工程哲学：戴密斯·哈萨比斯，破解智能即破解一切

核心要点

• 整个计划只有两步：先破解智能，再用它去破解其他一切。 这句话——哈萨比斯为DeepMind创立时给出的真实表述——就是全部战略。先构建一个通用的学习系统，而非某个狭窄的系统，再把它指向科学中最艰难的问题。乍听起来像是狂妄，直到你看着他按部就班地把它一步步实现。¹⁷
• 游戏是试验场，而非目的。 2016年3月，AlphaGo以4比1击败李世石——比专家预测提前了整整十年——而第二局的”第37手”，一步人类大约只有万分之一概率会选择的棋，展现出系统在创造而非模仿。⁵ 哈萨比斯之所以选择游戏，是因为它们自成体系、目标明确，是强化学习的理想沙箱。⁷
• 随后他把这份智能转向生物学，并赢得了诺贝尔奖。 2020年的CASP14上，AlphaFold2破解了困扰学界50年的蛋白质结构预测难题；如今AlphaFold数据库收录了约2亿个蛋白质的结构，被超过200万名研究者使用。⁸⁹ 2024年，哈萨比斯与约翰·江珀（以及大卫·贝克）共同获得诺贝尔化学奖——第二步，兑现。¹⁰¹¹
• 从国际象棋神童，到游戏设计师，到神经科学家，再到创始人。 1976年生于伦敦，十三岁便达到国际象棋大师水平，十七岁参与设计《主题公园》，剑桥双科一等学位，随后在UCL攻读认知神经科学博士、研究记忆与想象——每一段经历都为下一段铺路。¹²³⁴

核心理念

“第一步，破解智能；第二步，用它去破解其他一切。” —— 戴密斯·哈萨比斯，谈DeepMind的创立计划⁷

绝大多数雄心勃勃的技术都是反过来构建的。你挑一个问题——搜索、推荐、欺诈检测——然后构建出能解决那个特定问题的最狭窄、最可靠的系统。通用性被当作一种奢侈品，要等以后才能赢得，甚至永远赢不到。哈萨比斯把次序颠倒了过来。他押的注是：正确的第一步不是去解决任何具体问题，而是去破解那种能解决问题的通用能力——构建一个学习系统，让它能掌握那些它从未被专门设计去应对的领域——然后才把它对准最重要的目标。⁷

这正是为什么那句话里的次序举足轻重。”破解智能”排在第一，并非因为应用不重要，而是因为在他看来，一个足够通用的智能是你所能构建的杠杆率最高的工具：一次破解，你得到的便是一把能开许多锁的钥匙，而非一件只为某一把锁打造的工具。这句话听起来可能像是夸夸其谈，而且本来也确实会是——若不是他随后花了十五年，当众一步步走完这两步，并在第二步的终点捧回一座诺贝尔奖。¹⁰

口号背后的方法包含两种不同寻常的成分。第一是以神经科学为灵感：哈萨比斯研究大脑，正是为了从中挖掘算法思路，其依据在于——我们已知的唯一一种通用智能，值得在你试图构建另一种之前先去理解。⁷ 第二是以游戏为试验场：这些自成体系的世界拥有清晰的目标函数，学习系统可以在其中被训练、被衡量、被推向超越人类的水平，然后才被托付以真实世界的事务。⁷ 从游戏，到通用学习，再到科学发现——这就是完整的弧线，而它的核心理念可浓缩为一句话：破解智能，再用它去破解其他一切。

背景

戴密斯·哈萨比斯于1976年7月27日生于伦敦，父亲是希腊裔塞浦路斯人，母亲是华裔新加坡人。¹ 他四岁起就是国际象棋神童；十三岁时，他的Elo等级分已达约2300，跻身大师水平，并担任英格兰少年队队长。¹ 国际象棋在这里绝非一个无关紧要的脚注——它是整套世界观的源头。一个孩子花上数年去计算棋路、评估局面、选择最佳后续，在青春期之前就已内化了日后支撑AlphaGo的那套精确循环：向前推演，评估，抉择。

下一章是游戏——亲手构建游戏。在赢得Bullfrog Productions一份工作的竞赛后，哈萨比斯十七岁便与彼得·莫利纽合作，参与设计并主导编程了模拟经典《主题公园》；这款游戏售出数百万份，助推了经营模拟这一品类的诞生。² 此后，他成为Lionhead工作室《黑与白》的首席AI程序员，随后创办了自己的工作室——Elixir Studios，推出了《共和国：革命》和《邪恶天才》。¹ 他人生中的十年都投入到编写模拟智能行为的软件上——人群、生物、对手——而这恰恰是你会为一个即将着手构建真正智能的人所设计的学徒历练。

然后他回到了第一性原理。他曾于1997年在剑桥取得计算机科学的双科一等学位，而后又重返学界，于UCL攻读认知神经科学博士（2009年），研究情景记忆与想象——他发现，海马体受损的患者不仅难以回忆过去，也难以想象新颖的未来场景。¹³⁴ 对一位AI构建者而言，这是一个意味深长的发现：记忆的机制与想象的机制，是同一套机制。他在Gatsby计算神经科学单元做了博士后研究，并于2010年与谢恩·莱格、穆斯塔法·苏莱曼共同创立了DeepMind；谷歌于2014年将其收购。¹ 国际象棋教会他搜索；游戏教会他模拟；神经科学教会他通用智能从内部看是什么样子。DeepMind正是这三者交汇之处。

工作成果

游戏作为试验场：AlphaGo与第37手

先从引擎本身的微缩形态说起。早在神经网络出现之前，一台下棋机器背后的核心思路就是向前推演：在落子之前，先设想对手的应对、你对这些应对的回应，如此沿着可能性之树一路推演下去，为每条棋路的终局打分，再假定双方都走得最好，选出通向最佳结局的那一步。下方的小组件正是这一思路被剥离到最小形态的样子——一局井字棋，对手会在每一步之前搜遍所有后续，因而无法被击败。下上一局，你就是在与AlphaGo的曾祖父对弈。

井字棋足够小，可以一直搜索到终局。围棋则不然。一张围棋棋盘的合法局面数量，比可观测宇宙中的原子还要多，这正是为何暴力向前推演——那种攻克了国际象棋的技术——在围棋上数十年来屡屡失败。⁵ DeepMind的做法是保留搜索，但让它变得智能：AlphaGo将蒙特卡洛树搜索与两个深度神经网络结合起来——一个策略网络负责提出有希望的着法（这样你就不会把搜索浪费在糟糕的着法上），一个价值网络负责判断某个局面有多好（这样你就不必把每条棋路都读到底）。这些网络先在人类高手的对局上训练，再通过强化学习加以磨砺，与自身的不同版本对弈数百万局。⁵

2016年3月，在首尔，AlphaGo以4比1击败了李世石——当今最伟大的棋手之一——观战者超过2亿人，这比专家预测的时间大约提前了十年。⁵ 定义这一刻的，是第二局的第37手：系统自己估计，人类选择这步棋的概率只有约万分之一，解说员起初将其解读为失误，后来才明白那是神来之笔。这是世界第一次目睹一台机器，在人类已精研了数千年的领域里，产出的不是对人类天才的模仿，而是某种真正崭新的东西。⁵ 这正是游戏阶段的全部意义：不在于取胜，而在于证明一个学习系统能够发现。

AlphaZero：只凭规则，从零学起

AlphaGo仍然依赖一根拐杖：它要从一个人类对局数据库起步引导。下一步连这根拐杖也撤掉了。AlphaZero（2017年提出，完整结果于2018年发表于《Science》）只被告知一局游戏的规则，随后纯粹通过自我对弈、从随机落子开始，完全靠自己学习——没有人类对局，没有开局棋谱，没有任何手工编写的启发式规则。⁶ 一张白纸。从这样的空白起点出发，它在围棋、国际象棋和将棋上都达到了超越人类的水平，胜过了最强的专用引擎——而且它用的是同一个通用算法，套用在三种截然不同的游戏上，这是迄今对”通用智能”中那个”通用”二字最清晰的证据。⁶

我觉得最有教益的细节，是它如何取胜的。在国际象棋中，AlphaZero每秒只搜索约6万个局面，而传统引擎Stockfish每秒搜索6千万个——少了一千倍——却仍然胜出，因为它习得的直觉会告诉它哪些棋路根本值得一读。⁶ 它的棋风还透着一种异类的、舍子的、极具大局观的味道，令特级大师们大为意外。这与第37手是同一个教训，只是被推广了：当你不再强迫一个系统去模仿人类知识，而是让它从零开始学习一个问题的结构时，它不只是与我们打成平手——它会找到我们遗漏的东西。这就是从”破解智能”通向第二步的桥梁，因为科学中大多数难题，本就没有一本人类的棋谱可供照抄。

AlphaFold：把智能转向科学（2024年诺贝尔奖）

然后哈萨比斯用掉了那把钥匙。半个世纪以来，生物学的宏大挑战一直是蛋白质折叠问题：一个蛋白质是一条氨基酸链，会折叠成精确的三维形状，这个形状决定了蛋白质能做什么，而从序列预测形状，曾让每一种方法都铩羽而归。用实验方法测定一个结构，可能耗时数年、花费巨资。⁸⁹

在2020年的CASP14——这一领域每两年一度的盲测评估——上，DeepMind的AlphaFold2将结构预测到与实验答案相差大约一个原子宽度的精度，比次优系统大约准确三倍，对大多数蛋白质而言已可与实验室相媲美。⁸ CASP的组织者宣布，这个困扰了50年的问题基本被破解。⁸ 随后DeepMind做了那件把成果变成基础设施的事：它发布了AlphaFold蛋白质结构数据库，从人类蛋白质组一路扩展到约2亿个结构——几乎涵盖科学界已知编录的每一种蛋白质，且免费开放，如今被190个国家的超过200万名研究者使用。⁹¹¹

2024年10月，诺贝尔委员会将诺贝尔化学奖的一半授予哈萨比斯及其同事约翰·江珀，以表彰”蛋白质结构预测”，另一半则授予大卫·贝克，以表彰”计算蛋白质设计”。¹⁰¹¹ 哈萨比斯同年因对人工智能的贡献被授予爵士头衔。¹ 值得细细体味的是其中的次序：这并不是一次从游戏到生物学的独立职业转向。它是那句原话的第二步。先构建一个通用学习系统，在目标干净的地方（一局游戏）验证它，再把它对准一个目标形状相同的问题——同样是浩瀚的搜索空间、同样是清晰的评分函数——但回报却是一件惠及整个生物学的工具。

使命与Isomorphic：接下来是什么

如果说AlphaFold证明了这一论点，那么Isomorphic Labs——由哈萨比斯创立并领导，2021年从DeepMind分拆而出——便是将其产业化的尝试：用AI重新发明药物发现的流程，把从靶点到分子的整条管线，都当作一个AlphaFold式系统可以攻克的问题。¹ 这又是第二步，只是目标更大：从预测一个蛋白质的形状，到设计出与之结合的分子。与此同时，DeepMind对外宣称的使命已拓宽为以负责任的方式构建AI、造福人类，而哈萨比斯也成为在AGI议题上更为审慎的资深声音之一——他之所以呼吁谨慎，恰恰是因为他对”破解其他一切”这后半句是认真当真的。⁷ 这一模式在两个方向上都成立：雄心是巨大的，而关于如何抵达那里的纪律，也同样严肃。

方法

哈萨比斯的方法异常清晰可辨，因为他亲口讲述过它。剥去外界的喧嚣，它是一份可复用的配方。

瞄准通用能力，而非具体任务。 那个决定性的抉择，是先”破解智能”、再谈应用——构建一个能够泛化的学习系统，而非那个能交付的最狭窄之物。大多数团队负担不起这样做。其中的纪律在于：辨清何时通用性才是真正的杠杆，何时它只是拖延。⁷

深挖那个唯一管用的样本。 世上恰好只存在一种通用智能——大脑——于是哈萨比斯研究神经科学，去窃取它的思路。当一个问题在自然界已有一个已知的解时，深入理解它胜过从头发明。同样的本能贯穿了这个系列：把已经管用的结构编码进去，而非重新发明它，正如LeCun把平移不变性烘焙进卷积之中。⁷

先建好试验场，再造产品。 游戏给了他自成体系、目标函数清晰的世界，系统可以在其中被诚实地训练和衡量，然后才去触碰任何要紧的事物。普适的教训是：投资于那个能让你获得干净、快速信号、判断东西是否管用的环境。一个你信得过的基准，胜过一个你信不过的观点——这是把证据关口应用到整个研究计划之上。⁷

条件允许时，撤掉人类这根拐杖。 AlphaGo从人类对局中学习；AlphaZero一局都不学，反而更强。当一个系统成熟到足以直接学习一个问题的结构时，人类提供的脚手架反而会变成一道天花板。懂得何时该把它一脚踢开，本身就是一种本领。⁵⁶

然后把能力花在要紧的事上。 让这整件事不止于一场炫技的纪律，在于第二步真的发生了。下棋从来不是目的；AlphaFold才是。没有值得的目标，能力便是不完整的——这是把Steve测试——即追问这份工作是否配得上存在——应用到智能本身之上。⁸¹⁰

影响链

谁塑造了他

国际象棋。 在计算机科学之前，在神经科学之前，先有那张棋盘。一位大师所内化的向前推演、评估与抉择的循环，正是支撑AlphaGo和AlphaZero的那个循环。哈萨比斯在孩提时代靠亲身经历学会了这套算法。（奠基性影响）

被刻意研究的大脑。 哈萨比斯攻读认知神经科学博士，明确就是为了向我们已知的唯一通用智能学习，研究记忆与想象所共享的那套机制。在他这里，”AI应当受大脑启发”这一押注不是一个比喻；它是一份研究计划。（直接影响）

深度学习革命。 AlphaGo和AlphaFold的内核都是深度神经网络，而这条血脉笔直地穿过Geoffrey Hinton——他的工作让这些网络变得可训练——以及Yann LeCun——他的卷积架构教会网络看见结构。哈萨比斯构建了搜索与系统；他们构建了它赖以学习的底层基质。（直接影响）

他塑造了谁

面向科学的AI。 AlphaFold不只是解决了一个问题；它确立了一个范本——一个通用学习系统，对准一个目标干净的科学难题，便能跑赢数十年的专门努力。每一个”某领域的AlphaFold”项目，都流淌在那次示范的下游。

规模化的强化学习。 AlphaGo和AlphaZero是那个经典论断的证明：带自我对弈的深度强化学习，能够在浩瀚的搜索空间里达到并超越人类的专业水准，从而重塑了整整一个子领域对”何为可能”的认知。

公众对AI的想象。 对数以亿计的人来说，第37手和那场李世石之战，正是机器停止模仿、开始创造的时刻。这一文化坐标，也是他影响力的一部分。

贯穿线

哈萨比斯正是这个系列中深度学习这一支从感知转向行动与发现的拐点。Fei-Fei Li提供了教会网络看见的数据；Geoffrey Hinton让这台学习机器真正运转；Yann LeCun赋予它寻找结构的架构。哈萨比斯接过这些同样的网络，用搜索与自我对弈将它们包裹起来——一个不只是给世界分类、而是在世界中行动、规划并发现的系统。这条向前的线索自然地延伸到Andrej Karpathy的”软件2.0”，即一个程序由数据编译而成、而非由手工写就的理念，而AlphaZero恰恰就是如此：没有任何策略规则被编入，只有游戏的规则和一份奖励，其余一切皆由学习得来。LeCun说去学会看；Hinton说学习是管用的；Li说这里有一个可供学习的世界；哈萨比斯则说：现在，用它去做点什么——并把它对准了生物学中一个困扰了五十年的问题。（系列桥梁）

我从中得到的

我从哈萨比斯身上记取的教训，关乎为雄心排序。”破解智能，再破解其他一切”这句话，很容易被当作一个创始人的自大狂语而加以嘲笑，而且本来也确实会是——只不过他把它当成一份字面意义上的两步计划，并当众、按次序地把这些步骤执行了十五年，在第二步的终点摆着一座诺贝尔奖。纪律不在于雄心的尺寸；而在于拒绝跳过试验场。他没有在第一天就声称要治愈疾病。他构建了一个系统，在评分毫不含糊的地方以超越人类的方式验证了它，然后才把它对准那个要紧的目标。这重新排列了我思考宏大目标的方式：陈述那个大胆的终点，但要先在一个干净的基准上赢得抵达它的资格。这是把质量是唯一的变量应用到一份路线图上——要问的是”这份能力是真的吗”，而非”这个应用够不够惊艳”。

第二个教训更安静，贯穿了整条弧线：最好的点子往往来自研究那个已经管用的唯一样本。哈萨比斯没有在抽象层面空谈智能；他去研究了大脑，因为它是那个存在性证明。当我卡住时，该走的一步很少是在真空里从第一性原理凭空发明——而是去找到那个已经解决了这个问题某个版本的系统，并把为何它运作良好理解透彻，透彻到足以窃取那个点子。国际象棋给了他搜索，大脑给了他架构，游戏给了他沙箱，而生物学给了他一个值得的目标。没有任何一段被白白浪费，因为每一章都是他在为下一章深挖一个管用的样本。先破解智能，再用它——但在那之前，先去向那个已经拥有它的东西学习。

常见问题

戴密斯·哈萨比斯的工程哲学是什么？

先破解智能，再用它去破解其他一切。哈萨比斯没有去构建解决某个具体任务的最狭窄系统，而是押注于构建一个通用的学习系统——受大脑运作方式启发，在目标干净的游戏中验证——然后把这份通用能力对准科学中最艰难的问题。⁷ 这套战略之所以清晰可辨，是因为他按次序执行了它：AlphaGo和AlphaZero证明了这份智能既真实又通用，而AlphaFold则把它花在了生物学的蛋白质折叠问题上，赢得了一座诺贝尔奖。⁵⁶⁸¹⁰

AlphaGo是如何运作的，第37手又是什么？

AlphaGo将蒙特卡洛树搜索与两个深度神经网络结合起来：一个策略网络负责提出有希望的着法，一个价值网络负责判断某个局面有多好，它们先在人类对局上训练，再通过自我对弈的强化学习加以磨砺。⁵ 由于围棋的合法局面比宇宙中的原子还多，穷举搜索是不可能的——这些网络转而让系统得以智能地搜索。2016年3月，AlphaGo在首尔以4比1击败李世石，而第二局的”第37手”——一步人类大约只有万分之一概率会选择的棋——正是机器在人类已精研数千年的游戏中产出一个真正新颖想法的那一刻。⁵

AlphaGo和AlphaZero有什么区别？

AlphaGo在通过自我对弈精进之前，部分地从一个人类高手对局数据库中学习。AlphaZero（2017年）则彻底撤掉了人类数据：只被告知一局游戏的规则，它便从随机落子起步，纯靠自我对弈的强化学习自己摸索——一张白纸。⁶ 从这样的空白起点出发，一个单一的通用算法在围棋、国际象棋和将棋上都达到了超越人类的水平，在搜索远少得多的局面的同时击败了最强的专用引擎，因为它习得的直觉会告诉它哪些棋路值得一读。⁶ AlphaZero是”通用”智能更有力的证据，因为同一套方法在三种不同的游戏上都管用，且无需任何针对特定领域的调校。

AlphaFold是什么，它为何赢得诺贝尔奖？

AlphaFold是DeepMind用于从氨基酸序列预测蛋白质三维结构的AI系统——那个”蛋白质折叠问题”已抵抗破解约五十年之久。⁸⁹ 在2020年的CASP14评估上，AlphaFold2将结构预测到大致原子级的精度，可与实验方法相媲美，组织者宣布该问题基本被破解。⁸ DeepMind发布了约2亿个预测结构——几乎涵盖每一种已知蛋白质——免费供研究者使用。⁹ 2024年，哈萨比斯与约翰·江珀因”蛋白质结构预测”被授予诺贝尔化学奖的一半，并与因”计算蛋白质设计”受表彰的大卫·贝克共享此奖。¹⁰¹¹

来源