DeepMind《The Thinking Game》觀後心得：AI 的智慧革命與人類文明的未來

2025/12/12 更新2025/11/29 發佈閱讀 13 分鐘

一、前言：一場關乎人類未來的賭注

這部紀錄片《The Thinking Game》不僅僅是一家科技公司的創業史，它記錄了人類試圖複製自身最神秘特質——「智慧」的過程。DeepMind 創辦人 Demis Hassabis 在白板上寫下的兩行使命：「第一步：解開智慧之謎；第二步：用它解決一切問題」，在當時看來狂妄至極，但影片展現了他們如何用十年時間，將這句狂言變成了預言。看完這部片，我最深的感觸是：我們正處於人類文明「操作系統」升級的前夜。

二、核心洞察（三個維度）

1. 策略維度：用「遊戲」作為通往「真理」的跳板 DeepMind 的成功路徑非常獨特且反直覺。他們沒有一開始就去攻克癌症或氣候變遷，而是選擇了 Atari 遊戲、圍棋和星海爭霸。這展現了一種極致的「降維打擊」思維。遊戲提供了完美的訓練場——數據量大、回饋即時、失敗成本低。透過在虛擬世界中訓練出通用的學習演算法（General Purpose Algorithm），他們實際上是在打造一把「萬能鑰匙」。當這把鑰匙（AlphaFold）最終插入生物學這扇沉重的大門時，困擾科學家 50 年的蛋白質摺疊難題應聲而解。這告訴我們：解決最困難的問題，往往需要先退後一步，尋找底層的通用解法。

2. 哲學維度：重新定義「創造力」與人類的謙卑 影片中最震撼人心的一幕，莫過於 AlphaGo 對戰李世乭的第二局「第 37 手」。那一步棋被人類專家評為「只有神或惡魔才能下出的一手」。過去我們認為，計算是機器的強項，而「直覺」和「創造力」是人類最後的堡壘。但那一刻，堡壘崩塌了。DeepMind 證明了，創造力其實是一種可以被計算、被學習的高維度模式識別。這不應讓我們感到沮喪，反而應感到興奮——因為這意味著，人類將擁有一個能拓展我們認知邊界的夥伴，帶領我們看見我們肉眼凡胎看不見的風景。

3. 倫理維度：奧本海默時刻^註1與力量的責任 Demis 在片中多次流露出對時間的急迫感，以及對技術失控的擔憂。他將 AGI 比作電力或火，甚至提到了「奧本海默時刻」。這部片沒有迴避 AI 的陰暗面。當技術強大到能預測蛋白質結構，它同樣可能被用於製造生化武器。DeepMind 選擇在科學期刊上公開 AlphaFold 的成果，這是一種將技術「民主化」的嘗試，但同時也將監管的難題拋給了全人類。我們在享受 AI 帶來的科學紅利時，必須同步建立起能駕馭這股力量的倫理框架，不能重蹈「快速行動，打破陳規」的矽谷舊路。

_{註1：「奧本海默時刻」（Oppenheimer moment）指的是科學技術帶來潛在毀滅性後果，促使科學家或社會陷入倫理和道德困境的時刻。它源自於美國物理學家J.羅伯特·奧本海默（J. Robert Oppenheimer）在參與研發原子彈後，深感其威力並倡導核武管控的經歷。如今，「奧本海默時刻」一詞常被用來比喻當前人工智慧（AI）的發展，特別是自主武器的出現，引發了全球對其倫理、安全和監管的擔憂。}

三、DeepMind 邁向 AGI 的關鍵時間歷程

上圖為人物關係圖，其展示了 DeepMind 從創立、成長到取得科學突破的過程中，關鍵人物所扮演的角色。以下為您詳細解釋每一位人物在故事中的具體貢獻：

核心人物 (The Core)

Demis Hassabis (德米斯·哈薩比斯)
- DeepMind 創辦人與靈魂人物。
- 他提出了「解開智慧之謎，再用它來解決一切」的宏大願景。他將不同領域的人才（遊戲設計、神經科學、機器學習）整合在一起，帶領團隊從玩 Atari 遊戲開始，一路發展到解決生物學難題（AlphaFold）。

早期啟蒙與奠基 (Early Influences & Foundation)

Peter Molyneux (彼得·摩利紐)
- 傳奇遊戲設計師，牛蛙製作（Bullfrog）創辦人。
- 他是 Demis 年少時的老闆與導師。他在遊戲《主題公園》中展示了如何用程式碼模擬複雜的人類行為與經濟系統，這啟發了 Demis 後來將「虛擬環境」視為訓練 AI 最佳場所的理念。
Tim Stevens (提姆·史蒂文斯)
- Demis 在劍橋大學的同學與好友。
- 他是科學靈感的播種者。在大學時期，他不斷向 Demis 強調「蛋白質摺疊」是生物學的聖杯，這個早期的啟發直接導致了 20 年後 DeepMind 投入資源開發 AlphaFold。
Shane Legg (謝恩·萊格)
- DeepMind 共同創辦人。
- 他是通用人工智慧（AGI）夢想的堅定守護者。在學術界普遍不看好 AGI 的時期，他與 Demis 堅持這條路線，並負責建立 AI 安全性與理論基礎，確保 DeepMind 的發展方向不偏離「通用」智慧的目標。

外部催化劑 (External Catalysts)

Peter Thiel (彼得·提爾)
- 知名創投家（PayPal 創辦人），早期投資人。
- 他在 DeepMind 只有概念、沒有產品且極具風險的階段，提供了關鍵的啟動資金（燃料）。他的投資讓團隊能夠專注於長期研究，而不需要為了短期獲利而分心。
Lee Sedol (李世乭)
- 人類圍棋世界冠軍。
- 他是 AI 最強大的試金石。他與 AlphaGo 的對弈震驚了世界（被稱為 AI 的「史普尼克時刻」），他的落敗證明了 AI 已經能夠在直覺與創造力這類被認為是人類獨有的領域中超越人類。

核心科學團隊：執行願景 (Core Science Team)

David Silver (大衛·席爾瓦)
- DeepMind 首席研究員。
- 他是 AlphaGo 與 AlphaZero 的總架構師。他帶領團隊驗證了「強化學習」的潛力，證明了 AI 可以通過自我對弈，從零開始學會超越人類的策略，完成了 DeepMind 第一階段（遊戲）的目標。
John Jumper (約翰·強普)
- AlphaFold 團隊負責人。
- 當蛋白質摺疊項目遇到瓶頸時，他帶領「突擊隊」接手，大膽引入生物學與物理學知識重新設計 AI 模型。他的領導促成了 AlphaFold 2 的誕生，成功破解了困擾科學界 50 年的難題，完成了 DeepMind 第二階段（科學）的目標。

科學驗證 (Scientific Validation)

John Moult (約翰·莫爾特)
- CASP（蛋白質結構預測技術關鍵評估）競賽主辦人。
- 他代表科學界提供了權威的第三方驗證。他發出的確認信證實了 AlphaFold 的準確率已達到「解決」問題的標準，這標誌著 DeepMind 正式從一家科技公司轉變為對人類科學有實質貢獻的機構。

四、DeepMind 邁向 AGI 的關鍵時間歷程

第一階段：啟蒙與驗證 (The Arcade Era)

在這個階段，DeepMind 試圖證明 AI 可以透過自我學習掌握控制權，而不僅僅是執行預設程式碼。

2010年 - DeepMind 成立
- 目標：Demis Hassabis、Shane Legg 與 Mustafa Suleyman 在倫敦創立公司。
- 使命：直接寫在白板上的兩行字：「Step 1: Solve Intelligence (解開智慧之謎)」、「Step 2: Use it to solve everything else (用它解決一切問題)」。
2013年 - Atari 遊戲測試 (DQN)
- 事件：讓 AI 玩 Atari 2600 經典遊戲（如《Space Invaders》、《Pong》、《Breakout》）。
- 突破：AI 沒有被輸入任何遊戲規則，只接收螢幕上的「像素」和「分數」。
- 關鍵時刻：在《Breakout》（打磚塊）遊戲中，AI 經過數百次訓練後，發明了**「挖地道」策略**（把球打到磚塊上方讓它自動彈跳）。這證明了 AI 具備了理解環境物理機制並制定最優策略的能力，而不僅僅是亂按。
2014年 - Google 收購
- 事件：Google 以約 4 億英鎊收購 DeepMind。
- 意義：DeepMind 獲得了 Google 龐大的算力資源（TPU）和資金，為接下來訓練更龐大的模型奠定基礎。

第二階段：直覺與創造力 (The Go Era)

這個階段的目標是挑戰被認為需要人類「直覺」和「藝術感」的領域，證明 AI 不再只是冷冰冰的計算機。

2016年 - AlphaGo (首爾戰役)
- 事件：AlphaGo 挑戰擁有 18 個世界冠軍頭銜的李世乭。
- 突破：圍棋變化數超過宇宙原子總數，無法靠窮舉法計算。AlphaGo 結合了深度神經網路與蒙地卡羅樹搜尋。
- 關鍵時刻：第 2 局的「第 37 手」。這一步棋被李世乭稱為「人類想不出來的一手」，標誌著 AI 展現出了創造力 (Creativity)，這曾被認為是人類獨有的特質。
2017年 - AlphaZero (移除人類知識)
- 事件：DeepMind 發布 AlphaZero。
- 突破：與 AlphaGo 不同，AlphaZero 完全不使用人類棋譜。它從零開始，只知道規則，透過「自我對弈」學習。
- AGI 意義：這更接近 AGI，因為它證明了 AI 不需要人類導師，可以無師自通，在短短幾小時內就超越了人類數千年的圍棋智慧積累。

第三階段：複雜性與不完美資訊 (The Strategy Era)

現實世界不像圍棋那樣資訊完全公開，DeepMind 選擇了更複雜的即時戰略遊戲作為跳板。

2019年 - AlphaStar (星海爭霸 II)
- 事件：挑戰即時戰略遊戲《StarCraft II》。
- 突破：這款遊戲有「戰爭迷霧」（資訊不透明），需要長期規劃（經濟、偵查、戰鬥）。
- AGI 意義：證明了 AI 能夠在資訊不完整、需要即時反應且具備長期策略規劃的複雜環境中運作，這更接近現實世界的決策情境。

第四階段：回歸現實與科學突破 (The Science Era)

這是 DeepMind 的終極目標階段：將在遊戲中磨練出來的「通用演算法」，轉移到解決人類面臨的真實科學難題。

2018年 - CASP13 (AlphaFold 1 初試啼聲)
- 事件：首次參加蛋白質結構預測競賽（CASP）。
- 結果：雖然獲得冠軍，但準確率尚未達到實驗室等級（未解決問題）。這讓團隊意識到僅靠純粹的深度學習可能不夠，需要結合領域知識。
2020年 - AlphaFold 2 (解決蛋白質摺疊)
- 事件：在 CASP14 競賽中取得歷史性勝利。
- 突破：由 John Jumper 帶領團隊重新架構模型，引入幾何與物理直覺。AlphaFold 2 預測的蛋白質 3D 結構準確度達到原子級別。
- AGI 意義：這實現了當初的願景——Meta-Solution。AI 解開了困擾生物學界 50 年的難題。這證明了 AI 可以加速科學發現，是人類文明的「力量倍增器」。
2021年至今 - AlphaFold Database 與未來
- 事件：DeepMind 公開了人類蛋白質組及數億種預測結構的資料庫。
- 未來展望：影片結尾展示了 DeepMind 正朝向更廣泛的領域發展，包括機器人技術、聚變能源控制以及多模態模型（如 Gemini 的前身 Gato），逐步實現真正的通用人工智慧（AGI），並強調在開發過程中對倫理與安全的重視。