨比斯领导下，DeepMind 的其他重要贡献包括：应用AI将谷歌数据中心冷却能耗降低40%；神经图灵机和可微分神经计算机；AlphaStar（星际争霸II）；AlphaCode（竞技编程）；AlphaDev（算法发现）；GNoME（材料科学）；AlphaProteo（蛋白质结合剂设计）；以及用于改进天气预报的 WeatherBench / GraphCast。

2023年4月，Alphabet 宣布将 Google Brain 和 DeepMind 合并为一个单元——Google DeepMind——由哈萨比斯担任首席执行官，直接向桑达尔·皮查伊汇报。杰夫·迪恩担任首席科学家。合并后的组织雇佣了数千名研究人员和工程师。

Isomorphic Labs——联合创始人（2021年至今）

2021年11月，哈萨比斯共同创立了 Isomorphic Labs，作为 Alphabet 的独立子公司，将AI（特别是 AlphaFold 衍生技术）应用于药物发现。他与首席执行官卡尔·克利施（自2024年起）共同担任领导团队成员。Isomorphic 已与礼来和诺华签署了多年药物发现合作，并正在追求以AI为先导的分子设计和靶点识别方法。

主要贡献

  • 深度Q网络（DQN）（《自然》，2015年）——一种将Q学习与深度卷积神经网络相结合的强化学习智能体，仅凭原始像素就以超人水平学会了玩49款雅达利游戏；开创了深度强化学习领域，并登上《自然》杂志封面。
  • AlphaGo（《自然》，2016年）——首个在比赛条件下击败职业围棋选手的程序；结合了深度神经网络、蒙特卡洛树搜索和自我对弈；被韩国、中国和日本围棋协会授予荣誉九段。
  • AlphaZero（2017年）——将 AlphaGo 泛化到空白状态自我对弈，在围棋、国际象棋和将棋中均在24小时内达到超人水平，无需任何人类游戏知识，证明了底层算法的通用性。
  • AlphaFold 2（《自然》，2021年）——以原子精度从氨基酸序列预测蛋白质的三维结构，有效解决了50年之久的蛋白质折叠问题；由此产生的包含2亿个自由发布结构的数据库改变了结构生物学、药物发现和基础生物学研究。诺贝尔委员会认可其为「惠及全人类」的贡献。
  • 情景记忆与想象（PNAS，2007年；《认知科学趋势》，2007年）——证明了海马体损伤会损害想象新未来经历以及回忆过去的能力，建立了情景记忆的场景构建理论；被《科学》杂志列为2007年十大科学突破之一。
  • AlphaDev（《自然》，2023年）——使用强化学习发现了比任何已知算法更快的排序新算法，代表了首个已被采纳到生产编译器中的AI发现的计算机科学算法。
  • GNoME（《自然》，2023年）——一个预测了220万种稳定新型晶体材料的AI系统，将已知稳定无机材料数量扩大了十倍，为材料科学开辟了新方向。
  • 神经符号AI议程——倡导并实践了将AI系统植根于系统神经科学原理（记忆、注意力、想象、规划）的研究愿景，这一计划从 DeepMind 成立之初就塑造了其研究议程。

奖项与认可

  • 诺贝尔化学奖（2024年，与约翰·詹珀共同获得）——因通过 AlphaFold 进行计算蛋白质结构预测而获奖；是首个主要因AI驱动的科学发现而颁发的诺贝尔奖。
  • 阿尔伯特·拉斯克基础医学研究奖（2023年）——常被称为美国诺贝尔奖；因 AlphaFold 获奖。
  • 突破生命科学奖（2023年）——因 AlphaFold 对结构生物学的贡献。
  • 加拿大盖尔德纳国际奖（2023年）——因 AlphaFold 获奖。
  • 阿斯图里亚斯公主技术与科学研究奖（2022年，与本吉奥、辛顿和勒昆共同获得）
  • 获封爵士（下级勋位爵士）（2024年）——因对人工智能的贡献。
  • CBE（2017年）——因对科学和技术的贡献。
  • 皇家学会院士（FRS）（2018年）
  • 皇家工程院院士（FREng）（2017年）
  • 丹·大卫奖（2020年）
  • 庇护十一世奖章，宗座科学院（2020年）
  • BCS 洛夫莱斯奖章（2023年）
  • 《时代》100人（2017年，2025年）；《时代》年度人物（2025年，「人工智能的建筑师」）
  • 《自然》年度十大人物（2016年）
  • 九篇《自然》杂志封面文章（2015年，2016年，2019年，2020年，2021年两篇，2022年，2024年，2026年）
  • 《科学》年度突破（四次被列入）
  • 美国国家工程院外籍院士（2026年）

关键关系

  • 沙恩·莱格——DeepMind 联合创始人；在盖茨比计算神经科学单元博士后期间结识；莱格关于通用智能度量标准的工作为 DeepMind 的通用人工智能使命提供了部分理论基础。
  • 穆斯塔法·苏莱曼——DeepMind 联合创始人兼童年好友；于2022年离开 DeepMind，现任 Microsoft AI 首席执行官；自苏莱曼离开后，两人在AI安全框架上公开存在分歧。
  • 大卫·席尔瓦——剑桥朋友，早期受聘于 DeepMind；AlphaGo、AlphaZero 和 AlphaCode 的首席研究员；他们的合作代表了现代AI研究中最高产的合作之一。
  • 约翰·詹珀——DeepMind 资深研究员兼诺贝尔奖共同获得者；领导了 AlphaFold 2 的技术开发，特别是应用于多序列比对的基于注意力的Transformer架构。
  • 埃莉诺·马圭尔——伦敦大学学院博士导师；在她的指导下，哈萨比斯进行了奠基性的海马体神经科学研究，塑造了他关于记忆和想象的理论框架。
  • 彼得·达扬——盖茨比单元博士后导师；计算神经科学领域的领军人物，其关于强化学习神经基础的工作直接影响了 DeepMind 创立之初的研究方向。
  • 杰夫·迪恩——谷歌首席科学家，哈萨比斯在2023年合并成立 Google DeepMind 时的对应人物；两人现在共同领导 Alphabet 统一的人工智能研究组织。
  • 桑达尔·皮查伊——Alphabet 首席执行官，自 Google DeepMind 合并后哈萨比斯的直接汇报对象；监督了2014年的收购和2023年的整合。

个人风格

哈萨比斯在科技创始人中与众不同之处在于，他在回归建立商业实验室之前，追求了科学深度——获得了认知神经科学博士学位，发表了一系列关于记忆和想象的研究成果。他的公开沟通风格审慎、技术上精确，并且始终围绕长期科学计划展开：当同行讨论季度基准时，他谈论的是几十年乃至文明的利害关系。他将 AlphaFold 描述为「一个灯塔项目」——是一个关于AI能够解决何种问题的信号——并且经常将当前AI能力视为朝着能够真正加速科学发现的系统迈出的早期步骤。在安全问题上，他的立场谨慎但不灾难化：他签署了2023年 CAIS 关于AI灭绝风险的声明，同时认为全球暂停开发将是不可执行的，并且会放弃该技术在健康和气候方面的潜在益处。他曾表示AI将「比工业革命大十倍——而且可能快十倍」。在研究之外，他一生对游戏的投入——国际象棋、围棋、扑克、外交——并非偶然：他明确表示，游戏为学习和规划算法提供了最纯净的测试平台，而这一直觉推动了 DeepMind 的早期计划。

参考资料