DeepMind AI a battu Chess Grandmasters et Go Champions. Cependant, maintenant le fondateur et directeur de la société, Demis Hassabis, a jeté son dévolu sur de plus grands problèmes du monde réel qui peuvent changer nos vies. Le premier est le repliement des protéines.
Demis Hassabis - un ancien enfant prodige, un diplôme de Cambridge avec des services exceptionnels dans deux matières à la fois, un quintuple champion des
jeux intellectuels mondiaux , un diplômé du MIT et Harvard, un développeur de jeux, un entrepreneur de l'adolescence, un co-fondateur d'une startup DeepMind développant l'intelligence artificielle - est dans un casque jaune, gilet réfléchissant et bottes de travail. Il lève la main, bloquant ses yeux du soleil, et regarde à travers Londres depuis le toit de l'immeuble de Kings Cross. Dans toutes les directions du monde, la vue de là sur la capitale, baignée par le soleil du printemps, n'obscurcit pratiquement rien. Hassabis traverse le toit pavé et, en utilisant son téléphone pour déterminer la direction, regarde vers le nord pour voir s'il peut voir la ville de Finchley d'où il a grandi. La banlieue est perdue derrière les arbres de Hampstead Heath, mais il parvient à regarder la pente menant à Highgate, où il vit aujourd'hui avec sa famille.
Ici, il étudie l'emplacement du futur siège de DeepMind, une startup qu'il a fondée en 2010 avec Shane Legge, chercheur à University College London, ainsi que son ami d'enfance Mustafa Suleiman. Maintenant, ce bâtiment est un chantier de construction sur lequel des marteaux, des perceuses et des marteaux-piqueurs vibrent constamment. Aujourd'hui, 180 entrepreneurs travaillent sur le chantier, et au plus fort de la construction leur nombre passera à 500. Ce lieu, dont l'ouverture est prévue mi-2020, représente, au sens propre comme au sens figuré, un nouveau départ pour l'entreprise.
"Notre premier bureau était à Russell Square, c'était un petit bureau pour dix personnes au dernier étage d'une maison de ville à côté de la communauté mathématique de Londres", se souvient Hassabis, "dans lequel Turing a prononcé ses célèbres conférences." Alan Turing, un pionnier britannique de l'informatique, est une figure sacrée pour Hassabis. «Nous nous appuyons sur les épaules de géants», explique Hassabis, se référant à d'autres figures clés de la science, «Léonard de Vinci, John von Neumann», qui ont également fait des percées importantes.
L'emplacement du nouveau siège social - au nord de la gare de Kings Cross, dans un endroit qui a récemment été appelé le quartier du savoir - est caractéristique en soi. DeepMind a été fondée lorsque la plupart des startups de Londres ont obéi à l'attraction d'Old Street. Mais Hassabis et ses collègues fondateurs avaient d'autres plans: "résoudre le problème de l'intelligence" et développer une IA polyvalente (IION), applicable à diverses tâches. Jusqu'à présent, ce problème a été résolu grâce à la création d'algorithmes qui peuvent gagner dans les jeux - Breakout, chess and go. Les prochaines étapes consistent à appliquer ce schéma à la recherche scientifique afin de percer des tâches complexes en chimie, physique et biologie en utilisant l'informatique.
«Notre entreprise se concentre sur la recherche», explique Hassabis, qui a 43 ans. "Nous voulions nous asseoir à côté de l'université", par laquelle il se réfère à University College London (UKL), dans lequel il a reçu un doctorat pour son travail "Processus neuronaux à la base des souvenirs épisodiques." "Par conséquent, nous aimons être ici, nous ne sommes pas encore loin de l'UKL, de la bibliothèque britannique, du Turing Institute, non loin du collège impérial ..."
En descendant plusieurs étages, Hassabis étudie l'un des territoires qui l'intéresse le plus - il y aura un public pour des conférences. Il est heureux d'examiner les dessins et les rendus informatiques de l'apparence de cette pièce.
Dans le coin nord-est du bâtiment, son regard se lève dans un grand espace libre s'étendant sur trois étages, où sera située la bibliothèque. À cet endroit, un objet apparaîtra finalement que Hassabis semble le plus désireux de voir le plus: un immense escalier en forme de double spirale, qui est maintenant assemblé en plusieurs parties. «Je voulais rappeler aux gens la science et l'intégrer à ce bâtiment», dit-il.
Hassabis et ses associés savent que DeepMind est devenu célèbre pour ses percées dans l'apprentissage automatique et l'apprentissage en profondeur, à la suite desquels les médias ont largement couvert les cas où les réseaux de neurones qui fonctionnaient avec des algorithmes maîtrisaient parfaitement les jeux informatiques, battaient les grands-maîtres d'échecs et forçaient Lee Sedol, champion du monde de go - qui est considéré comme le jeu le plus difficile de ceux inventés par l'homme - pour déclarer: "Dès le début du jeu, il n'y a pas eu un seul moment où j'ai pensé que je pouvais gagner."
Dans le passé, les machines qui jouaient à des jeux avec des gens présentaient des caractéristiques clairement inhérentes aux algorithmes - leur style de jeu était dur et inflexible. Mais dans la compétition de go, l'algorithme AlphaGo de DeepMind a battu Sedol de la manière d'un humain. Un mouvement étrange - le 37e du deuxième épisode - a fait haleter le public qui a regardé le match en direct à Séoul et a étonné des millions de téléspectateurs en ligne. L'algorithme a joué avec une telle liberté, qui peut sembler à une personne un signe de créativité.
Hassabis, Suleiman et Legge croient que les neuf premières années d'existence de DeepMind ont été déterminées par la nécessité de prouver l'importance de la recherche dans le domaine de la formation avec confirmation - les idées de systèmes avec des agents qui non seulement tentent de modéliser le monde et de reconnaître des modèles (comme l'apprentissage en profondeur), mais aussi de prendre activement des décisions et essayer d'atteindre vos objectifs. Dans le même temps, les dix prochaines années détermineront les réalisations dans le domaine des jeux: à savoir, les données et l'apprentissage automatique seront utilisés pour résoudre les problèmes les plus complexes de la science. Selon Hassabis, les prochaines étapes de l'entreprise seront des tentatives pour comprendre comment l'apprentissage en profondeur aidera à renforcer l'apprentissage renforcé pour résoudre des problèmes du monde réel.
«Le problème de l'apprentissage par renforcement était qu'il était toujours utilisé pour résoudre des problèmes de jouets et de petits mondes en treillis», dit-il. "On pensait qu'il ne pouvait pas être étendu aux mauvais problèmes réels - et ici une combinaison de méthodes entre en jeu."
Pour DeepMind, l'émergence d'un nouveau siège social est le symbole d'un nouveau chapitre dans l'histoire de l'entreprise, tout comme elle met toute sa force et sa puissance informatique dans une tentative de comprendre, entre autres, comment fonctionnent les éléments constitutifs de la vie organique. Par cela, l'entreprise espère faire des percées en médecine et dans d'autres disciplines, ce qui affectera sérieusement les progrès dans divers domaines scientifiques. «Notre mission devrait être l'un des voyages les plus intéressants de toute la science», explique Hassabis. "Nous essayons de construire un temple des aspirations scientifiques."
De gauche à droite: Pravin Shrinivasan, responsable de DeepMind sur Google; Drew Pervez, directeur créatif de Worlds; Raya Hadsel, chercheuse. À l'intérieur du siège inachevé de DeepMind.Étudiant à l'University College de Londres puis au MIT, Hassabis a découvert que la collaboration interdisciplinaire était un sujet très à la mode. Il rappelle comment des conférences de travail ont été organisées avec la participation de représentants de diverses disciplines - par exemple, la neurobiologie, la psychologie, les mathématiques et la philosophie. Quelques jours plus tard, il y a eu des rapports et des débats, puis les scientifiques sont revenus dans leurs départements, convaincus qu'ils devraient se rencontrer plus souvent et trouver des moyens de coopérer. Et la prochaine réunion a eu lieu un an plus tard - les demandes de subventions, les nominations à des postes d'enseignants et la routine de la recherche et de la vie enseignante ont nui à la coopération.
«La collaboration interdisciplinaire est difficile à organiser», explique Hassabis. - Supposons que nous prenions deux grands experts mondiaux en mathématiques et en génétique - ils peuvent évidemment avoir des sujets communs. Mais qui fera des efforts pour comprendre le domaine d'une autre personne, son jargon, quel est son vrai problème? "
Trouver les bonnes questions, les raisons de l'absence de réponses et les principales citations, à cause desquelles ces réponses ne sont pas, ce processus peut sembler simple à un observateur extérieur. Mais différents scientifiques, même dans le même domaine, n'évaluent pas toujours leur travail de manière égale. Les chercheurs trouvent extrêmement difficile d'ajouter de la valeur à d'autres disciplines. Il est encore plus difficile de trouver des questions communes auxquelles ils peuvent répondre.
Le siège actuel de DeepMind, les deux étages du bâtiment Google à Kings Cross, a accueilli de plus en plus d'employés au cours des deux dernières années. Uniquement dans le domaine de la recherche en IA, l'entreprise compte six à sept disciplines différentes et, dans le cadre de l'élargissement de la gamme de cours, elle embauche des spécialistes en mathématiques, physique, neurobiologie, physiologie, biologie et philosophie.
«Certains des domaines scientifiques les plus intéressants se situent entre les domaines classiques, à l'intersection de divers sujets de recherche», explique Hassabi. - Lors de la création de DeepMind, j'ai essayé de trouver des «personnes fédératrices», des spécialistes de classe mondiale dans divers domaines, dont l'approche créative aide à rechercher des analogies et des points communs dans divers domaines. En général, lorsque cela se produit, il y a de la magie. »
L'une de ces personnes fédératrices est Pashmit Koli. L'ancien directeur de la recherche Microsoft dirige l'équipe scientifique de DeepMind. Il y a beaucoup de discussions dans les cercles de l'IA sur la fin possible de «l'hiver de l'IA» - une période sans progrès tangibles - au milieu de la dernière décennie. La même sensation de mouvement s'applique à la tâche de
plier les protéines , la science de prédire la forme de ce que les biologistes considèrent comme les éléments constitutifs de la vie.
Coley a réuni une équipe de biologistes structuraux, d'experts en apprentissage automatique et de physiciens pour s'attaquer à ce problème, reconnu comme l'un des problèmes les plus importants de la science. Les protéines sous-tendent la vie de tous les mammifères - elles constituent une grande partie de la structure et du fonctionnement des tissus et des organes au niveau moléculaire. Chacun est composé d'acides aminés qui composent la chaîne. Leur séquence détermine la forme de la protéine, qui détermine sa fonction.
«Les protéines sont les machines les plus étonnantes jamais créées pour déplacer des atomes à l'échelle nanométrique, et elles augmentent souvent la chimie de quelques ordres de grandeur plus efficaces que tout ce que nous avons fait», explique John Jumper, chercheur en repliement des protéines chez DeepMind. "Et ils sont aussi d'une certaine manière inexplicables, ces machines auto-assemblées."
Les protéines utilisent des atomes sur une échelle angström [10
-10 m, ou 100 pm / approx. trans.], [obsolètes] unités de longueur dix milliards de fois plus petites qu'un mètre. Une compréhension plus approfondie de ce mécanisme permettrait aux scientifiques de mieux comprendre la biologie structurale. Par exemple, les protéines sont nécessaires pour presque tout ce qui se passe à l'intérieur de la cellule, et un mauvais repliement des protéines est considéré comme un facteur important dans l'apparition de maladies telles que la maladie de Parkinson, la maladie d'Alzheimer et le diabète.
«Si nous pouvons découvrir des protéines naturelles, nous pouvons créer les nôtres», explique Jumper. «La question est d'étudier très attentivement ce monde microscopique complexe.»
La diffusion généralisée des données du génome a fait une énigme de repliement des protéines attrayante pour DeepMind. Depuis 2006, il y a eu une forte augmentation de la réception, du stockage, de la distribution et de l'analyse des données ADN. Les chercheurs estiment que d'ici 2025, deux milliards de génomes seront analysés, ce qui nécessitera 40 exaoctets de stockage.
«Du point de vue de l'apprentissage en profondeur, c'est une tâche intéressante, car après avoir dépensé une énorme quantité de ressources et de temps, les gens ont rassemblé une collection de protéines si incroyable que nous avons déjà compris», a déclaré Jumper.
Des progrès sont en cours, mais les scientifiques nous avertissent de l'énorme diversité de ce problème. Le biologiste moléculaire américain exceptionnel Cyrus Levintal a noté qu'il faudrait du temps au-delà de l'âge de l'univers pour trier toutes les configurations possibles d'une protéine typique à la recherche de la structure tridimensionnelle correcte. «L'espace de recherche est immense», explique Rick Evans, chercheur chez DeepMind. "Plus qu'à emporter."
Cependant, un jalon dans l'étude du repliement des protéines a été atteint en décembre 2018 lors du concours CASP [évaluation critique des techniques de prédiction de la structure des protéines] à Cancun, au Mexique. Ce concours a lieu tous les deux ans pour donner un aperçu impartial des progrès dans ce domaine. L'objectif des équipes de scientifiques en compétition est de prédire, à partir de séquences d'acides aminés, la structure des protéines dont la forme tridimensionnelle est déjà connue, mais n'a pas encore été publiée. Une commission indépendante évalue les prévisions.
L'équipe de pliage de protéines DeepMind a participé au concours pour tester leur nouvel algorithme AlphaFold développé au cours des deux dernières années. Dans les mois précédant la compétition, les organisateurs ont envoyé des ensembles de données aux membres de l'équipe de King Cross, et ils ont retourné leurs prédictions sans connaître le résultat final. Dans l'ensemble, ils devaient prévoir la structure de quatre-vingt-dix protéines - dans certains cas, les protéines déjà connues ont été utilisées pour faire des prédictions basées sur elles, tandis que d'autres devaient être pensées à partir de zéro. Peu avant la conférence, ils ont reçu les résultats de la compétition: en moyenne, les prédictions d'AlphaFold étaient plus précises que toute autre équipe. Selon certaines estimations, DeepMind est nettement en avance sur la concurrence; pour les protéines dont la structure a été modélisée à partir de zéro - et il y en avait 43 sur 90 - AlphaFold a fait les prévisions les plus précises pour 25 protéines. C'est étonnamment beaucoup par rapport à l'équipe finaliste, qui a réussi à prédire correctement seulement trois structures.
Diagramme en ruban, une représentation schématique en trois dimensions de la structure d'une protéine repliée en une structure en trois dimensions selon les prédictions de l'algorithme AlphaFold pour la compétition CASP13Mohammed Al Quraishi, un chercheur du laboratoire de pharmacologie des systèmes et du département de biologie des systèmes de la Harvard Medical School, a assisté au concours et a appris l'approche utilisée dans DeepMind avant la publication des résultats. «En lisant le CV du travail, je ne pensais pas que c'était quelque chose de complètement nouveau», dit-il. «J'ai décidé qu'ils devraient réussir assez bien, mais je ne m'attendais pas à ce qu'ils le fassent aussi bien.»
Al Quraishi dit que cette approche était similaire à celle d'autres laboratoires, mais le processus DeepMind se distinguait par le fait qu'ils pouvaient "mieux fonctionner". Il souligne les points forts de l'équipe DeepMind dans le domaine de l'ingénierie.
«Je pense qu'ils peuvent mieux travailler que des groupes composés de scientifiques, car ces derniers ont tendance à garder leur travail secret», explique al-Quraishi. «Et bien que toutes les idées que DeepMind incluait dans leur algorithme existaient déjà, et que différentes personnes aient essayé de les appliquer séparément, personne n'a deviné les réunir.»
Al Quraishi établit des parallèles avec la communauté scientifique dans le domaine de l'apprentissage automatique, dont ces dernières années, des résultats ont été obtenus dans des sociétés telles que Google Brain, DeepMind et Facebook; ils ont des structures organisationnelles plus efficaces, de grandes récompenses et des ressources informatiques que l'on ne trouve pas toujours dans les universités.
«Les communautés d'apprentissage automatique ont vraiment vécu cela au cours des 4 à 5 dernières années», dit-il. "La biologie computationnelle commence seulement maintenant à être maîtrisée avec cette nouvelle réalité."
Il se fait l'écho des explications données par les fondateurs de DeepMind concernant la vente de Google en janvier 2014. Le volume du réseau informatique de Google permettra à l'entreprise de faire avancer la recherche beaucoup plus rapidement que si elle se développait naturellement, et un chèque de 400 millions de livres permettrait à la startup d'embaucher des spécialistes de classe mondiale. Hassabis décrit une stratégie de recherche pour les personnes considérées comme adaptées à des domaines de recherche spécifiques. «Nous avons un plan de développement à partir duquel il s'ensuit quels domaines de recherche en IA ou en neurosciences seront importants», dit-il. «Et puis nous sommes partis à la recherche de la meilleure personne au monde qui nous convienne également sur le plan culturel.»
"Donc, à partir de ces zones où DeepMind peut changer le monde, le repliement des protéines semble être un bon début - c'est une tâche très bien définie, elle a des données utiles, elle peut, en principe, être considérée comme une tâche en informatique", explique Al Quraishi. - Dans d'autres domaines de la biologie, cette approche ne fonctionnera probablement pas. Tout y est beaucoup moins ordonné. Par conséquent, je ne pense pas que le succès de DeepMind dans le domaine du repliement des protéines puisse être automatiquement transféré à d’autres domaines de recherche. »
Des employés de DeepMind sur le toit du bureau Google de Kings CrossDeepMind est activement impliqué dans la gestion des produits pour une société de recherche. Tous les six mois, les cadres supérieurs étudient les priorités, réorganisent certains projets, inspirent les équipes - notamment les ingénieurs - à passer d'un domaine à l'autre. Les disciplines se mélangent constamment et intentionnellement. De nombreux projets de l'entreprise durent plus de six mois, généralement de deux à quatre ans. Mais alors que DeepMind se concentre sur la recherche, la société est désormais une division d'Alphabet, la société mère de Google, et la quatrième plus chère au monde. Et si les scientifiques londoniens attendent de l'entreprise des recherches à long terme et avancées, les directeurs de Mountain View en Californie s'attendent naturellement à un retour sur investissement.
«Nous nous assurons que nos produits réussissent à Google et à Alphabet, et ils profitent de nos recherches - et ils l'obtiennent, maintenant des dizaines de produits contenant du code et des technologies DeepMind fonctionnent déjà dans Google et Alphabet - cependant, il est important que cette situation soit maintenue pas violemment, mais naturellement », explique Hassabis. DeepMind chez Google, dirigé par Suleiman, est composé de centaines de personnes, principalement des ingénieurs, qui traduisent les recherches purement scientifiques de l'entreprise en applications pouvant être transformées en produit. Par exemple, WaveNet, un modèle de synthèse vocale simulant une voix humaine, est déjà inclus dans la plupart des appareils contenant Google, d'Android à Google Home, et possède sa propre équipe de produits chez Google.«Beaucoup de recherches dans l'industrie sont motivées par les demandes de produits», explique Hassabis. «Le problème est que la recherche ne peut se faire que progressivement, étape par étape.» Il est improductif de mener des recherches ambitieuses et risquées - mais c'est le seul moyen de faire des percées. »Hassabis parle rapidement, soulignant souvent la fin de la phrase par la question «oui?», Guidant l'auditeur à travers une série d'observations. Il se détourne souvent du sujet, part périodiquement pour la philosophie (ses philosophes préférés - Kant et Spinoza), l'histoire, les jeux, la psychologie, la littérature, les échecs, l'ingénierie, de nombreux autres domaines scientifiques et informatiques - mais ne perd pas son train de pensée d'origine, revenant souvent à clarifier le commentaire ou discuter du commentaire précédent.Comme le plan de développement de 300 ans, Masayoshi Sana, le fondateur de SoftBank, une banque internationale japonaise qui a investi dans de nombreuses sociétés technologiques dominantes, a Hassabis et les autres fondateurs avec un «plan de développement approfondi de plusieurs décennies». Legg, le principal scientifique de l'entreprise, a gardé une copie du premier plan d'affaires qu'ils ont envoyé à un investisseur potentiel (Hassabis a perdu sa copie). Legg le montre parfois lors des assemblées générales pour montrer que nombre des approches auxquelles les fondateurs ont pensé en 2010 - formation, apprentissage profond, apprentissage renforcé, simulations, concepts et transfert d'apprentissage, neurobiologie, mémoire, imagination - sont toujours des éléments clés du programme de recherche de l'entreprise.Au début du voyage, DeepMind avait la seule page Web contenant uniquement le logo de l'entreprise. Ni l'adresse, ni le téléphone, ni la page positive nous concernant. Pour embaucher du personnel, les fondateurs ont dû s'appuyer sur les contacts personnels de personnes qui savaient déjà qu'elles étaient «des gens sérieux avec des scientifiques sérieux et un plan sérieux», explique Hassabis.«À chaque démarrage, vous devez demander aux gens de faire confiance à votre gestion», dit-il. "Mais c'est encore plus difficile pour nous, parce que nous disons en fait que nous allons travailler de manière unique, comme personne ne l'a fait auparavant, et de nombreux scientifiques traditionnels de classe mondiale diraient que c'est impossible:" La science ne peut pas être organisée de cette manière " "".La façon dont les percées scientifiques se produisent exactement n'est pas plus connue que la façon de résoudre certains problèmes auxquels les chercheurs sont confrontés. Dans le monde universitaire, les meilleurs esprits se réunissent dans les instituts pour mener des recherches qui progressent sans résultats prévisibles. Les progrès sont généralement lents et longs. Et dans le secteur privé, où il n'y a prétendument aucune restriction, et où il y a accès à des consultants bien payés, la productivité et l'innovation sont également en baisse.En février 2019, l'économiste de Stanford Nicholas Bloom a publié des travaux prouvant une baisse de la productivité dans un large éventail de domaines. «Les efforts de recherche ont considérablement augmenté et la productivité a chuté», a écrit Bloom. "Un bon exemple est la loi de Moore." Pour maintenir le fameux doublement de la densité des puces informatiques tous les deux ans, il faut aujourd'hui 18 fois plus de chercheurs qu'au début des années 1970. Dans l'éventail le plus large de diverses études à différents niveaux d'agrégation, nous constatons que les idées - et en particulier la croissance exponentielle qui y est intégrée - deviennent de plus en plus difficiles à trouver. »Hassabis mentionne des milliards investis dans la recherche sur les grandes exploitations agricoles: en s'appuyant sur les rapports trimestriels sur les bénéfices, l'industrie est devenue plus conservatrice à mesure que le coût des erreurs augmentait. Selon un rapport de 2018 du Nesta Innovation Fund, au cours des 50 dernières années, la productivité de la recherche et du développement en biomédecine n'a cessé de diminuer - malgré une augmentation significative des investissements, les nouveaux médicaments deviennent plus chers à développer. Le rapport indique que «l'augmentation exponentielle du coût de développement de nouveaux médicaments affecte directement les petits retours sur les dépenses de R&D. Selon des estimations récentes, ce rendement est de 3,2% pour les plus grandes sociétés pharmaceutiques du monde; c'est beaucoup moins que le coût du capital. » De même, les chercheurs de Deloitte ont estimé que le retour sur investissement en R &D biopharma est à son point le plus bas en neuf ans, passant de 10,1% en 2010 à 1,9% en 2018.«La plupart des directeurs de grandes fermes ne sont pas des scientifiques, mais des financiers ou des commerçants», explique Hassabis. - Qu'est-ce que cela dit de leurs organisations? Ils essaient de récupérer autant d'argent déjà investi que possible, de réduire les dépenses, d'améliorer la publicité, mais de ne pas inventer quelque chose de nouveau - c'est beaucoup plus risqué. Vous ne pouvez pas écrire une telle chose dans une feuille de calcul. Ce n'est pas dans l'esprit du travail de l'imagination et des rêves de l'avenir - il n'est pas nécessaire d'agir si vous voulez voler vers la lune. »
Pushmith Coley, chef de l'équipe de rechercheDe nombreux fondateurs de startups dans leur mission ont un morceau d'événements heureux inattendus - le problème qu'ils ont rencontré et ont cherché à résoudre, une rencontre fortuite avec un co-fondateur ou un investisseur, un partisan de la communauté universitaire. Mais ce n'est pas le cas de Hassabis - il a délibérément pris plusieurs décisions, l'une après l'autre - certaines à un très jeune âge - ce qui l'a finalement conduit à créer DeepMind. «C'est ce que j'ai préparé toute ma vie», dit-il. - De la conception de jeux aux jeux, de la neurobiologie à la programmation, de l'étude de l'IA à l'institut à des études dans plusieurs des meilleurs instituts du monde, d'une thèse de doctorat à l'organisation d'une startup en début de carrière. J'ai essayé d'utiliser chaque miette d'expérience. J'ai délibérément choisi tous ces jalons pour que je puisse vivre toute cette expérience. "Ajoutez à cela le poste de PDG, le travail qu'il fait tous les jours. Il a un autre rôle de chercheur, et pour tout suivre, il structure le temps, le divise en périodes distinctes, afin d'équilibrer la gestion des affaires et les intérêts scientifiques. Jouant le rôle de réalisateur pendant la journée de travail, il rentre chez lui à 19 h 40, dîne avec sa jeune famille, puis part le «deuxième jour», commençant quelque part à 22 h 30 et se terminant à 16 h 00 à 16 h 30.«J'adore cette fois», dit-il. - J'ai toujours été un hibou depuis l'enfance. Il y a du silence dans la ville et dans la maison, et ça m'aide beaucoup à penser, lire, écrire. C'est alors que j'apprendrai toutes les dernières nouvelles scientifiques. Ou je peux écrire un travail, le modifier, trouver un nouvel algorithme, une sorte de stratégie, explorer le domaine de la science auquel l'IA pourrait être appliquée. »Pendant le travail, il écoute de la musique. Le style de musique - du classique à la batterie et à la basse - dépend de «ces émotions que j'essaie d'éveiller en moi. Cela dépend si je veux me concentrer ou éveiller l'imagination. » Il y a quelques exigences à la musique: il ne doit pas y avoir de chant, sinon il est distrait par les mots; et la musique devrait être assez familière. «Cela devrait être quelque chose de familier, mais pas beaucoup. Et ça ne peut pas être de la nouvelle musique, ça distrait beaucoup le cerveau. »Hassabis dit qu'il aimerait passer 50% de son temps à faire des recherches directes. Pour ce faire, en avril 2018, il a embauché Laila Ibrahim, un vétéran de la Silicon Valley qui a travaillé chez Intel pendant 18 ans avant de devenir directeur des ressources humaines de Kleiner, Caulfield, Perkins et Byers, l'une des plus grandes sociétés de capital-risque de la vallée, puis transféré à Startup Coursera. Ibrahim enlève de nombreuses tâches de gestion à Hassabis - il dit que sur les 20 personnes relevant directement de lui, il y en a maintenant 6. Ibrahim pense qu'elle a rejoint le DeepMind en raison des «considérations morales» qui ont surgi après avoir parlé avec Hassabis et Legge au sujet de leur initiative d'éthique. et la société », qui essaie d'appliquer les normes d'application des technologies.«Je pense que travailler à Londres offre une perspective légèrement différente», dit-elle. - Je pense que si le siège de DeepMind était situé dans la Silicon Valley, tout serait complètement différent. Il semble qu'il y ait beaucoup plus d'humanité à Londres. Art, diversité culturelle. Et ils ont aussi ce que les fondateurs ont soutenu depuis le tout début, et les gens qui ont décidé de travailler chez DeepMind ont apporté une façon spéciale à l'entreprise de faire les choses, une attitude spéciale. »
Layla IbrahimUn cas révèle ce que Ibrahim décrit. Hassabis était un prodige des échecs. Dès l'âge de quatre ans, il a commencé à progresser dans les classements, jusqu'à ce qu'il atteigne à l'âge de 11 ans un grand championnat international, affrontant le grand maître danois dans un hôtel de ville près du Liechtenstein.Après presque 12 heures, le match touchait à sa fin. Hassabis n'avait jamais vu un tel accord auparavant - il avait une reine et l'adversaire avait une tour, un éléphant et un cheval, mais Hassabis pourrait toujours réduire la question à un match nul s'il pouvait constamment vérifier l'adversaire. Les heures passaient, d'autres jeux étaient déjà terminés, la salle était vide. Soudain, Hassabis s'est rendu compte que son roi était piégé, ce qui signifiait un compagnon inévitable. Hassabis s'est rendu.«Je suis très fatigué», dit-il. "Nous sommes assis là depuis 12 heures ou quelque chose comme ça, et je pense que je dois me tromper, et il m'a pris dans un piège."Son adversaire - Hassabis rappelle que l'homme avait 30-40 ans - s'est levé. Ses amis l'entouraient, il riait et pointait le tableau. Et puis Hassabis s'est rendu compte qu'il avait abandonné en vain - le jeu pourrait être réduit à un match nul.«Je devais juste sacrifier la reine», dit-il. - C'était sa dernière chance. Pendant des heures, il a essayé de m'attirer. Et c'était son dernier tour bon marché. Et ça a marché. En fait, mes 12 heures de travail épuisant n'ont abouti à rien. »Hassabis rappelle qu'à ce moment il a reçu un aperçu. Il s'est interrogé sur l'utilité d'un tel passe-temps lorsque des personnes brillantes s'affrontent pour gagner dans un jeu à somme nulle. Il a ensuite continué à jouer au plus haut niveau, est devenu capitaine de l'équipe à l'université et parle toujours de son amour pour les jeux complexes, mais l'expérience lui a appris à rediriger son énergie vers des tâches qui ne sont pas liées aux jeux. "Je ne pouvais pas devenir un joueur d'échecs professionnel, car cela me semblait improductif", a-t-il déclaré.Malgré le fait que la société déménage dans un nouveau siège social, Hassabis considère toujours DeepMind comme une startup, même si elle est en concurrence sur la scène mondiale. «La Chine s'est mobilisée, tout comme les États-Unis. Les entreprises sérieuses font ces choses », dit-il. En effet, les États-Unis et la Chine tentent de standardiser ce domaine, et de le mettre à leur avantage, tant d'un point de vue commercial que géopolitique. Il mentionne à plusieurs reprises que, malgré les progrès, ils ont encore un long chemin à parcourir vers un objectif plus large - résoudre le problème de l'intelligence et créer IION. «Je veux que nous gardions cette soif, la vitesse de travail, l'énergie des meilleures startups», dit-il.Les innovations sont rares, difficiles à créer. Construire des processus et une culture dans une entreprise qui lui permettront de «laisser une marque dans l'univers», comme peu d'organisations ont réussi à le faire dans plusieurs domaines avec plusieurs produits, comme Steve Jobs l'a dit à l'équipe qui a créé l'ordinateur Macintosh. Avec la croissance de DeepMind, les fondateurs seront tenus de le guider sur la bonne voie, en suivant les principes fondamentaux d'une entreprise axée sur la technologie qui deviendra probablement la plus transformatrice de toutes dans les années à venir, sur une voie pleine non seulement de dangers, mais aussi d'opportunités.«Il y aura de nombreuses journées difficiles sur la route, et je pense qu'au final, le désir de gagner de l'argent ou quelque chose comme ça ne suffit pas pour traverser les moments les plus difficiles», explique Hassabis. "Si vous avez une passion et une foi réelles dans l'importance de ce que vous faites, alors je peux vous guider à travers ces jours."