读完 DeepMind 创始人的故事，我反而不想写普通书评了

最近读了一本关于 Demis Hassabis 和 DeepMind 的书。

书名叫《The Infinity Machine》，也有中文版本，但是不记得中文版本叫啥名字了。

说实话，刚开始读的时候，我以为自己会写一篇很正常的书评：这本书讲了什么，作者写得怎么样，DeepMind 为什么重要，Demis Hassabis 为什么厉害。

但读着读着，我反而不太想这么写了。

因为我越来越觉得，普通书评变得很难写。

不是因为书不好，也不是因为没有内容可写，而是因为现在只要你想写“这本书讲了什么”，AI 很快就能帮你整理出来，而且整理得很完整、很干净、很像样。

一章一章概括，一条一条提炼，最后再总结几句“值得一读”“启发很大”“对理解 AI 发展有帮助”。

这种东西当然有用，但总觉得少了点什么。

一本书真正值得写的地方，可能不是把它复述得更完整，而是它让你开始问什么问题。

尤其是写 Demis Hassabis 这样的人。

他太适合被写成传奇了。

小时候下国际象棋，后来做游戏，再后来去研究神经科学，创办 DeepMind ，做出 AlphaGo，又一路走到 AlphaFold 和科学发现。这个故事本身就很有戏剧性，几乎不需要作者怎么加工，已经足够吸引人。

但也正因为这样，它很容易被写俗。

一不小心，就会变成那种“天才从小就不一样”“伟大的人总能坚持长期主义”“改变世界的人都有远见”的文章。

读者看完以后，最多感叹一句：

天才就是天才。

然后就没有然后了。

我现在对这种写法有点警惕。

因为它看起来在写一个人，其实什么都没有解释。它把复杂的历史压缩成一个人的天赋，把组织能力压缩成个人魅力，把时代条件压缩成命运安排。

最后所有问题都被一句“他很厉害”盖过去了。

但 DeepMind 真正有意思的地方，恰恰不只是 Demis Hassabis 很厉害。

更有意思的是：为什么是这样一批人，在这样一个时间点，用这样一种组织方式，把游戏、强化学习、神经科学、工程系统和科学问题连在了一起？

这个问题，比“他为什么成功”有意思多了。

我越来越相信，一个人长期做过什么，比他说自己想做什么更可信

读这类人物传记时，最容易被愿景打动。

尤其是 AI 行业。

“解决智能。”

“推动科学发现。”

“理解宇宙。”

“让 AI 造福人类。”

这些话听起来都很大，也很容易让人热血起来。

但问题是，愿景本身太容易被包装了。

今天几乎每个 AI 创业者都能讲愿景，每家公司也都能把自己的业务写成“人类未来的一部分”。如果只看这些话，很难判断哪些是真信念，哪些只是融资叙事。

所以我现在更愿意看一个人长期做过什么。

他最早关心什么问题？

后来为什么转向？

哪些研究方向持续了很多年？

哪些项目失败过？

哪些工作被同行反复引用？

他和谁合作？

他在哪些问题上始终没有放手？

这些东西，比演讲里的金句更诚实。

比如 Hassabis 身上最值得看的，不是他某一次采访里说了什么，而是他过去几十年的轨迹：游戏、认知科学、强化学习、通用智能、蛋白质结构预测。

如果只看结果，这些东西好像跳得很远。

从游戏到蛋白质结构，听起来像是两个世界。

但如果你顺着他的路径往回看，会发现中间其实有一条线：他一直在关心复杂系统里的智能、搜索、规划、学习和表示。

游戏不是玩具。

在 DeepMind 的早期语境里，游戏更像一个实验场。

它有规则，有反馈，有目标，有复杂状态，也能快速迭代。一个系统能不能学会策略，能不能规划，能不能从失败里更新，游戏是很好的试验环境。

所以，后来 DeepMind 从 Atari 到围棋，再到更复杂的科学问题，看起来是在换领域，实际上是在不断把同一种能力推向更难的环境。

这才是我觉得值得写的地方。

不是“天才跨界成功”，而是一个人长期的问题意识，如何在不同领域里反复出现。

很多 AI 书评的问题，是把技术史写成了成功学

我看过不少关于 AI 人物和 AI 公司的文章。

很多写得很顺，但越读越觉得不对劲。

它们太喜欢写“命运”“远见”“改变世界”，却不太愿意查论文，不太愿意看技术路线，也不太愿意区分故事和事实。

最后一本关于 DeepMind 的书，很容易被写成成功学鸡汤。

比如：

“长期主义的胜利。”

“天才少年的自我实现。”

“真正改变世界的人，都在十年前布局。”

这些话当然不是完全错，但说了等于没说。

DeepMind 最有意思的地方，不是它证明了“要有梦想”，而是它证明了一件更具体的事：如果你想做一种真正复杂的技术组织，光有聪明人不够，光有钱也不够，光有愿景也不够。

你还需要研究文化。

需要工程能力。

需要计算资源。

需要组织耐心。

需要允许一些短期看不到商业回报的方向继续存在。

也需要在一个足够长的时间里，持续把问题往前推。

AlphaGo 不是从天上掉下来的。

AlphaFold 也不是突然出现的奇迹。

它们背后都有很长的技术积累，也有很多中间环节。只是传记和媒体报道经常喜欢把这些中间过程剪掉，留下一个最适合传播的转折点。

于是读者看到的就变成了：

小时候会下棋。

后来创办公司。

然后战胜李世石。

最后解决蛋白质折叠。

这个故事当然好看，但如果只停在这里，理解就太薄了。

真正的问题是：

为什么游戏能成为通用智能研究的训练场？

为什么强化学习在那个阶段重新变得重要？

为什么 DeepMind 能长期保留研究导向？

为什么 Google 愿意为它提供足够多的计算资源？

为什么一个看起来偏游戏和智能体的实验室，最后会在生命科学里产生那么大的影响？

这些问题才真正值得慢慢写。

这类书好看，但也要警惕

我不反感人物传记。

恰恰相反，我觉得人物传记是理解技术史很好的入口。

因为技术不是自己发展的，背后总有人，有组织，有资源，有竞争，也有时代情绪。

但读这类书的时候，最好保留一点警惕。

作者为了讲故事，往往会把复杂历史压成一条主线。

为了突出主角，可能会弱化团队和时代条件。

为了制造戏剧性，可能会放大某些转折。

为了让叙事更流畅，也可能把争议写得比较平。

这不是说作者故意误导，而是传记这种写法天然就有这个问题。

故事需要主角。

但技术史往往没有单一主角。

DeepMind 的故事也是这样。

它当然离不开 Hassabis ，但也离不开 Shane Legg 、 Mustafa Suleyman 、 David Silver、John Jumper，以及无数研究员、工程师、产品团队和基础设施团队。

它也离不开那个时代：深度学习重新兴起，算力成本下降，大公司开始争夺 AI 人才，Google 愿意押注前沿研究，整个社会开始相信 AI 会成为下一个核心技术平台。

如果把这些都拿掉，只剩下一个天才创始人，故事会更爽，但也更假。

所以这类书对我来说，最好把它当成入口，而不是终点。

它负责把人物和故事带到我面前。

真正的理解，还得回到论文、访谈、项目发布、失败记录、同行评价和后来的实际影响里。

我比较喜欢“带着索引读书”

现在读技术人物传记，我越来越喜欢一种方法：带着索引读书。

不是把一本书从头读到尾，然后关上书写感想。

而是一边读，一边把里面出现的人名、论文、项目、公司、关键时间点记下来。

书给我故事。

论文给我技术骨架。

新闻和访谈给我时代背景。

项目发布和代码实现给我工程线索。

最后再用自己的判断，把这些东西重新连起来。

这样读书会慢很多。

但收获也更稳定。

因为你不会轻易被作者的叙事带走。

书里说某个项目是关键转折，那我就去看它到底转折在哪里。

书里说某个研究方向影响很大，那我就去看它后来有没有被继续引用、继续扩展。

书里说某个人很重要，那我就去看他在团队里到底做了什么，后来又去了哪里。

这时候，读书就不是消费故事，而是在搭一张地图。

Demis Hassabis 的故事尤其适合这样读。

因为他的经历太容易被传奇化，但他的真正价值，可能恰恰藏在那些不那么传奇的连接里。

游戏和智能体的连接。

神经科学和人工智能的连接。

强化学习和搜索的连接。

研究实验室和大公司资源的连接。

AI 系统和科学发现的连接。

如果只看人物故事，这些连接会被光环盖住。

但如果顺着索引去读，它们会慢慢浮出来。

所以我不想写“Demis Hassabis 为什么成功”

这个题目太大，也太空。

如果非要写，很容易写成几个漂亮但没什么信息量的词：

天赋。

热爱。

长期主义。

跨学科。

愿景。

这些词都对，但都不够。

我更想写一些小一点的问题。

比如：

为什么一个把游戏当实验场的人，最后能进入蛋白质结构预测？

为什么 DeepMind 的故事不是一个单纯的产品故事，而是一个研究文化、计算资源、组织耐心和长期目标共同作用的结果？

为什么 AI 公司最难复制的，可能不是某个模型，而是它选择问题、组织人才和承受不确定性的方式？

为什么今天很多 AI 创业公司都在讲 AGI，但真正能长期投入基础研究的组织并不多？

这些问题不一定马上有答案。

但它们比简单夸奖更有意思。

读完一本书，最怕的不是没有结论，而是只有结论。

因为只有结论，说明你只是把书读完了。

但如果读完以后多了几个问题，说明这本书真的进入了你的思考。

《The Infinity Machine》对我来说就是这样。

它不是让我更想写一篇“DeepMind 创始人有多传奇”的文章。

恰恰相反，它让我更想拆开来看：

传奇是怎么被制造出来的？

技术路线是怎么一步步走出来的？

一个人的愿景，什么时候只是口号，什么时候真的会变成长期行动？

一个研究组织，为什么能在商业公司内部保留那么强的科学野心？

这些问题比书评本身更重要。

所以，如果我要写这本书，我不想写成普通书评。

我更想把它当成一个入口。

从这本书出发，去重新看 DeepMind，重新看 Hassabis，也重新看 AI 时代里那些被包装得太顺滑的成功故事。

很多时候，真正值得写的不是“这个人为什么成功”。

而是：

他到底持续做了什么？

他所在的组织允许他做什么？

他做的那些事情，为什么刚好在这个时代变得重要？

这比一句“天才改变世界”，要有意思得多。