Demis Hassabis

Sir Demis Hassabis
Demis Hassabis, Royal Society kabul gününde, Londra, Temmuz 2018
Doğum	27 Temmuz 1976 (48 yaşında) Londra, İngiltere, Birleşik Krallık
Milliyet	Britanyalı
Eğitim	Queen Elizabeth's School, Barnet Christ's College, Finchley
Mezun olduğu okul(lar)	Cambridge Üniversitesi (BA) University College London (PhD)
Tanınma nedeni	DeepMind AlphaGo AlphaFold
Ödüller	Yaşam Bilimleri Dalında Breakthrough Ödülü (2023) Albert Lasker Temel Tıp Araştırma Ödülü (2023) Kanada Gairdner Uluslararası Ödülü (2023) BBVA Vakfı Bilgi Sınırları Ödülü (2022) Dan David Ödülü (2020)
Resmî site	demishassabis.com
Kariyeri
Dalı	Sinirbilim Bilgisayar bilimi Yapay zekâ
Çalıştığı kurumlar	Google DeepMind Bullfrog Productions Lionhead Studios University College London
Tez	Epizodik hafızayı destekleyen sinirsel süreçler (2009)
Doktora danışmanı	Eleanor Maguire[1]

Sir Demis Hassabis,^[2][3] (d. 20 Kasım 1942), Britanyalı bilgisayar bilimcisi, yapay zekâ araştırmacısı ve girişimcisi. DeepMind^[4] ve Isomorphic Labs^[5] kurucu ortağı ve CEO'su olup aynı zamanda Birleşik Krallık Hükûmeti'nin Yapay zekâ Danışmanı olarak görev yapmaktadır.^[6] Kariyerinin başlarında video oyunu yapay zekâ programcısı ve tasarımcısıydı ve uzman bir masa oyunları oyuncusuydu.^[7][8]

Hassabis, Royal Society üyesidir ve AlphaFold üzerindeki çalışmalarıyla Breakthrough Prize, Canada Gairdner Uluslararası Ödülü ve Lasker Ödülü gibi birçok prestijli ödül kazanmıştır. 2017 yılında CBE unvanına layık görülmüş ve Time 100'de en etkili insanlar listesine girmiştir. 2024 yılında yapay zekâ alanındaki hizmetlerinden dolayı şövalyelik unvanı almıştır.^[9]

Hassabis, Kıbrıslı Rum bir baba ve Singapurlu bir anneden Kuzey Londra'da doğdu ve büyüdü.^[7][10] 4 yaşında bir dahi çocuk olarak satrança başladı,^[11][12] ve 13 yaşında 2300 Elo puanıyla usta seviyesine ulaştı. Ayrıca birçok İngiltere genç satranç takımının kaptanlığını yaptı.^[13] 1995 yılında satranç maçında Cambridge Üniversitesi'ni temsil etti,^[14] 1996^[15] ve 1997 yıllarında,^[16] half blue derecesi kazandı.

1988 ile 1990 yılları arasında, Hassabis, Kuzey Londra'da erkeklere yönelik bir gramer okulu olan Queen Elizabeth's School, Barnet'te eğitim gördü. Daha sonra, ailesi tarafından evde eğitim gördü ve bu süre zarfında ilk bilgisayarını, satranç kazançlarıyla finanse edilen bir ZX Spectrum 48K satın alarak, kitaplar üzerinden programlamayı kendi kendine öğrendi.^[12] Daha sonra Kuzey Londra, East Finchley'de bulunan bir devlet okulu olan Christ's College, Finchley'de eğitimine devam etti.^[7] A-level ve S-level sınavlarını sırasıyla 15 ve 16 yaşlarında iki yıl erken tamamladı.

Cambridge Üniversitesi tarafından genç yaşı nedeniyle ara yıl vermesi istenen Hassabis,^[12] bilgisayar oyunları kariyerine Bullfrog Productions'ta başladı. İlk olarak Syndicate üzerinde seviye tasarımı yaptı, ardından 17 yaşında Peter Molyneux ile birlikte 1994 yapımı Theme Park oyununda ortak tasarımcı ve baş programcı olarak çalıştı.^[17] Bir simülasyon video oyunu olan Theme Park, birkaç milyon kopya sattı^[13] ve bir simülasyon sandbox oyunları türüne ilham verdi. Hassabis, ara yılında kazandıklarıyla üniversite eğitimini finanse edecek kadar para kazandı.^[12]

Hassabis daha sonra Bullfrog'dan ayrılarak Queens' College, Cambridge'de eğitimine devam etti ve Bilgisayar Bilimleri Tripos programını tamamlayarak 1997 yılında çifte Birincilik ile mezun oldu.^[13]

Cambridge'den mezun olduktan sonra, Hassabis Lionhead Studios'ta çalıştı.^[18] Hassabis'in Bullfrog Productions'ta birlikte çalıştığı oyun tasarımcısı Peter Molyneux, yakın zamanda bu şirketi kurmuştu. Lionhead'te, Hassabis 2001 yılı oyunu olan Black & White'ta baş yapay zekâ programcısı olarak çalıştı.^[13]

Hassabis, 1998 yılında Lionhead'den ayrılarak Londra merkezli bağımsız bir oyun geliştiricisi olan Elixir Studios'u kurdu. Bu süreçte Eidos Interactive, Vivendi Universal ve Microsoft ile yayıncılık anlaşmaları imzaladı.^[19] Şirketi yönetmenin yanı sıra, Hassabis BAFTA'ya aday gösterilen Republic: The Revolution ve Evil Genius oyunlarının baş tasarımcısı olarak görev yaptı.^[13]

Elixir'in ilk oyunu olan Republic: The Revolution, oldukça iddialı ve alışılmadık bir siyasi simülasyon oyunuydu.^[20] Oyunun geniş kapsamı nedeniyle çıkışı gecikti; bu oyun, tamamen kurgusal bir ülkenin işleyişini simüle eden bir yapay zekâ simülasyonunu içeriyordu. Nihai oyun, orijinal vizyonundan küçültülerek piyasaya sürüldü ve karışık eleştiriler aldı, Metacritic'te 62/100 puan aldı.^[21] Bond tarzı bir kötü adam simülatörü olan Evil Genius ise çok daha iyi bir başarı elde ederek 75/100 puan aldı.^[22] Nisan 2005'te, Elixir'in fikri mülkiyet ve teknoloji hakları çeşitli yayıncılara satıldı ve stüdyo kapatıldı.^[23][24]

İmgeleme, hafıza ve amnezi alanında çalışan Hassabis, Nature, Science, Neuron ve PNAS gibi dergilerde yayımlanan birçok etkili makaleye ortak yazar olarak katkıda bulundu. İlk akademik çalışması, PNAS dergisinde yayımlanan bu makale,^[25] amnezinin neden olduğu hipokampus hasarına sahip hastaların yeni deneyimleri hayal edemediğini sistematik olarak gösteren önemli bir çalışmaydı. Bu bulgu, imgeleme süreci ile epizodik bellek geri çağırma süreci arasında bir bağlantı kurdu. Bu çalışmaya ve onu izleyen bir fonksiyonel manyetik rezonans görüntüleme (fMRI) araştırmasına^[26] dayanarak, Hassabis, epizodik bellek sisteminin yeni bir teorik hesabını geliştirdi ve sahne inşasını, hem bellek geri çağırma hem de imgeleme süreçlerinin altında yatan temel bir süreç olarak tanımladı.^[27] Bu çalışma, ana akım medyada geniş yer buldu^[28] ve Science dergisi tarafından yılın en iyi 10 bilimsel atılımı arasında gösterildi.^[29] Daha sonra bu fikirleri genelleyerek, olayları ve senaryoları hayal ederek daha iyi planlama yapmayı sağlamak amacıyla zihnin simülasyon motoru kavramını ileri sürdü.^[30][31]

Hassabis, 2010 yılında Londra'da Shane Legg ve Mustafa Süleyman ile birlikte makine öğrenimi üzerine kurulmuş olan bir yapay zekâ girişimi olan DeepMind'in kurucu ortağı ve CEO'sudur. Hassabis, Legg ile her ikisi de Gatsby Hesaplamalı Sinirbilim Birimi'nde doktora sonrası araştırmacı olarak çalışırken tanıştı ve Süleyman'ı ise aile dostluğu üzerinden tanımaktaydı.^[32] Hassabis ayrıca üniversite arkadaşı ve Elixir ortağı David Silver'ı da ekibe dahil etti.^[33]

DeepMind'ın misyonu, "zekayı çözmek" ve ardından bu zekayı "her şeyi çözmek" için kullanmaktır.^[34] Daha somut bir ifadeyle, DeepMind, sistem sinirbiliminden elde edilen bulguları makine öğrenimi ve bilgisayar donanımı alanındaki yeni gelişmelerle birleştirerek, giderek daha güçlü genel amaçlı öğrenme algoritmalarını ortaya çıkarmayı ve nihayetinde bir yapay genel zeka (AGI) yaratmayı amaçlamaktadır. Şirket, oyunları ustalıkla öğrenen algoritmalar geliştirmeye odaklanmış ve Aralık 2013'te Deep Q-Network (DQN) adlı bir algoritmayı yalnızca ekrandaki ham pikselleri kullanarak Atari oyunlarını insanüstü bir seviyede oynamayı başarmak için eğittiğini duyurarak öncü bir atılım gerçekleştirmiştir.^[35]

DeepMind'ın erken dönem yatırımcıları arasında birçok yüksek profilli teknoloji girişimcisi bulunmaktadır.^[36][37] 2014 yılında Google, DeepMind'ı 400 milyon sterline satın aldı. Şirketin büyük bir kısmı Londra merkezli bağımsız bir varlık olarak kalmasına rağmen,^[38] DeepMind Health, o zamandan beri doğrudan Google Health'e entegre edilmiştir.^[39]

Google tarafından satın alındıktan sonra şirket, en dikkat çekici olanı AlphaGo'nun yaratılması olan birçok önemli başarıya imza attı. AlphaGo, karmaşık Go oyununda dünya şampiyonu Lee Sedol'u yenen bir programdır. Go, yüksek sayıda olası tahta pozisyonları ve mevcut programlama tekniklerine direnci nedeniyle yapay zekânın kutsal kâsesi olarak kabul edilmekteydi.^[40][41] Ancak AlphaGo, Ekim 2015'te Avrupa şampiyonu Fan Hui'yi 5-0 yenmiş ve Mart 2016'da eski dünya şampiyonu Lee Sedol'a karşı 4-1 galip gelmiştir.^[42][43]

DeepMind'ın diğer başarıları arasında bir Nöral Turing Makinesi^[44] oluşturulması, Google'ın veri merkezlerindeki soğutma sistemlerinde kullanılan enerjinin %40 azaltılması,^[45] yapay zekâ güvenliği konusunda araştırmaların ilerletilmesi,^[46][47] ve Birleşik Krallık Ulusal Sağlık Hizmeti (NHS) ve Moorfields Göz Hastanesi ile bir ortaklık kurarak tıbbi hizmetlerin iyileştirilmesi ve dejeneratif göz hastalıklarının başlangıcını tespit edilmesi bulunmaktadır.^[48]

Son zamanlarda DeepMind, yapay zekasını proteinlerin 3D yapısını, 1D amino asit dizisinden tahmin etmek için bilimde 50 yıllık büyük bir zorluk olan protein katlanmasına çevirmişti. Bu, biyolojide önemli bir problemdir, çünkü proteinler yaşam için elzemdir, neredeyse her biyolojik fonksiyon onlara bağlıdır ve bir proteinin işlevinin yapısıyla ilişkili olduğu düşünülmektedir. Aralık 2018'de DeepMind'ın aracı AlphaFold, 43 proteinden 25'inin en doğru yapısını başarıyla tahmin ederek 13. CASP yarışmasını kazandı. Hassabis, The Guardiana verdiği demeçte, "Bu bir deniz feneri projesi, insan ve kaynak açısından temel, çok önemli, gerçek bir bilimsel probleme yönelik ilk büyük yatırımımız" dedi.^[49] Kasım 2020'de DeepMind, yarışmanın CASP14 sürümünde yine dünya rekoru kıran sonuçlar açıkladı ve zorlayıcı serbest modelleme kategorisindeki protein hedefleri genelinde, 2018'deki sonuçlardan çok daha yüksek bir ortalama küresel mesafe testi (GDT) puanı olan 87.0 ve genel hata payı bir atom genişliğinden daha az olarak, deneysel yöntemlerle rekabet edebilecek hale geldi.^[50][51]

DeepMind ayrıca, çok sayıda ödüllü makale üreterek makine öğrenimi alanında teknik ilerlemeler sağlamıştır. Özellikle, şirket derin öğrenme ve pekiştirmeli öğrenme alanlarında önemli ilerlemeler kaydetmiş ve bu iki yöntemi birleştiren derin pekiştirmeli öğrenme alanında öncülük etmiştir.^[52] Hassabis, Yapay zekâ'nın "insanlığın şimdiye kadarki en faydalı teknolojilerinden biri" olacağını ancak önemli etik sorunların da devam ettiğini öngörmüştür.^[53]

Hassabis, 2023 yılında, "Yapay zekâdan kaynaklanan yok olma riskini azaltmak, pandemiler ve nükleer savaş gibi diğer toplumsal ölçekli riskler ile birlikte küresel bir öncelik olmalıdır" ifadesini imzaladı.^[54] Ancak, dünya genelinde yapay zekâ ilerlemesini durdurmanın çok zor olacağını ve sağlık ve iklim değişikliğini önleme gibi potansiyel yararların devam etmesi gerektirdiğini belirtti. Ayrıca, yeni yapay zekâ modellerinin ne kadar yetenekli ve kontrol edilebilir olduğunu ölçen değerlendirme testleri üzerine acil bir araştırma ihtiyacı olduğunu söyledi.^[55]