- Dokumentären ”The Thinking Game” visar inifrån hur DeepMind gick från att bemästra spel som Go till att utveckla AlphaFold, med direkt inverkan på biologi och medicin.
- Filmen visar det tvärvetenskapliga arbetet och de långa forskningscyklerna, och belyser AI:s roll som ett verktyg som utökar mänskliga förmågor, inte som en ersättning.
- Demis Hassabis figur och engagemanget för långsiktig etisk forskning kolliderar med Silicon Valleys kortsiktiga kultur och väcker paralleller till Manhattanprojektet.
- Dokumentären, som släpptes på YouTube, har blivit ett globalt fenomen och erbjuder mänskligt och vetenskapligt sammanhang mitt i den globala kapplöpningen om artificiell intelligens.
När vi pratar om avancerad artificiell intelligens tenderar vi att bara fokusera på det ytliga: spektakulära modeller, verktyg vi redan använder dagligen och ständiga tillkännagivanden om nya "magiska" funktioner. Bakom allt detta finns dock en mindre synlig värld, bestående av hypoteser, experiment och forskningsbeslut som sällan ser dagens ljus, och det är dessa som verkligen definierar gränserna för AI:s potential.
Dokumentären ”The Thinking Game” från Google DeepMind fördjupar sig djupt i dessa inre mekanismer. Den stannar inte vid det slutliga resultatet, utan öppnar snarare ett fönster in i den dagliga processen inom ett av de mest inflytelserika AI-labben på planeten : hur teamen är organiserade, vilka tvivel de har, vilka risker de tar och hur de går från ett experiment på skärmen till ett genombrott som påverkar vetenskap, näringsliv och i slutändan samhället.
Från brädspel till stora vetenskapliga utmaningar
Spelfilmen följer Demis Hassabis och DeepMind-teamet under flera år , från deras självständiga dagar i London till deras integration med Google. Längs vägen återbesöker den ikoniska milstolpar som AlphaGo, AlphaZero och AlphaFold , vilka fungerar nästan som kapitel i en enda berättelse: hur en grupp forskare går från att bemästra komplexa spel till att ta itu med öppna problem inom biologi och vetenskap.
Kort därefter kom AlphaZero , en ännu mer radikal utveckling. Istället för att lära sig av mänskliga spel lärde sig systemet från grunden, genom att endast använda spelets regler och spela sig självt miljontals gånger. På bara några timmar kunde det bemästra Go och schack, vilket överträffade etablerade motorer och visade att AI kunde upptäcka kreativa strategier på egen hand utan att förlita sig på århundraden av ackumulerad mänsklig erfarenhet.
Dokumentären använder dessa lekfulla prestationer som utgångspunkt för att visa upp ett mycket mer ambitiöst skifte: övergången från AI tillämpad på väldefinierade spel till dess användning i vetenskapliga utmaningar med stor genomslagskraft . Det är här AlphaFold kommer in i bilden , systemet som för alltid förändrade området strukturbiologi genom att med stor noggrannhet förutsäga proteiners tredimensionella struktur utifrån deras aminosyrasekvens.
Med AlphaFold tog DeepMind steget från teknisk underhållning till vetenskap med konkreta konsekvenser . Filmen belyser hur förmågan att förutsäga "vikningen" av nästan alla kända proteiner har accelererat forskningen inom medicin, biologi och läkemedelsdesign , till den grad att detta genombrott slutligen erkändes med Nobelpriset i kemi för de forskare som var involverade i projektet.
Hur man bygger avancerad AI inifrån och ut
En av de största styrkorna med "The Thinking Game" är att den inte bara presenterar resultat, utan snarare fördjupar sig i labbets vardag. Tack vare regissören Greg Kohs nästan fullständiga tillgång under mer än sex år visar filmen mötesrum, whiteboardtavlor täckta av ekvationer, tekniska diskussioner och även stunder av tvivel och frustration – något som sällan ses i teknikberättelser.
Det som visas på skärmen krossar idén om ett ögonblickligt "eureka". AI presenteras som en kumulativ och tålmodig disciplin , baserad på kontinuerliga cykler av testning, validering och korrigering. Framsteg kommer inte från ett enda upplyst geni, utan från olika team som ständigt itererar , förkastar metoder, förfinar modeller och utsätter varje förbättring för rigorös utvärdering.
Dokumentären betonar att verkliga framsteg vilar på en känslig balans mellan vetenskaplig intuition och matematisk formalisering . Många experiment börjar som preliminära idéer, som bygger på forskares erfarenhet av spel, neurovetenskap eller simuleringar. Men ingenting anses giltigt förrän det genomgår en rigorös uppsättning tester och interna granskningar , en skarp kontrast till bilden av "snabb hackning" som ofta förknippas med startupkulturen.
Genom filminspelningar både under arbetstid och i mer informella miljöer blir det tydligt att banbrytande AI-projekt inte bygger på lyckosamma stunder, utan snarare på åratal av ihållande arbete, noggranna förfiningar och tvärvetenskapligt samarbete . Detta perspektiv avvecklar myten om plötsliga genombrott och hjälper till att sätta det som för närvarande rapporteras som AI-"mirakel" i kontext.
I linje med detta lyfter filmen fram en central idé: att förstå hur AI utvecklas internt är avgörande för att veta vad den verkligen kan göra och var dess begränsningar fortfarande ligger. Utan detta perspektiv riskerar man att projicera orealistiska förväntningar, drivna av både blind entusiasm och överdriven rädsla.
Demis Hassabis och blandningen av discipliner som en motor för innovation
Dokumentärens centrala figur är Demis Hassabis, medgrundare och VD för DeepMind . Filmen reser tillbaka till hans barndom och avslöjar till och med BBC-bilder från 1986 där han, bara nio år gammal, talade om schack som "ett bra spel för tänkande". Den frasen skulle så småningom ge filmen dess titel och fungerar som en narrativ tråd för att visa hur hans besatthet av intelligens har kristalliserats till alltmer ambitiösa AI-projekt.
Hassabis framstår som en hybridfigur: ett schackunderbarn, en videospelsentusiast, en neurovetenskapsforskare och en dataexpert . Dokumentären presenterar denna kombination som mer än bara en biografisk kuriositet; den exemplifierar den typ av blandning av expertis som har drivit modern AI mot alltmer komplexa problem.
DeepMind är ett team av matematiker, fysiker, biologer, ingenjörer, experter på förstärkningsinlärning och simuleringsspecialister. Filmen visar att viktiga genombrott inte uppstår från isolerade silos , utan snarare från ekosystem där olika perspektiv samexisterar . Att lösa proteinveckning handlade till exempel inte bara om en bättre algoritm, utan om att förstå den underliggande biologin i detalj och översätta den till ett beräkningsspråk.
Denna tvärvetenskapliga kultur återspeglas också i hur forskningen utformas: team som kombinerar expertis inom spel med djupgående kunskaper inom biologi, eller specialister inom statistisk fysik som arbetar tillsammans med mjukvaruingenjörer. Resultatet är en mer robust strategi för utmaningar som inte kan hanteras inom ett enda teoretiskt ramverk.
Dokumentären använder den här berättelsen för att skicka ett tydligt budskap till företag och organisationer: om man vill tillämpa AI på verkliga affärs- eller vetenskapsproblem räcker det inte att anställa "ett par dataforskare"; man måste bygga upp mångsidiga team och ge dem utrymme att samarbeta , även när det krockar med den snabbhet och kortsiktighetskultur som är typisk för vissa startups.
AI som ett verktyg som stärker människor, inte som en ersättning.
Ett återkommande tema i filmen är den roll AI bör spela i relation till människor. AlphaFold presenteras som ett exempel på AI som utvidgar forskarnas möjligheter att utforska hypoteser och modeller som annars skulle ta årtionden. Filmen betonar dock att systemet inte ersätter expertbedömningar eller vetenskapliga sammanhang.
I flera scener ses biologer och kemister arbeta med AlphaFolds förutsägelser, tolka modeller, jämföra dem med experimentella data och bestämma vilka forskningsinriktningar som är värda att fortsätta med . AI fungerar här som en motor för acceleration och utforskning, men inte som en absolut auktoritet. Det betonas att mänskligt omdöme fortfarande är avgörande för att validera, prioritera och översätta dessa resultat till verkliga kliniska eller terapeutiska framsteg.
Denna metod överensstämmer med en ofta upprepad idé i näringslivet: AI är en möjliggörare, inte ett mål i sig . Dess inverkan beror på hur väl den integreras med befintliga processer, teamets kunskap och organisationens strategiska mål. En dåligt anpassad lösning, hur sofistikerad den än är, misslyckas med att leverera det utlovade värdet.
Dokumentären uttrycker detta enkelt: AI är värdefullt i kombination med erfarenheten och omdömet hos personer som kan området. Med andra ord, tillämplig på alla sektorer, är teknologi bara meningsfull om den integreras i beslutsfattande och verkliga arbetsflöden , snarare än att förbli ett isolerat experiment på en teknisk avdelning.
Som ett grundläggande budskap betonas att AI:s starkaste bidrag kommer när den används för att förbättra produktiviteten, utöka kapacitet och öppna upp nya frågor , och inte som ett löfte om att urskillningslöst ersätta yrkesverksamma eller processer som medför nyanser och ansvar.
Dokumentärprojektet: oöverträffad tillgång till DeepMind
En annan styrka med ”The Thinking Game” är dess egen historia som ett audiovisuellt projekt. Initiativet uppstod ur en fråga som Hassabis ställde till Greg Kohs för nästan ett decennium sedan: ”Om du kunde dokumentera något i Manhattanprojektets skala, hur skulle du göra det?” Den jämförelsen, med alla dess etiska och vetenskapliga implikationer, förklarar ambitionen bakom vad DeepMind strävade efter att uppnå med AlphaFold.
Google och DeepMind gav Kohs en åtkomstnivå som sällan ses i teknikbranschen . I mer än sex år – mellan 2018 och 2024 – kunde direktören röra sig praktiskt taget obegränsat på Londonkontoren, delta i interna möten, genomföra improviserade intervjuer och till och med filma i områden som normalt sett är avstängda för externa kameror.
Filmen fångar inte bara presentationer och formella milstolpar, utan även spontana samtal, sena pendlingar och långa arbetsdagar där huvudpersonerna avslöjar sina tvivel, spänningar och ögonblick av eufori. En del av det mest kraftfulla materialet kommer just från dessa informella sessioner, långt ifrån den typiska iscensättningen i stora företag.
Det är slående att Kohs inte har en vetenskaplig bakgrund. Hans karriär grundades på NFL Films , där han lärde sig att berätta om det mänskliga dramat bakom sporten. Den erfarenheten är tydlig i hans berättande: istället för att enbart fokusera på data och grafik väljer dokumentären en lättillgänglig, känslosam och relaterbar berättelse som vem som helst kan följa, även utan djupgående tekniska kunskaper.
Produktionen hade ett väletablerat team: Greg Kohs var regissör, Gary Krieg var producent, Tom Dore och Jonathan Fildes var exekutiva producenter, Steve Sander var redigerare och Dan Deacon var komponör av det ursprungliga soundtracket . Denna kontinuitet med den tidigare dokumentären om AlphaGo bidrar till att bibehålla en igenkännbar stil och ger en narrativ sammanhang till DeepMinds utveckling från spel till vetenskap.
Etik, finansiering och spänningen med Silicon Valley-kulturen
Utöver de tekniska framstegen fokuserar dokumentären på de mindre glamorösa men grundläggande aspekterna av alla större vetenskapliga projekt: pengar, styrning och ansvarsskyldighet . Den förklarar hur DeepMind säkrade sitt initiala ekonomiska stöd, inklusive investeringar från Peter Thiel, och hur detta formade interna debatter om företagets framtid.
Ett av de mest avslöjande ögonblicken kommer när pressen att flytta företaget till Kalifornien återges, i enlighet med den klassiska tech-startup-modellen. Hassabis vägrade bestämt och hävdade att takten och kulturen att "bygga, riva ner och börja om varje år" var oförenlig med en djupgående, långsiktig forskningsutmaning som artificiell generell intelligens.
Denna hållning illustrerar en visionskrock: å ena sidan logiken med accelererad tillväxt och snabb iteration, typisk för Silicon Valley; å andra sidan behovet av stabila ramverk, etisk reflektion och mycket långsiktiga åtaganden när man arbetar med teknologier som har potential att helt omforma samhället. Dokumentären antyder att något av den magnitud som AGI inte kan hanteras med samma tankesätt som används för att lansera en app och sedan kassera den efter några månader.
Parallellt behandlas de etiska implikationerna av att utveckla sådana kraftfulla system. Den återkommande jämförelsen med Manhattanprojektet är inte en slump: den väcker oro för att förhindra att AI-kapplöpningen upprepar tidigare misstag, där besattheten av att vara först överskuggade debatten om risker och ansvarsfull användning.
Filmen nämner också Googles efterföljande förvärv av DeepMind och de efterföljande debatterna kring styrning, skyddsåtgärder och transparensskyldigheter. Medan vissa kritiker anser att dokumentären är partisk mot dess finansieringsföretag, tyder dess breda mottagande på att den åtminstone har lyckats lyfta fram frågor som tillsyn, säkerhet och den sociala påverkan av avancerad AI i den offentliga debatten.
En berättelse som kommer under den globala AI-boomens höjdpunkt
Tidpunkten för lanseringen av "The Thinking Game" var ingen slump. Filmen kom till YouTube i slutet av 2025, precis när Google återigen var i framkant i den globala kapplöpningen om artificiell intelligens, och det gjorde den med en rungande effekt: hundratals miljoner visningar på kort tid , vilket placerade den bland det mest sedda innehållet på plattformen.
I det sammanhanget fungerar dokumentären som mer än bara ett exempel på företagsmarknadsföring. Den erbjuder en kontextualiserad titt på hur de teknologier som formar den digitala ekonomin och samtida vetenskap byggs upp. Medan Alphabet såg sitt marknadsvärde skjuta i höjden till historiska siffror – och nådde ett kapitaliseringsvärde på flera biljoner dollar drivet av AI – gav filmen den saknade mänskliga berättelsen bakom dessa siffror.
En av filmens höjdpunkter är beslutet att offentliggöra AlphaFolds förutsägelser och göra dem tillgängliga för det globala vetenskapssamhället. Denna öppenhet accelererade forskning inom medicin, biologi och farmakologi i hundratals laboratorier, vilket förstärkte idén att stora framsteg inom AI kan – och kanske borde – delas för att maximera deras positiva inverkan.
Samtidigt påpekar dokumentären att detta engagemang för öppenhet kommer med dilemman: hur man ska balansera den ekonomiska avkastningen av en så värdefull teknik med behovet av att vetenskapen utvecklas för alla; eller hur man ska förhindra att ojämlik tillgång till dessa verktyg fördjupar befintliga klyftor mellan länder och organisationer.
Allmänhetens mottagande visar ett växande intresse för att förstå inte bara vad AI gör, utan också vem som bygger den, under vilka värderingar och med vilka kontroller . Denna kombination av mänskligt drama, banbrytande vetenskap och etiska frågor förklarar varför många ledande medier har identifierat filmen som en nyckelperson för att förstå det nuvarande läget för artificiell intelligens.
Sammantaget målar "The Thinking Game" upp en bild där AI har upphört att vara ett laboratorieexperiment och har blivit en strukturell faktor inom vetenskap, näringsliv och politik . Genom att följa DeepMind i åratal hjälper dokumentären oss att se att bakom varje spektakulärt tillkännagivande ligger långa processer, tuffa debatter och beslut som kommer att definiera gränsen mellan AI som genererar hållbart värde i linje med samhällsintresset och AI som enbart styrs av marknadsintröghet och konkurrens till varje pris.
