The Infinity Machine
Er is veel materiaal waarin je Demis Hassabis kunt horen en zien – documentaires, interviews, lezingen en presentaties. Meestal heb ik niet veel meningen over mensen aan de andere kant van een beeldscherm, maar telkens als ik Hassabis zie denk ik: wat een aardige toegankelijke man en wat een verzengende ambitie.
Gentle affability en ferocious competitivenes noemt Sebastian Mallaby die eigenschappen. Hij schreef een boek over Hassabis en DeepMind: The Infinity Machine: Demis Hassabis, DeepMind, and the Quest for Superintelligence (Penguin Press, maart 2026). Het is net verschenen.
Ik vond het boek fascinerend om te lezen. Het is goed geschreven, spannend, leest als een roman. Een science fiction roman bijna, al speelt het zich niet af in de toekomst maar in het zeer recente verleden, met echte science en met echte mensen.
De schrijver heeft met iedereen die hij op het oog had mogen en kunnen spreken, ook in de academische en financiële wereld. Over een periode van 3 jaar heeft Mallaby rondgelopen bij DeepMind zelf. Volgens zijn zeggen is er ruim 30 uur opgenomen interview materiaal met Hassabis, je vindt in het boek veel letterlijk geciteerde uitspraken. Mallaby is niet bang lastige vragen te stellen, ook de persoonlijke. Over macht. Over geld. Over competitie, succes en mislukking. Over doemscenario’s.
Meer dan een biografie
Verwacht niet een traditionele biografie die chronologisch de levensloop van Hassabis beschrijft. Natuurlijk blijft niet onvermeld dat de jonge Demis een prodigy was, een buitengemeen begaafd kind. Op 13-jarige leeftijd FIDE schaakmeester met een elo-rating van 2300. Al eerder had hij zelf geld verdiend met schaaktoernooien. Hij kocht er zijn eerste computers van, een ZX Spectrum en later een Commodore Amiga, waarmee hij zijn eerste games programmeerde.
Hassabis rondde zijn middelbare school af toen hij nog te jong was om aan de universiteit te worden toegelaten. In de periode dat hij op toelating moest wachten ging hij aan de slag bij een game-bedrijf. En werd daar succesvol met een game waarin al AI-elementen worden gebruikt.
Door het boek krijg je een goed beeld van de ambitie en de drijfveren van Hassabis. Die zijn wetenschappelijk, maar van jongsaf ook in de persoon van Hassabis zelf verankerd. Het universum willen begrijpen volgens het motto van zijn grote voorbeeld, de natuurkundige Richard Feynman: What I cannot create, I do not understand. Daar is die “Quest for Superintelligence” uit de ondertitel van het boek op gericht.
Het boek is ook een biografie van DeepMind en zijn mensen, en van de inhoudelijke worstelingen en successen. En in zekere zin ook van de ontwikkeling van AI zelf in de afgelopen 15-20 jaar. Mallaby toont zich zeer ter zake kundig en geïnformeerd. Bij lezing heb ik nergens gedacht dat hij ernaast zit of dat ik het anders zou formuleren. Sommige onderwerpen ben ik zelfs beter gaan begrijpen dan eerst, zoals de verschillende insteek bij deductief en inductief werken, het belang van Reinforcement Learning, de rol van trial-and-error bij het vinden van paden die tot succesvolle oplossingen leiden.
We just fold everything
Omdat ik het boek over Hassabis en DeepMind aan het lezen was keek ik nog eens naar de documentaire The Thinking Game (2024). Luister en kijk mee in een vergaderzaaltje in het kantoorgebouw van Google DeepMind in Londen waar een teambijeenkomst gefilmd wordt.
DeepMind heeft in de maanden daarvoor een wetenschappelijke doorbraak bereikt. Het team ontwikkelde een AI-tool, AlphaFold, waarmee een fundamenteel probleem in de moleculaire biologie wordt opgelost: het voorspellen van de driedimensionale structuur van eiwitten, louter op basis van hun eendimensionale aminozuursequentie.
Zo’n structuur is experimenteel vast te stellen met technieken zoals röntgenkristallografie of cryo-elektronenmicroscopie, maar dat vraagt langdurig en complex laboratoriumwerk.
Met AlphaFold kan DeepMind de structuur met hoge nauwkeurigheid berekenen, en met grote snelheid door massieve parallellisatie in de datacenters van Google.
De bijeenkomst gaat erover hoe DeepMind zou kunnen omgaan met aanvragen uit de wetenschappelijke wereld en laboratoria. Geopperd wordt een aparte dienst te ontwikkelen. Hassabis zit bij die teambijeenkomst, een beetje in zichzelf gekeerd wat te pielen op zijn telefoon. Iemand merkt op dat ze in een paar maanden tijd alle bekende eiwitten zouden kunnen doorrekenen. Daar reageert Hassabis op, eerst wat aarzelend, daarna stellig: Why don’t we just do that? … We just fold everything. And then give it to everyone in the world. Who knows how many discoveries will be made from that?
Zo ís het ook gedaan. DeepMind heeft een openbare database gepubliceerd met ruim tweehonderd miljoen voorspelde structuren, direct en kosteloos raadpleegbaar voor wetenschappers wereldwijd.
Hassabis kreeg in 2024 de Nobelprijs voor scheikunde “for protein structure prediction” zoals de officiële formulering is. Hij deelt de prijs met John Jumper, de teamleider van AlphaFold.
De ultieme ambitie
Hassabis deed van jongsaf mee aan schaaktoernooien, zonder twijfel met de ambitie ze te winnen. Tegelijk stelde hij zich vragen over het denken van hemzelf en van al die andere spelers. Misschien zou die zo monomaan op schaken gerichte denkkracht ook, en beter, ingezet kunnen worden voor grotere vragen. Hoe werken menselijke hersenen? Hoe werkt de wereld, hoe zit het universum in elkaar?
Bij de oprichting van Deepmind was het uiteraard belangrijk om startfinanciering te vinden. Voor Hassabis was het echter minstens zo van belang om een groep gelijkgestemde wetenschappers te vinden. Mensen zoals Hassabis zelf die er onvoorwaardelijk van overtuigd zijn dat AGI nastrevenswaardig en haalbaar is.
Met DeepMind en de ontwikkeling van alle systemen in de Alpha-lijn zijn ze een pad op weg naar AGI ingeslagen. Veelbelovende stappen zijn gezet maar het einddoel is nog niet in zicht.
AlphaGo/AlphaZero en AlphaFold zijn de meest aansprekende voorbeelden. De kern van beide systemen is hetzelfde.
Ze werken in omgevingen met een enorme combinatorische zoekruimte, waarin het aantal mogelijkheden elk voorstelbaar computervermogen te boven gaat. Denk aan het aantal mogelijke zetten bij Go, of het aantal mogelijkheden bij het vouwen van aminozuur-sequenties dat er nog een veelvoud van is.
Brute rekenkracht schiet tekort. Wat wel werkt is het iteratief, door trial-and-error, uitproberen van zoekpaden en identificeren welke wel en welke niet succesvol zouden kunnen zijn. Ze gebruiken daarvoor combinaties van deeplearning en reinforcement learning.
Succes moet je kunnen definiëren, daarom heeft DeepMind veel gewerkt met spellen, met games, waarbij succes eenduidig is: je wint of je verliest. De ontwikkelaars hebben AlphaZero miljoenen Go-partijen tegen zichzelf laten spelen voordat het werd losgelaten op de ‘echte’ wereld. Iets dergelijks geldt voor AlphaFold, waarbij het bepalen van de maat voor succes een stuk verder gaat: daarvoor was werkelijke biologische en chemische kennis nodig.
De modellen hebben gemeen dat ze gigantisch veel data nodig hebben om in die enorme zoekruimtes te kunnen navigeren. Bij wijze van spreken ‘oneindig’ veel data. Daar ligt de kernbetekenis van de titel van het boek. In de woorden van Mallaby: “The Infinity Machine: A machine that navigates a near infinity of data; a machine that promises a near infinity of possibilities.”
Dit is de ultieme ambitie van Hassabis: zo’n machine, een Infinity Machine, bouwen en gebruiken om fundamentele problemen op te lossen en het universum te begrijpen.
Helemaal in lijn met het motto van Richard Feynman.
In zijn aanvaardingsspeech van de Nobelprijs eindigt Hassabis met een opmerkelijke uitspraak die zijn ambitie bevestigt:
My Proposed Conjecture:
Any pattern that can be generated or found in nature can be efficiently discovered and modeled by a classical learning algorithm.
Dit is geen bescheiden bewering maar een fundamentele stelling over relatie tussen de structuur van de natuur en de potentie van machine learning, van the infinity machine.
Er gaat een compleet AI-onderzoeksprogramma schuil in het vermoeden van Hassabis dat je, samengevat, World Modeling zou kunnen noemen. In komende berichten werk ik het verder uit.