Demis Hassabis 德米斯·哈萨比斯:2024年诺贝尔化学奖得主、Google DeepMind 联合创始人兼CEO – AI名人堂

发布于 2026-10-29 · 德米斯·哈萨比斯(Demis Hassabis),1976 年生于伦敦的英国人工智能科学家与创业者,国际象棋神童出身,DeepMind 联合创始人、Google DeepMind 首席执行官。他主导了 AlphaGo 与 AlphaFold,并因蛋白质结构预测获得 2024 年诺贝尔化学奖。

德米斯·哈萨比斯:人工智能与科学发现

个人简介

德米斯·哈萨比斯(Demis Hassabis,中文亦译作戴密斯·哈萨比斯),1976 年 7 月 27 日出生于英国伦敦,英国人工智能研究者与创业者,计算机科学家、认知神经科学家,早年还是国际象棋神童与游戏设计师。他最广为人知的身份是 DeepMind 的联合创始人,以及 AlphaGo、AlphaFold 两个里程碑项目的推动者。

他目前担任 Google DeepMind 首席执行官,同时是 Alphabet 旗下 AI 药物设计公司 Isomorphic Labs 的创始人兼首席执行官。

2024 年,他与 John Jumper、David Baker 共同获得诺贝尔化学奖,诺奖给出的理由是“蛋白质结构预测”(for protein structure prediction),他本人分享四分之一的奖金。

早期和教育经历

哈萨比斯在北伦敦长大,父亲是希腊裔塞浦路斯人,母亲是新加坡华裔,父母都是教师。他 4 岁开始学国际象棋,13 岁达到国际象棋大师标准,是同年龄段世界排名前列的棋手。

青少年时期他把兴趣转向编程。17 岁时,他与设计师 Peter Molyneux 合作,参与设计并承担主程序开发,做出了 1994 年由 Bullfrog 发行的经营模拟游戏 Theme Park。

1994 年,他进入剑桥大学皇后学院(Queens' College)攻读计算机科学,1997 年毕业。此后他转向认知神经科学,在伦敦大学学院(UCL)取得博士学位,2009 年的博士论文题为《The Neural Processes Underpinning Episodic Memory》,研究海马体在情景记忆与心理模拟中的作用;他参与的“海马体损伤患者无法想象新经历”研究,是这一方向的代表作之一。

工作经历

2010 年,哈萨比斯与 Shane Legg、Mustafa Suleyman 在伦敦共同创办 DeepMind,目标直指通用人工智能。

2014 年,Google 宣布收购 DeepMind。交易金额未正式公布,当时多家媒体的报道在 5 亿至 6.5 亿美元之间;收购后 DeepMind 仍以独立研究机构的形态运作。

2016 年 3 月,DeepMind 的 AlphaGo 在首尔以 4:1 战胜围棋世界冠军李世石,围棋这一长期被视为 AI 难点的领域首次被攻克。2017 年,团队又发布 AlphaZero,只给定规则、不借助人类棋谱,通过自我对弈掌握国际象棋、将棋与围棋。

2023 年 4 月,Google 将 Google Brain 与 DeepMind 合并为 Google DeepMind,哈萨比斯出任首席执行官,Gemini 系列模型即出自这一体系。

2021 年,他推动成立 Isomorphic Labs,把 AlphaFold 的能力引向药物设计。2026 年 5 月 12 日,该公司宣布完成 21 亿美元 B 轮融资,由 Thrive Capital 领投,Alphabet、GV、MGX、淡马锡、CapitalG 与英国主权 AI 基金参与。

主要贡献与荣誉

  • AlphaFold 2(2020):在 CASP14 评测中把蛋白质三维结构预测精度推到接近实验测定的水平,被视为解决了延续约 50 年的蛋白质折叠难题。
  • AlphaFold 蛋白结构数据库:2022 年 7 月,DeepMind 与 EMBL-EBI 将预测结构扩展到 2 亿个以上,覆盖当时已知蛋白质的绝大部分。
  • 科学界的认可:2023 年获科学突破奖生命科学奖;2024 年获诺贝尔化学奖;相关研究曾四次入选《科学》杂志年度十大突破。
  • 荣誉头衔:2017 年入选《时代》百大影响力人物,2018 年获 CBE,2024 年因“对人工智能的贡献”获封爵士;他是英国皇家学会与皇家工程院院士。

人物观点

哈萨比斯长期把 AI 定位为加速科学发现的工具,他 2024 年的诺贝尔演讲题目正是《Accelerating scientific discovery with AI》。

2026 年 10 月,他在《华尔街日报》的专访中,把对通用人工智能(AGI)的时间预期从 3 至 5 年收紧到 2 至 3 年,同时强调安全研究需要与能力进展同步推进。

从棋类游戏到蛋白质折叠,再到药物设计,他的路径始终围绕同一个判断:先把智能本身做到足够强,再用它去解决其他难题。

0

相关文章

0 条评论

后参与评论

暂无评论,来抢沙发。