DeepMind创始人哈萨比斯获诺贝尔化学奖 他还曾击败柯洁

10月9日，诺贝尔化学奖公布，大卫·贝克、戴米斯·哈萨比斯和约翰·江珀因“在蛋白质设计和蛋白质结构预测领域作出的贡献”获奖。

同前一天的诺贝尔物理学奖一样，诺贝尔化学奖的授予也和三位获奖者在计算机和人工智能方面的研究有关，和一系列“学院派”科学家不同的是，本次获奖的哈萨比斯和江珀都来自谷歌旗下的DeepMind公司，哈萨比斯本人更是DeepMind的创始人兼CEO，他也是曾在围棋比赛中击败柯洁的“AlphaGo之父”，拥有游戏公司等一系列创业经历。

去年，中国科学院自动化研究所曾毅研究员在英国的AI安全峰会上和哈萨比斯有过交流。10月10日，曾毅在接受新京报贝壳财经记者采访时表示，在使用人工智能选择任务时，一般人很难想到做蛋白质结构预测，但哈萨比斯有很好的神经科学理论学习背景，正是因为拥有了这样的视野，他才会产生与众不同的洞见。另外，哈萨比斯的团队非常年轻，前途不可限量。

AlphaFold颠覆了蛋白质研究方式 哈萨比斯:AI最终将帮我们探索宇宙

“我的大脑一片空白，这真是一次难以置信的经历，我想我后面的计划都得调整了。”在接受诺贝尔奖官方连线时，哈萨比斯说，“我一生致力于AI研究的原因，是因为我对科学知识的探索充满热情，我一直认为如果我们能以正确的方式构建AI，他将成为帮助科学家的终极工具，最终将帮助我们探索宇宙，我希望AlphaFold是这一理念的第一个实例。”

根据诺贝尔奖官网对本次化学奖的介绍，哈萨比斯获得诺奖的主要原因在于其开发的AlphaFold人工智能模型在蛋白质预测上的杰出贡献，“这种模型解决了一个已有50年历史的难题，能够预测大约两亿种已知蛋白质的复杂结构，并且已被全球200多万人使用。”

根据诺贝尔奖官方科普文章，在AlphaFold出现之前，研究人员在国际蛋白质结构预测竞赛中最多只能达到40%的准确率，但借助AlphaFold，哈萨比斯的团队实现了60%准确率。而在2020年11月30日，AlphaFold2在CASP中一举夺魁，其预测的蛋白质结构几乎与X射线晶体学观测到的结果一样好，这直接让CASP的创始人John Moult惊呼“现在怎么办？”这实际上颠覆了科研人员对蛋白质结构的研究方法。

“我不认为在公司做研究和在学院做研究有什么不同，无论在哪，只要方法得当，都能做出伟大的科学成就，许多新兴科学、新领域和新的研究发现需要大量资源，比如我们就需要大量计算机资源和资金，因此为什么不利用私营部门的资金来支持这些研究呢？只要坚持科学方法，并以真正科学严谨的态度来对待，追求重大问题即可，我们在谷歌DeepMind就是这样做的。”10月9日，哈萨比斯在接受诺贝尔奖官方连线时表示。

“神童”的传奇经历：国际象棋大师、开发过爆款游戏、最终选择AI

哈萨比斯在投身AI研究之前，也拥有着非常精彩的“跨界”人生，是一个不折不扣的“斜杠青年”。

哈萨比赛1976年出生，母亲来自新加坡华人家庭，因此他还拥有一部分“中国血统”，他自出生起就是一名“神童”，13岁达到国际象棋大师标准，靠着在国际象棋比赛中赢得奖金，哈萨比斯在8岁时就用200英镑给自己买了人生中第一台计算机，开始研究编程。

1992年，哈萨比斯考入剑桥大学计算机系，大学期间就主导过大型游戏设计，还得到了当时风头无两的牛蛙游戏公司的青睐，进入牛蛙实习，参与设计研发了当年风靡的游戏《主题公园》。1998年，哈萨比斯成立游戏公司Elixir Studios，做出了包括《共和国：革命》《魔鬼天才》等游戏，每款都能卖出几百万套。

2005年，哈萨比斯发现自己的兴趣点还在研究新鲜事物上，他最终回归学术领域，在伦敦大学学院攻读认知神经科学博士学位，并开创性地发现了大脑中海马体与情景记忆间的关系。他的研究成果在2007年被顶级学术期刊《科学》评为“年度突破”。

新京报贝壳财经记者发现，正是在同时拥有生物学和计算机学的学术基础，且有开过公司这一系列经历后，哈萨比斯才能“独具慧眼”地发现AI在生物学领域的潜力。

2011年，哈萨比斯创立了著名的DeepMind，该公司在2014年以6.5亿美元的价格卖给了谷歌，2016年，DeepMind开发的AI程序AlphaGo攻克了围棋难题，并于2017年5月在中国乌镇围棋峰会上战胜了世界围棋冠军柯洁。

2020年，在哈萨比斯的主导下，DeepMind将目光瞄准了蛋白质折叠领域，AlphaFold由此应运而生，并最终让哈萨比斯获得了诺贝尔奖。实际上，AlphaFold在今年再度进行了更新，推出了3.0版本，该版本不仅能预测蛋白质、DNA、RNA等各种小分子，还能揭示他们之间的互相作用。

那么，随着AI工具的逐渐强大，未来科学家的地位是否会受到影响呢？对此，哈萨比斯也在获奖后正面回应了这个问题。

“我认为在不久的将来，AI将使个体科学家能够做更多的事情，因为这些系统是工具，它们在分析数据和发现模式方面非常出色，并且能够有效地让数据结构化，但是它们无法确定要问的正确问题，也无法提出正确的假设和推测，因此科学研究仍然需要人类科学家的智慧，我认为，最好的研究方法就是科学家与AI工具的结合，这将能够实现惊人的成就，甚至可能在比过去更小的团队中实现，因为AI可以完成许多繁琐的工作。”哈萨比斯说。