- Dokumentaren «The Thinking Game» viser fra innsiden hvordan DeepMind gikk fra å mestre spill som Go til å utvikle AlphaFold, med direkte innvirkning på biologi og medisin.
- Filmen avslører det tverrfaglige arbeidet og de lange forskningssyklusene, og fremhever rollen til AI som et verktøy som utvider menneskelige evner, ikke som en erstatning.
- Demis Hassabis-figuren og forpliktelsen til langsiktig etisk forskning kolliderer med den kortsiktige kulturen i Silicon Valley og reiser paralleller til Manhattan-prosjektet.
- Dokumentaren, som ble utgitt på YouTube, har blitt et globalt fenomen, og tilbyr menneskelig og vitenskapelig kontekst midt i det globale kappløpet om kunstig intelligens.
Når vi snakker om avansert kunstig intelligens, har vi en tendens til å fokusere bare på det overfladiske: spektakulære modeller, verktøy vi allerede bruker daglig, og konstante kunngjøringer av nye «magiske» funksjoner. Bak alt dette ligger imidlertid en mindre synlig verden, bestående av hypoteser, eksperimenter og forskningsbeslutninger som sjelden ser dagens lys, og det er disse som virkelig definerer grensene for AIs potensial.
Dokumentaren «The Thinking Game» fra Google DeepMind dykker rett inn i disse indre prosessene. Den stopper ikke ved det endelige resultatet, men åpner snarere et vindu inn i den daglige prosessen i et av de mest innflytelsesrike AI-laboratoriene på planeten : hvordan teamene er organisert, hvilke tvil de har, hvilke risikoer de tar, og hvordan de går fra et eksperiment på skjermen til et gjennombrudd som påvirker vitenskap, næringsliv og til syvende og sist samfunnet.
Fra brettspill til store vitenskapelige utfordringer
Spillefilmen følger Demis Hassabis og DeepMind-teamet gjennom flere år , fra deres uavhengige dager i London til integreringen i Google. Underveis gjenoppleves ikoniske milepæler som AlphaGo, AlphaZero og AlphaFold , som fungerer nesten som kapitler i én enkelt historie: hvordan en gruppe forskere går fra å mestre komplekse spill til å takle åpne problemer innen biologi og vitenskap.
Kort tid etter kom AlphaZero , en enda mer radikal utvikling. I stedet for å lære av menneskelige spill, lærte systemet fra bunnen av, ved å kun bruke spillets regler og spille seg selv millioner av ganger. I løpet av få timer var det i stand til å mestre Go og sjakk, og dermed overgå etablerte motorer og demonstrere at AI kunne oppdage kreative strategier på egenhånd uten å stole på århundrer med akkumulert menneskelig erfaring.
Dokumentaren bruker disse lekne prestasjonene som et utgangspunkt for å vise frem et mye mer ambisiøst skifte: overgangen fra kunstig intelligens anvendt på veldefinerte spill til bruk i vitenskapelige utfordringer med stor innvirkning . Det er her AlphaFold kommer inn i bildet , systemet som for alltid forandret feltet strukturbiologi ved å forutsi med stor nøyaktighet den tredimensjonale strukturen til proteiner fra deres aminosyresekvens.
Med AlphaFold tok DeepMind spranget fra teknologisk underholdning til vitenskap med konkrete konsekvenser . Filmen fremhever hvordan evnen til å forutsi «foldingen» av nesten alle kjente proteiner har akselerert forskning innen medisin, biologi og legemiddeldesign , til det punktet at dette gjennombruddet til slutt ble anerkjent med Nobelprisen i kjemi for forskerne som var involvert i prosjektet.
Hvordan bygge avansert AI fra innsiden og ut
En av de største styrkene til «The Thinking Game» er at den ikke bare presenterer resultater, men dykker ned i laboratoriets hverdag. Takket være regissør Greg Kohs' nesten fulle tilgang gjennom mer enn seks år, viser filmen møterom, tavler dekket av ligninger, tekniske diskusjoner og også øyeblikk med tvil og frustrasjon – noe man sjelden ser i teknologifortellinger.
Det som vises på skjermen knuser ideen om et øyeblikkelig «eureka». KI presenteres som en kumulativ og tålmodig disiplin , basert på kontinuerlige sykluser med testing, validering og korrigering. Fremgang kommer ikke fra et enkelt opplyst geni, men fra ulike team som stadig itererer , forkaster tilnærminger, forbedrer modeller og utsetter hver forbedring for grundig evaluering.
Dokumentaren understreker at reell fremgang hviler på en delikat balanse mellom vitenskapelig intuisjon og matematisk formalisering . Mange eksperimenter begynner som foreløpige ideer, og trekker på forskeres erfaring med spill, nevrovitenskap eller simuleringer. Men ingenting anses som gyldig før det gjennomgår en streng serie med tester og interne vurderinger , en sterk kontrast til «quick hacking»-bildet som ofte forbindes med oppstartskultur.
Gjennom opptak tatt opp både i arbeidstiden og i mer uformelle omgivelser, blir det tydelig at banebrytende AI-prosjekter ikke er bygget på flaks, men snarere på årevis med vedvarende arbeid, nitid forbedring og tverrfaglig samarbeid . Dette perspektivet demonterer myten om plutselige gjennombrudd og bidrar til å sette det som for tiden rapporteres som AI-«mirakler» i kontekst.
I tråd med dette fremhever filmen en sentral idé: å forstå hvordan AI utvikler seg internt er avgjørende for å vite hva den virkelig kan gjøre og hvor grensene fortsatt ligger. Uten dette perspektivet er risikoen å projisere urealistiske forventninger, drevet av både blind entusiasme og overdreven frykt.
Demis Hassabis og blandingen av fagområder som en motor for innovasjon
Dokumentarens sentrale figur er Demis Hassabis, medgründer og administrerende direktør i DeepMind . Filmen reiser tilbake til barndommen hans, og avdekker til og med BBC-opptak fra 1986 der han, bare ni år gammel, snakket om sjakk som «et godt spill for å tenke». Dette uttrykket skulle til slutt gi filmen tittelen og fungerer som en narrativ tråd for å vise hvordan hans besettelse av intelligens har krystallisert seg til stadig mer ambisiøse AI-prosjekter.
Hassabis fremstår som en hybridfigur: et sjakkvidunderbarn, en videospillentusiast, en nevrovitenskapsforsker og en dataekspert . Dokumentaren presenterer denne kombinasjonen som mer enn bare en biografisk kuriositet; den eksemplifiserer den typen blanding av ekspertise som har drevet moderne AI mot stadig mer komplekse problemer.
DeepMind er et team av matematikere, fysikere, biologer, ingeniører, eksperter på forsterkningslæring og simuleringsspesialister. Filmen viser at viktige gjennombrudd ikke kommer fra isolerte siloer , men snarere fra økosystemer der ulike perspektiver sameksisterer . Å løse proteinfolding, for eksempel, var ikke bare et spørsmål om en bedre algoritme, men om å forstå den underliggende biologien i detalj og oversette den til et beregningsspråk.
Denne tverrfaglige kulturen gjenspeiles også i måten forskningen er utformet på: team som kombinerer spillekspertise med inngående kunnskap om biologi, eller spesialister i statistisk fysikk som jobber sammen med programvareingeniører. Resultatet er en mer robust tilnærming til utfordringer som ikke kan løses innenfor et enkelt teoretisk rammeverk.
Dokumentaren bruker denne historien til å sende et klart budskap til bedrifter og organisasjoner: Hvis du vil bruke AI på reelle forretnings- eller vitenskapelige problemer, er det ikke nok å ansette «et par dataforskere»; du må bygge mangfoldige team og gi dem rom til å samarbeide , selv når det kolliderer med hastigheten og den kortsiktige kulturen som er typisk for noen oppstartsbedrifter.
AI som et verktøy som styrker mennesker, ikke som en erstatning.
Et tilbakevendende tema i filmen er rollen AI bør spille i forhold til mennesker. AlphaFold presenteres som et eksempel på AI som utvider forskernes perspektiv , slik at de kan utforske hypoteser og modeller som ellers ville tatt flere tiår. Filmen understreker imidlertid at systemet ikke erstatter ekspertvurderinger eller vitenskapelig kontekst.
I flere scener ser man biologer og kjemikere jobbe med AlphaFolds prediksjoner, tolke modeller, sammenligne dem med eksperimentelle data og bestemme hvilke forskningslinjer som er verdt å forfølge . KI fungerer her som en motor for akselerasjon og utforskning, men ikke som en absolutt autoritet. Det understrekes at menneskelig dømmekraft fortsatt er avgjørende for å validere, prioritere og oversette disse resultatene til reelle kliniske eller terapeutiske fremskritt.
Denne tilnærmingen samsvarer med en ofte gjentatt idé i næringslivet: AI er en muliggjører, ikke et mål i seg selv . Virkningen avhenger av hvor godt den integreres med eksisterende prosesser, teamkunnskap og organisasjonens strategiske mål. En dårlig tilpasset løsning, uansett hvor sofistikert den er, kommer ikke til kort og leverer ikke den lovede verdien.
Dokumentaren uttrykker dette synspunktet enkelt: AI er verdifullt når det kombineres med erfaringen og dømmekraften til folk som kjenner feltet. Med andre ord, teknologi, som kan brukes i enhver sektor, gir bare mening hvis den integreres i beslutningstaking og reelle arbeidsflyter , i stedet for å forbli et isolert eksperiment i en teknisk avdeling.
Som et grunnleggende budskap understrekes det at det sterkeste bidraget fra AI kommer når den brukes til å forbedre produktiviteten, utvide kapasiteter og åpne opp for nye spørsmål , og ikke som et løfte om å vilkårlig erstatte fagfolk eller prosesser som bringer nyanser og ansvar.
Dokumentarprosjektet: enestående tilgang til DeepMind
En annen styrke ved «The Thinking Game» er dets egen historie som et audiovisuelt prosjekt. Initiativet oppsto fra et spørsmål Hassabis stilte Greg Kohs for nesten et tiår siden: «Hvis du kunne dokumentere noe i Manhattan-prosjektets skala, hvordan ville du gjort det?» Denne sammenligningen, med alle dens etiske og vitenskapelige implikasjoner, forklarer ambisjonen bak det DeepMind ønsket å oppnå med AlphaFold.
Google og DeepMind ga Kohs en tilgangsgrad man sjelden ser i teknologibransjen . I mer enn seks år – mellom 2018 og 2024 – kunne direktøren bevege seg praktisk talt ubegrenset rundt på London-kontorene, delta på interne møter, gjennomføre improviserte intervjuer og til og med filme i områder som vanligvis er stengt for eksterne kameraer.
Filmen fanger ikke bare opp presentasjoner og formelle milepæler, men også spontane samtaler, sene pendlerturer og lange arbeidsdager der hovedpersonene avslører tvil, spenninger og euforiske øyeblikk. Noe av det sterkeste materialet kommer nettopp fra disse uformelle øktene, langt unna den typiske iscenesettelsen av store selskaper.
Det er slående at Kohs ikke har en vitenskapelig bakgrunn. Karrieren hans ble smidd hos NFL Films , hvor han lærte å fortelle det menneskelige dramaet bak sporten. Denne erfaringen er tydelig i hans fortellerstil: i stedet for å fokusere utelukkende på data og grafikk, velger dokumentaren en tilgjengelig, emosjonell og relaterbar fortelling som alle kan følge, selv uten dyptgående teknisk kunnskap.
Produksjonen kunne skryte av et veletablert team: Greg Kohs var regissør, Gary Krieg var produsent, Tom Dore og Jonathan Fildes var utøvende produsenter, Steve Sander var redigerer og Dan Deacon var komponist av det originale lydsporet . Denne kontinuiteten med den forrige dokumentaren om AlphaGo bidrar til å opprettholde en gjenkjennelig stil og gir narrativ sammenheng til DeepMinds utvikling fra spilling til vitenskap.
Etikk, finansiering og spenningen med Silicon Valley-kulturen
Utover de tekniske fremskrittene fokuserer dokumentaren på de mindre glamorøse, men grunnleggende aspektene ved ethvert større vitenskapelig prosjekt: penger, styring og ansvarlighet . Den forklarer hvordan DeepMind sikret seg sin første økonomiske støtte, inkludert investeringer fra Peter Thiel, og hvordan dette formet interne debatter om selskapets fremtid.
Et av de mest avslørende øyeblikkene kommer når presset for å flytte selskapet til California blir gjenfortalt, i tråd med den klassiske teknologi-oppstartsmodellen. Hassabis nektet på det sterkeste og argumenterte for at tempoet og kulturen med å «bygge, rive ned og starte på nytt hvert år» var uforenlig med en dyp, langsiktig forskningsutfordring som kunstig generell intelligens.
Denne holdningen illustrerer et sammenstøt mellom visjoner: på den ene siden logikken om akselerert vekst og rask iterasjon som er typisk for Silicon Valley; på den andre siden behovet for stabile rammeverk, etisk refleksjon og svært langsiktige forpliktelser når man jobber med teknologier som har potensial til å fullstendig omforme samfunnet. Dokumentaren antyder at noe av størrelsen på AGI ikke kan håndteres med samme tankegang som brukes til å lansere en app og kaste den etter noen måneder.
Parallelt tas de etiske implikasjonene av å utvikle slike kraftige systemer opp. Den tilbakevendende sammenligningen med Manhattan-prosjektet er ikke tilfeldig: den reiser bekymringer om å forhindre at AI-kappløpet gjentar tidligere feil, der besettelsen av å være først overskygget debatten om risiko og ansvarlig bruk.
Filmen nevner også Googles påfølgende oppkjøp av DeepMind og de påfølgende debattene rundt styring, sikkerhetstiltak og åpenhetsforpliktelser. Selv om noen kritikere ser på dokumentaren som partisk mot finansieringsselskapet, indikerer den utbredte mottakelsen at den i det minste har lykkes med å bringe problemstillinger som tilsyn, sikkerhet og den sosiale virkningen av avansert AI i forgrunnen av den offentlige diskursen.
En historie som kommer på høydepunktet av den globale AI-boomen
Tidspunktet for utgivelsen av «The Thinking Game» var ingen tilfeldighet. Filmen kom på YouTube på slutten av 2025, akkurat da Google nok en gang var i forkant av det globale kappløpet om kunstig intelligens, og det gjorde den med en rungende effekt: hundrevis av millioner visninger på kort tid , noe som plasserte den blant det mest sette innholdet på plattformen.
I den sammenhengen fungerer dokumentaren som mer enn bare et eksempel på bedriftsmarkedsføring. Den tilbyr et kontekstualisert blikk på hvordan teknologiene som former den digitale økonomien og samtidsvitenskapen bygges opp . Mens Alphabet så markedsverdien skyte i været til historiske tall – og nådde en kapitalisering på flere billioner dollar drevet av AI – ga filmen den manglende menneskelige historien bak disse tallene.
Et av filmens høydepunkter er beslutningen om å offentliggjøre AlphaFolds spådommer og gjøre dem tilgjengelige for det globale vitenskapelige samfunnet. Denne åpenheten akselererte forskning innen medisin, biologi og farmakologi i hundrevis av laboratorier, og forsterket ideen om at store fremskritt innen kunstig intelligens kan – og kanskje bør – deles for å maksimere deres positive effekt.
Samtidig påpeker dokumentaren at denne forpliktelsen til åpenhet kommer med dilemmaer: hvordan man skal balansere den økonomiske avkastningen av en så verdifull teknologi med behovet for at vitenskapen skal utvikle seg for alle; eller hvordan man skal forhindre at ulik tilgang til disse verktøyene forsterker eksisterende gap mellom land og organisasjoner.
Publikumsmottakelsen viser en økende interesse for å forstå ikke bare hva AI gjør, men også hvem som bygger den, under hvilke verdier og med hvilke kontroller . Denne kombinasjonen av menneskelig drama, banebrytende vitenskap og etiske spørsmål forklarer hvorfor mange ledende medier har identifisert filmen som et sentralt element for å forstå den nåværende tilstanden til kunstig intelligens.
Alt i alt maler «The Thinking Game» et bilde der AI ikke lenger er et laboratorieeksperiment, men snarere en strukturell faktor innen vitenskap, næringsliv og politikk . Ved å følge DeepMind i årevis hjelper dokumentaren oss å se at bak enhver spektakulær kunngjøring ligger det lange prosesser, tøffe debatter og beslutninger som vil definere grensen mellom AI som genererer bærekraftig verdi i tråd med samfunnsinteressene , og AI som utelukkende styres av markedsinerti og konkurranse for enhver pris.
