Demis Hassabis

Wiki
, , , ,
1

Britischer KI-Forscher und Unternehmer; Mitgründer und CEO von Google DeepMind, Architekt von AlphaGo und AlphaFold und Nobelpreisträger für Chemie 2024.

Grundlegende Informationen / Profil

Feld Details
Vollständiger Name Sir Demis Hassabis CBE FRS FREng
Geboren 27. Juli 1976, London, England, Vereinigtes Königreich
Nationalität Britisch
Derzeitige Institutionen Google DeepMind (CEO); Isomorphic Labs (Mitgründer)
Forschungsgebiete Künstliche Intelligenz, Bestärkendes Lernen, Deep Learning, Proteinstrukturvorhersage, Kognitive Neurowissenschaft
Doktorvater/-mutter Eleanor Maguire
Doktorarbeit Neurale Prozesse, die dem episodischen Gedächtnis zugrunde liegen (University College London, 2009)
Google DeepMind Blog blog.google/authors/demis-hassabis
X / Twitter @demishassabis
Nobelpreis nobelprize.org/prizes/chemistry/2024/hassabis/facts
Google Scholar scholar.google.com/citations?user=dYpPMQEAAAAJ

Überblick

Sir Demis Hassabis ist ein britischer Forscher für Künstliche Intelligenz und Unternehmer sowie Chief Executive von Google DeepMind, dem nach Mitarbeiterzahl und Veröffentlichungen weltweit größten KI-Forschungslabor. Als Wunderkind im Schach, professioneller Spieldesigner, Neurowissenschaftler und KI-Pionier in fünf Lebensjahrzehnten gründete er DeepMind 2010 in London mit dem Ziel, „Intelligenz zu verstehen und dann damit alles andere zu lösen“. Die Errungenschaften des Labors unter seiner Leitung – Deep Reinforcement Learning, AlphaGo und AlphaFold – markierten jeweils eine neue Grenze: Sie zeigten, dass ein einziges universelles Lernsystem Spiele meistern kann, die zuvor als unerreichbar galten, und wandten diesen Ansatz dann auf eines der ältesten ungelösten Probleme der Biologie an. 2024 wurden Hassabis und sein DeepMind-Kollege John Jumper für AlphaFolds Lösung des Proteinstrukturvorhersage-Problems mit dem Nobelpreis für Chemie ausgezeichnet. Er ist Autor von neun Titelgeschichten des Nature-Magazins, wurde 2024 für seine Verdienste um die künstliche Intelligenz zum Ritter geschlagen und zählte neben anderen KI-Architekten zur „Person of the Year“ 2025 des Time Magazine.

Frühes Leben & Ausbildung

Kindheit und Schachwunderkind

Hassabis wurde am 27. Juli 1976 in Nord-London als Sohn eines griechisch-zypriotischen Vaters, Costas, und einer chinesisch-singapurischen Mutter, Angela, geboren. Er wuchs in Nord-London auf, besuchte zunächst die Queen Elizabeth’s School in Barnet, wurde kurzzeitig zu Hause unterrichtet und lernte dann am Christ’s College in Finchley. Mit 16 Jahren schloss er seine A-Levels zwei Jahre früher ab. Seinen ersten Kontakt mit Computern hatte er im Alter von acht Jahren, als er mit Schachgewinnen einen ZX Spectrum 48K kaufte und sich aus Büchern selbst das Programmieren beibrachte. Anschließend programmierte er auf einem Commodore Amiga eine künstliche Intelligenz für Reversi. Im Schach erreichte Hassabis mit 13 Jahren Meisterstandard mit einer FIDE-ELO-Zahl von 2300 – als Kapitän englischer Juniorenmannschaften und Vertreter Cambridges bei den jährlichen Universitätsspielen zwischen Oxford und Cambridge. Er ist fünffacher Gewinner der Pentamind, einer mehrdisziplinären Brettspielmeisterschaft bei den Mind Sports Olympiaden, und hat sich sechsmal bei der World Series of Poker in den Geldrängen platziert.

Bullfrog Productions und Auslandsjahr (1993–1994)

Da Cambridge ihn aufgrund seines Alters um ein Jahr Aufschub bat, nahm Hassabis an einem Wettbewerb des Magazins Amiga Power teil, gewann diesen und arbeitete daraufhin bei Bullfrog Productions. Mit 17 Jahren wurde er leitender Programmierer bei Theme Park (1994), das er gemeinsam mit Peter Molyneux entwarf. Das Spiel verkaufte sich mehrere Millionen Mal und begründete das Genre der Managementsimulationen. Während des Auslandsjahres verdiente er genug Geld, um sein eigenes Universitätsstudium zu finanzieren.

Universität Cambridge – Informatik (1994–1997)

Hassabis studierte Informatik am Queens‘ College in Cambridge und schloss 1997 mit einem Doppel-Erststudium ab. Während seines Grundstudiums gründete er die in Cambridge ansässige Game-Jam-Community und arbeitete mit mehreren Kommilitonen zusammen, die später DeepMind beitreten sollten, darunter David Silver.

Lionhead Studios (1997–1998)

Nach Cambridge wechselte Hassabis zu Lionhead Studios, das kürzlich von Peter Molyneux gegründet worden war, als leitender KI-Programmierer für das Götterspiel Black & White (2001). Diese Rolle vertiefte sein technisches Interesse an KI-Systemen, die komplexes Agentenverhalten steuern.

Elixir Studios – Gründer (1998–2005)

Hassabis verließ Lionhead 1998, um Elixir Studios zu gründen, einen unabhängigen Spieleentwickler in London, und schloss Verträge mit Eidos, Vivendi Universal und Microsoft ab. Er war ausführender Designer von Republic: The Revolution (2003), einer ehrgeizigen politischen KI-Simulation eines gesamten fiktiven Landes, und Evil Genius (2004), einem augenzwinkernden Strategiespiel. Beide erhielten BAFTA-Nominierungen für ihre interaktiven Partituren. Nach der langwierigen Entwicklung und der verhaltenen kommerziellen Aufnahme von Republic wurde das Studio im April 2005 aufgelöst.

UCL – Promotion in Kognitiver Neurowissenschaft (2005–2009)

Nach der Schließung von Elixir kehrte Hassabis in die Wissenschaft zurück, um am Queen Square Institute of Neurology des UCL unter Eleanor Maguire zu promovieren. Seine Dissertation Neurale Prozesse, die dem episodischen Gedächtnis zugrunde liegen erforschte die hippokampale Grundlage von Gedächtnis und Vorstellungskraft. Seine erste wissenschaftliche Arbeit – veröffentlicht in PNAS im Jahr 2007 und von Science als einer der zehn wichtigsten wissenschaftlichen Durchbrüche des Jahres eingestuft – zeigte erstmals, dass Patienten mit hippokampaler Amnesie nicht nur unfähig waren, sich an die Vergangenheit zu erinnern, sondern auch neue zukünftige Erfahrungen nicht imaginieren konnten, und stellte damit eine formale Verbindung zwischen episodischem Gedächtnis und konstruktiver Vorstellungskraft her. Anschließend entwickelte er die Theorie der „Szenenkonstruktion“ des Gedächtnisses, die besagt, dass der Hippocampus sowohl das Erinnern als auch die Vorstellungskraft unterstützt, indem er kohärente mentale Szenen konstruiert und aufrechterhält.

MIT/Harvard und Gatsby-Einheit Postdoc (2009–2010)

Nach seiner Promotion hatte Hassabis eine Gastwissenschaftlerstelle am MIT Center for Brains, Minds and Machines im Labor von Tomaso Poggio sowie an der Harvard University inne, bevor er ein Henry-Wellcome-Postdoktorandenstipendium an der Gatsby Computational Neuroscience Unit am UCL erhielt, wo er mit Peter Dayan über bestärkendes Lernen und Computational Neuroscience arbeitete. In Gatsby traf er Shane Legg, seinen späteren Mitgründer.

Karriere

DeepMind – Mitgründer und CEO (2010–heute)

Hassabis gründete DeepMind Technologies im September 2010 in London gemeinsam mit Shane Legg und Mustafa Suleyman. Legg war zuvor Postdoktorand in Gatsby gewesen; Suleyman war ein Jugendfreund. Hassabis rekrutierte auch seinen Cambridge-Freund David Silver als einen der ersten wichtigen Forscher. Die Gründungsthese von DeepMind war es, Erkenntnisse aus den Systemneurowissenschaften mit maschinellem Lernen und Computerhardware zu kombinieren, um immer leistungsfähigere universelle Lernalgorithmen zu entwickeln, die auf eine Künstliche Allgemeine Intelligenz (AGI) hinarbeiten. Zu den frühen Investoren gehörten Horizons Ventures und mehrere prominente Technologieunternehmer.

Im Januar 2014 übernahm Google DeepMind für etwa 400 Millionen Pfund – eine der damals größten europäischen Technologieübernahmen –, wobei Hassabis unter der Zusicherung wissenschaftlicher Unabhängigkeit CEO blieb. Das Labor verblieb in London.

Das erste bahnbrechende Ergebnis kam im Dezember 2013, als DeepMinds Deep Q-Network (DQN) lernte, 49 Atari-Videospiele auf übermenschlichem Niveau zu spielen, wobei es nur rohe Pixeleingaben und ein Belohnungssignal verwendete – die erste Demonstration, dass ein einziger Lernalgorithmus eine breite Palette unterschiedlicher Aufgaben ohne aufgabenspezifische Anpassungen meistern konnte. Dies wurde 2015 in Nature veröffentlicht.

Im März 2016 besiegte DeepMinds AlphaGo den Weltmeister Lee Sedol im Go mit 4:1 in einem Match, das von schätzungsweise 200 Millionen Zuschauern verfolgt wurde – ein Ergebnis, das als zehn Jahre vor den Expertenprognosen liegend galt. Go galt angesichts seines riesigen Verzweigungsfaktors als das letzte Brettspiel, bei dem menschliches Profispiel für Maschinen unerreichbar war. AlphaGo besiegte anschließend im Mai 2017 den Weltranglistenersten Ke Jie mit 3:0, woraufhin Hassabis AlphaGo aus dem Wettbewerb zurückzog. Der Nachfolger AlphaZero (2017) lernte innerhalb von 24 Stunden allein durch Selbstspiel Schach, Shogi und Go auf übermenschlichem Niveau, ohne jegliches menschliches Spielwissen.

Im Jahr 2016 richtete Hassabis ein großes Forschungsprogramm auf die Proteinstrukturvorhersage aus, eine 50-jährige Herausforderung der Strukturbiologie. AlphaFold 1 gewann den CASP13-Wettbewerb im Dezember 2018 mit dem größten Vorsprung in der Geschichte des Wettbewerbs. AlphaFold 2, das im November 2020 vorgestellt wurde, erreichte eine mediane GDT-Genauigkeit von 87,0 bei Free-Modelling-Zielen – konkurrenzfähig mit der experimentellen Kristallographie –, was die CASP-Organisatoren dazu veranlasste, das Proteinfaltungsproblem als „im Wesentlichen gelöst“ zu erklären. DeepMind veröffentlichte anschließend die vorhergesagten Strukturen aller 200 Millionen bekannten Proteine über die in Zusammenarbeit mit EMBL-EBI entwickelte AlphaFold-Proteinstrukturdatenbank, die jedem Forscher weltweit kostenlos zur Verfügung steht.

Weitere bedeutende Beiträge von DeepMind unter Hassabis‘ Führung sind: der Einsatz von KI zur Reduzierung des Energieverbrauchs in Googles Rechenzentren um 40 % durch Kühlung; die Neural Turing Machine und der Differentiable Neural Computer; AlphaStar (StarCraft II); AlphaCode (wettbewerbsorientierte Programmierung); AlphaDev (Algorithmenentdeckung); GNoME (Materialwissenschaften); AlphaProteo (Design von Proteinbindern); und WeatherBench/GraphCast zur verbesserten Wettervorhersage.

Im April 2023 gab Alphabet die Fusion von Google Brain und DeepMind zu einer Einheit – Google DeepMind – bekannt, mit Hassabis als CEO, der direkt an Sundar Pichai berichtet. Jeff Dean wurde Chief Scientist. Die fusionierte Organisation beschäftigt mehrere tausend Forscher und Ingenieure.

Isomorphic Labs – Mitgründer (2021–heute)

Im November 2021 gründete Hassabis Isomorphic Labs als separate Alphabet-Tochter, die KI – insbesondere auf AlphaFold basierende Technologie – für die Wirkstoffforschung einsetzt. Er gehört dem Führungsteam neben CEO Karl Köllisch (seit 2024) an. Isomorphic hat mehrjährige Partnerschaften zur Wirkstoffforschung mit Eli Lilly und Novartis geschlossen und verfolgt KI-first-Ansätze für Moleküldesign und Target-Identifikation.

Wichtigste Beiträge

  • Deep Q-Network (DQN) (Nature, 2015) – Ein Agent für bestärkendes Lernen, der Q-Learning mit tiefen konvolutionellen neuronalen Netzen kombiniert und 49 Atari-Spiele auf übermenschlichem Niveau aus rohen Pixeln erlernte; begründete das Feld des Deep Reinforcement Learning und erschien auf der Titelseite von Nature.
  • AlphaGo (Nature, 2016) – Das erste Programm, das einen professionellen Go-Spieler unter Turnierbedingungen besiegte; kombinierte tiefe neuronale Netze mit Monte-Carlo-Baumsuche und Selbstspiel; wurde von den Go-Verbänden Koreas, Chinas und Japans mit dem Ehren-9-Dan ausgezeichnet.
  • AlphaZero (2017) – Verallgemeinerte AlphaGo auf Tabula-Rasa-Selbstspiel für Go, Schach und Shogi und erreichte in jedem innerhalb von 24 Stunden übermenschliches Niveau ohne menschliches Spielwissen, was die Universalität des zugrunde liegenden Algorithmus demonstrierte.
  • AlphaFold 2 (Nature, 2021) – Sagte die dreidimensionalen Strukturen von Proteinen aus Aminosäuresequenzen mit atomarer Genauigkeit voraus und löste damit effektiv das 50 Jahre alte Proteinfaltungsproblem; die daraus resultierende Datenbank mit 200 Millionen frei veröffentlichten Strukturen veränderte die Strukturbiologie, die Wirkstoffforschung und die grundlegende biologische Forschung. Vom Nobelkomitee als ein Beitrag „zum Wohle der gesamten Menschheit“ anerkannt.
  • Episodisches Gedächtnis und Vorstellungskraft (PNAS, 2007; Trends in Cognitive Sciences, 2007) – Zeigte, dass eine Schädigung des Hippocampus die Fähigkeit beeinträchtigt, sich neue zukünftige Erfahrungen vorzustellen, ebenso wie die Erinnerung an die Vergangenheit, und begründete die Theorie der Szenenkonstruktion des episodischen Gedächtnisses; aufgeführt unter den zehn wichtigsten wissenschaftlichen Durchbrüchen des Jahres 2007 von Science.
  • AlphaDev (Nature, 2023) – Nutzte bestärkendes Lernen, um neuartige Sortieralgorithmen zu entdecken, die schneller sind als alle zuvor bekannten; stellt den ersten KI-entdeckten Algorithmus der Informatik dar, der in einen Produktions-Compiler übernommen wurde.
  • GNoME (Nature, 2023) – Ein KI-System, das 2,2 Millionen stabile neue kristalline Materialien vorhersagte, die Anzahl der bekannten stabilen anorganischen Materialien um den Faktor zehn erweiterte und neue Richtungen in den Materialwissenschaften eröffnete.
  • Neurosymbolische KI-Agenda – Förderte und operationalisierte die Forschungsperspektive, KI-Systeme auf Prinzipien der Systemneurowissenschaften zu gründen – Gedächtnis, Aufmerksamkeit, Vorstellungskraft, Planung – ein Programm, das DeepMinds Forschungsagenda von Anfang an prägte.

Auszeichnungen & Anerkennungen

  • Nobelpreis für Chemie (2024, mit John Jumper) – Verliehen für die computergestützte Proteinstrukturvorhersage mittels AlphaFold; der erste Nobelpreis, der hauptsächlich für KI-gesteuerte wissenschaftliche Entdeckungen verliehen wurde.
  • Albert Lasker Award for Basic Medical Research (2023) – Wird oft als amerikanischer Nobelpreis bezeichnet; verliehen für AlphaFold.
  • Breakthrough Prize in Life Sciences (2023) – Für AlphaFolds Beitrag zur Strukturbiologie.
  • Canada Gairdner International Award (2023) – Für AlphaFold.
  • Prinzessin-von-Asturien-Preis für technische und wissenschaftliche Forschung (2022, gemeinsam mit Bengio, Hinton und LeCun)
  • Zum Ritter geschlagen (Knight Bachelor) (2024) – Für Verdienste um die künstliche Intelligenz.
  • CBE (2017) – Für Verdienste um Wissenschaft und Technologie.
  • Fellow of the Royal Society (FRS) (2018)
  • Fellow of the Royal Academy of Engineering (FREng) (2017)
  • Dan-David-Preis (2020)
  • Pius-XI.-Medaille, Päpstliche Akademie der Wissenschaften (2020)
  • BCS Lovelace Medal (2023)
  • Time 100 (2017, 2025); Time Person of the Year (2025, „Architekten der KI“)
  • Nature’s 10 (2016)
  • Neun Titelgeschichten des Nature-Magazins (2015, 2016, 2019, 2020, zwei im Jahr 2021, 2022, 2024, 2026)
  • Science Durchbruch des Jahres (bei vier verschiedenen Gelegenheiten aufgeführt)
  • Internationales Mitglied, US National Academy of Engineering (2026)

Wichtige Beziehungen

  • Shane Legg – Mitgründer von DeepMind; traf sich während ihrer jeweiligen Postdoc-Zeit an der Gatsby Computational Neuroscience Unit; Leggs Arbeiten zu universellen Intelligenzmaßen lieferten einen Teil der theoretischen Grundlage für DeepMinds AGI-Mission.
  • Mustafa Suleyman – Mitgründer von DeepMind und Jugendfreund; verließ DeepMind 2022 und ist heute CEO von Microsoft AI; die beiden haben sich seit Suleymans Weggang öffentlich über den Rahmen der KI-Sicherheit auseinandergesetzt.
  • David Silver – Cambridge-Freund, der früh zu DeepMind stieß; leitender Forscher bei AlphaGo, AlphaZero und AlphaCode; ihre Zusammenarbeit ist eine der produktivsten in der modernen KI-Forschung.
  • John Jumper – Leitender Forscher bei DeepMind und Nobel-Mitpreisträger; leitete die technische Entwicklung von AlphaFold 2, insbesondere die auf Aufmerksamkeit basierende Transformer-Architektur, die auf multiple Sequenzalignments angewendet wird.
  • Eleanor Maguire – Doktormutter am UCL; unter deren Anleitung Hassabis die grundlegenden hippokampalen neurowissenschaftlichen Arbeiten durchführte, die sein theoretisches Rahmenwerk für Gedächtnis und Vorstellungskraft prägten.
  • Peter Dayan – Postdoktoranden-Betreuer an der Gatsby-Einheit; eine führende Figur der Computational Neuroscience, dessen Arbeit über die neurale Grundlage des bestärkenden Lernens die ursprüngliche Forschungsausrichtung von DeepMind direkt beeinflusste.
  • Jeff Dean – Googles Chief Scientist und Hassabis‘ Gegenüber bei der Fusion 2023, die Google DeepMind schuf; die beiden leiten nun gemeinsam Alphabets vereinheitlichte KI-Forschungsorganisation.
  • Sundar Pichai – Alphabet-CEO und direkter Vorgesetzter von Hassabis seit der Google-DeepMind-Fusion; beaufsichtigte sowohl die Übernahme 2014 als auch die Konsolidierung 2023.

Persönlicher Stil

Hassabis ist unter Tech-Gründern ungewöhnlich, da er wissenschaftliche Tiefe anstrebte – einen Doktortitel in kognitiver Neurowissenschaft, eine Reihe veröffentlichter Arbeiten zu Gedächtnis und Vorstellungskraft –, bevor er zurückkehrte, um ein kommerzielles Labor aufzubauen. Seine öffentliche Kommunikation ist gemessen, technisch präzise und durchgängig auf das langfristige wissenschaftliche Programm ausgerichtet: Wo Zeitgenossen über Quartalsbenchmarks sprechen, spricht er in Jahrzehnten und zivilisatorischen Einsätzen. Er hat AlphaFold nicht als Produkt, sondern als „Leuchtturmprojekt“ beschrieben – ein Signal dafür, welche Art von Problemen KI angehen könnte – und er stellt aktuelle KI-Fähigkeiten häufig als frühe Schritte in Richtung eines Systems dar, das wissenschaftliche Entdeckungen wirklich beschleunigen könnte. In Bezug auf Sicherheit ist seine Position vorsichtig, aber nicht katastrophistisch: Er unterzeichnete 2023 die CAIS-Erklärung zum KI-Aussterberisiko und argumentierte gleichzeitig, dass eine globale Entwicklungspause nicht durchsetzbar wäre und die potenziellen Vorteile der Technologie im Gesundheits- und Klimabereich verspielen würde. Er hat gesagt, KI werde „zehnmal größer sein als die Industrielle Revolution – und vielleicht zehnmal schneller“. Außerhalb der Forschung ist seine lebenslange Beschäftigung mit Spielen – Schach, Go, Poker, Diplomacy – kein Zufall: Er hat ausgeführt, dass Spiele die saubersten möglichen Testumgebungen für Lern- und Planungsalgorithmen boten und dass diese Intuition DeepMinds frühes Programm antrieb.

Referenzen