对于每个好奇人工智能（AI）的人来说，德米斯·哈萨比斯（也可译为“戴密斯·哈萨比斯”）都是个难以绕过的名字。

他是英国人工智能科学家，2016年击败世界围棋冠军李世石的那款著名的AI系统阿尔法围棋（AlphaGo）就是由他一手缔造的。他还是成功的企业家，于2010年创立了深度思考（DeepMind）公司，后来又作为谷歌DeepMind首席执行官兼联合创始人，领导团队推出了Gemini系列模型。他甚至还是位化学家，并因在蛋白质结构预测领域的突破性贡献获得2024年诺贝尔化学奖。

其实，他还有两项同样巨大，但不那么知名的成就：1998年，哈萨比斯创办游戏公司“仙丹工作室”，并成为微软等科技大厂的游戏供应商；2005年，他在事业相当成功时出人意料地关闭公司重返校园，在英国剑桥大学攻读神经科学博士学位，其关于海马体与情景记忆的研究于2007年被《科学》杂志评为“年度突破”。

这或许正是两度入围普利策奖的英国作家塞巴斯蒂安·马拉比愿意专门为其著书立传的重要原因——哈萨比斯本人，就像是科幻电影中伪装成人类的AI，知识结构超乎寻常，跨界能力超乎想象。

在这本名为《哈萨比斯：谷歌AI之脑》的传记中，作者系统梳理了其成长与创业经历，最终发现，从国际象棋到游戏，再到神经科学和AI，所有这些看似不搭界的选择，在哈萨比斯眼中更像是“一根直线”，实现了完美的触类旁通：

初级版本的AI只适合规则明确的场景，而规则最明确的场景之一就是棋类游戏，这就是他为什么要开发AlphaGo。

在规则场景跑通后，他又将目标瞄准AGI（Artificial General Intelligence通用人工智能），因为他相信，真正的AI能够像人类一样学习、理解并执行任务。所以，DeepMind从项目开始的第一天起就尤其注重自主学习能力，而培养其学习能力的方法很大程度上借鉴了他当年开发游戏软件的思路。

当DeepMind发展到一定程度，接近从AI向AGI蜕变的临界点时，最好的参照系就是自然界中唯一存在的已知智能——人类大脑。而要理解人类大脑，就需要学习神经科学。

甚至于，他在4年后决定给DeepMind找个“金主爸爸”的时候，依然遵循了这种“直线”思维。

书中披露，当时Meta（原名Facebook）的开价比谷歌高，但哈萨比斯却并不满意：“Facebook确实提供了更多的钱，但我想要的是一个真正理解为什么AI会比其他所有事情都重要的人。”

这就是为什么哈萨比斯与谷歌的谈判并未纠缠于一般商业谈判中最在乎的估值环节。争论的焦点主要聚焦3个问题：“DeepMind能不能继续沿着AGI的方向发展？团队能不能获得足够的算力和资源？能不能把安全与伦理护栏直接写进交易结构里？”哈萨比斯最终选择谷歌，正是因为后者在3个问题上都给出了肯定的答案。

当然，哈萨比斯也遭遇过挫折。只不过，在哈萨比斯的概念里，挫折不过是帮助他修正方向的契机。

2020年，OpenAI的ChatGPT展现出惊人能力，一度力压DeepMind。此前哈萨比斯将强化学习视为关键环节，认为AI要想理解世界，必须“亲身体验”世界，也就是基于神经科学开发具身智能，语言模型仅处于从属地位。但ChatGPT证明，仅通过海量文本训练，模型也能实现相当程度的智能。哈萨比斯坦言：“我意识到，语言的‘内在接地性’比我们想象中更强。”也正是这一冲击，使得DeepMind与谷歌大脑于2023年4月合并，成立了一个名为Google DeepMind的新部门。当年年底，大模型Gemini横空出世。

不过这个挫折并不一定意味着哈萨比斯的思路是错的。根据书中所言，目前学界已基本形成共识，认为仅凭大语言模型无法实现AGI，挫折更多体现在商用层面。相较于大语言模型对于知识的“调度”，对自主学习的重视实际上体现出的是一种更有成长性的理念：要让AI学会行动，而非只会表达；要让它拥有自动找寻目标、规划路径、修正行为、发现新知识的能力，而非简单复述人类观点。

当然，以“解决智能，然后用它解决一切”为目标的哈萨比斯，身上确实存在着过度崇尚工具理性的倾向。但他的这种“涉猎领域千千万万，方法脉络笔直如线”的思维方式，却值得更多人借鉴。