《The Thinking Game》心得：DeepMind 從一場思考遊戲，走到諾貝爾獎

一部在 DeepMind 實驗室裡跟拍五年的紀錄片

《The Thinking Game》是關於 Google DeepMind 與共同創辦人 Demis Hassabis 的紀錄片，導演是 2017 年拍出《AlphaGo》的 Greg Kohs。拍完《AlphaGo》之後，Hassabis 邀請 Kohs 與製片 Gary Krieg 到倫敦的實驗室記錄研究，起初的定位只是一份研究檔案；團隊取得實驗室最高等級的安全權限，一拍就是五年。

本片 2024 年 6 月在 Tribeca 影展世界首映，2025 年 11 月 25 日起在 Google DeepMind 的 YouTube 頻道免費觀看，官方說明是為了慶祝 AlphaFold 五週年。截至 2026 年 9 月，觀看數已經超過 4 億次；台灣也能播放，而且有官方人工翻譯的繁體中文字幕。

章節時間碼：想看哪一段，直接跳過去

時間碼以 YouTube 版為準，點一下會在新分頁從該段開始播放。

• 00:00:23開場：研究員和 AI 助理原型對話
• 00:06:442010 年，DeepMind 在倫敦創立
• 00:09:18Atari：從 Pong 到 Breakout
• 00:13:272014 年，Google 收購 DeepMind
• 00:15:48AlphaGo 對弈李世乭與柯潔
• 00:22:531986 年，九歲的西洋棋神童
• 00:30:41AlphaStar 挑戰星海爭霸 II 職業選手
• 00:38:21Bullfrog、《Theme Park》與劍橋
• 00:46:07AlphaFold：挑戰蛋白質摺疊
• 01:05:38AI 的風險與治理
• 01:10:462020 年封城中的 CASP14
• 01:14:55fold everything：公開所有結構

片名來自一場思考遊戲：Hassabis 的童年與遊戲經歷

片名出自片中一段 1986 年在倫敦的電視訪問。九歲的 Hassabis 被問到喜歡西洋棋的什麼，他回答：「It’s just a good thinking game.」官方繁中字幕譯為「這是一個好的思考遊戲」。

我們很喜歡這段童年。片子接著交代他在西洋棋神童時期的比賽、17 歲進入遊戲公司 Bullfrog 參與《Theme Park》，再到劍橋求學。看完這段，DeepMind 為什麼一直拿遊戲訓練 AI 就說得通了：Atari 的 Pong 與 Breakout、圍棋的 AlphaGo、星海爭霸 II 的 AlphaStar。

最動人的一段：AlphaFold 在 CASP13 受挫之後

2018 年，DeepMind 組成 AlphaFold 團隊參加蛋白質結構預測競賽 CASP13，在最難類別的 43 個蛋白質中，有 25 個預測得最準。結構生物學家 Janet Thornton 與諾貝爾獎得主 Paul Nurse 卻認為，這離真正派上用場還很遠。團隊一度受挫，2019 年重新組成一支精簡的攻堅小組。

2020 年英國因疫情封城，團隊在封城期間參加 CASP14，題目之一正是新冠病毒的 ORF8 蛋白。結果出爐時，片中讀出了 CASP 共同創辦人 John Moult 的恭賀信：AlphaFold 在 CASP14 全部題目的預測中位數達到 92.4 GDT，主辦方認定它解決了困擾生物學界 50 年的蛋白質摺疊問題。

片子沒有跳過 CASP13 之後被質疑、重組的那一段，後面的突破才有重量。

把 2 億個蛋白質結構送給全世界

突破之後，團隊做了一個份量不輸突破本身的決定：「fold everything」，預測所有已知的蛋白質結構，並和歐洲生物資訊研究所（EMBL-EBI）合作免費公開。2022 年，AlphaFold 資料庫擴充到超過 2 億筆結構，涵蓋幾乎所有已知的蛋白質。

2024 年，Hassabis 與 AlphaFold 負責人 John Jumper 因「蛋白質結構預測」共享諾貝爾化學獎的一半，另一半頒給了 David Baker。諾貝爾委員會的新聞稿提到，AlphaFold2 已被 190 個國家、超過 200 萬人使用。YouTube 版的片尾，也加上了這張得獎字卡。

DeepMind 大事記：片中走過的 15 年

• 2010 年DeepMind 在倫敦創立。
• 2014 年Google 收購 DeepMind。
• 2015 年會自學玩 Atari 遊戲的 AI 研究登上《Nature》。
• 2016 年AlphaGo 在首爾對弈李世乭；2017 年在烏鎮對弈柯潔。
• 2018 年AlphaFold 首次參加 CASP13。
• 2019 年AlphaStar 挑戰星海爭霸 II 職業選手。
• 2020 年AlphaFold 在 CASP14 取得突破。
• 2021 年AlphaFold 論文登上《Nature》。
• 2022 年AlphaFold 資料庫公開超過 2 億筆蛋白質結構。
• 2024 年6 月本片在 Tribeca 影展首映；10 月 Hassabis 與 John Jumper 獲諾貝爾化學獎。
• 2025 年11 月本片在 YouTube 免費上架。

三個盲點：一部幾乎只有 DeepMind 觀點的紀錄片

1. 外部的聲音不多

這部片由 Hassabis 邀請拍攝，監製之一 Jonathan Fildes 曾領導 Google DeepMind 的創意團隊，免費版也由 DeepMind 官方頻道發布。片中雖然有 Stuart Russell、《經濟學人》的 Kenneth Cukier 等外部受訪者，整體仍是實驗室內部的敘事，外部的聲音不多，質疑 DeepMind 本身的觀點更少。英國《衛報》的影評也說，它清楚好懂，卻帶著企業形象片的味道。

2. AI 風險與治理輕輕帶過

片中有一段談 AI 風險，包括好萊塢編劇罷工、Deepfake、選舉假訊息與「Pause AI」抗議，Kenneth Cukier 甚至把 DeepMind 比作曼哈頓計畫。但這些議題只佔很短的篇幅，很快又回到科學突破的主線，沒有追問實驗室自己要承擔哪些責任。

3. Google 的商業壓力著墨很少

2014 年 Google 收購 DeepMind 的段落，強調的是收購之後仍能在倫敦獨立做研究。至於研究與產品之間的拉扯、商業化的壓力，片子幾乎沒有觸及。

五個真實案例：諾貝爾獎之後

片子停在 2024 年的諾貝爾獎。前兩個案例接著片中的亮點往下走，後三個談片子著墨很少的商業化與治理。

案例一：棋盤兩端的人

2016 年在首爾，坐在李世乭對面、替 AlphaGo 落子的，是 DeepMind 研究員黃士傑。他是台灣師範大學資訊工程博士，也是台師大圍棋社的創社社長，2012 年加入 DeepMind，也是 AlphaGo《Nature》論文的共同第一作者。

李世乭那次以 1 比 4 落敗，唯一贏下的是第四局。2019 年 11 月，他遞出退休書，結束 24 年的職業生涯，並在韓聯社的專訪中說：「就算我成為第一，也有一個無法被打敗的存在。」他甚至把第四局的勝利，歸因於程式的錯誤。不過同一篇報導也寫到，他沒有否認，退休也和他與韓國棋院之間的會費爭議有關。同年 12 月的退休賽，他的對手仍是 AI：在 AI 讓他兩子的第一局，他贏了韓國公司 NHN 開發的 HanDol。

想一想：李世乭練了一輩子圍棋，最後說 AI 是「無法被打敗的存在」。如果換成你最拿手的事，你會繼續下去嗎？

案例二：AI 提出假說，實驗負責驗證

2 億個結構公開之後，AlphaFold 在實驗室裡常見的用法，是幫科學家看懂模糊的實驗資料，而不是直接給出答案。

• 瘧疾疫苗：牛津大學 Matthew Higgins 的團隊，多年來想看清瘧原蟲表面的蛋白 Pfs48/45，它是阻斷瘧疾傳播的疫苗候選，但 X 光晶體學拍到的一端始終模糊。他們把 AlphaFold2 的預測放進實驗資料裡對位，才拼出第一個完整的模型，看出阻斷型抗體結合在哪裡。Higgins 在 DeepMind 的專訪中也提醒，AlphaFold 有時「有點偏差」，最好的做法是把實驗和 AI 模型結合起來。
• 分解塑膠的酵素：美國國家再生能源實驗室與英國樸茨茅斯大學等團隊，從自然界找出 74 個可能分解 PET 塑膠的酵素，其中 37 個在實驗中確實有活性。很多酵素長不出晶體，AlphaFold 補上了這些缺口，讓團隊能比較全部候選的結構。這項成果找到的是更多「候選酵素」，離工業化回收還有距離；樸茨茅斯的研究主任 John McGeehan 也說，AI 不會取代實驗，他們反而更需要同步輻射光源這類設施。
• 中研院的打結蛋白：國外學者掃描 AlphaFold 的預測時，發現一個只有 89 個胺基酸的小蛋白，被預測成打了一個有七個交叉點的結，比過去實驗看過的蛋白質結都複雜。中研院生化所徐尚德的團隊用 X 光晶體學與核磁共振證實，這個結真的存在，AlphaFold 除了柔軟的一端之外都預測正確。Google 在 AlphaFold 五週年時列出亞太地區的研究案例，台灣就是這一例。

想一想：媒體常說 AI「解開」了蛋白質結構，但這三個例子裡，最後拍板的都是實驗。為什麼驗證的工作，同樣值得被報導？

案例三：AlphaFold 3，這次沒有附上程式碼

片中，Hassabis 說：「為什麼要變成一項服務，讓大家提交他們的蛋白質？我們摺疊所有蛋白質，然後向全世界公開。」2021 年的 AlphaFold 2，也公開了程式碼。

2024 年 5 月，Google DeepMind 與同屬 Alphabet 的藥物研發公司 Isomorphic Labs，在《Nature》發表 AlphaFold 3，能預測蛋白質與 DNA、RNA、小分子之間的交互作用。這一次，論文寫明不提供程式碼，只開放每天限用 10 次的網頁服務。DeepMind 的 AI 科學負責人 Pushmeet Kohli 解釋，他們要在讓科學界用得到，和「不影響 Isomorphic 從事商業藥物研發的能力」之間取得平衡。

科學家隨即發起公開信，批評論文無法被檢驗，連審稿人都拿不到程式碼，最後有超過 1,050 人連署。同年 11 月，DeepMind 公開程式碼，但模型權重要申請，只限非商業用途。2026 年，程式碼改用 Apache 2.0 授權，權重也改成直接下載，但仍限非商業使用；8 月 15 日起，Google Cloud 開始對核准的客戶提供商業版。

想一想：公司花大錢開發的 AI，可以只發表論文、不公開程式碼嗎？如果你是期刊編輯，會要求什麼才願意刊登？

案例四：Isomorphic Labs，還在等第一個人體試驗

Isomorphic Labs 是 2021 年從 DeepMind 分拆出來、由 Hassabis 兼任執行長的 Alphabet 子公司，使命是「解決所有疾病」。2024 年 1 月，它和禮來、諾華簽下研究合作，官方說潛在價值接近 30 億美元；2025 與 2026 年兩輪募資，又募到 27 億美元。

但藥物還沒進入人體試驗。Hassabis 在 2025 年 1 月的達沃斯論壇說，希望年底前就有 AI 設計的藥物進入臨床試驗；一年後的達沃斯，說法變成 2026 年底，路透直接點出這是延後。截至本文發布，公司對外的說法仍是「準備進入臨床」，沒有公布任何已開始的人體試驗。

同一年，AlphaFold 的原班人馬也散了。6 月，和 Hassabis 共享諾貝爾獎的 John Jumper 宣布離開 Google DeepMind，加入 Anthropic；據《金融時報》7 月底報導，AlphaFold 團隊已被解編，成員轉往 Gemini 等專案，也有人轉往 Isomorphic Labs。DeepMind 則表示，AlphaFold 背後的研究者仍在 Google 各處推動科學進展。

想一想：一家公司說要解決所有疾病，募到 27 億美元，到 2026 年 9 月還沒有藥進入人體試驗。你會用哪些證據，判斷 AI 製藥是突破還是炒作？

案例五：安全框架，自己訂門檻、自己打分數

片中談到 AI 風險時，有一句話：「發生得太快了，我們要怎麼治理？」片子沒有給出下文。DeepMind 自己寫下的答案，是 2024 年 5 月發表的「前沿安全框架」（Frontier Safety Framework）：事先定義哪些 AI 能力可能造成嚴重傷害，定期檢測模型是否接近這些門檻，接近時就啟動資安與部署上的防護。

這套框架到 2026 年 4 月已改到 3.1 版，陸續加入「有害操控」，以及模型可能妨礙人類修改或關閉它等情境。2025 年 2 月的 2.0 版寫著，DeepMind 會不會採用這些措施，可能取決於同業是否跟進；到了 3.0 版，這句話不見了，改成這些措施「由整個產業一起採用時最有效」。

但門檻怎麼定、模型有沒有達標、能不能上線，仍由公司內部判斷。治理研究者 Sophie Williams 評論 3.1 版時認為它有實質進步，但仍「依賴內部判斷，外部問責有限」。今年 7 月，Hassabis 也提議仿照美國金融業的自律組織，成立一個標準機構，讓前沿實驗室在發布模型前自願送審。

片中，訪問者提到 DeepMind 被收購時，Hassabis 要 Google 保證技術不會被軍方用來監視，他回答「沒錯」。而在發表框架 2.0 版的同一天，Google 修改了 AI 原則，刪除原本「不開發用於武器或違反國際規範之監控的技術」的段落。

想一想：由公司自己訂門檻、自己評估、自己決定上不上線的安全框架，能取代政府或第三方監管嗎？你會希望加入什麼外部檢查？

適合誰看：給學生與老師的一堂免費科學課

我們特別推薦給學生與老師。它免費、有官方繁中字幕，官方也開放學校與社群申請公播，免收授權費。不熟 AI 或生物也看得懂，《衛報》的影評認為它清楚好懂、適合入門；美國兒童媒體評鑑組織 Common Sense Media 則建議 10 歲以上觀看，主要是因為題材複雜。

討論與行動指南：看完，接著做

這份指南是照一堂 50 分鐘的課設計的，只看兩個片段也上得完。自己看的話，步驟一到步驟三約 20 分鐘，想動手再做步驟四。

一個人：約 20 分鐘一堂課：50 分鐘動手練習：約 30 分鐘

步驟一：看片前，先寫下你的答案

1. 你覺得科學突破通常怎麼發生？是天才靈光一閃，還是一群人長期累積？
2. 你玩過哪一種需要策略的遊戲？它讓你學會了什麼？

步驟二：看片時，留意這四段

• 00:15:48　AlphaGo 對弈李世乭與柯潔。想一想，為什麼一場棋賽會讓全世界開始注意 AI？
• 00:22:53　九歲的西洋棋神童。片名「思考遊戲」是從這裡來的。
• 00:46:07　AlphaFold 挑戰蛋白質摺疊。留意團隊在 CASP13 之後改變了什麼。
• 01:05:38　AI 的風險與治理。這一段有多長？你覺得夠嗎？

步驟三：看完後，三層討論題

1. 理解DeepMind 為什麼一路用遊戲訓練 AI？遊戲和真實世界的問題，差在哪裡？
2. 理解AlphaFold 在 CASP13 被質疑之後，團隊做了哪些改變？
3. 反思把 2 億多個蛋白質結構免費公開，對誰最有幫助？如果改成收費，世界會有什麼不同？
4. 反思片子幾乎只有 DeepMind 的觀點。如果由你來拍續集，你會去訪問誰？
5. 行動到 AlphaFold 資料庫查一個你有興趣的蛋白質，看看它哪些部分的信心分數最低。
6. 行動CASP13 之後，團隊重組了一支小組重來。你手上有沒有一件卡住的事，可以換一種組隊方式再試一次？寫下第一步。

步驟四：動手練習，查一個蛋白質的結構

1. 打開 AlphaFold 蛋白質結構資料庫，在搜尋框輸入蛋白質或基因的英文名稱，例如 insulin（胰島素）或 hemoglobin（血紅素）。
2. 從搜尋結果挑一個人類（Homo sapiens）的條目點進去。
3. 在 3D 視窗裡拖曳、旋轉結構。顏色代表 AlphaFold 對每一段預測的信心分數，叫作 pLDDT，範圍是 0 到 100。
4. 對照官方說明來讀分數：高於 90 代表預測非常準；70 到 90 大致可信；50 到 70 要小心看待；低於 50 的區域常呈帶狀，不應直接解讀，它可能本身就沒有固定形狀。
5. 往下找「預測對齊誤差」（Predicted Aligned Error）的圖。數值低，代表不同區塊的相對位置可信；數值高，就不要太相信它們的擺放方式。
6. 寫下三件事：這個蛋白質在身體裡做什麼、信心分數最高與最低的部分，以及你還想知道什麼。資料庫首頁也有官方的免費線上課程，可以接著學。

步驟五：帶一堂 50 分鐘的課

全片約 84 分鐘，完整看完需要兩節課；時間不夠的話，可以用下面的流程，只看兩個片段。

50 分鐘流程與兩個帶領提醒

• 0 到 5 分暖身：請幾位學生分享看片前寫下的答案。
• 5 到 20 分看片：播放 AlphaGo 對弈（00:15:48 起）與 2020 年 CASP14 的突破（01:10:46 起），合計約 11 分鐘。
• 20 到 35 分分組：分成三組，各拿一層討論題，理解、反思與行動。
• 35 到 45 分報告：各組分享後，老師補充 AlphaFold 的限制與商業化的爭議，可以參考上面的案例二到案例四。
• 45 到 50 分收尾：每人寫下一個「我想用 AI 解決的問題」。步驟四的動手練習可以當作回家作業。

• 帶領提醒一：不需要生物背景，先讓學生理解「形狀決定功能」這個概念就夠了。
• 帶領提醒二：談到 AI 突破時，也請學生想想，還有誰的聲音沒有出現在片中。

延伸觀看：如果還沒看過同一位導演的《AlphaGo》（2017），可以先看它再看這部：《AlphaGo》細談 2016 年那場對弈，這部則把視野拉到之後的 AlphaFold。兩部都能在 Google DeepMind 頻道免費觀看。想聽聽實驗室以外的聲音，可以留意今年初在 Sundance 首映的 AI 紀錄片《The AI Doc》：Hassabis 也是受訪者之一，但那部片是由一位局外人帶著焦慮去發問。想了解今天的 AI 模型能做什麼，也可以讀我們的 AI 推理模型應用指南。

---

引用來源

展開 47 則引用來源收合引用來源

1. Google DeepMind, “The Thinking Game | Full documentary | Tribeca Film Festival official selection.”
2. Google, “Watch ‘The Thinking Game,’ a documentary about Google DeepMind, for free on YouTube.“
3. Tribeca Festival, “The Thinking Game | 2024 Tribeca Festival.”
4. The Thinking Game Film, “Filmmakers.”
5. The Thinking Game Film, “Screenings.”
6. ROCO Films, “The Thinking Game.”
7. Jonathan Fildes, “Jonathan Fildes.”
8. Google DeepMind, “AlphaFold: a solution to a 50-year-old grand challenge in biology.”
9. Google DeepMind, “AlphaFold reveals the structure of the protein universe.”
10. Jumper, J. et al., “Highly accurate protein structure prediction with AlphaFold.” Nature 596, 583-589 (2021).
11. Mnih, V. et al., “Human-level control through deep reinforcement learning.” Nature 518 (2015).
12. Google DeepMind, “AlphaStar: Mastering the real-time strategy game StarCraft II.”
13. The Nobel Prize, “Nobel Prize in Chemistry 2024: Press release.”
14. The Guardian, “The Thinking Game review: DeepMind study offers wide-lens view of our tech lords and AGI.”
15. Common Sense Media, “The Thinking Game Movie Review.”
16. Google DeepMind, “AlphaGo – The Movie | Full award-winning documentary.”
17. Silver, D., Huang, A. et al., “Mastering the game of Go with deep neural networks and tree search.” Nature 529 (2016).
18. 自由時報, “擊敗世界棋王的AlphaGo 背後推手是台灣人.”
19. Yonhap News Agency, “(Yonhap Interview) Go master Lee says he quits unable to win over AI Go players.”
20. The Korea Herald, “Se-dol over HanDol: S. Korean Go master Lee beats AI player.”
21. Ko, K.-T. et al., “Structure of the malaria vaccine candidate Pfs48/45 and its recognition by transmission blocking antibodies.” Nature Communications 13 (2022).
22. Google DeepMind, “Stopping malaria in its tracks.”
23. Erickson, E. et al., “Sourcing thermotolerant poly(ethylene terephthalate) hydrolase scaffolds from natural diversity.” Nature Communications 13 (2022).
24. University of Portsmouth, “Enzyme researchers partner with pioneering AI company, DeepMind, in developing green solutions to combat plastic waste.”
25. Hsu, M.-F. et al., “Structure, dynamics, and stability of the smallest and most complex 71 protein knot.” Journal of Biological Chemistry 300 (2024).
26. Google, “How researchers are using Google’s biology AI system AlphaFold.”
27. Abramson, J. et al., “Accurate structure prediction of biomolecular interactions with AlphaFold 3.” Nature 630 (2024).
28. Nature, “Major AlphaFold upgrade offers boost for drug discovery.”
29. Wankowicz, S. et al., “AlphaFold3 Transparency and Reproducibility.” Zenodo (2024).
30. Nature, “AlphaFold3 – why did Nature publish it without its code?.”
31. Google DeepMind, “AlphaFold 3 (GitHub repository).”
32. Google Cloud, “Gemini Enterprise Agent Platform release notes.”
33. Isomorphic Labs, “Isomorphic Labs kicks off 2024 with two pharmaceutical collaborations.”
34. Isomorphic Labs, “Isomorphic Labs announces $600m external investment round.”
35. Isomorphic Labs, “Isomorphic Labs announces Series B investment round.”
36. Bloomberg（swissinfo 轉載）, “DeepMind’s Hassabis Sees AI-Designed Drug Trials This Year.”
37. Reuters（Yahoo Finance 轉載）, “Google-backed Isomorphic Labs delays clinical trial timeline.”
38. WIRED, “AI-Designed Drugs by a DeepMind Spinoff Are Headed to Human Trials.”
39. CNBC, “John Jumper to leave Google DeepMind for Anthropic.”
40. Engadget, “Google DeepMind Disbands Its Nobel-Prize Winning AlphaFold Team.”
41. Google DeepMind, “Introducing the Frontier Safety Framework.”
42. Google DeepMind, “Frontier Safety Framework 2.0.”
43. Google DeepMind, “Strengthening our Frontier Safety Framework.”
44. Frontier Risk, “Google DeepMind’s Frontier Safety Framework v3.1.”
45. TechCrunch, “DeepMind CEO calls for an independent standards body to regulate frontier AI.”
46. Google, “Responsible AI: Our 2024 report and ongoing work.”
47. CNBC, “Google removes pledge to not use AI for weapons, surveillance.”