Demis Hassabis
Demis Hassabis CBE FRS FREng FRSA é um pesquisador de inteligência artificial, neurocientista, designer de videogames e empresário britânico. Em 2017, apareceu na lista de 100 pessoas mais influentes do ano pela Time.
Imagem: John Sears · BY-SA · Openverse
Lionhead
Após se formar em Cambridge, Hassabis trabalhou no Lionhead Studios. O designer de jogos Peter Molyneux, com quem Hassabis havia trabalhado na Bullfrog Productions, tinha recentemente fundado a empresa. Na Lionhead, Hassabis trabalhou como programador-chefe de IA no jogo de 2001 jogo Black & White.
Elixir Studios
Hassabis deixou a Lionhead em 1998 para fundar a Elixir Studios, uma desenvolvedora independente de jogos sediada em Londres, assinando acordos de publicação com Eidos Interactive, Vivendi Universal e Microsoft. Além de gerenciar a empresa, Hassabis atuou como designer executivo dos jogos indicados ao BAFTA Republic: The Revolution e Evil Genius. O lançamento do primeiro jogo da Elixir, Republic: The Revolution, um jogo de simulação política altamente ambicioso e incomum, foi atrasado devido ao seu escopo enorme, que envolvia uma simulação de IA do funcionamento de um país fictício inteiro. O jogo final foi reduzido de sua visão original e recebido com críticas mornas, recebendo uma pontuação de 62/100 no Metacritic. Evil Genius, um simulador irônico de vilão de James Bond, teve um desempenho muito melhor com uma pontuação de 75/100. Em abril de 2005, os direitos de propriedade intelectual e tecnologia foram vendidos para vários editores e o estúdio foi fechado.
Pesquisa em neurociência na University College London
Após a Elixir Studios, Hassabis voltou à academia para obter seu PhD em neurociência cognitiva pela University College London (UCL) em 2009, supervisionado por Eleanor Maguire. Ele buscou encontrar inspiração no cérebro humano para novos algoritmos de IA. Ele continuou sua pesquisa em neurociência e inteligência artificial como cientista visitante tanto no Massachusetts Institute of Technology (MIT), no laboratório de Tomaso Poggio, quanto na Harvard University, antes de obter uma bolsa de pesquisa Henry Wellcome no Gatsby Computational Neuroscience Unit da UCL em 2009, trabalhando com Peter Dayan. Trabalhando nos campos de imaginação, memória e amnésia, ele coautorou vários artigos influentes publicados nas revistas Nature, Science, Neuron e PNAS. Seu primeiro trabalho acadêmico, publicado no PNAS, foi um artigo inovador que mostrou sistematicamente, pela primeira vez, que pacientes com danos no hipocampo, conhecidos por causar amnésia, também eram incapazes de imaginar novas experiências. A descoberta estabeleceu uma ligação entre o processo construtivo da imaginação e o processo reconstrutivo da lembrança da memória episódica. Com base nesse trabalho e em um estudo subsequente de imagem por ressonância magnética funcional (fMRI), Hassabis desenvolveu um novo modelo teórico do sistema de memória episódica, identificando a construção de cenas, a geração e manutenção online de uma cena complexa e coerente, como um processo-chave subjacente tanto à lembrança de memórias quanto à imaginação. Este trabalho recebeu ampla cobertura na mídia mainstream e foi listado entre os 10 maiores avanços científicos do ano pela revista Science. Ele mais tarde generalizou essas ideias para avançar a noção de um 'motor de simulação da mente', cujo papel seria imaginar eventos e cenários para ajudar em um melhor planejamento.
DeepMind
Hassabis é o CEO e cofundador da DeepMind, uma startup de aprendizado de máquina e IA fundada em Londres em 2010 com Shane Legg e Mustafa Suleyman . Hassabis conheceu Legg quando ambos eram pesquisadores pós-doutorais na Gatsby Computational Neuroscience Unit, e ele e Suleyman eram amigos por meio de suas famílias. Hassabis também recrutou seu amigo da universidade e parceiro da Elixir David Silver. A missão da DeepMind é "resolver a inteligência" e depois usar a inteligência "para resolver todo o resto". Mais concretamente, a DeepMind busca combinar insights da neurociência de sistemas com novos desenvolvimentos em aprendizado de máquina e hardware de computação para desbloquear algoritmos de aprendizado cada vez mais poderosos e de uso geral, trabalhando em direção à criação de uma inteligência artificial geral (AGI). A empresa se concentrou em treinar algoritmos de aprendizado para dominar jogos e, em dezembro de 2013, anunciou um avanço pioneiro ao treinar um algoritmo chamado Deep Q-Network (DQN) para jogar jogos do Atari em um nível sobre-humano, usando apenas os pixels brutos da tela como entradas.
