要造出人工智能，先得读懂自然智能 UCL认知神经科学博士课程 2005年一个寒冷的早晨，德米斯·哈萨比斯站在伦敦市中心Elixir Studios办公室的窗前，望着窗外，下定了决心。二十出头的年纪，他已经创办了自己的游戏公司，手下几十号员工，做出的游戏卖了几百万套，是个不折不扣的成功创业者。可心里始终有一种填不满的渴。

十二岁那年，他坐在棋盘前琢磨「思考到底是什么」，为此买了人生第一台电脑。现在，他觉得该回到那个根本问题上去了。当时的游戏行业越来越沉迷于炫目的画面和感官刺激，哈萨比斯梦想的「拥有智能的虚拟角色」一再被技术瓶颈和商业逻辑挡在门外。他不顾周围人的劝阻，关掉了公司。

然后背起一个包，走进了伦敦大学学院（UCL）的校门。哈萨比斯选择认知神经科学（Cognitive Neuroscience）而非计算机工程来研究人工智能，这个决定既有战略眼光，也带着哲学意味。他注意到，当时的人工智能技术只是在数学计算和统计概率上打转。

真正的智能，也就是像人一样适应新环境、自主学习、给出创造性解决方案的通用人工智能（AGI），要想造出来，就必须先弄懂目前唯一完美具备这种能力的存在，，人类的大脑。UCL是伦敦历史悠久的名校，在绘制大脑地图的神经科学领域享有世界顶尖声誉。哈萨比斯在这里放下了CEO的光环，每天一早坐进图书馆，啃厚厚的神经科学教材，做一个大龄研究生。

读博期间，哈萨比斯并不满足于拿到学位。他要挖出大脑各区域如何互相通信、如何把我们看到和听到的信息转化为「知识」的底层原理。他尤其关心的是：人类怎样记住过去的经历，又怎样凭着这些记忆在脑中预演未来。

这段研究后来成为DeepMind人工智能算法的核心，，「强化学习」和「经验回放（Experience Replay）」的基石。他不把大脑当作一个生物器官来看，而是看成宇宙中最高效的信息处理「算法机器」。这四年沉浸式的学术训练，成了他在人工智能史上占据独特位置的关键转折点。 导师埃莉诺·马圭尔（Eleanor Maguire） 敲开UCL实验室大门时，迎接哈萨比斯的是埃莉诺·马圭尔教授。

马圭尔教授是举世闻名的「伦敦出租车司机研究」的主角。她调查了那些背下伦敦复杂路网的出租车司机的大脑，发现负责空间记忆的「海马体」比普通人更大。哈萨比斯加入马圭尔的研究团队后，被一个事实深深震撼：大脑不是一个被动储存信息的仓库，而是一台不停地绘制地图、运行模拟的主动引擎。

马圭尔教授非常欣赏哈萨比斯超乎常人的专注力和编程能力，两人的相遇让脑科学与计算机科学碰出了巨大的火花。在马圭尔教授指导下，哈萨比斯开始集中研究藏在大脑深处的「海马体（Hippocampus）」。海马体因形似海马而得名，它是我们记住昨天吃了什么、去年暑假去了哪里的「情景记忆（Episodic Memory）」的指挥中枢。

哈萨比斯与马圭尔教授一起，研究大脑如何把这些碎片般的记忆串联起来，重组为一幕幕生动的场景。在实验室里，他从出租车司机的脑成像数据到失忆患者的案例，分析了大量资料，同时把大脑的运作原理翻译成数学模型。

马圭尔教授教给哈萨比斯科学上的严谨。再漂亮的假说，拿不出扎实的实验和数据来证明就毫无意义。哈萨比斯跟教授一起熬夜画实验方案，用功能性磁共振成像（fMRI）扫描被试者的大脑，追踪里面极其微弱的信号。

这段时期哈萨比斯学到的是「系统神经科学」的视角：大脑的某个区域并非独立工作，而是多个区域像交响乐团一样协作，合力创造出智能。通过与马圭尔教授的合作研究，哈萨比斯从一个工程师蜕变为能解读大脑设计图的科学家，两人合著的论文登上了世界顶级科学期刊，引起学界巨大关注。 把大脑的原理移植到AI架构中 哈萨比斯实验室的书桌上方，贴着物理学天才理查德·费曼的一句名言。

「我造不出来的东西，就是我没理解的东西（What I cannot create, I do not understand）。」这句话概括了哈萨比斯研究大脑的根本态度。看着脑科学家们发现的一个个现象，他不停地问自己：

「如果把大脑的功能写成计算机代码，会是什么样子？」对他而言，脑科学研究就是为设计完美人工智能而做的「逆向工程（Reverse Engineering）」。他观察到大脑通过调节神经元之间的连接强度来学习，从中获得了调整人工神经网络「权重」的灵感。

他注意到大脑的海马体在人睡觉时，会以极快的速度把白天经历的事情「回放（Replay）」一遍来巩固学习。把这个机制搬到计算机上，人工智能不必每时每刻都接收新数据，只要反复回放过去的数据就能变得聪明得多。这就是后来DeepMind的AI学习玩游戏时使用的「经验回放」技术的原型。

哈萨比斯一边观察大脑的运作方式，一边在脑中构想人工智能应当具备的「架构」。不是靠输入指令来运行，而是像大脑一样，多个模块互相配合，自己设定目标、理解世界。他常常对同事们说：

「真正的AI应该跟人脑解决问题的方式相似。因为那是最优雅、最高效的路径。」写博士论文的间隙，他不断把这些想法用代码记在便签纸上。

大脑感知空间的方法、形成抽象概念的方法、预测不确定未来的方法，全都被收进了潜在的AI设计蓝图。正如费曼所说，为了彻底理解智能，他立志要亲手把它造出来。UCL的博士生涯让他对智能的本质有了坚定的信念，现在他已经准备好，去建造那个向世界证明这一信念的工具，，DeepMind。

海马体，连接记忆与想象的桥梁 海马体受损患者无法想象未来，，一项划时代的发现 2007年初，哈萨比斯公布了一个令世人震惊的实验结果。他召集了一批失忆症患者和健康的普通人，提出了一个特别的问题：「请想象明天早上去海边玩。

你能详细描述一下会看到什么、会发生什么吗？」我们觉得想象未来是天经地义的事，可海马体受损的患者们的反应令人震惊。他们连一步都迈不进未来。

他们痛苦地说：「嗯，应该有大海吧……还有沙子。但就这些了，脑子里什么画面都出不来。」他们脑海中的屏幕是一张空白。这个实验把人们对记忆和想象的固有认知彻底翻了过来。在此之前，科学家们一直以为记忆管「过去」，想象管「未来」，两者是各自独立的能力。

然而哈萨比斯证明了：记不住过去的人，同样无法想象未来。也就是说，海马体不只是记录过去的日记本，而是一张「心灵的工作台」，负责把过去的记忆碎片取出来，拼装成未来的虚拟场景。哈萨比斯通过这一发现，确认了智能的核心在于「预测」和「模拟」。

记住过去，是为了更好地应对未来将要发生的事。他从大脑深处找到了这条生存法则。哈萨比斯分析着患者们那些短促、断裂的句子，再一次感受到人类智能的伟大。当我们想象「明天和朋友吃午饭」时，大脑在一眨眼间就把无数过去的记忆重新组合，生成了一个虚拟现实。哈萨比斯想把这种能力移植到人工智能身上。

如果人工智能不仅处理眼前的数据，还能根据过去的经验想象未来，提前

模拟出最佳选择，会怎样？这项突破性发现发表在脑科学界最权威的『Nature』上，全球媒体纷纷关注这位「揭示记忆与想象同出一源的年轻天才」。 情景记忆与「场景构建（Scene Construction）」理论的提出 哈萨比斯在海马体受损患者的研究基础上更进一步，提出了一个开创性的理论：「场景构建（Scene Construction）」。他在分析为什么海马体受损的患者无法想象未来时发现，他们不只是记不住「事件」，而是根本无法在脑中搭建出一个立体的「空间」。

我们回忆或想象某件事时，大脑先会搭好一个舞台背景，，桌子在哪里、窗户在哪里、阳光从哪个方向照进来，这样一个三维场景。哈萨比斯发现，海马体正是这座「三维虚拟舞台」的总建筑师。

按照这个理论，我们经历的每一段情景都被放上这座舞台。没有舞台，演员就无法表演；同理，大脑内部如果构建不出空间背景，记忆和想象都不可能发生。哈萨比斯通过fMRI直观地展示了人在想象某事时海马体剧烈活跃的画面，并把这当作设计人工智能的重要线索，，AI不应该只是排列文字和图像，而应当把世界理解为一个立体结构，在其中预判自己的行为。

「场景构建」理论把心理学和脑科学领域长期各自为政的几套经典记忆理论整合到了一起。哈萨比斯主张：「记忆不是回放（Playback），而是重建（Reconstruction）。」每次回忆过去，大脑都会重新搭一座舞台，把记忆碎片摆上去。

这种灵活的思维方式，后来成为DeepMind的AI理解围棋棋盘这一空间、通过无数虚拟对局计算胜率的原动力。哈萨比斯用「场景」和「构建」这两个概念解释了大脑的复杂机制，为人工智能找到了方向上的北极星。

「心灵的模拟引擎（Simulation Engine of the Mind）」概念 博士课程接近尾声时，哈萨比斯提炼出了贯穿自己全部研究的一个宏大概念：「大脑是心灵的模拟引擎（Simulation Engine）」。人类之所以能压倒地球上其他物种、建立文明，是因为在真正跳入危险之前，可以在脑中跑上成千上万次模拟。

原始人出门打猎前想「走进那片林子会不会碰上狮子？躲到那块石头后面安不安全？」这个想象过程本身，就是智能的本质。大脑是一台精密的模拟器，预先体验各种虚拟的未来，再从中挑出最安全、收益最大的路。对哈萨比斯来说，这个概念就是人工智能必须抵达的终极目标。

当时的人工智能不过是在给定规则里做运算的「计算器」，哈萨比斯想要的却是「能自主模拟世界的AI」。如果人工智能能理解现实世界的物理定律和因果关系，能预判自己的行为将在未来引发什么后果，那就离人类智能又近了一步。他研究海马体与前额叶如何协作启动这台引擎，琢磨着怎样把这个「模拟循环」嵌入人工神经网络。

这个「心灵的模拟引擎」概念，后来演变为DeepMind的标志性技术，，「基于模型的强化学习（Model-based Reinforcement Learning）」。人工智能建立一个关于世界的内部模型，在模型里发挥想象力来寻找答案。哈萨比斯在伦敦狭小的实验室里盯着fMRI影像，脑中已经在描绘遥远的未来：人工智能模拟复杂疾病的治疗方案、寻找应对气候变化的出路。

他已经在用自己大脑这台引擎，想象DeepMind将带来的那场革命了。 入选『Science』「2007年十大科学突破」 在『Nature』『Science』『Neuron』『PNAS』等顶级期刊发表高影响力论文 德米斯·哈萨比斯的学术亮相堪称惊艳。普通博士生一辈子能在世界级期刊上发一篇就算幸运，而他的名字接连出现在一份又一份顶刊上。『Nature』、『Science

（Science）』、『Neuron』、『美国国家科学院院刊（PNAS）』，这些对科学家来说如同圣杯的期刊争相刊发他的研究成果。游戏开发者的标签被撕掉，他一跃成为神经科学界冉冉升起的新星。他发表的论文之所以影响力巨大，在于提问的深度与众不同。

他没有止步于分析大脑某个微观功能，而是把「记忆、想象、智能」这些人类心灵运作的宏大原理，解释为一个有机的系统。学界评价他「同时拥有计算机科学家的锐利逻辑和神经科学家的深邃洞察，这样的人才极为罕见」。他的论文被引用次数呈指数级增长，世界各地名校的演讲邀请纷至沓来。

他在2007年发表的那批论文，彻底改写了记忆研究的范式。「记忆不只是对过去的记录，而是为未来准备的工具」，这一命题把延续了几十年的记忆研究方向整个掉了个头。这一时期积累的学术成就和人脉，在他后来创办DeepMind时，不仅吸引了硅谷的资本，更把学界最顶尖的人才聚拢到了身边，成为无可替代的信任资产。

哈萨比斯通过建立洞穿智能本质的科学权威，亲手为自己赢得了引领未来人工智能革命的资格。 fMRI研究证明：回忆与想象共享同一套神经机制 哈萨比斯所有研究中最关键的证据，来自fMRI（功能性磁共振成像）实验。他让受试者躺进那台巨大的圆筒形fMRI设备里，布置了两个任务。

第一个是「请回忆去年圣诞节发生的事」，第二个是「请想象明年圣诞节会发生的事」。机器嗡嗡运转、拍摄大脑血流变化的同时，显示屏上出现了令人惊叹的画面：回忆过去时亮起来的脑区，和想象未来时亮起来的脑区，几乎一模一样，就像照镜子。

记忆与想象共享同一套「神经机制（Neural Mechanism）」，这一点被完美地证实了。对大脑来说，回想过去和想象未来，本质上是同一种操作：以海马体为核心的特定网络被激活，把储存的信息重新排列组合。哈萨比斯据此给出了自己的定义：「智能，就是以过去的经验为原料，模拟未来各种可能性的能力。」

这一发现被『Science』评为「2007年全球十大科学突破」之一。这份荣誉给了哈萨比斯极大的信心。他亲眼确认了大脑如何把无形的想象力转化为有形的智能。

剩下的课题，就是把这个近乎魔法的过程翻译成数字代码。他盯着fMRI影像，心中笃定：正如大脑收集记忆碎片来描画未来，人工智能也一定能收集数据碎片来模拟世界。

博士课程快要结束时，哈萨比斯已经没有理由继续留在学校了。他充分解读了心灵的设计图，现在要带着这张图纸，再一次踏入商业世界的风浪，亲手造出改变世界的机器。

fMRI脑部扫描图像，海马体区域激活

人工智能专家 金京镇律师

AI法律政策专家 · 前国会议员 · 著作等身

如果这本书曾在你身边停留过哪怕片刻，请支持我们，让下一个故事也能与世界见面。

（自愿赞助账户：农协 302-1096-0948-81 户名：金京镇）