- Dokumentaren “The Thinking Game” viser indefra, hvordan DeepMind gik fra at mestre spil som Go til at udvikle AlphaFold, med en direkte indflydelse på biologi og medicin.
- Filmen afslører det tværfaglige arbejde og de lange forskningscyklusser og fremhæver AI's rolle som et værktøj, der udvider menneskelige evner, ikke som en erstatning.
- Demis Hassabis' figur og hans engagement i langsigtet etisk forskning støder sammen med Silicon Valleys kortsigtede kultur og skaber paralleller til Manhattanprojektet.
- Dokumentaren, der blev udgivet på YouTube, er blevet et globalt fænomen, der tilbyder menneskelig og videnskabelig kontekst midt i det globale kapløb om kunstig intelligens.
Når vi taler om avanceret kunstig intelligens, har vi en tendens til kun at fokusere på det overfladiske: spektakulære modeller, værktøjer vi allerede bruger dagligt, og konstante annonceringer af nye "magiske" funktioner. Bag alt dette gemmer sig dog en mindre synlig verden, der består af hypoteser, eksperimenter og forskningsbeslutninger , der sjældent ser dagens lys, og det er disse, der virkelig definerer grænserne for AI's potentiale.
Dokumentaren “The Thinking Game” fra Google DeepMind dykker ned i disse indre processer. Den stopper ikke ved det endelige resultat, men åbner snarere et vindue ind i den daglige proces i et af de mest indflydelsesrige AI-laboratorier på planeten : hvordan teams er organiseret, hvilke tvivl de har, hvilke risici de tager, og hvordan de går fra et eksperiment på skærmen til et gennembrud, der påvirker videnskab, erhvervsliv og i sidste ende samfundet.
Fra brætspil til store videnskabelige udfordringer
Spillefilmen følger Demis Hassabis og DeepMind-teamet gennem flere år , fra deres uafhængige dage i London til deres integration i Google. Undervejs genbesøger den ikoniske milepæle som AlphaGo, AlphaZero og AlphaFold , der fungerer næsten som kapitler i én enkelt historie: hvordan en gruppe forskere går fra at mestre komplekse spil til at tackle åbne problemer inden for biologi og videnskab.
Kort efter kom AlphaZero , en endnu mere radikal udvikling. I stedet for at lære af menneskelige spil, lærte systemet fra bunden, kun ved at bruge spillets regler og spille sig selv millioner af gange. På få timer var det i stand til at mestre Go og skak, overgå etablerede motorer og demonstrere, at AI kunne opdage kreative strategier på egen hånd uden at være afhængig af århundreders akkumuleret menneskelig erfaring.
Dokumentaren bruger disse legende præstationer som udgangspunkt for at vise et langt mere ambitiøst skift: overgangen fra AI anvendt i veldefinerede spil til dens brug i videnskabelige udfordringer med stor effekt . Det er her, AlphaFold kommer ind i billedet , systemet der for altid ændrede feltet strukturel biologi ved med stor nøjagtighed at forudsige proteiners tredimensionelle struktur ud fra deres aminosyresekvens.
Med AlphaFold tog DeepMind springet fra teknologisk underholdning til videnskab med håndgribelige konsekvenser . Filmen fremhæver, hvordan evnen til at forudsige "foldningen" af næsten alle kendte proteiner har accelereret forskning inden for medicin, biologi og lægemiddeldesign , til det punkt, hvor dette gennembrud i sidste ende blev anerkendt med Nobelprisen i kemi til de involverede forskere i projektet.
Sådan bygger du avanceret AI indefra og ud
En af de største styrker ved "The Thinking Game" er, at den ikke blot præsenterer resultater, men dykker ned i laboratoriets dagligdag. Takket være instruktør Greg Kohs' næsten fulde adgang gennem mere end seks år viser filmen mødelokaler, whiteboards dækket af ligninger, tekniske diskussioner og også øjeblikke med tvivl og frustration – noget man sjældent ser i teknologiske fortællinger.
Det, der vises på skærmen, knuser ideen om et øjeblikkeligt "eureka". AI præsenteres som en kumulativ og tålmodig disciplin , baseret på kontinuerlige cyklusser af testning, validering og korrektion. Fremskridt kommer ikke fra et enkelt oplyst geni, men fra forskellige teams, der konstant itererer , kasserer tilgange, forfiner modeller og underkaster hver forbedring en grundig evaluering.
Dokumentaren understreger, at reelle fremskridt hviler på en hårfin balance mellem videnskabelig intuition og matematisk formalisering . Mange eksperimenter begynder som foreløbige ideer, der trækker på forskeres erfaring med spil, neurovidenskab eller simuleringer. Men intet anses for gyldigt, før det gennemgår en streng række af tests og interne evalueringer , en skarp kontrast til det "quick hacking"-billede, der ofte forbindes med startup-kulturen.
Gennem optagelser optaget både i arbejdstiden og i mere uformelle omgivelser bliver det tydeligt, at banebrydende AI-projekter ikke er bygget på held og lykke, men snarere på års vedvarende arbejde, omhyggelige forbedringer og tværfagligt samarbejde . Dette perspektiv afliver myten om pludselige gennembrud og hjælper med at sætte det, der i øjeblikket rapporteres som AI-"mirakler", i kontekst.
I tråd med dette fremhæver filmen en central idé: at forstå, hvordan AI udvikler sig internt, er afgørende for at vide, hvad den virkelig kan, og hvor dens begrænsninger stadig ligger. Uden dette perspektiv er risikoen at projicere urealistiske forventninger, drevet af både blind entusiasme og overdreven frygt.
Demis Hassabis og blandingen af discipliner som en motor for innovation
Dokumentarfilmens centrale figur er Demis Hassabis, medstifter og administrerende direktør for DeepMind . Filmen rejser tilbage til hans barndom og afdækker endda BBC-optagelser fra 1986, hvor han i en alder af bare ni år talte om skak som "et godt spil til at tænke". Den sætning gav i sidste ende filmen sin titel og fungerer som en narrativ tråd, der viser, hvordan hans besættelse af intelligens har krystalliseret sig til stadig mere ambitiøse AI-projekter.
Hassabis fremstår som en hybridfigur: et skakvidunderbarn, en videospilsentusiast, en neurovidenskabelig forsker og en computerekspert . Dokumentaren præsenterer denne kombination som mere end blot en biografisk kuriositet; den eksemplificerer den slags blanding af ekspertise, der har drevet moderne AI mod stadig mere komplekse problemer.
DeepMind er et team af matematikere, fysikere, biologer, ingeniører, eksperter i reinforcement learning og simuleringsspecialister. Filmen viser, at vigtige gennembrud ikke opstår fra isolerede siloer , men snarere fra økosystemer, hvor forskellige perspektiver sameksisterer . At løse proteinfoldning var for eksempel ikke blot et spørgsmål om en bedre algoritme, men om at forstå den underliggende biologi i detaljer og oversætte den til et beregningssprog.
Denne tværfaglige kultur afspejles også i den måde, forskningen er designet på: teams, der kombinerer ekspertise inden for spil med dybdegående viden om biologi, eller specialister i statistisk fysik, der arbejder side om side med softwareingeniører. Resultatet er en mere robust tilgang til udfordringer, der ikke kan løses inden for en enkelt teoretisk ramme.
Dokumentaren bruger denne historie til at sende et klart budskab til virksomheder og organisationer: Hvis man vil anvende kunstig intelligens på virkelige forretnings- eller videnskabelige problemer, er det ikke nok at ansætte "et par dataloger"; man er nødt til at opbygge forskellige teams og give dem plads til at samarbejde , selv når det kolliderer med den hastighed og kortsigtede kultur, der er typisk for nogle startups.
AI som et værktøj, der styrker mennesker, ikke som en erstatning.
Et tilbagevendende tema i filmen er den rolle, som AI bør spille i forhold til mennesker. AlphaFold præsenteres som et eksempel på AI, der udvider forskernes kompetencer og giver dem mulighed for at udforske hypoteser og modeller, der ellers ville tage årtier. Filmen understreger dog, at systemet ikke erstatter ekspertvurderinger eller videnskabelig kontekst.
I flere scener ses biologer og kemikere arbejde med AlphaFolds forudsigelser, fortolke modeller, sammenligne dem med eksperimentelle data og beslutte, hvilke forskningslinjer der er værd at forfølge . AI fungerer her som en motor for acceleration og udforskning, men ikke som en absolut autoritet. Det understreges, at menneskelig dømmekraft fortsat er afgørende for at validere, prioritere og omsætte disse resultater til reelle kliniske eller terapeutiske fremskridt.
Denne tilgang stemmer overens med en ofte gentaget idé i erhvervslivet: AI er en muliggørende faktor, ikke et mål i sig selv . Dens effekt afhænger af, hvor godt den integreres med eksisterende processer, teamets viden og organisationens strategiske mål. En dårligt afstemt løsning, uanset hvor sofistikeret den er, kommer ikke til kort og leverer ikke den lovede værdi.
Dokumentaren udtrykker dette synspunkt enkelt: AI er værdifuldt, når det kombineres med erfaringen og dømmekraften hos folk, der kender feltet. Med andre ord, teknologi, der kan anvendes i enhver sektor, giver kun mening, hvis den integreres i beslutningstagning og reelle arbejdsgange , snarere end at forblive et isoleret eksperiment i en teknisk afdeling.
Som et grundlæggende budskab understreges det, at AI's stærkeste bidrag kommer, når den bruges til at forbedre produktiviteten, udvide kapaciteter og åbne op for nye spørgsmål , og ikke som et løfte om vilkårligt at erstatte fagfolk eller processer, der medfører nuancer og ansvar.
Dokumentarprojektet: hidtil uset adgang til DeepMind
En anden af styrkerne ved “The Thinking Game” er dets egen historie som et audiovisuelt projekt. Initiativet opstod på baggrund af et spørgsmål, som Hassabis stillede Greg Kohs for næsten et årti siden: “Hvis du kunne dokumentere noget i Manhattan-projektets skala, hvordan ville du så gøre det?” Denne sammenligning, med alle dens etiske og videnskabelige implikationer, forklarer ambitionen bag det, DeepMind sigtede mod at opnå med AlphaFold.
Google og DeepMind gav Kohs en adgangsgrad, der sjældent ses i tech-branchen . I mere end seks år – mellem 2018 og 2024 – kunne direktøren bevæge sig stort set ubegrænset rundt på London-kontorerne, deltage i interne møder, foretage improviserede interviews og endda filme i områder, der normalt ikke er tilgængelige for eksterne kameraer.
Filmen indfanger ikke kun præsentationer og formelle milepæle, men også spontane samtaler, sene pendlerture og lange arbejdsdage, hvor hovedpersonerne afslører deres tvivl, spændinger og øjeblikke af eufori. Noget af det mest kraftfulde materiale kommer netop fra disse uformelle sessioner, langt fra den typiske iscenesættelse af store virksomheder.
Det er slående, at Kohs ikke har en videnskabelig baggrund. Hans karriere blev skabt hos NFL Films , hvor han lærte at fortælle det menneskelige drama bag sporten. Den erfaring er tydelig i hans fortællestil: i stedet for udelukkende at fokusere på data og grafik, vælger dokumentaren en tilgængelig, følelsesladet og relaterbar fortælling , som alle kan følge, selv uden dybdegående teknisk viden.
Produktionen kunne prale af et veletableret team: Greg Kohs var instruktør, Gary Krieg var producere, Tom Dore og Jonathan Fildes var executive producers, Steve Sander var redigering og Dan Deacon var komponist af det originale soundtrack . Denne kontinuitet med den tidligere dokumentar om AlphaGo er med til at opretholde en genkendelig stil og giver narrativ sammenhæng til DeepMinds udvikling fra spil til videnskab.
Etik, finansiering og spændingen med Silicon Valley-kulturen
Ud over de tekniske fremskridt fokuserer dokumentaren på de mindre glamourøse, men grundlæggende aspekter af ethvert større videnskabeligt projekt: penge, styring og ansvarlighed . Den forklarer, hvordan DeepMind sikrede sin oprindelige økonomiske støtte, herunder investering fra Peter Thiel, og hvordan dette formede interne debatter om virksomhedens fremtid.
Et af de mest afslørende øjeblikke kommer, da presset for at flytte virksomheden til Californien fortælles om, efter den klassiske tech-startup-model. Hassabis afviste kraftigt og argumenterede for, at tempoet og kulturen med at "bygge, nedbryde og starte forfra hvert år" var uforenelig med en dyb, langsigtet forskningsudfordring som kunstig generel intelligens.
Denne holdning illustrerer et sammenstød af visioner: på den ene side logikken om accelereret vækst og hurtig iteration, der er typisk for Silicon Valley; på den anden side behovet for stabile rammer, etisk refleksion og meget langsigtede forpligtelser, når man arbejder med teknologier, der har potentiale til at omforme samfundet fuldstændigt. Dokumentaren antyder, at noget af AGI's størrelse ikke kan gribes an med den samme tankegang, der bruges til at lancere en app og kassere den efter et par måneder.
Parallelt hermed behandles de etiske implikationer af at udvikle sådanne kraftfulde systemer. Den tilbagevendende sammenligning med Manhattanprojektet er ikke tilfældig: den rejser bekymringer om at forhindre AI-kapløbet i at gentage tidligere fejltagelser, hvor besættelsen af at være først overskyggede debatten om risici og ansvarlig brug.
Filmen nævner også Googles efterfølgende opkøb af DeepMind og de efterfølgende debatter omkring styring, sikkerhedsforanstaltninger og gennemsigtighedsforpligtelser. Mens nogle kritikere ser dokumentaren som partisk over for sin finansieringsvirksomhed, indikerer den udbredte modtagelse, at den i det mindste er lykkedes med at bringe emner som tilsyn, sikkerhed og den sociale indvirkning af avanceret kunstig intelligens i forgrunden af den offentlige debat.
En historie, der kommer på højdepunktet af det globale AI-boom
Timingen af udgivelsen af “The Thinking Game” var ingen tilfældighed. Filmen ankom på YouTube i slutningen af 2025, netop som Google endnu engang var i spidsen for det globale kapløb om kunstig intelligens, og det gjorde den med en rungende effekt: hundredvis af millioner af visninger på kort tid , hvilket placerede den blandt det mest sete indhold på platformen.
I den sammenhæng fungerer dokumentaren som mere end blot et stykke virksomhedsmarkedsføring. Den tilbyder et kontekstualiseret kig på, hvordan de teknologier, der former den digitale økonomi og moderne videnskab, er opbygget . I takt med at Alphabets markedsværdi steg til historiske tal – og nåede en kapitalisering på flere billioner dollars drevet af AI – afslørede filmen den manglende menneskelige historie bag disse tal.
Et af filmens højdepunkter er beslutningen om at offentliggøre AlphaFolds forudsigelser og gøre dem tilgængelige for det globale videnskabelige samfund. Denne åbenhed accelererede forskning inden for medicin, biologi og farmakologi i hundredvis af laboratorier og forstærkede ideen om, at store fremskridt inden for AI kan – og måske bør – deles for at maksimere deres positive effekt.
Samtidig påpeger dokumentaren, at denne forpligtelse til åbenhed kommer med dilemmaer: hvordan man skal balancere det økonomiske afkast af en så værdifuld teknologi med behovet for, at videnskaben udvikler sig for alle; eller hvordan man forhindrer, at ulige adgang til disse værktøjer uddyber eksisterende kløfter mellem lande og organisationer.
Offentlighedens modtagelse viser en voksende interesse i at forstå ikke kun, hvad AI gør, men også hvem der bygger den, under hvilke værdier og med hvilke kontroller . Denne kombination af menneskeligt drama, banebrydende videnskab og etiske spørgsmål forklarer, hvorfor mange førende medier har identificeret filmen som et centralt element i forståelsen af den nuværende tilstand af kunstig intelligens.
Samlet set tegner "The Thinking Game" et billede, hvor AI er ophørt med at være et laboratorieeksperiment og er blevet en strukturel faktor inden for videnskab, erhvervsliv og politik . Ved at følge DeepMind i årevis hjælper dokumentaren os med at se, at der bag enhver spektakulær annoncering ligger langvarige processer, hårde debatter og beslutninger, der vil definere grænsen mellem AI, der genererer bæredygtig værdi i overensstemmelse med samfundets interesser , og AI, der udelukkende styres af markedsinerti og konkurrence for enhver pris.
