正文
更关键的是，
DeepMind 将深度学习与强化学习（RL, Reinforcement Learning）相结合，后者同样源于对动物行为和神经科学的研究。强化学习的核心是通过试错来学习，在环境中采取行动，根据结果获得奖励或惩罚，最终目标是最大化累积奖励。
“这
基本上是人脑工作的两大核心组成部分。”哈萨比斯解释说，“大脑是一个神经网络，一个模式匹配和结构发现系统。但它同时也有强化学习机制……（大脑中的）多巴胺系统就实现了这一点。”
这种生物学上的合理性，在 AI 研究的寒冬时期给予了他们极大的信心。“当你身处沙漠……你需要任何水源或证据来指引方向……而当时的 AI 正处于这种困境，因为之前的尝试（专家系统）多次失败，基本走到了天花板。”
DeepMind
开创性地将这两种方法融合为“深度强化学习”（deep reinforcement learning），创造出能够从零开始学习复杂任务的智能体（agent）。
AlphaGo、“上帝之手”与创造力的本质
游戏成为了检验和完善这些理念的完美“坩埚”。它们提供了可控的环境、明确的目标（获胜、最大化得分）、可量化的进展（Elo 等级分），以及与人类顶尖专家进行校准的机会。而终极挑战，便是古老的围棋。
围棋的复杂度远超象棋——哈萨比斯指出，其可能的状态数估计高达 10 的 170 次方，“比宇宙中的原子还多”。蛮力计算毫无可能。此外，围棋高度依赖直觉；顶尖棋手常常难以清晰描述其落子背后的逻辑，只是说感觉“对”。这种基于模式识别和美感的特性，让传统专家系统束手无策。
DeepMind 的 AlphaGo 采用了不同的策略。它通过观察数百万局人类棋谱进行学习，随后又与自身进行了数百万局的对弈。它发展出了自己对“好”的模式、棋形和致胜局面的理解。2016 年，AlphaGo 在首尔与世界冠军李世石进行了一场载入史册的人机大战。决定性的时刻出现在第二局：第 37 手。
“那是一步真正充满创造力的棋。”
哈萨比斯
回忆道。围棋已有数千年历史，其策略已被深入探索。然而，第 37 手前所未见，甚至最初被顶尖解说认为是失误。
“他们以为操作员 Aja 点错了鼠标……因为那一步太不可思议了。”哈萨比斯说。但在一百多手之后，这步棋被证明是制胜的关键。
图丨 AlphaGo 和李世石对战第二局的前 99 步（来源：WikiPedia）
第 37 手（常被称为“神之一手”）完美诠释了哈萨比斯所定义的第二层次创造力：外推（extrapolation）。“你从已知信息出发进行推演，得出一个前所未见的新策略，就像第 37 手。这本身就非常有价值。”
这与第一层次的内插（interpolation，例如从数百万张猫的图片中生成一张平均的猫脸）以及尚难企及的第三层次——发明（invention）或“跳出框架思考”（out-of-the-box thinking）——形成对比。AI 能否发明围棋本身？或者基于 1900 年代的信息推导出广义相对论？“显然，今天的答案是否定的，”哈萨比斯坦诚，“仍然缺少一些东西……但我认为它（真正的创造力）终将到来。”
DeepMind 随后通过 AlphaStar 继续拓展边界，挑战了复杂的即时战略（RTS, Real-Time Strategy）电子游戏《星际争霸 II》（StarCraft II）。与围棋不同，《星际争霸》包含不完美信息（玩家无法看到全部地图）、实时决策和资源管理等要素。为了攻克这一难关，DeepMind 设计了一个“智能体联盟”（league of agents），让不同的 AI 策略在内部联赛中相互竞争。获胜的策略得以进化，并产生新的变种，形成一种类似演化的动态过程，最终培养出能够击败顶尖职业玩家的智能体。这成功解决了部分信息环境下的决策问题，向模拟真实世界挑战迈进了一大步。
哈萨比斯将这种利用游戏的方式与“游戏的人”（Homo Ludens）概念联系起来，认为玩耍是人类经验的基础，它不仅孕育创造力，也提供了一个安全的“练习场”，让人们可以在压力下模拟和训练关键决策能力。因此，游戏不仅是基准测试，更是开发通用 AI 能力的理想训练场。
从像素到蛋白质：AlphaFold 与“数字生物学”的黎明
在证明了学习系统在复杂游戏领域的强大能力后，
哈萨比斯
