哈萨比斯是研究什么的？从游戏开发到神经科学

AI 公司 DeepMind 的公开叙事里，创始人德米斯·哈萨比斯的履历常被概括成一句话：做游戏的、读神经科学的、办 AI 公司的。三段经历各有公开记录可查，而且每一段都给下一段留了伏笔。本文按公开时间线梳理这条路线，只列公开事实，跳跃式的人物标签不在本文范围内。

第一段：游戏开发

哈萨比斯的职业起点在游戏行业。公开记载显示，他十几岁就进入英国游戏工作室 Bullfrog 参与《主题公园》（Theme Park，1994 年发售）的设计工作，这款模拟经营游戏后来成为公开销量可查的作品。此后他创办了自己的工作室 Elixir Studios，公开发行的作品包括《Republic: The Revolution》（2003）与《Evil Genius》（2004），工作室随后关闭。这段经历的公开价值在于两点：一是他早早接触了「模拟」这件事——把复杂系统的规则写进程序；二是商业上他也完整经历过一次游戏行业的起落。

第二段：认知神经科学博士

工作室关闭后，他回到学术界，在伦敦大学学院（UCL）攻读认知神经科学博士学位，公开记录显示其研究围绕海马体与情景记忆展开，包括对失忆症患者想象未来事件能力的研究，论文发表于公开期刊。这段研究的方向值得留意：记忆、想象与规划是人类智能里最贴近「决策」的部分。他后来的公开表述常把这段经历与创办 DeepMind 的动机连在一起——理解大脑如何解决这些问题，再回到机器上复现它。

第三段：DeepMind 与两条产品线

2010 年，哈萨比斯与沙恩·莱格、穆斯塔法·苏莱曼共同创办 DeepMind，公开表述的目标是通用人工智能。2014 年谷歌收购 DeepMind，此后的公开发布记录构成了一条密集的时间线：2015 年 DQN 论文登上《自然》，同一个网络学会玩几十款雅达利游戏，屏幕像素直接当输入，见DQN 打雅达利游戏一篇；2016 年 AlphaGo 在首尔五番棋战胜李世石，见AlphaGo 战李世石一篇；2020 年 AlphaFold 2 在 CASP14 上把蛋白质结构预测的精度做到接近实验测定水平，见AlphaFold 攻克蛋白质折叠一篇。2024 年，他与约翰·姜珀因蛋白质结构预测方面的贡献共同获诺贝尔化学奖（同届化学奖另一半授予大卫·贝克），公开颁奖理由指向计算蛋白质设计领域的工作。

哈萨比斯公开履历速查

• 1994：参与设计游戏《主题公园》（Bullfrog）
• 2003–2004：Elixir Studios 发行两款游戏作品
• 2009：获 UCL 认知神经科学博士学位
• 2010：共同创办 DeepMind；2014 年公司被谷歌收购
• 2015–2020：DQN、AlphaGo、AlphaFold 相继公开发布
• 2024：因蛋白质结构预测获诺贝尔化学奖（与约翰·姜珀共享）

三段经历拼起来看

把三段经历并排放，路线的内在逻辑是完整的：游戏提供「把世界写成规则」的工程经验，DQN 与 AlphaGo 里「学习加搜索」的组合可见其影子，DQN 论文的第一作者团队正是他招来的研究者；神经科学提供「智能长什么样」的问题清单，DeepMind 早期论文里反复出现的奖励、记忆、规划等概念都来自这个清单；AI 公司提供把两者兑现的工程平台，AlphaFold 则是兑现的样本——它解决的蛋白质折叠问题与游戏、记忆无关，但方法论一脉相承：把问题变成可打分的任务，用学习加搜索去逼近。这个「公开基准上比出高下」的做法与评估思路的关系，可参考基准分和实际任务一篇。

这条路线的参照价值

他的公开履历给普通读者的参照不在「跨界」这个标签本身，而在各段经历之间的衔接方式：每一段都留下了可查的公开成果——卖出的游戏、发表的论文、发布的系统，下一段机会正是建立在这些成果上。这种「公开成果当路标」的职业路径，在 AI 这个快速变动的行业里是可复用的方法论：你今天用腾讯元宝或通义千问整理一份学习笔记、用 DeepSeek 复现一段公开论文里的方法，都是在为下一段路径积累可查的产出。哈萨比斯目前仍以 DeepMind 为平台继续公开研究，后续进展以公开发表为准。

关于哈萨比斯的常见疑问

• 他博士研究的是什么？：认知神经科学，方向围绕海马体与情景记忆，包括失忆症患者想象与规划能力的研究，成果以公开期刊论文为准。
• DeepMind 是他一个人创办的吗？：公开记录显示他与沙恩·莱格、穆斯塔法·苏莱曼共同创办，哈萨比斯任 CEO，三人分工在公司公开介绍中均有记载。
• 诺贝尔化学奖为什么颁给一个做 AI 的？：2024 年的公开颁奖理由指向蛋白质结构预测与计算蛋白质设计，AlphaFold 是其中被引用最直接的工作，AI 方法与化学问题在这里交汇。