17
0本期概要
2024年翠贝卡电影节首映、2025年底免费上线YouTube的纪录片《The Thinking Game》，记录了DeepMind创始人Demis Hassabis和他的团队用十五年时间追求"解决智能"的历程。从Atari游戏到AlphaGo击败李世石，再到AlphaFold解决困扰生物学界50年的蛋白质折叠问题，这是一部关于长期主义、科学探索和AI前沿的纪实影像。
核心观点
"解决智能，然后用它解决一切"DeepMind的使命不是做最强的游戏AI或者最赚钱的产品，而是创造通用的学习能力，再把这个能力指向人类最重要的问题。
游戏是训练场，不是终点从Atari到围棋到《星际争霸》，每一个游戏都是在检验AI能否在新环境中自主学习。等工具足够锋利，才指向蛋白质折叠这样的真问题。
AlphaGo的"第37手"2016年对李世石的比赛中，AlphaGo下出一步被解说员误认为失误的棋。这步棋出现的概率被评估为万分之一，是几千年围棋史上从未有人下过的创造性着法。
AlphaFold解决50年难题2020年CASP14比赛，AlphaFold 2的预测精度达到92.4分，误差只有1.6埃（约一个原子宽度），被评委会认定为"解决了蛋白质折叠问题"。DeepMind随后公开了2亿多个蛋白质结构预测，免费供全球研究者使用。
五年换五亿美元Hassabis接受Google收购不是为了钱。他的计算是：Google的算力能让他的研究加速五年。保住自己认知巅峰期的五年，比多拿几亿美元更重要。
游戏行业/PM启示
- 长期目标与阶段性验证：每个里程碑都应该检验核心假设是否成立，而不只是交差
- 把失败当成信息源：DeepMind的失败后复盘极其高效，失败是告诉你哪里需要改进
- 约束催生创新：算力不足反而倒逼出更高效的算法架构
- 透明带来长期信任：AlphaFold全部开源放弃短期商业价值，换来顶尖人才和学术声誉
金句
- "我的毕生目标是解决通用人工智能，在这个过程中用AI作为终极工具解决世界上最复杂的科学问题。"——Demis Hassabis
- "我认为这比互联网更大，比移动互联网更大，这更像是电力或者火的出现。"——Demis Hassabis
- "我认为奥本海默他们陷入了技术本身，急于看它是否可行，没有足够早地认真思考道德问题。"——Demis Hassabis谈AI与曼哈顿计划的类比
- "梯子再高，如果你要去的是月球，也没有用。"——Hassabis评价AlphaFold初版的局限
相关链接
- 原视频：www.youtube.com
- DeepMind官网：deepmind.google
- AlphaFold蛋白质结构数据库：alphafold.ebi.ac.uk
- 前作《AlphaGo》纪录片：www.youtube.com
人物/概念索引
- Demis Hassabis：DeepMind联合创始人兼CEO，2024年诺贝尔化学奖得主
- Shane Legg：DeepMind联合创始人，"AGI"概念的早期推广者之一
- Mustafa Suleyman：DeepMind联合创始人，后创立Inflection AI
- John Jumper：AlphaFold项目负责人，与Hassabis共同获得诺贝尔奖
- 李世石：韩国围棋大师，2016年AlphaGo的对手
- CASP：蛋白质结构预测的国际评测竞赛，被称为该领域的"世界杯"
- 蛋白质折叠问题：从氨基酸序列预测蛋白质三维结构的科学难题，困扰学界50年
📌 关于我
游戏行业从业9年，现任项目经理分享游戏行业洞察、项目管理方法论主频道内容：游戏PM进阶、团队管理、行业观察
