工程哲學：Demis Hassabis，解開智慧以解決一切

重點摘要

• 整個計畫只有兩步：先解開智慧，再用它解決其餘的一切。 這句話——正是Hassabis當年為DeepMind提出的創業願景——就是整套策略。打造一套通用的學習系統，而非侷限於單一用途，再將它指向科學中最艱難的問題。聽起來像狂妄自大，直到你看著他按部就班把它實現出來。¹⁷
• 遊戲是試煉場，不是目的。 AlphaGo在2016年3月以4比1擊敗李世乭——比專家預測足足提早了十年——而第二局的「第37手」，這一手由人類選出的機率大約只有萬分之一，展現出系統正在「創造」而非「模仿」。⁵ Hassabis選擇遊戲，是因為遊戲自成一格、目標明確，是強化學習的理想沙箱。⁷
• 接著他把這份智慧轉向生物學，並贏得諾貝爾獎。 AlphaFold2在2020年的CASP14上解開了懸宕50年的蛋白質結構預測難題；如今AlphaFold資料庫收錄了約2億個蛋白質結構，供超過兩百萬名研究人員使用。⁸⁹ 2024年，Hassabis與John Jumper（以及David Baker）共同獲頒諾貝爾化學獎——第二步，兌現了。¹⁰¹¹
• 從西洋棋神童，到遊戲設計師，到神經科學家，再到創辦人。 他1976年生於倫敦，十三歲便達到西洋棋大師水準，十七歲共同設計了Theme Park，在劍橋拿下雙料一等學位，之後又在UCL攻讀認知神經科學博士，研究記憶與想像——每一段歷程都為下一段鋪路。¹²³⁴

核心理念

「第一步，解開智慧；第二步，用它解決其餘的一切。」——Demis Hassabis，談DeepMind的創業計畫⁷

多數雄心勃勃的科技，走的是相反的路。你挑一個問題——搜尋、推薦、詐欺偵測——然後打造出能解決那一件事、最精準也最可靠的系統。通用性被當成一種奢侈品，要日後才掙得來，甚至永遠掙不來。Hassabis把這個順序顛倒了過來。他賭的是：正確的第一步不是去解決任何特定問題，而是去解開那種「解決問題」的通用能力——打造一套能精通自己從未專門為之設計之領域的學習系統——然後才把它瞄準最重要的目標。⁷

正因如此，這句話的順序至關重要。「解開智慧」之所以排在前面，並不是因為應用不重要，而是因為在他看來，一套足夠通用的智慧，是你所能打造出最具槓桿效益的工具：解開它一次，你得到的是一把能開許多鎖的鑰匙，而不是一件只為單一用途塑形的工具。這句話讀來或許狂妄，而它本來也會是——若他沒有接著花上十五年，公開地把這兩步依序走完，並在第二步走到盡頭時捧回一座諾貝爾獎。¹⁰

這句口號底下的方法，有兩種不尋常的成分。第一是以神經科學為靈感：Hassabis研究大腦，正是為了從中挖掘演算法的點子，其理論是——我們已知唯一的通用智慧，值得在你動手打造另一套之前先去理解透徹。⁷ 第二是以遊戲為試煉場：遊戲是自成一格、目標函數明確的世界，學習系統可以在其中接受訓練、被衡量，並被推向超越人類的水準，然後才被託付任何真實的任務。⁷ 從遊戲到通用學習，再到科學發現——這就是完整的弧線，而原則濃縮成一句話便是：解開智慧，再用它解決其餘的一切。

背景脈絡

Demis Hassabis於1976年7月27日生於倫敦，父親是希臘裔賽普勒斯人，母親是華裔新加坡人。¹ 他四歲起便是西洋棋神童；十三歲時已達到大師水準，Elo等級分約2300，並擔任英格蘭青少年代表隊隊長。¹ 西洋棋在這裡絕非無關緊要的腳註——它正是整套世界觀的源頭。一個花上數年計算棋路、評估局面、選出最佳續著的孩子，早在青春期之前，就已將日後支撐起AlphaGo的那套循環內化於心：向前看、評估、選擇。

下一段歷程是遊戲——而且是親手打造遊戲。Hassabis在一場競賽中贏得Bullfrog Productions的工作機會後，十七歲便與Peter Molyneux共事，共同設計並擔任主程式，做出了模擬經典Theme Park；這款遊戲賣出數百萬套，並協助催生了經營模擬類型。² 後來他在Lionhead擔任Black & White的首席AI程式設計師，接著創辦自己的工作室Elixir Studios，推出Republic: The Revolution與Evil Genius。¹ 他人生中有整整十年，投入在打造模擬智慧行為的軟體——人群、生物、對手——這正是你會為一個即將嘗試打造「真貨」的人，所設計的學徒生涯。

接著他回到第一原理。他曾於1997年在劍橋拿下電腦科學的雙料一等學位，後來又重返學界，在UCL攻讀認知神經科學博士（2009年），研究情節記憶與想像——他發現，海馬迴受損的病人不僅難以回憶過去，也難以想像嶄新的未來場景。¹³⁴ 對一個AI打造者而言，這是個深刻的發現：記憶的機制與想像的機制，是同一套機制。他曾在Gatsby計算神經科學中心進行博士後研究，並於2010年與Shane Legg、Mustafa Suleyman共同創辦DeepMind；Google在2014年將其收購。¹ 西洋棋教會他搜尋；遊戲教會他模擬；神經科學教會他通用智慧從內部看起來是什麼模樣。DeepMind，正是這三者匯流之處。

成就與作品

以遊戲為試煉場：AlphaGo與第37手

先從引擎本身、以微縮的形式說起。早在神經網路之前，一台下棋機器背後的核心想法，就是向前看：在落子之前，先想像對手的回應、你對那些回應的回應，如此沿著一棵可能性之樹一路推演下去，為每條棋路最終的結果評分，然後在雙方都下得好的假設下，選出能導向最佳結局的那一手。下方的元件，就是把這個想法剝到最精簡的形式——井字遊戲，對手會在每一步之前搜遍所有續著，所以它無法被擊敗。玩玩看，你正在對弈的，是AlphaGo的曾祖父。

井字遊戲小到足以搜尋到底。圍棋則不然。一張圍棋盤的合法局面，比可觀測宇宙中的原子還多，這正是為什麼暴力向前看——那套破解了西洋棋的技術——在圍棋上失敗了數十年。⁵ DeepMind的做法，是保留搜尋，但讓它變得聰明：AlphaGo結合了蒙地卡羅樹搜尋與兩張深層神經網路——一張策略網路負責提出有潛力的著手（這樣你就不會把搜尋浪費在爛棋上），以及一張價值網路負責判斷局面有多好（這樣你就不必把每條棋路都讀到底）。這兩張網路先以人類專家的棋譜訓練，再透過強化學習磨利，讓系統與自己的不同版本對弈了數百萬盤棋。⁵

2016年3月，在首爾，AlphaGo以4比1擊敗了李世乭——當世最偉大的棋手之一——觀眾超過兩億人，比專家預測大約提早了十年。⁵ 定義這一切的時刻，是第二局的第37手：這一手，系統自己估算人類選出的機率大約只有萬分之一，起初被講評者讀成失誤，後來才被理解為神來之筆。這是世界頭一回目睹一台機器，在一個人類已淬鍊千年的領域裡，產出的不是對人類天才的模仿，而是某種真正嶄新的東西。⁵ 這正是遊戲階段的全部重點：不在於取勝，而在於證明一套學習系統能夠發現。

AlphaZero：除了規則，什麼都不靠也能學

AlphaGo仍倚賴一根拐杖：它從一個人類棋譜資料庫起步。下一步，連那根拐杖也拿掉了。AlphaZero（2017年推出，完整成果於2018年發表於Science）只被交給一個遊戲的規則，然後完全透過自我對弈、從隨機落子開始，自學成材——沒有人類棋譜，沒有開局定石，沒有手工打造的啟發法。⁶ 一張白紙。從那片空白的起點出發，它精通了圍棋、西洋棋與將棋，達到超越人類的水準，擊敗了最強的專門引擎——而且它是用同一套通用演算法，套用到三種截然不同的遊戲上，這是迄今對通用智慧中那個「通用」最清晰的證據。⁶

我覺得最有啟發性的細節，是它如何取勝。AlphaZero在西洋棋中每秒只搜尋約六萬個局面，對手傳統引擎Stockfish則是六千萬個——少了一千倍——卻仍然勝出，因為它學會的直覺會告訴它，究竟哪些棋路根本值得一讀。⁶ 它的棋風也帶著一種異星、犧牲、極深層的局面感，讓特級大師們大感意外。這和第37手是同一個教訓，只是更為普遍：當你不再強迫一套系統去模仿人類知識，而是讓它從零開始學習一個問題的結構，它不只是追平我們——它會找出我們錯失的東西。這正是從「解開智慧」通往第二步的橋樑，因為科學中大多數的難題，打從一開始就根本沒有人類的「棋譜」可供抄襲。

AlphaFold：把智慧轉向科學（2024年諾貝爾獎）

接著，Hassabis用掉了那把鑰匙。五十年來，生物學的宏大挑戰一直是蛋白質摺疊問題：一個蛋白質是一條胺基酸鏈，會摺疊成精確的3D形狀，而那個形狀決定了蛋白質做什麼，從序列預測形狀的難題，曾抵擋住每一種方法。用實驗方法測定單一結構，可能耗時數年、所費不貲。⁸⁹

在2020年的CASP14——這個領域兩年一度的盲測評估——DeepMind的AlphaFold2將結構預測到與實驗答案相差大約一個原子寬度的精度，比次佳系統準確約三倍，而且對多數蛋白質而言，已可媲美實驗室的結果。⁸ CASP的主辦方宣告，這個懸宕50年的問題大致已經解決。⁸ DeepMind接著做了一件把成果化為基礎建設的事：它釋出了AlphaFold蛋白質結構資料庫，從人類蛋白質體一路擴張到約2億個結構——幾乎涵蓋科學界已知編目的每一個蛋白質，全部免費開放，如今全球190個國家、超過兩百萬名研究人員都在使用。⁹¹¹

2024年10月，諾貝爾委員會將諾貝爾化學獎的一半頒給Hassabis與他的同事John Jumper，表彰他們「在蛋白質結構預測方面」的貢獻，並與David Baker共享這項殊榮，後者則因「在計算性蛋白質設計方面」的成就而獲獎。¹⁰¹¹ 同年，Hassabis因對人工智慧的貢獻而獲封爵士。¹ 值得細細品味的，是那個順序：這不是一次從遊戲到生物學的職涯轉向，而是當年那句話的第二步。打造一套通用學習系統，在目標乾淨之處（一個遊戲）驗證它，然後把它瞄準一個目標形狀相同的問題——一片廣袤的搜尋空間、一個明確的評分函數——但其回報，卻是一件造福整個生物學的工具。

使命與Isomorphic：接下來呢

若說AlphaFold證明了那套論點，那麼Isomorphic Labs——由Hassabis創辦並領導，2021年從DeepMind分拆而出——便是把它工業化的嘗試：運用AI重塑藥物研發流程，把從標靶到分子的整條管線，當成一套AlphaFold式系統能夠攻克的問題來處理。¹ 這又是第二步，只是瞄準了一個更大的目標：從預測一個蛋白質的形狀，到設計能與它結合的分子。與此同時，DeepMind所宣示的使命，已擴展為負責任地打造AI以造福人類，而Hassabis也成為在AGI議題上較為審慎的資深聲音之一——他之所以呼籲謹慎，正是因為他把「解決其餘的一切」這半句話當真。⁷ 這套模式在兩個方向上都站得住腳：野心極其龐大，而對於如何抵達那裡的紀律，也同樣嚴肅。

方法論

Hassabis的方法異常清晰可讀，因為他親口把它敘述了出來。撥開媒體的喧囂，它是一份可重複的食譜。

瞄準通用能力，而非特定任務。 那個定義性的選擇，是先「解開智慧」、再談應用——打造一套能舉一反三的學習系統，而非那件最能出貨的、最侷限的東西。多數團隊負擔不起這麼做。真正的紀律，在於分辨何時通用性才是真正的槓桿，何時它不過是在拖延。⁷

從那唯一可行的範例中挖礦。 世上恰恰只存在一套通用智慧——大腦——所以Hassabis研究神經科學，以偷取它的點子。當一個問題在自然界已有一個已知解，把它理解透徹，勝過從零開始發明。同樣的本能貫穿了這整個系列：把已經行得通的結構編碼進去，而非重新發明，正如LeCun把平移不變性烘焙進卷積一樣。⁷

先打造試煉場，再打造產品。 遊戲給了他自成一格、目標函數明確的世界，讓系統能在觸碰任何要緊之物之前，被誠實地訓練與衡量。普遍的教訓是：投資在那個能讓你拿到乾淨、快速訊號、判斷東西是否管用的環境上。一個你信得過的基準，勝過一個你信不過的意見——這是把證據關卡套用到一整個研究計畫上。⁷

能拿掉人類的拐杖時就拿掉。 AlphaGo從人類棋譜學習；AlphaZero完全不靠，反而學得更好。當一套系統成熟到足以直接學習一個問題的結構，人類提供的鷹架就可能變成天花板。懂得何時該把它一腳踢開，本身就是一門功夫。⁵⁶

然後，把這份能力花在真正要緊的事情上。 讓這整件事不只是一場噱頭的紀律，在於第二步真的發生了。下棋從來就不是重點；AlphaFold才是。沒有一個值得的目標，能力便不完整——這是把追問「這份工作是否值得存在」的Steve測試，套用到智慧本身。⁸¹⁰

影響鏈

是誰形塑了他

西洋棋。 在電腦科學之前，在神經科學之前，先有棋盤。一位大師所內化的那套向前看、評估、選擇的循環，正是支撐起AlphaGo與AlphaZero的同一套循環。Hassabis在孩提時代，便藉著親身活在其中而學會了這套演算法。（奠基性影響）

刻意鑽研的大腦。 Hassabis攻讀認知神經科學博士，明確就是為了向我們已知唯一的通用智慧學習，鑽研記憶與想像所共用的那套機制。對他而言，AI應當以大腦為靈感的這個賭注，不是一種比喻；它是一份研究計畫。（直接影響）

深度學習的革命。 AlphaGo與AlphaFold的核心，都是深層神經網路，而這條血脈一路直通Geoffrey Hinton——他的工作讓網路變得可訓練，以及Yann LeCun——他的卷積架構教會了網路看見結構。Hassabis打造了搜尋與系統；他們則打造了它賴以學習的基質。（直接影響）

他形塑了誰

AI 用於科學。 AlphaFold不只解決了一個問題；它樹立了一個範本——一套通用學習系統，瞄準一個目標乾淨的艱難科學問題，就能跑贏數十年的專門努力。每一個「某領域的AlphaFold」計畫，都是那次示範的下游產物。

大規模的強化學習。 AlphaGo與AlphaZero是那個典範證明：結合自我對弈的深度強化學習，能在廣袤的搜尋空間中觸及並超越人類專家的水準，重塑了一整個子領域對「何謂可能」的信念。

大眾對AI的想像。 對數億人而言，第37手與李世乭那場對局，正是一台機器停止模仿、開始創造的那一刻。那個文化標記，也是他影響力的一部分。

貫穿的主線

Hassabis，正是這個系列的深度學習支脈，從感知轉向行動與發現之處。Fei-Fei Li供給了教會網路看見的資料；Geoffrey Hinton讓這台學習機器真的運轉起來；Yann LeCun給了它找出結構的架構。Hassabis拿起那些同樣的網路，把它們包裹進搜尋與自我對弈之中——一套不只是為世界分類、而是會在其中行動、規劃、發現的系統。這條向前的脈絡，自然延伸到Andrej Karpathy的「Software 2.0」，也就是「程式由資料編譯而成，而非由人手寫就」的想法，而這恰恰就是AlphaZero的本質：沒有寫入任何策略規則，只有遊戲的規則與一個獎勵，其餘的一切全靠學習。LeCun說，學會看見；Hinton說，這套學習行得通；Li說，這裡有個世界供你學習；而Hassabis說：現在，用它去做點什麼吧——然後把它指向一個懸宕五十年的生物學難題。（系列銜接）

我從中學到什麼

我從Hassabis身上一直記住的教訓，是關於為野心排序。「解開智慧，再解決其餘的一切」這句話，很容易被當成創辦人的浮誇之詞而加以嘲笑，而它本來也會是——只不過他把它當成一份貨真價實的兩步計畫，公開地、依序地執行了十五年，並在第二步的盡頭擺著一座諾貝爾獎。紀律不在於野心的大小；它在於拒絕跳過試煉場。他沒有在第一天就宣稱要治癒疾病。他打造了一套系統，在某個分數毫不含糊之處超越人類地驗證了它，然後才把它瞄準那個真正要緊的目標。這重新排序了我對宏大目標的思考方式：把那個大膽的終局說出來，但要先在一個乾淨的基準上掙得追求它的資格。這是把品質是唯一的變數套用到一份路線圖上——要問的是「這份能力是真的嗎」，而後才問「這個應用夠不夠亮眼」。

第二個教訓更為安靜，並貫穿整道弧線：最好的點子，往往來自鑽研那唯一一個已經行得通的範例。Hassabis並沒有抽象地對智慧高談闊論；他親身去研究大腦，因為它是那個存在的證明。當我卡住時，該做的鮮少是在真空裡從第一原理發明——而是去找出那個已經解決了某個版本問題的系統，並把它為何管用理解到足以偷走那個點子的程度。西洋棋給了他搜尋，大腦給了他架構，遊戲給了他沙箱，而生物學給了他一個值得的目標。沒有一樣是白費的，因為每一段歷程，都是他為下一段而從一個可行範例中挖礦。解開智慧，再用它——但首先，去向那個已經擁有智慧的東西學習。

常見問答

Demis Hassabis的工程哲學是什麼？

先解開智慧，再用它解決其餘的一切。Hassabis沒有去打造那件能解決特定任務、最侷限的系統，而是賭在打造一套通用的學習系統上——以大腦運作的方式為靈感，在目標乾淨的遊戲中驗證——然後把那份通用能力，指向科學中最艱難的問題。⁷ 這套策略之所以清晰可讀，是因為他依序執行了它：AlphaGo與AlphaZero證明了智慧是真的、也是通用的，而AlphaFold則把它花在生物學的蛋白質摺疊問題上，贏得一座諾貝爾獎。⁵⁶⁸¹⁰

AlphaGo如何運作，而第37手又是什麼？

AlphaGo結合了蒙地卡羅樹搜尋與兩張深層神經網路：一張策略網路負責提出有潛力的著手，以及一張價值網路負責判斷局面有多好，先以人類棋譜訓練，再透過自我對弈的強化學習加以磨利。⁵ 由於圍棋的合法局面比宇宙中的原子還多，窮舉搜尋並不可行——這兩張網路讓系統得以改用聰明的方式搜尋。2016年3月，AlphaGo在首爾以4比1擊敗李世乭，而第二局的「第37手」——這一手由人類選出的機率大約只有萬分之一——正是一台機器在一個人類已淬鍊千年的遊戲中，產出真正嶄新點子的那一刻。⁵

AlphaGo與AlphaZero有什麼不同？

AlphaGo有一部分是從一個人類專家棋譜資料庫學起，之後才透過自我對弈精進。AlphaZero（2017年）則完全拿掉了人類資料：它只被交給一個遊戲的規則，便從隨機落子開始，透過純粹的自我對弈強化學習自學成材——一張白紙。⁶ 從那片空白的起點出發，單一套通用演算法精通了圍棋、西洋棋與將棋，達到超越人類的水準，在搜尋遠少於對手局面數的情況下，擊敗了最強的專門引擎，因為它學會的直覺會告訴它，哪些棋路值得一讀。⁶ AlphaZero是對「通用」智慧更有力的證據，因為同一套方法，在三種不同的遊戲上都行得通，而且不需要任何針對特定領域的調校。

AlphaFold是什麼，它又為何贏得諾貝爾獎？

AlphaFold是DeepMind用來從胺基酸序列預測蛋白質3D結構的AI系統——也就是那個抵擋了大約五十年、無人能解的「蛋白質摺疊問題」。⁸⁹ 在2020年的CASP14評估中，AlphaFold2將結構預測到大約原子等級的精度，可媲美實驗方法，主辦方因而宣告這個問題大致已經解決。⁸ DeepMind釋出了約2億個預測結構——幾乎是每一個已知的蛋白質——免費供研究人員使用。⁹ 2024年，Hassabis與John Jumper因「在蛋白質結構預測方面」的貢獻獲頒諾貝爾化學獎的一半，並與「在計算性蛋白質設計方面」獲表彰的David Baker共享這項殊榮。¹⁰¹¹

參考來源