デミス・ハサビス

1 生い立ちと教育

1.1 幼少期とチェスのキャリア

デミス・ハサビスは1976年7月27日、ロンドン北部で生まれた。父はギリシャ系キプロス人、母はシンガポール中国人である。幼少期から並外れた記憶力と論理的思考力を示し、4歳でチェスを始めた。13歳までに国際チェス連盟（FIDE）のマスター称号を獲得し、当時世界で2番目に若いチェス神童として注目を集めた。この経験が後の戦略的思考とゲーム理論への関心の基盤となった。

1.2 ケンブリッジ大学とゲーム業界への進出

1994年、ハサビスはケンブリッジ大学クイーンズ・カレッジに入学し、コンピュータサイエンスを専攻した。在学中もチェスを続け、大学対抗戦で活躍。同時に、ゲーム開発への興味を強め、1996年に優秀な成績で卒業後、すぐにゲーム業界へ進んだ。彼はケンブリッジでの教育が、人工知能（AI）とゲームデザインの両方に応用できる体系的な思考法を培ったと述べている。

1.3 ユニヴァーシティ・カレッジ・ロンドン（UCL）での神経科学博士号

ゲーム業界での成功後、ハサビスは人間の知能の本質を理解するために神経科学を学ぶ決意をした。2005年からユニヴァーシティ・カレッジ・ロンドン（UCL）の認知神経科学研究所で博士号を取得。研究テーマは海馬における記憶と想像力の神経基盤であり、エピソード記憶のシミュレーション理論「シーン構築（scene construction）」の提唱で知られる。この研究は後のAIにおけるエピソード記憶のモデル化に影響を与えた。

2 キャリア

2.1 ゲームデザイナー時代（Bullfrog Productions、Lionhead Studios）

1994年、ハサビスは17歳でピーター・モリニューのBulldog Productionsにプログラマーとして参加。『シムシティ』や『テーマパーク』の開発に貢献した。1997年にはLionhead Studiosに移り、『ブラック・アンド・ホワイト』のAI設計を担当。彼はゲーム内の仮想生物の学習システムを開発し、後の深層強化学習の着想を得た。

2.2 Elixir Studiosの創業と閉鎖

1998年、ハサビスは自らゲームスタジオElixir Studiosを設立。代表作に『Republic: The Revolution』（2003年）や『Evil Genius』（2004年）がある。しかし商業的成功には至らず、2005年にスタジオを閉鎖。この経験から、彼は「ゲームはAI研究の優れたテストベッドだが、ビジネスとして持続可能なモデルを構築する難しさ」を痛感した。

2.3 神経科学研究（海馬と記憶のモデル化）

2005年から2009年の博士課程在籍中、ハサビスは海馬が過去の経験を再構成する「シーン構築」仮説を提唱し、認知神経科学に貢献。彼はfMRI実験を通じて、記憶想起と未来の想像が同じ脳領域を活性化することを示した。この研究は、AIに記憶と想像の機能を組み込む理論的基盤となった。

2.4 DeepMindの創業とGoogleによる買収

2010年、ハサビスはシェーン・レッグ、ムスタファ・スレイマンと共にDeepMind Technologiesをロンドンで創業。目的は「人間レベルの人工知能を構築し、それを使って世界の複雑な問題を解決する」ことにあった。2014年、Googleが約5億ドルで買収。ハサビスはCEOとしてDeepMindを率い、現在も独立した運営を維持している。

2.4.1 初期の研究（深層強化学習、DQN）

DeepMind初期のブレイクスルーは、2013年の深層Qネットワーク（DQN）だった。アタリ2600の49ゲームで、CNN（畳み込みニューラルネットワーク）とQ学習を組み合わせ、生のピクセルデータからルールを学習。これは深層強化学習の実用性を示し、神経科学と機械学習の融合の先駆けとなった。

2.4.2 AlphaGoと囲碁AIのブレイクスルー

2016年、AlphaGoが囲碁の世界チャンピオン・李世ドル（イ・セドル）に4勝1敗で勝利。囲碁はチェスよりも組み合わせ爆発が大きく、長らく「AIの聖杯」とされた。AlphaGoはモンテカルロ木探索と深層ニューラルネットワークを融合し、人間の直感に似た学習を実現。この勝利はAIブームを世界的に加速させた。

2.4.3 AlphaFoldとタンパク質構造予測

2020年、AlphaFold2がタンパク質構造予測の国際コンペCASP14で圧倒的な精度を達成。タンパク質のアミノ酸配列から3次元構造を推測する問題は50年来の生物学の難題だった。AlphaFoldは深層学習を用いて高精度な予測を可能にし、創薬や基礎生物学に革命をもたらした。この業績によりハサビスは2024年ノーベル化学賞を受賞。

2.4.4 その後のプロジェクト（AlphaStar、Geminiなど）

AlphaStar（2019年）はリアルタイム戦略ゲーム『StarCraft II』でグランドマスターレベルに到達。Gemini（2023年）はGoogleとDeepMindが共同開発したマルチモーダル大規模言語モデルで、テキスト・画像・音声を横断する汎用AIを目指す。また、エネルギー・医療分野への応用も進めている。

3 人工知能への貢献

3.1 強化学習と深層学習の融合

ハサビスは強化学習に深層学習を組み合わせる「深層強化学習」を確立した。DQNは従来の強化学習が苦手とした高次元状態空間（画像など）の学習を可能にし、その後AlphaGoやAlphaFoldなど多くの派生技術の基盤となった。彼のチームはまた、「想像力」を模倣するシミュレーションベースのエージェント（Dreamerなど）も開発。

3.2 ゲームを利用したAI評価手法

ハサビスはゲームをAIの理想的ベンチマークと位置づけた。囲碁、チェス、アタリゲーム、StarCraft IIなど、異なる難易度と情報構造のゲームを段階的にクリアすることで、AIの汎用能力を評価する手法を確立。これにより、研究者は人間とAIの能力差を定量的に比較できるようになった。

3.3 科学への応用（AlphaFold、その他）

AlphaFoldはタンパク質構造予測のみならず、AlphaMissenseによる病原性変異予測、RNNベースの医薬分子設計など、科学におけるAI応用を広げた。また、核融合プラズマ制御（DeepMind × Swiss Plasma Center）や気候変動モデリングにも貢献している。

3.4 AI安全性と倫理への取り組み

ハサビスはAIの安全性を重視し、DeepMind内に倫理・社会チームを設置。Google買収後も独立した倫理委員会を維持。彼はAIの利用における透明性、バイアス軽減、軍事利用の禁止などを提唱。また、2023年にはAI開発の一時停止を求める公開書簡に署名せず、代わりにリスク管理の枠組み構築を主張した。

4 受賞と栄誉

4.1 主要な科学賞（ノーベル化学賞、ブレイクスルー賞など）

• 2024年 ノーベル化学賞：AlphaFoldの開発により、ジョン・ジャンパーと共同受賞。
• 2023年 ブレイクスルー賞（生命科学部門）：タンパク質構造予測への貢献。
• 2022年 カナダガードナー国際賞、ラスカー賞等。
• 2017年 全米科学アカデミー賞、2018年 王立協会フェロー。

4.2 ナイト爵位とその他の栄典

2024年、ハサビスは英国王ジョージ3世在位記念年においてナイト（ナイト・バチェラー）に叙任された。これはAI分野への顕著な貢献と科学振興が認められたもの。また、2022年には英国コンピュータ協会の生涯功労賞を受賞。

4.3 業界からの評価

タイム誌「世界で最も影響力のある100人」（2017年、2024年）。フォーブス誌「テクノロジー界の巨人」。WIRED誌「AIの未来を形作る人物」に選出。特にAlphaGoの勝利後、彼はAIの民主化と社会実装の象徴的存在となった。

5 私生活と人物像

5.1 家族と幼少期の影響

父はエンジニアで教師、母はアーティスト。兄はチェスと数学の才能を持ち、家族内で競争心と創造性が育まれた。ハサビスは幼少期からSF小説（特にアイザック・アシモフ）とチェスに没頭し、これが「知能の科学」への関心につながった。現在は妻と3人の子どもを持ち、ロンドン在住。

5.2 趣味と創造的活動（ゲーム、音楽）

ゲーム開発のバックグラウンドから、現在でもビデオゲームをプレイし、そのデザインを分析する。音楽ではピアノを弾き、特にバッハのフーガを好む。また、『トニー・ホーク プロスケーター』シリーズの大ファンとしても知られる。これらの趣味はAIの創造性研究のヒントになると語る。

5.3 メディアでの言及とインターネットミーム

AlphaGo対李世ドル戦のドキュメンタリー『AlphaGo』（2017年）で広く知られる。インターネット上では「人間脳を超えるAIの創造者」としてミーム化され、特に「AlphaFoldでスウェーデン語を学ぶ」（ノーベル賞会見での発言）は軽いジョークとして拡散された。また、チェスの神童時代の逸話が「天才のバックストーリー」として語られる。

6 批判と論争

6.1 DeepMindの倫理とGoogleとの関係

Googleによる買収後、DeepMindの独立倫理委員会が実効性を持たないとの批判がある。特に、2017年にDeepMindが英国民保健サービス（NHS）から患者データを取得したStreamsアプリは、データプライバシーの懸念を招いた。ハサビスはデータ管理の透明性を約束したが、Googleとの関係における倫理ジレンマは継続的に議論されている。

6.2 AIの軍事利用や雇用への影響に関する議論

DeepMindはGoogleの「AI兵器不関与」方針に同意しているが、他のGoogleプロジェクト（Project Mavenなど）との関連が疑われることもある。また、AlphaFoldが医薬開発の自動化を促進する一方で、研究者や製薬企業の雇用に影響を与える可能性が指摘された。ハサビスは「AIは道具であり、人間の判断を補完する」と述べている。

6.3 特許とオープンサイエンスのバランス

AlphaFoldのコードはオープンソースで公開されたが、AlphaGoの詳細な論文は初期段階では競争上の理由で一部非公開とされた。また、DeepMindは多くの特許を取得しており、AI技術の独占に対する懸念がある。ハサビスは「商業化と科学研究のオープン性のバランスが必要」とし、DeepMindの研究成果は基本的に論文として発表する方針をとっている。

7 関連項目

• 深層強化学習
• AlphaGo
• AlphaFold
• Google DeepMind
• ジョン・ジャンパー
• ムスタファ・スレイマン

8 参考文献

• Hassabis, D. et al. (2015). "Human-level control through deep reinforcement learning." *Nature*.
• Silver, D. et al. (2016). "Mastering the game of Go with deep neural networks and tree search." *Nature*.
• Jumper, J. et al. (2021). "Highly accurate protein structure prediction with AlphaFold." *Nature*.
• Hassabis, D. (2024). Nobel Lecture. Nobel Foundation.
• タイム誌「The 100 Most Influential People」2017, 2024年版.