Demis Hassabis — twórca DeepMind, laureat Nobla i architekt AGI

01 / Dzieciństwo wśród bierek i kodu

Demis Hassabis przyszedł na świat 27 lipca 1976 roku w Londynie, w rodzinie o wyjątkowym kulturowym przekroju. Jego ojciec pochodzi z Cypru Greckiego, matka — z Singapuru chińskiego. Oboje żyli skromnie i bez szczególnego nacisku na akademickie osiągnięcia, co sprawia, że kariera ich syna tym bardziej zaskakuje swoją trajektorią. Hassabis dorasta w północnym Londynie, w dzielnicy gdzie szachownica na stoliku w salonie jest czymś równie naturalnym jak telewizor.

Pierwsze lekcje gry w szachy dostaje w wieku czterech lat. Nie uczy go żaden trener — sam przygląda się starszemu bratu, zapamiętuje ruchy, dostrzega wzorce tam, gdzie inni widzą tylko figury na planszy. W 1989 roku, jako trzynastolatek, osiąga ranking Elo 2300 i zostaje kandydatem na mistrza — najwyższy tytuł możliwy do uzyskania w tak młodym wieku. Wielokrotnie prowadzi reprezentację Anglii juniorów. Angielska federacja szachowa proponuje mu pełne finansowanie kariery turniejowej, ale rodzice odmawiają: szachy mają pozostać narzędziem, nie celem.

Szachy formują w nim coś więcej niż tylko umiejętność gry: kształtują sposób myślenia o problemach złożonych, wielokrokowych, nielinenarnych. Przyszłe projekty — od gier wideo po AlphaFold — będą nosić ślad tej szachowej logiki: rozumowania z przyszłości ku teraźniejszości, wyobraźni wariantów, cierpliwości w obliczu niepewności.

02 / Nastolatek, który zmienił gry wideo

W 1992 roku szesnastoletni Hassabis trafia do studia Bullfrog Productions, gdzie pracuje przy grach pod okiem uznanego projektanta Petera Molyneux. Ma niezwykły talent do projektowania systemów sztucznej inteligencji w grach — tworzy zachowania postaci niegrawalnych, które po raz pierwszy sprawiają wrażenie, że reagują na świat, a nie jedynie podążają zaprogramowanym skryptem. Rok później, jako siedemnastolatek, współtworzy Theme Park — grę, która sprzedaje się w milionach egzemplarzy na całym świecie i zdobywa branżowe nagrody. Dzisiaj byłoby to warte fortunę. Wówczas Hassabis dostaje premię i wraca do szkoły.

Zdaje egzaminy A-level dwa lata przed rówieśnikami. Cambridge Univeristy przyjmuje go na wydział informatyki — ale prosi, żeby rok poczekał, bo jest za młody. Rok spędza na intensywnym programowaniu i turniejach szachowych. Na Cambridge dociera w 1994 roku i kończy je w 1997 z Double First — podwójnym wyróżnieniem, przyznawanym zaledwie kilku procentom studentów na roku. W tym czasie zdobywa też tytuł mistrzowski w szachach universyteckich i bierze udział w tzw. „Pentamindzie" — mistrzostwach świata w grach planszowych, które wygrywa pięciokrotnie w latach 1998–2003.

Zawsze interesowało mnie zrozumienie inteligencji jako takiej — nie tylko jej naśladowanie. Gry wideo były pierwszym miejscem, gdzie mogłem to eksplorować w praktyce.

Po Cambridge zakłada Elixir Studios, firmę tworzącą gry z zaawansowaną AI dla postaci niegrawalnych. Tytuły takie jak Republic: The Revolution czy Evil Genius zdobywają uznanie krytyków. Jednak Hassabis stopniowo dochodzi do wniosku, że gry to tylko jedna z możliwych scen, na której można badać zachowanie inteligentnych systemów. Chce więcej — chce zrozumieć mózg.

03 / Powrót do akademii: neurony i wyobraźnia

W 2005 roku Hassabis zamyka Elixir Studios i wraca do świata nauki. Wybór kierunku jest znamienny: zamiast kontynuować informatykę, decyduje się na doktorat z neurokognitywistyki na University College London. Promotorką zostaje Eleanor Maguire — neurobiolog badająca plastyczność mózgu u londyńskich taksówkarzy. Temat dysertacji Hassabisa brzmi niemal filozoficznie: bada, w jaki sposób mózg koduje wspomnienia epizodyczne i w jaki sposób te same mechanizmy leżą u podstaw zdolności do wyobraźni.

Teza jest pozornie prosta, a rewolucyjna w skutkach: pamięć i wyobraźnia korzystają z tych samych zasobów neuralnych. Mózg nie przechowuje wspomnień jak pliki na dysku twardym — rekonstruuje je za każdym razem na nowo, korzystając z tych samych mechanizmów, które pozwalają mu projektować przyszłość. To spostrzeżenie stanie się jednym z fundamentów podejścia Hassabisa do sztucznej inteligencji: AI zdolna do prawdziwego rozumowania powinna czerpać inspirację z neuronauki, nie tylko z algebry liniowej.

Doktorat kończy w 2009 roku. Odbywa krótkie staże podoktoranckie w MIT i Harvardzie. Potem wraca do Londynu — z misją.

04 / DeepMind: laboratorium, które chciało zrozumieć inteligencję

W 2010 roku Hassabis zakłada DeepMind razem z Shane'em Leggiem — nowozelandzkim informatykiem, którego poznaje podczas podoktoratu w Gatsby Computational Neuroscience Unit — oraz Mustafą Suleimanem, znajomym z dzieciństwa, który wkrótce stanie się twarzą humanistycznego wymiaru projektu. Do zespołu dołącza też David Silver, przyjaciel z czasów Cambridge, który za kilka lat poprowadzi projekt AlphaGo.

Ambicja jest od początku jawna i bezprecedensowa: zbudować sztuczną ogólną inteligencję — AGI — system, który będzie potrafił uczyć się i rozwiązywać problemy tak samo ogólnie, jak robi to ludzki umysł. Nie wąskie narzędzie do jednego zadania, lecz coś bliższego mózgowi. Misja ta nie jest PR-owym hasłem — jest dosłowna. I dlatego wzbudza zarówno fascynację, jak i niepokój.

DeepMind szybko przyciąga uwagę doliny krzemowej. W 2014 roku Google kupuje laboratorium za równowartość około 400 milionów funtów — największe europejskie przejęcie w historii firmy. Warunkiem umowy wynegocjowanym przez Hassabisa jest zachowanie niezależności badawczej i siedziba w Londynie. Google zgadza się. DeepMind pozostaje spółką-córką, ale z budżetem i infrastrukturą niemożliwą do zdobycia w inny sposób.

Wiedzieliśmy, że droga do AGI wymaga zasobów, których żadne akademickie laboratorium nie jest w stanie zapewnić. Wejście do Google dało nam tlen. Pytanie, czy za cenę niezależności — jest słuszne, ale odpowiedź nie jest prosta.

05 / AlphaGo: moment, w którym świat poczuł powiew AGI

W marcu 2016 roku w Seulu rozgrywa się jeden z najbardziej dramatycznych meczów w historii — nie między ludźmi, lecz między człowiekiem a maszyną. Program AlphaGo, stworzony przez zespół DeepMind pod kierunkiem Davida Silvera, pokonuje Lee Sedola — dziewięciokrotnego mistrza świata w grze Go — wynikiem 4 do 1. Świat Go przeżywa wstrząs.

Go uchodziło za ostatni bastion ludzkich zdolności strategicznych niedostępny dla maszyn. W przeciwieństwie do szachów, gdzie liczba możliwych pozycji jest ogromna, lecz skończona, w Go jest ich więcej niż atomów w obserwowalnym wszechświecie. Komputery, które biły arcymistrzów szachowych od lat devedziesiątych, przez dekady nie potrafiły zagrać w Go na poziomie amatorskim. AlphaGo nie tylko wygrywa — wygrywa ruchami, których żaden profesjonalista nigdy wcześniej nie rozważał. Ruchem 37 w drugiej partii Hassabis napisze na Twitterze: „Ruch, o którym mówią profesjonaliści, że jest piękny."

Następuje seria szybkich triumfów: AlphaZero (2017) opanowuje szachy, Go i shogi w ciągu czterech godzin gry wyłącznie z sobą samym. AlphaStar (2019) osiąga poziom Grandmastera w StarCraft II, grze wymagającej zarządzania tysiącami jednostek w czasie rzeczywistym. AlphaCode (2022) rozwiązuje problemy programistyczne na poziomie przeciętnego kandydata w konkursach informatycznych. Każdy z tych projektów to osobna historia przełomu — i każdy jest krokiem w stronę jednego celu.

06 / AlphaFold: kiedy AI zmieni biologię

Gdyby Hassabis nie stworzył niczego poza AlphaFold, i tak wszedłby do historii nauki. Problem fałdowania białek — przewidywania trójwymiarowej struktury cząsteczki na podstawie sekwencji aminokwasów — pozostawał nierozwiązany przez pięćdziesiąt lat. Struktura białka decyduje o jego funkcji, a funkcja białka decyduje o tym, jak działa życie. Każde nowe lekarstwo, każda terapia genowa, każde zrozumienie choroby neurodegeneracyjnej zaczyna się od pytania: jak wygląda to białko?

Pierwsza wersja AlphaFold startuje w 2016 roku pod kierownictwem Johna Jumpera. Wyniki są obiecujące, ale niewystarczające. Drużyna przez cztery lata przebudowuje algorytm od podstaw. AlphaFold2 debiutuje w 2020 roku na zawodach CASP — Critical Assessment of Structure Prediction — osiągając dokładność 90% w przewidywaniu struktury białek. Wynik jest tak daleki od poprzednich rekordów, że część jurorów początkowo podejrzewa błąd w obliczeniach.

W 2021 roku DeepMind udostępnia bazę danych struktur białek przewidzianych przez AlphaFold — za darmo, bez licencji, bez ograniczeń. Zawiera struktury praktycznie wszystkich 200 milionów białek znanych nauce. Ponad dwa miliony badaczy z 190 krajów korzysta z niej w ciągu dwóch lat. Artykuł opisujący AlphaFold2 w Nature staje się jedną z najczęściej cytowanych publikacji naukowych wszech czasów.

Dedykuję tę nagrodę wszystkim naukowcom, którzy przez pięćdziesiąt lat zmagali się z tym problemem i stworzyli fundamenty, na których mogliśmy stać.

9 października 2024 roku Królewska Szwedzka Akademia Nauk ogłasza przyznanie Nagrody Nobla w dziedzinie chemii Demisowi Hassabisowi i Johnowi Jumperowi za opracowanie AlphaFold oraz Davidowi Bakerowi za projektowanie białek. To pierwsza w historii Nagroda Nobla bezpośrednio związana z sukcesem uczenia maszynowego. Hassabis odbiera ją razem z tytułem rycerskim nadanym przez króla Karola III — Sir Demis Hassabis CBE FRS FREng.

07 / Google DeepMind i wyścig o AGI

W 2023 roku Google łączy DeepMind z Google Brain — własną komórką badań nad AI — tworząc Google DeepMind, zjednoczone laboratorium badawcze o budżecie i kadrze, jakich nie ma żaden konkurent poza OpenAI i Anthropic. Hassabis zostaje dyrektorem generalnym tej struktury. Jego misja pozostaje ta sama co w 2010 roku, lecz skala środków jest nieporównywalnie większa.

Efekt jest natychmiastowy. Seria modeli Gemini, rozwijana przez Google DeepMind, staje się w 2025 roku odpowiedzią na ChatGPT, która zmusza OpenAI do przyspieszenia własnych prac. Biograf Sebastian Mallaby, opisując ten okres w swojej książce o Hassabisie, konstatuje, że świat był zaskoczony: wszyscy widzieli w Hassabisie naukowca, nie rywalizującego gracza. A tymczasem człowiek, który przez życie uczył się wygrywać w szachy, w Go i w StarCrafta, rozumiał doskonale, czym jest strategia długoterminowa.

Na Google I/O w maju 2026 roku Hassabis staje na scenie i mówi, że stoimy w przedgórzu osobliwości — i że społeczeństwo ma tylko kilka lat na przygotowanie się do AGI. Jego prognoza brzmi: 2029, maksymalnie 2030. To nie jest straszenie. To jest ocena człowieka, który od trzydziestu lat buduje tę technologię i wie lepiej niż ktokolwiek inny, co drzemie w kolejnych modelach.

08 / Człowiek za marką: szachy, filozofia, odpowiedzialność

W branży, która uwielbia głośne osobowości, Hassabis jest wyjątkiem. Nie szuka rozgłosu, nie prowadzi wojen na Twitterze, nie organizuje show. Jego publiczne wypowiedzi są wyważone, precyzyjne i rzadkie. Gdy mówi, że AGI jest nieuchronne — mówi to bez triumfalizmu, z pewną nutą niepokoju, który sam w sobie jest informacją.

Prywatnie Hassabis jest zagorzałym miłośnikiem gier: poza szachami gra w pokera, shogi i Diplomacy — wieloosobową grę wojenną, w której kluczem do zwycięstwa są przymierza i zdrady. Pięciokrotnie zdobywa tytuł mistrza świata w Pentamindzie — rywalizacji obejmującej jednocześnie kilkanaście różnych gier. Jego żona Yvonne jest biologiem molekularnym. Mają dwoje dzieci.

Nie jest naiwnym optymistą. Wielokrotnie ostrzegał przed ryzykiem związanym z rozwojem AI — i wielokrotnie apelował o rządowe mechanizmy nadzoru, testowania modeli przed ich publikacją, o budowanie infrastruktury bezpieczeństwa zanim nadejdzie AGI. W maju 2026 roku powiedział wprost, że użył celowo prowokacyjnych słów o „osobliwości", żeby wstrząsnąć rządami i opinią publiczną, bo zmiana nadejdzie szybciej, niż ktokolwiek jest gotowy przyznać.

Nie buduję AGI, żeby je zademonstrować. Buduję je, żeby rozwiązać choroby, które zabijają miliony ludzi każdego roku. To jest misja. Wszystko inne jest narzędziem.

W porównaniu z Elonem Muskiem, który opuścił zarząd OpenAI w dramatycznych okolicznościach i założył konkurencyjne xAI, albo z Samem Altmanem, którego wyrzucono z OpenAI a potem przywrócono po pięćdziesięciu godzinach — Hassabis wygląda jak uosobienie instytucjonalnej ciągłości. Nigdy nie opuścił organizacji, którą założył. Nigdy nie zmienił misji. Zmienił tylko skalę.

09 / Znaczenie i dziedzictwo

Historia Demisa Hassabisa jest historia człowieka, którego każde kolejne wcielenie — szachowy prodigy, projektant gier, neurobiolog, przedsiębiorca, dyrektor naukowy globalnego laboratorium — jest logiczną konsekwencją poprzedniego. Nie ma tu przypadkowych zwrotów. Jest jedna ciągła linia: zrozumieć inteligencję, żeby ją odtworzyć.

AlphaGo pokazało, że maszyna może przekroczyć ludzkie możliwości w zadaniu, które wydawało się ostatnim bastionem rozumu. AlphaFold pokazało, że AI może rozwiązać problem, z którym nauka zmagała się pół wieku. Oba razem sugerują, że to, co nastąpi dalej, może być większe niż cokolwiek, co dotychczas próbowaliśmy sobie wyobrazić.

Hassabis nie jest prorokiem. Jest inżynierem z wyobraźnią filozofa i cierpliwością szachisty. W branży pełnej hype'u i skrótów rozumuje w dekadach, nie kwartałach. I właśnie dlatego — gdy mówi, że jesteśmy w przedgórzu osobliwości — warto słuchać uważnie.