第 8 章 戴密斯·哈薩比斯與 DeepMind：AlphaGo 橫掃圍棋世界的帝國史詩#
本章導言#
符號派用規則、連接派用學習，而 DeepMind 把兩者合成「深度強化學習」——機器自己玩、自己學、自己變強。本章三節：8.1 哈薩比斯其人；8.2 DQN；8.3 AlphaGo 與第 37 手。
8.1 戴密斯·哈薩比斯（Demis Hassabis）：從圍棋神童、遊戲開發者到創立 DeepMind 的傳奇人生#
8.1.1 神童的四段人生#
戴密斯·哈薩比斯（Demis Hassabis, 1976–）倫敦出生（希臘賽普勒斯裔父親、新加坡裔母親）：
- 圍棋神童：13 歲即達大師級等級（世界青年圍棋賽第二名等戰績）；
- 遊戲開發者：17 歲參與《Theme Park》（1997 主程式設計）；其後創辦 Elysium Studios／Elixir Studios（Republic: The Revolution、Evil Genius）；
- 認知科學博士：劍橋計算機本科後，2009 年以「海馬體與情景記憶」認知神經科學博士（UCL）畢業；
- AI 創業者：2010 年與 Shane Legg、Mustafa Suleyman 創立 DeepMind，宗旨直書「解決智能問題，再用智能解決一切其他問題」。
8.1.2 研究路線：從神經科學到通用智能#
DeepMind 的獨特性在於其「神經科學啟發」路線：把人腦的學習機制（多巴胺獎賞、海馬回放）轉譯為演算法。2013 年其 Nature 論文（Atari）之前，公司以 5,000 萬英鎊估值融資（Founders Fund、Horizons Ventures 等），並吸引了一批強化學習青年（David Silver——辛頓與 Sutton 的學生、Koray Kavukcuoglu 等）。
8.1.3 2014 年的收購：Google 出價與 Facebook 的落敗#
2014 年 1 月，Google 以約 4–6.5 億美元（各方報導不一）收購 DeepMind；Meta／Facebook 同場競標未果。收購附帶兩個著名條款：
- 設立 AI 倫理委員會（當時被媒體誤讀為「機器人權利委員會」）；
- 保留倫敦總部與研究自主權。
DeepMind 從此成為 Alphabet 內的「半獨立王國」——這一結構在日後的 AI 治理劇（10.3、11.3）中屢屢成為對照組。
8.1.4 前因後果#
- 前因：遊戲工程＋神經科學訓練＋強化學習的小眾積累（Sutton 的 TD 學習，1992 TD-Gammon 已自學西洋跳棋）。
- 事件：2010 DeepMind 成立、2014 被 Google 收購。
- 後果：強化學習獲得工業級資源；Atari（8.2）與 Go（8.3）接連引爆；2024 年 DeepMind 與 Google Brain 合併為 Google DeepMind，哈薩比斯任 CEO，同年獲諾貝爾化學獎（AlphaFold 蛋白質結構預測）。
下一節：8.2 DQN