哈薩比斯：從棋童到AGI先驅

🔑 增強重點摘要

• •哈薩比斯於2024年因AlphaFold2蛋白質結構預測突破與美國科學家John M. Jumper共同獲得諾貝爾化學獎，標誌著AI在基礎科學領域的里程碑認可[4]
• •DeepMind在2014年被Google收購後，開發了AlphaGo Zero（2017年）和Alpha Zero等更強大的通用神經網絡，無需人類指導即可從零開始掌握國際象棋、將棋等複雜遊戲[4]
• •哈薩比斯於1997年劍橋大學畢業後，先後在Lionhead Studios擔任首席AI程式設計師（開發《黑與白》）和創辦Elixir Studios，累積了遊戲AI開發的核心技術基礎，為後來DeepMind的成立奠定基礎[4]
• •DeepMind已發表超過2000篇研究論文，其中包括超過24篇發表在《自然》和《科學》期刊上的論文，其研究工作被引用超過150,000次，四次入選《科學》年度十大突破[3]
• •哈薩比斯於2024年因對人工智能的貢獻獲得英國爵位，並於2017年入選《時代》雜誌全球100位最具影響力人物[3]

🛠️ 技術深入

• •Deep Q-Network (DQN)：2013年開發的學習算法，能在無需規則指導、僅基於螢幕像素輸入的情況下，在30分鐘內達到《太空侵略者》遊戲的超人類水平[1]
• •AlphaGo：2015年擊敗歐洲圍棋冠軍（5:0），2016年擊敗前世界冠軍（4:1），通過神經網絡從人類棋手和自我對弈中學習圍棋[4]
• •AlphaGo Zero：從僅知圍棋規則開始，在與AlphaGo的100場對局中全勝（100:0），展示了無監督自我改進的能力[4]
• •Alpha Zero：更通用的神經網絡架構，採用相同技術快速掌握國際象棋和將棋[4]
• •AlphaFold2：解決了50年的蛋白質結構預測難題，能準確預測蛋白質的三維結構，對疾病理解和藥物發現至關重要[3]

🔮 前景展望AI analysis grounded in cited sources

⏳ 時間線