Vědec s vizí, ne další technologický CEO

Sebastian Mallaby, autor uznávané knihy The Power Law o venture kapitálu, strávil s Hassabisem přes 30 hodin rozhovorů a vedl dalších více než 100 interview s jeho kolegy, konkurenty i kritiky. Výsledkem je 480stránková kniha, která na Goodreads drží hodnocení 4,45 z 5 z téměř dvou tisíc recenzí.

Co z knihy vyplývá především: Hassabis není další Sam Altman nebo Elon Musk. Nešel do AI kvůli penězům ani slávě. Je to vědec, který použil podnikání jako nástroj k zodpovězení nejhlubších vědeckých otázek. Celý život se ptá na jedinou věc: dá se inteligence pochopit natolik, aby ji bylo možné znovu vytvořit?

Mallaby ukazuje, jak Hassabisova posedlost inteligencí sahá až do dětství. V pěti letech porážel dospělé v šachu, ve dvanácti se stal druhým nejlepším hráčem světa ve své věkové kategorii. Jenže místo kariéry šachového velmistra si vybral něco většího — pochopit samotný mechanismus myšlení.

Šachy ho naučily plánovat několik tahů dopředu. Programování počítačových her (podílel se na hitu Theme Park od Bullfrog Productions) mu ukázalo, jak z jednoduchých pravidel vznikají komplexní světy. Doktorát z neurovědy na University College London mu pak dal klíč k tomu, jak funguje paměť, představivost a plánování v lidském mozku.

Hry jako laboratoř pro superinteligenci

Když Hassabis v roce 2010 zakládal DeepMind společně se Shanem Leggem a Mustafou Suleymanem, netušil, že prvním velkým triumfem bude desková hra stará tisíce let.

DeepMind začal systematicky — hrami. Ty totiž nabízejí ideální testovací prostředí: jasná pravidla, měřitelné výsledky a astronomické množství možných rozhodnutí. Nejprve jejich systém porazil lidské hráče v klasických Atari hrách. Pak přišla výzva, která odolávala počítačům desítky let: Go.

V březnu 2016 porazil AlphaGo legendárního jihokorejského hráče Lee Sedola 4:1. Sledovalo to přes 200 milionů lidí. Počítač předvedl tahy, které i elitní hráči zpočátku považovali za chyby — a teprve později pochopili jejich genialitu. Následoval AlphaGo Zero, který se učil pouze hraním proti sobě (bez lidských záznamů), a AlphaZero, který stejným přístupem ovládl šachy, šógi i Go.

Hry ale nikdy nebyly cílem. Byly testovacím polygonem. Mallaby v knize detailně popisuje, jak tyto systémy naučily tým DeepMindu procházet obrovskými prostory možností — dovednost, která se měla zúročit při řešení skutečných vědeckých problémů.

Rozhovor z Cambridge, který změnil biologii

Jedna z nejsilnějších pasáží knihy se týká zdánlivě obyčejné konverzace z 90. let. Hassabis na Cambridge studoval informatiku a kamarádil se se studenty biologie. Jeden z nich mu vyprávěl o problému skládání bílkovin — o tom, jak se řetězec aminokyselin dokáže složit do přesného 3D tvaru, který rozhoduje o funkci proteinu. A že tento proces už padesát let nikdo spolehlivě nepředpověděl.

Hassabis si poznamenal protein folding na svůj seznam problémů, které by jednou mohla vyřešit dostatečně pokročilá AI. A čekal. Dvacet let.

V roce 2016 DeepMind oficiálně spustil projekt AlphaFold. První verze v roce 2018 vyhrála soutěž CASP13. Pro většinu organizací by to byl konec — vyhráli, mohou slavit. Ale ne pro Hassabise. Ten chtěl systém, který bude skutečně použitelný pro vědce, ne jen vítěze benchmarku.

Přibral do týmu Johna Jumpera, zásadně přepracoval architekturu a v roce 2020 na konferenci CASP14 představil AlphaFold2. Přesnost se blížila experimentálním metodám jako rentgenová krystalografie, ale za zlomek času a nákladů. DeepMind následně s Evropským bioinformatickým institutem zveřejnil struktury více než 200 milionů proteinů — prakticky všech, které věda zná. Databázi využily přes tři miliony výzkumníků ze 190 zemí.

V říjnu 2024 za to Hassabis a Jumper získali polovinu Nobelovy ceny za chemii (druhou polovinu dostal David Baker za počítačový design proteinů).

Slepá skvrna: Jak DeepMind propásl revoluci jazykových modelů

Kniha také poprvé srozumitelně vysvětluje jednu z největších záhad nedávné historie AI: proč Google — který v roce 2017 v článku Attention Is All You Need představil transformer architekturu, základ všech moderních velkých jazykových modelů — dovolil OpenAI, aby s ChatGPT definovalo celou éru.

Odpověď překvapivě dává smysl. Hassabis prostě nevěřil, že pouhý jazyk stačí k vytvoření skutečné inteligence. Byl přesvědčen, že inteligentní systém musí být ukotven ve fyzickém světě — skrze vnímání, akci, robotiku nebo simulovaná prostředí. Počítač sice může mít definici gravitace, ale rozumí jí stejně jako člověk, který nikdy nic nezvedl?

Proto DeepMind roky investoval do agentů, kteří se učili ve hrách a simulacích. A podcenil, kolik informací o světě je už zakódováno v samotném jazyce — a že velké modely si mohou osvojit určitou formu „ukotvení“ skrze zpětnou vazbu od lidí. Mallaby cituje Hassabise, který později přiznal, že jazykové modely považoval za „nerozumně efektivní“ a že tuto oblast podcenil.

Toto intelektuální nastavení vysvětluje, proč Google s transformery v rukávu nechal OpenAI utéct. Hassabis hledal hlubší inteligenci, jazyk mu připadal jako nedostatečná zkratka. Jako produktové rozhodnutí to ale bylo fatální.

Proč prodej Googlu nebyl kapitulací

Další část knihy, která mění zažitou představu, se týká prodeje DeepMindu Googlu v roce 2014. V mytologii startupů se nezávislost cení nade vše — správný zakladatel firmu neprodává, ale buduje impérium.

Hassabis to viděl jinak. Když se v roce 2013 o DeepMind ucházeli Larry Page (Google), Mark Zuckerberg (Facebook) a Elon Musk (jehož narozeninová oslava v pronajatém newyorském zámku, kde se všichni převlékli za samuraje, je jednou z nejbizarnějších pasáží knihy), Hassabis hodnotil jedinou věc: co ho rychleji přiblíží k AGI.

Larry Page mu nabídl argument, který zabral: „Pokud je tvým skutečným cílem AGI, proč ztrácet roky budováním infrastruktury, když už existuje?“ Google nabídl výpočetní výkon, kapitál, talenty a trpělivost v měřítku, jaké by nezávislý DeepMind jen těžko replikoval. Hassabis proto odmítl údajně vyšší nabídku od Facebooku a prodal Googlu.

Kniha neskrývá, že tento krok později vyvolal napětí kolem nezávislosti, komercializace a etických limitů AI. Ale ukazuje Hassabise jako člověka, pro kterého poslání vždy převážilo nad egem.

Co na knihu říkají první čtenáři

Ohlasy nejsou jednohlasné. Zatímco řada recenzentů chválí bezprecedentní přístup do zákulisí závodu o AI, jiní kritizují, že Mallaby je vůči Hassabisovi až příliš shovívavý. „Autor se ani nesnaží skrývat svůj obdiv,“ napsal recenzent Kyle C. na Goodreads. Jiní čtenáři by uvítali více technické hloubky. Profesor Jason Furman z Harvardu, bývalý ekonomický poradce Baracka Obamy, naopak knihu označil za „fenomenální“ a ocenil portrét Hassabise jako člověka poháněného poznáním, ne penězi.

Jedno je jisté: The Infinity Machine je zatím nejucelenějším pohledem na osobnost, která zásadně ovlivnila směřování umělé inteligence — ať už skrze AlphaFold, který reálně pomáhá vědcům při vývoji léků a studiu nemocí, nebo skrze filozofii mysli, kterou Hassabis vnáší do debaty o AGI.

Co si z knihy odnést — i bez jejího přečtení

Mallabyho kniha (vydaná 31. března 2026, zatím pouze v angličtině, český překlad nebyl oznámen) nabízí několik univerzálních lekcí. Tou hlavní je, že Hassabis nezačíná u technologie a nehledá trh — začíná u otázky a hledá technologii, která na ni odpoví. To je zásadní rozdíl oproti většině technologických zakladatelů. A právě tahle posedlost otázkami, ne odpověďmi, z něj dělá možná nejzajímavější postavu současné AI scény.

Pro české čtenáře je kniha relevantní i v širším kontextu: ukazuje, že evropské technologické prostředí (DeepMind vznikl a sídlí v Londýně, mimo tradiční Silicon Valley) dokáže konkurovat americkým gigantům — pokud má jasnou vizi a dostatek trpělivosti.