如果你關注 AI，then 推薦這部 DeepMind 紀錄片。
尤其適合家庭觀看，順便聊一聊 AI、遊戲、思考等話題。
這部紀錄片去年就在電影節放映了，但昨天 Google 把全片在 YouTube 上免費放出來了。
https://www.youtube.com/watch?v=d95J8yzvjbQ
非常有趣的是紀錄片的名稱：《思考遊戲》（the thinking game）。可以說，最讓人敬佩的，不是 Demis 得了諾貝爾獎，不是 Demis 的智商，而是那種「把世界當成一場思考遊戲」的眼光。
費曼一下
如果把整個人類文明看成一場漫長的「思考遊戲」，這部片子講的，就是一群人如何把這場「思考遊戲」本身拆開、重寫規則的故事。
對他們來說，棋盤、街機遊戲、星際爭霸、蛋白質折疊，甚至整座虛擬世界，都只是訓練一種東西的道具：通用智能。
Demis 的人生像一條被同一問題串聯的軌跡：少年國際象棋天才，在會堂裡熬到第十個小時，突然意識到，也許把幾百個頂尖大腦鎖在一間大廳裡只為分出輸贏，是在浪費心智；於是轉向遊戲設計，用主題公園裡的「嘔吐連鎖反應」去逼真模擬人類行為；再到劍橋研究大腦，從神經科學裡偷師，最後拉上 Shane，乾脆在倫敦創立 DeepMind，明目張膽地說：我們要做 artificial general intelligence。
他們選擇了一條看起來很「不務正業」的路徑：先讓系統學會在 Atari 裡打 Pong、挖 Breakout（打磚塊）的側翼隧道，再下去圍棋、打星際。強化學習、獎勵訊號、環境與智能體的閉環，在這些遊戲裡被一次次打磨：系統一開始連擋球都不會，只知道分數越高越好，最後卻能在圍棋上下出連職業棋手都無法想像的招法，能在星際裡練出堪比職業選手的多線操作。這裡有一種殘酷的坦誠：你不告訴機器規則，只給目標，它會自己找到通向高分的「人類從沒想過」的路徑。
但真正讓這條路線顯出重量的，是當他們把同樣的思維搬到現實科學問題上。蛋白質折疊這個自 20 世紀 60 年代就存在的難題，幾十年裡無數聰明人試過，都卡在實驗慢、資料少上。第一次參加 CASP 比賽，他們的 AlphaFold 確實贏了同行，卻只是在「一個沒人解好的問題上解得稍微好一點」。團隊後來回看那一屆，很坦白：我們知道自己還很爛，這只是最高的梯子，但月亮還在很遠的地方。
轉折來自第二次「總攻」：重寫資料管線，把物理與生物學的結構知識真正餵進模型，讓系統不再只是模仿，而是內化約束。最終在 CASP14 上，他們的結構精度幾乎等於按下按鈕得到實驗級結果，主持人說，經過半個世紀，這個問題可以宣布被解決了。接下來的一步更激進：既然可以在一個月裡預測全已知物種的蛋白質，那就別等別人排隊提交序列，直接把全地球的蛋白質都「折完」，免費公布，讓它成為人類生物學的基礎設施。
技術從來不是中性的玩具。AlphaGo 之後的「Sputnik moment」、AI 軍備競賽的隱喻、與曼哈頓計劃的對照、對 autonomous weapon 的明確拒絕，以及對 move fast and break things 的公開反感，都在提醒一個事實：當你試圖造出一种比人類更強的認知系統時，你不是在做一個新 app，而是可能在改寫歷史的分界線。連 DeepMind 自己的人都開始擔心：也許我們將來要做的，不是說服世界我們已經造出了智能，而是解釋我們還沒到那一步。
這部片子最有價值的地方不在於追星 DeepMind，而在於它把幾個關鍵問題扔在桌面上：什麼叫「通用」的學習能力？在一個只看獎勵的系統裡，價值是如何被編碼、被放大的？科學探索和工程衝刺之間，節奏如何拿捏，才不會「死在時間軸上」？當智能被外包給機器，人類該把注意力放在哪裡——是新的問題意識、新的制度與治理，還是對自身價值觀的重新書寫？
也許真正值得我們模仿的，不是某個演算法或產品，而是那種「把世界當成一場思考遊戲」的眼光：敢於承認自己暫時還很爛，敢於在失敗裡調整節奏，也敢於在成功時把成果毫無保留地推向全人類。