2024年諾貝爾化學獎得主，三位中包括了一位生成式AI界大師。他曾開發AlphaGO，征戰人類圍棋棋王！他正是DeepMind共同創辦人哈薩比斯（Demis Hassabis）。其實8年前那場世紀之戰後，他領軍開發出的Al，不只能下棋，還協助人類推進生物醫學研究！這次得獎也因他開發出的AlphaFold，成功拆解蛋白質的3D結構預測。哈薩比斯生平為何？未來全球的科學突破，都將少不了AI嗎？他的大師觀點為何？
4月初，Google執行長皮蔡（Sundar Pichai）在史丹佛大學商學院的一場對談中承認，ChatGPT引發的大規模熱潮令他們感到訝異。他解釋，Google投資人工智慧多年，但對於社會的接納速度原本有著不同想像。
但這還不足以解釋，投資人工智慧多年的這家科技巨頭，何以在這場生成式AI競賽中顯得如此步履蹣跚。尤其相較之下，挖人、投資皆不手軟的微軟在AI領域的行動果決靈活。兩家公司的市值落差在2024年更加擴大。
到底這間矽谷霸主做了哪些動作企圖挽回局面？據外媒報導，Google在AI領域過去一年間最大的動作，是整併旗下兩大AI研究團隊「Google Brain」與「DeepMind」，並指任DeepMind共同創辦人哈薩比斯，作為新部門「Google DeepMind」的執行長。
如今，引領關鍵AI團隊的哈薩比斯（Demis Hassabis）真有實力？他的生平背景又為何？
他4歲就會下西洋棋，長大後開發AlphaGO打遍人類棋王
現年47歲的哈薩比斯生於英國倫敦，自幼展現過人才智。他4歲就會下西洋棋，曾描述自己「甚至不記得曾經學過」。他喜愛西洋棋之處，是可以藉此磨練解決問題、創意及策略性思考的技能。西洋棋盤對他來說，就像個「心智健身房」（mental gym）。
另一項哈薩比斯喜歡的事物是物理學。這源於他對人類意識、存在意義，以及宇宙本質與萬物運作的原理，這類深層科學問題的探索。十幾歲的哈薩比斯逐漸了解到，這些是非常困難的問題，即使是頂尖科學家也難有進展。
也許，人類需要更多「智慧」來接近這些問題的答案。「人工智慧」於是成為他選擇奉獻一生的目標。提供能促成科學突破的AI工具，尤其令哈薩比斯感到興奮。
本週9日公布了2024年諾貝爾化學獎得主揭曉，由華盛頓大學的生物化學教授貝克（David Baker）、英國Google DeepMind的瓊珀（John Jumper）及哈薩比斯（Demis Hassabis），分別以蛋白質設計與蛋白質結構研究一起奪獎。
這其中，哈薩比斯也是AI界大師，消息一出立即引起科技界震撼。他與他創辦的DeepMind早已在AI發展史上立下里程碑。到底他的生平為何？又如何用AI解生醫難題？以下是完整介紹。
諾貝爾化學獎得主，曾創立DeepMind
2010年，擁有電腦科學與認知神經科學背景的哈薩比斯，共同創立了機器學習AI新創「DeepMind」。他們認為，結合當時深度學習的突破、強化學習（RL）訓練法，以及進步的硬體表現，可以快速做出成果。
DeepMind的使命是先解決智慧問題，再用智慧解決其他所有的問題。因此打造人類水平的通用人工智慧（AGI）一開始就是目標之一。2014年，DeepMind被Google收購時，在協議中也為自己保留了繼續追求AGI之夢的空間。
在Google旗下，哈薩比斯大抵能繼續邁向自己的目標。2016年，DeepMind研發的「AlphaGo」擊敗頂尖人類棋士，在棋藝中展現了高度規劃、策略能力。2022年7月，「AlphaFold」基本上完成所有已知蛋白質的3D結構預測，將這項任務所需的時間從幾個月、甚至幾年縮短到幾秒鐘。不僅加速了生物醫學的研發，也為數千種合成材料奠定了基礎。對於期望人工智慧加速科學進展的哈薩比斯，這是尤其令他自豪的成就。
但在幾個月後，OpenAI發表ChatGPT。這改變了AI發展的軌跡，也改變了哈薩比斯的職涯軌跡。
他近期融入Google，看好AI代理
過去，據知哈薩比斯曾因想保有DeepMind的獨立性，與Google高層發生衝突。DeepMind前員工亦指出，DeepMind有些抗拒過度融入Google，可能擔憂需投注更多心力發展Google產品、偏離發展AGI的目標。
Transformer發布後沒有獲得DeepMind太多關注的部分原因，可能也是看似無助於發展AGI。ChatGPT所做的是預測下一個字，而非真正理解物理世界，這可能不是一個打造AGI的可靠途徑。
不過，如今肩負重任的哈薩比斯似乎已經找到讓兩者和平共處的想法。
他表示，發展Google產品與進行邁向AGI的基礎研究，兩者的路線是可以互補的。雖然預測蛋白質折疊的能力，看似與優化搜尋結果沒有直接關係，但他相信基礎研究可以支持產品實用性。例如，若基礎研究可以解決LLM的幻覺問題，不僅能為科學家提供更可靠的協助，也能提升AI助理執行日常任務的效度。
哈薩比斯認為，AI代理（agent）會是超越目前LLM能力的下一個AI里程碑。一個有用的AI助理能理解世界、決定該採取什麼行動，來完成使用者的要求。這背後所所需的推理、規劃與記憶能力，與「智慧」息息相關，也是長期追求AGI的DeepMind團隊的一大強項。
同時管理加州、倫敦超過兩千人團隊的哈薩比斯，認為Google未來仍大有可為。他指出，這支團隊集聚了難以匹敵的AI人才，而且過往已繳出輝煌的研發紀錄，在新環境的培育下，這樣的研發能量還可能再獲增幅。
不過，即便Google DeepMind發展尖端模型的研發力有目共睹，哈薩比斯能否應付Google龐雜的組織結構，將研究成果轉化為對大眾使用者有吸引力的產品，並說服保守派同事做出需要的改革，還有待驗證。
Google落後生成式AI競賽，成就與規模是絆腳石？
至於Google目前在AI競賽上，到底為何落後？又該如何拯救？
首先，誠如執行長皮蔡所言，Google布局AI已久。從開發自用TPU，到強化翻譯、相片編輯功能的相關技術，啟動這波生成式AI熱潮的關鍵研究突破「Transformer」神經網路架構，也是由Google Brain團隊在7年前發表。
如今論文8位作者已全數離開Google，OpenAI取用Transformer模型、訓練出ChatGPT。Google花了幾個月推出的回應「Bard」，被認為表現不如GPT-4。將近一年後，Google才以升級版的「Gemini」扳回一城，但不久便陷入生成不準確歷史圖像的爭議中，宣布暫停該項服務。
皮蔡在史丹佛對談中解釋，規模不一定總是有利因素。「（公司）規模愈大，你感覺可能失去的東西愈多，承擔風險的意願不如小公司強烈。」皮蔡表示，「因此，你必須有意識地鼓勵團隊這麼做。」
除了冒險性不足，Google的組織文化也被認為過於分散。各部門各有發展想法，競爭關係勝過了引領全公司的單一、融貫性規劃。例如，面對生成式AI的回應，AI團隊與搜尋、廣告團隊可能有不同觀點。
皮蔡的領導也令部分員工感到挫折。皮蔡重視組織共識，管理風格較為低調，有些人認為這在承平時期值得肯定，但不是此時Google需要的「戰時領袖」。
據《金融時報》（FT）報導，公司內外利害關係人施壓皮蔡採取更果斷、積極的行動，他也親自介入許多生成式AI產品的日常決策；但這可能不免分散他對其他領域的關注。
捍衛核心廣告業務的戒慎，可能是令Google行動猶疑的更大原因。若AI介面可直接提供搜尋答案，使用者點擊連結、廣告的需求可能減少，減損販售關鍵字廣告的利潤。再加上聊天機器人生成的答案仍不準確，欲鞏固使用者信任的Google即便早就擁有LaMDA，仍缺乏發表這項技術的動機。
由法律層面視之，Google面對壟斷指控的立場是提供開放網路訪問服務。也就是他們將使用者導向原始創作者的網頁，而非自家內容。若AI助理直接摘要網路內容，在搜尋頁面提供答案，這個論點就會更加站不住腳。
新舵手統整兩大AI研究部門，能解決資源分配問題？
所以，哈薩比斯確實被賦予重任，但挑戰也不小。但他目前新官上任將有哪些大動作？能展現與DeepMind時期更強戰力嗎？
首先，Google Brain與DeepMind雖都是AI研究部門，但過往偏重並不相同。DeepMind以神經網路、強化學習為強項，重視基礎研究。Google Brain則較傾向產品端，研發如LaMDA等生成式工具。哈薩比斯也承認，即使DeepMind亦有應用部門，但兩者還是有差異。
先前在《Decoder》專訪中，哈薩比斯否認整併是對ChatGPT的直接回應。他解釋，是社會大眾對ChatGPT的熱烈反應，讓團隊認知到這項技術已經可以走出實驗室，進入產品中協助大眾。這需要組織上的因應調整。
再者，進入工程、應用階段的AI專案（如Gemini）需要更加龐大的運算資源，即便是Google這樣的公司也得慎重挑選、分配。因此透過整併來共享珍貴的人力及運算資源，促成具體成果，是合理的一步。
哈薩比斯在採訪中多表示，整併後運作良好。但近期媒體報導暗示，Gemini的圖片爭議打擊了新團隊的士氣，內部的派系與分裂也依舊存在。《The Information》指出，雙方仍須搶奪資源，且DeepMind被要求投入更多時間在商業化專案上。
即使坐擁豐富資源、優秀人才與傑出的研發能力，哈薩比斯能否巧妙執掌足夠的權責？突破Google突破諸多牽制？也還令外界存疑。
微軟搶才布局動作更快
更不妙的是，微軟的動作更快也更大。
4月7日，甫吸收一批「Inflection AI」團隊成員的微軟，宣布在DeepMind長期總部所在地倫敦創建新的AI分部，並開始擴大招募人才。從Inflection AI轉任「Microsoft AI」執行長的蘇萊曼（Mustafa Suleyman），正是與哈薩比斯一同創立DeepMind的童年老友。
可預期微軟此舉已為新一輪的AI人才大戰鋪設好舞台。這場馬斯克口中「自己見過最瘋狂的人才爭奪戰」愈演愈烈，也顯示了在打造機器智慧的努力中，人類依然是成敗的關鍵。
