先搞定智能，其它问题就能迎刃而解

1997年5月，IBM超级计算机Deep Blue击败了国际象棋世界冠军Garry Kasparov。这是计算机首次击败一位大师级棋手。这场比赛受到广泛关注，也引起了人们对计算机不断增长的力量和潜在威胁的担忧。当时Hassabis产生了一个想法，他要把战略游戏和AI结合起来，有一天，他会建立一个计算机程序，打败最高段位的人类围棋手。

Hassabis有条不紊地规划职业生涯。1998年，他创办了自己的游戏工作室Elixir，专注开发一款复杂的模拟政治游戏Republic: The Revolution。还在学校时，Hassabis就有这样的想法：通过超级计算机来模拟复杂的世界动态，以解决最棘手的社会问题。当时，他试着在游戏中实践自己的想法。不过现实很骨感，Elixir最终发布了精简版的游戏但是反响平平。其它游戏也没有成功。2005年4月，Hassabis关闭了Elixir。有人认为Hassabis创立Elixir只是为了获得管理经验。现在，在正式踏上AGI之路以前，他只缺少一个关键的知识领域——了解人类的大脑。

2005年，Hassabis在伦敦大学学院开始攻读神经科学博士学位。他发表的关于记忆和想象力的研究很有影响力。一篇被引用上千次的论文显示，患有健忘症的人也很难想象新的体验，这表明记忆和创造大脑图像之间存在联系。Hassabis所作的研究都是朝着AGI迈进。他大部分研究都回归一个问题：人脑是如何获得并保留概念和知识的？

2010年11月15日，Hassabis正式成立DeepMind。从那时起，公司的宗旨就一直没有变过：先搞定智能，其它问题就能迎刃而解。也就是说，把大脑如何完成任务的理解转化为计算机软件，软件可以使用相同的方法进行自我学习。

Hassabis并没有假装科学已经完全理解了人类的思想。AGI的蓝图不能简单地从数百项神经科学研究中得出。我们对大脑的功能仍然知之甚少。2018年，Hassabis自己的博士研究结果甚至受到了澳大利亚研究团队的质疑。所以DeepMind的起步工作还是很艰难。

Suleyman和Shane Legg加入了公司联合创始人的行列。公司位于伦敦，许多新员工来自欧洲，有效避开了和谷歌、Facebook等硅谷巨头争夺人才。也许DeepMind成功秘诀之一就在于留住了最优秀的员工。

公司花大力气发展的一种机器学习技术——强化学习，源于Hassabis所擅长了两个领域：游戏和神经科学。建立这样一个程序是为了收集有关其环境的信息，然后通过重复经验来从中学习，就像Hassabis所说的“睡眠期间大脑活动”一样。

在此之前，强化学习在计算机领域还是一片空白。程序显示了一个虚拟环境，除了游戏规则，它什么也不知道。程序包含至少一个称为神经网络的组件。由计算结构层组成，可筛选信息，目的是识别特定特征或策略。每一层都在不同的抽象层次上检查环境。起初，这些网络的成功率很低。当他们尝试不同的策略时，变得越来越老练，当成功时，也会得到奖励。程序不会再次范同样的错误。AI神奇的地方就在于它重复任务的速度。

DeepMind的AI项目在2016年获得重大胜利，当年，AlphaGo在首尔举行的五局三胜比赛中击败围棋世界冠军，震惊世人。2.8亿人见证了AlphaGo的胜利，有专家曾预测人机对战机器取胜还需要十年时间。次年，升级版AlphaGo击败了中国围棋冠军。

人类智慧将被人工智能超越吗？

就像1997年的Deep Blue一样，AlphaGo改变了人们对人类成就的看法。人类冠军无疑拥有地球上最聪明的头脑，可是他们已经被AI超越。近20年后，Hassabis实现了自己当年的野心，他说这场比赛让他热泪盈眶。

当年Deep Blue杀伐决断，通过快速计算赢得了胜利，但是AlphaGo的风格看起来却很有艺术气质，几乎是人类的风格。它的优雅、复杂以及卓越的计算能力，似乎表明，在治疗疾病和管理城市等领域，DeepMind将比竞争对手走得更远。