Демис Хассабис
1976–
Главный урок
Настоящая революция — не в одном прорыве, а в способности ставить правильную задачу. «Решить биологию» — это и есть прорыв.
Когда
1990-е — вундеркинд-шахматист (мастер FIDE в 13 лет), программист, геймдизайнер.
1998 — Theme Park, один из первых успешных симуляторов. Ему 22 года.
2005–2009 — PhD в UCL по нейронауке. Изучает, как работает гиппокамп и память.
2010 — основывает DeepMind. Цель с первого дня: «решить интеллект, потом использовать его для всего остального».
2014 — Google покупает DeepMind за $500M. Хассабис сохраняет относительную автономию.
2016 — AlphaGo побеждает Ли Седоля 4–1. «Ход 37» во второй партии — машина сделала ход, который ни один профессионал не ожидал. Оказалось — он был правильным.
2018 — AlphaFold выигрывает CASP (конкурс по предсказанию структуры белков).
2020 — AlphaFold 2 решает задачу свёртывания белков. Биологи бились над ней 50 лет. Теперь — часы вычислений.
2024 — Нобелевская премия по химии (с Джоном Джампером) за AlphaFold. В 48 лет.
Контекст
Детский гений: отец — кипрско-греческий учёный, мать — сингапурско-китайская. Шахматы с 4 лет, программирование с 8.
Шахматы дали ему понимание: чтобы выиграть, нужно думать на много ходов вперёд, оценивать позиции, рисковать. Этот навык потом лёг в основу работы с деревьями поиска в AlphaGo.
PhD по нейронауке — не случайно. Хассабис считал, что мозг — лучший образец общего интеллекта, который мы знаем. Изучать его — самый прямой путь к ИИ.
DeepMind с самого начала: «AGI — наша цель, биология — первое большое применение». Это не две разных задачи. Это одна задача, видимая с двух сторон.
Логическая цепочка
- Мозг — лучший образец общего интеллекта, который мы знаем.
- Если хочешь создать AGI — изучай, как работает мозг. Не копируй буквально, но бери принципы.
- Но моделировать мозг напрямую — слишком сложно. Нужен обходной путь.
- Альтернатива: обучать системы на задачах, которые требуют интеллекта — шахматы, го, сворачивание белков.
- Го — идеальный тест: доска 19×19, простые правила, невероятная сложность позиций. Больше комбинаций, чем атомов во Вселенной.
- AlphaGo сочетает глубокие нейросети + обучение с подкреплением + поиск по дереву. Каждый элемент — не новый, но комбинация — новая.
- «Ход 37» в матче с Ли Седолем — машина сделала ход, который ни один профессионал не ожидал. Оказалось — он был правильным. Это момент, когда ИИ впервые показал интуицию, а не перебор.
- После успеха в играх — взялись за реальные задачи. AlphaFold: предсказание структуры белка по последовательности аминокислот.
- AlphaFold 2 решил задачу, над которой биологи бились 50 лет. Превратил годы работы в часы вычислений. Это уже не ИИ, играющий в игры — это ИИ, меняющий науку.
Как ему это удавалось
- Ставил амбициозные цели (AGI, решить биологию) и шёл к ним годами. Не скромничал, не извинялся за амбицию.
- Сочетал разные области: шахматы, нейронаука, ML, инженерия, биология. Не выбирал одну — брал всё, что работало.
- Начинал с идеальной задачи-теста (Го), потом переходил к реальному миру (белки). Сначала докажи принцип в чистой области, потом переноси.
- «Мы пытаемся решить интеллект, а потом использовать его для всего остального» — это не маркетинг, а реальная стратегия. И она сработала.
- Работал в Google, но сохранил автономию. Не растворился в корпорации.
Что отсюда можно взять
- Поставь амбициозную цель, даже если она кажется безумной. Путь к ней сам по себе ценен — даже если не дойдёшь до конца.
- Идеальная задача-тест — та, которую могут оценить даже скептики. Го — все понимали, что это сложно. AlphaGo победил — и скептики замолчали.
- Сначала докажи принцип в «чистой» области (игры), потом переноси в реальный мир (белки, лекарства, материалы).
- Мозг — лучший учитель для архитектуры ИИ, потому что он уже работает. Не копируй буквально, но бери принципы.
- Работай над тем, что не решено 50 лет, а не над тем, что улучшит метрику на 5%. Истинные прорывы — в нерешённых задачах.
- Интуиция — это не магия. Это паттерны, усвоенные на огромном опыте. ИИ может иметь «интуицию» — если его правильно обучить.