هوش (IQ) دِمیس هَسّابیس چقدره؟

دِمِیس هَسّابیس از آن آدم‌هایی است که جاه‌طلبیِ معمولی را مثل یک سرگرمیِ جذاب جلوه می‌دهند. ستاره‌ی کودکِ شطرنج، طراح بازی در نوجوانی، دانشمند کامپیوتر دانشگاه کمبریج، عصب‌شناس، بنیان‌گذار دیپ‌مایند، برنده‌ی جایزه نوبل—یک جایی دیگر از خودت نمی‌پرسی «باهوشه؟» و سراغ سؤال خطرناک‌تری می‌ری: چقدر باهوش؟

‍

و نه، برای هَسّابیس هیچ نمرهٔ IQ عمومیِ تأییدشده وجود ندارد. نه گزارش محرمانهٔ آزمایشگاهی، نه یک پروندهٔ قدیمیِ مدرسه‌قدیمی، نه آن ادا و اطوارِ «IQ من X است» روی پادکست. پس مجبوریم حدس بزنیم. دقیق‌تر نیست، درست—اما خیلی هم جذاب‌تر است. IQ قرار است تواناییِ استدلال را نشان بدهد؛ زندگی مثلِ هَسّابیس کلی دادهٔ قابل بررسی از استدلال به ما می‌دهد.

‍

تا آخرش، یک پیش‌بینی عددی می‌سازیم. اما برای اینکه واقعاً «به‌دست‌آمده» به نظر برسد، باید درست و حسابی زمینه‌اش را بچینیم؛ از یادگیری شطرنج توسط یک بچه چهار ساله تا مردی که در حل یکی از سخت‌ترین معماهای زیست‌شناسی کمک می‌کند.

‍

وقتی یه بچهٔ چهار ساله شروع می‌کنه به بزرگ‌ترها زور بگه، باید حواست باشه

طبق مصاحبه ۲۰۲۴ او با NobelPrize.org، هَسّابیس شطرنج را از چهار سالگی یاد گرفت و خیلی زود آن را «خیلی جدی» گرفت. Axios همان داستان کلی را نقل کرد و این جزئیات بامزه را هم اضافه کرد که او ظرف چند هفته از پدر و عمویش جلو زد. ظرف چند هفته. بعضی بچه‌ها فقط می‌فهمند مهره‌ها چطور حرکت می‌کنند؛ انگار این یکی شب بازی خانوادگی را مثل یک تمرینِ بهینه‌سازی دیده است.

‍

این مهمه چون شطرنج در اصل «تفکرِ سازمان‌یافته تحت فشار»ه. الگوها رو سریع می‌گردی، حرکت‌های ممکن رو تو ذهنت نگه می‌داری، پیامدها رو پیش‌بینی می‌کنی و جلوی فریب‌دادنِ خودت رو می‌گیری. اگر این کار رو در سطحی حرفه‌ای از کودکی انجام بدی، احتمالاً باید دیگه بهت نگن «تیزهوش» و بهتره از همین الان تخته رو قایم کنن.

‍

شواهد خیلی سریع روی هم جمع می‌شوند. The Guardian گزارش داد که تا ۱۳سالگی، هَسّابی به سطح استاد بزرگ شطرنج رسیده بود و دومین بازیکن زیر ۱۴ سالِ جهان از نظر امتیاز به حساب می‌آمد؛ فقط پشتِ سرِ جودیت پولگار. گزارش ۲۰۲۳ TIME از بیلی پریگو هم همین را می‌گوید: تا ۱۲سالگی، او دومین شطرنج‌بازِ برترِ جهان در رده سنی خودش بود. منبع فرق دارد، اما تصویر یکی است: این «کودک باهوش که مسابقه مدرسه را می‌برد» نبود. این یک تیزهوشی در حدِ بین‌المللی بود.

‍

‍

حالا می‌تونیم یک نکته مهم رو بگیم. هَسابیس فقط «باهوشِ کلامی» یا «باهوشِ کتابی» نبود. استعدادهای اولیه‌اش خیلی واضح روان به نظر می‌رسیدن: انتزاعی، استراتژیک، سرشار از الگو و خیلی سریع. از نظر IQ، این معمولاً یعنی ظرفیتِ خیلی بالایی در انتظارش بوده.

‍

بعدش این نابغه یه کار اعصاب‌خُردکن کرد: مدام ثابتش کرد، حتی تو حوزه‌های دیگه هم

خیلی از بچه‌های باهوش در یک حوزه خاص زود به اوج می‌رسند. هَسّابیس این‌طور نبود. او از مدرسه سریع‌تر جلو رفت و The Guardian گزارش داد که تکمیل مدرک A-levels را دو سال زودتر، در ۱۶سالگی انجام داد. این یعنی توانایی‌اش فراتر از شطرنج هم کار می‌کرد. تقاضاهای متفاوتِ کار، محیط متفاوت، نتیجه یکسان: جلوتر از زمان‌بندی.

‍

و بعد یکی از جزئیات محبوبم در کل این داستان می‌رسد. وقتی ۱۷ ساله بود، او به‌همراه یکی دیگر Theme Park را طراحی و برنامه‌نویسی کرد؛ بازی شبیه‌سازی‌ای که حسابی ترکوند. در مصاحبه نوبل، هَسّابیس گفت که نوشتنِ Theme Park به او ثابت کرد که می‌خواهد کل دوران کاری‌اش را روی هوش مصنوعی بگذارد. این جمله واقعاً افشاگر است. بیشتر نوجوان‌ها درگیر برنامه‌ریزی آخرهفته‌اند؛ هَسّابیس داشت از طراحیِ تجاریِ بازی به‌عنوان آزمایشگاهی برای نظریه‌های همیشگی درباره هوش استفاده می‌کرد. رفتار کاملاً عادی. خیلی قابل‌ارتباط.

‍

‍

خودِ این موفقیت مهم است. ساخت یک بازی شبیه‌سازی موفق در آن سن فقط یک ترفند فنی نیست؛ به تفکر سیستمی، روان‌شناسی کاربر، تنظیم متغیرها و تبدیل کردن قوانین انتزاعی به چیزی نیاز دارد که واقعاً جواب بدهد. پیتر مولینیوکس، مربی‌اش، به TIME گفت که حتی وقتی نوجوان بود، «درخشش هوش» در او دیده می‌شد و مکالماتشان را فوق‌العاده برانگیزاننده به یاد آورد. معمولاً متخصصانِ مسن این‌طور درباره نوجوان‌ها حرف نمی‌زنند، مگر اینکه اتفاقی واقعاً غیرعادی در جریان باشد.

‍

پس تا اواخر نوجوانی، شواهد کلّی و گسترده است: بازیگری استراتژیک در سطح نخبگان، یادگیری آکادمیکِ سریع‌تر، برنامه‌نویسی در حد حرفه‌ای و طراحی سیستم‌های خلاقانه. اگر فقط بر اساس ۱۸ سال اول قضاوت می‌کردیم، همان‌جا باید در محدودهٔ بسیار بااستعدادها قرار می‌گرفتیم. اما هاسابیس تازه گرم‌کردن را شروع نکرده بود.

‍

کمبریج اولین آزمون بزرگِ استرس بود

داستان‌های نابغه‌ها وقتی قانع‌کننده‌تر می‌شوند که فرد وارد یک مؤسسه‌ی سطح‌بالا شود و فقط زنده نماند، بلکه حرف اول را بزند. هَسّابیس در کمبریج کامپیوتر خواند و طبق گزارشی از The Guardian در سال ۱۹۹۷ مدرک «دبل فرست‌کلاس» گرفت. این خیلی مهم است.

‍

‍

چرا؟ چون گاهی استعدادِ زودهنگام زیر شرایط غیرعادی، با تعریف‌وتَمجیدهای اغراق‌آمیز رو‌به‌رو می‌شود. کمبریج دقیقاً برعکسِ این حرف است؛ آدم‌های خیلی درخشان را کنار هم می‌چیند، بعد با احترام می‌پرسد کدامشان هنوز می‌تواند زیر فشار، واضح و منطقی فکر کند. گرفتن «دبل فرست» در آنجا به‌شدت نشان می‌دهد که درخششِ دوران کودکی فقط شُعاری نبوده، نه افسانه‌پردازیِ والدین و نه یک ترکیبِ کاملاً شانس‌محور از مهارت‌ها. این درخشش حتی بین دیگر نخبگان هم دوام آورده است.

‍

و فراتر از این، درباره‌ی «استقامت شناختی» هم حرف می‌زند. افراد باهوشِ بالا می‌توانند در بازه‌های کوتاه واقعاً برق‌آسا ظاهر شوند؛ اما کارِ کمیاب‌تر این است که بتوانی سال‌ها در یک محیط به‌شدت گزینشی، عملکرد تحلیلیِ در سطحِ عالی را پایدار نگه داری. کمبریج فقط یک عنوان روی رزومه نبود. مدرکی بود که نشان می‌داد ذهنِ هَسابیس خوب حرکت می‌کرد و می‌رسید.

‍

اینجاست که ماجرا جذاب‌تر می‌شود. هوش خیلی بالا می‌تواند به شکل سرعت خودش را نشان بدهد. هوشی استثنایی معمولاً به شکل «انتقال» دیده می‌شود؛ یعنی تواناییِ انتقال نقاط قوت از یک حوزه به حوزه‌های دیگر. هَسّابیس از قبل از شطرنج به طراحی بازی رسیده بود. کمبریج هم تأیید کرد که در یک محیط تحلیلی رسمی می‌تواند در بالاترین سطح عمل کند.

‍

بیشتر آدم‌ها همان‌جا دست می‌کشیدند. هاسبیس مسیر را عوض کرد و رفت سراغ علوم اعصاب

اینجاست بخشی که باعث می‌شود این تخمین برای من بالاتر برود. بعد از موفقیت در بازی‌ها و علوم کامپیوتر، هَسّابی فقط تو همان مسیرِ قبلی که از قبل برنده بود نماند. او جهتش را به سمت علوم اعصاب شناختی در دانشگاه کالج لندن تغییر داد و در نهایت هم دکترا را گرفت.

‍

طبق یک مصاحبهٔ سال ۲۰۰۹ با The Naked Scientists، او توضیح داد که بازی‌ها همیشه در اولویت‌های بعدی قرار می‌گرفتند؛ چون علاقهٔ عمیق‌تری به هوش مصنوعی و این بود که ذهن چطور به هدف‌ها می‌رسد. پروفایل ۲۰۱۵ WIREDِ استیون لوی یک لایهٔ مهم دیگر اضافه می‌کند: هَسّابیس گفته از اواسط دههٔ ۲۰۰۰ به ساخت شرکتِ هوش مصنوعی‌اش فکر می‌کرد، اما باور داشت برایش «یک سری ایدهٔ کاملاً جدید» لازم دارد؛ برای همین سراغ علوم اعصاب رفت تا آن‌ها را پیدا کند.

‍

این فقط هوش نیست. این هوشِ راهبردی است. اگر دوست داری اسمش را بگذاری «فراهوش». او بی‌هدف بین زمین‌ها پرسه نمی‌زد چون تمرکز نداشت؛ با قصد داشت یک ابزارک‌ آماده کند. راستش این مدل برنامه‌ریزی شغلی طوری است که بقیه‌ی ما حس می‌کنیم با مدادشمعی داریم چیزی را بداهه می‌سازیم.

‍

‍

گاردین اشاره کرد که پژوهش‌هایش در زمینه حافظه و تخیل، به تولید تحقیقاتی کمک کرد که Science آن را به‌عنوان یکی از برترین دستاوردهای سال ۲۰۰۷ شناخته است. دوباره الگو را ببین. او وارد یک حوزه‌ی جدید می‌شود و در سطحی مشارکت می‌کند که توجه جهان علم را جلب می‌کند. دیگر با کسی روبه‌رو نیستیم که فقط «سریع یاد می‌گیرد». با کسی طرفیم که می‌تواند منطق اصلیِ یک حوزه را جذب کند و در همان چارچوب، کارهای اصیل انجام دهد.

‍

این مدل انتقال، یک سرنخ خیلی بزرگ برای هر برآورد هوشیه. متخصص‌های درخشانی زیادی وجود دارند. اما آدمی که بتواند چند کوه شیب‌دار را پشت سر بگذارد و بعد با تکیه به منظره‌ی یکی، مرحله بعد را دوباره طراحی کند، خیلی کم پیدا می‌شود.

‍

دیپ‌مایند: ماجرا از حالت آکادمیک خارج می‌شود و رنگ تاریخی می‌گیرد

تا وقتی هَسّابیس در سال ۲۰۱۰ دیپ‌مایند را همراه با دیگران تأسیس کرد، مسیر اصلی زندگی‌اش کاملاً مشخص بود. در مصاحبه نوبل گفت دلیل اینکه تمام دوران حرفه‌ای‌اش را صرف هوش مصنوعی کرد این بود که باور داشت می‌تواند «نهایی‌ترین ابزار برای کمک به علم» شود. در پروفایل TIME سال ۲۰۲۳، دفتر مرکزی دیپ‌مایند را «ادای احترام به هوش» توصیف کرده‌اند؛ یا فوق‌العاده جاه‌طلبانه است یا بامزه‌ترین شکل ممکنِ دِمیس هَسّابیس، هرچی که فکرش را بکنی.

‍

‍

نکته‌ی اصلی برای ما «برندسازی» نیست؛ «انسجام» است. به نقل از WIRED، خودِ هَسابیس گفته تمام مسیر شغلی‌اش—حتی بازی‌ها—به شرکتِ هوش مصنوعی ختم می‌شد. این با هر چیزی که تا الان دیدیم جور درمی‌آید: شطرنج جست‌وجوی استراتژیک را آموزش داد، بازی‌ها شبیه‌سازی و روان‌شناسی انسانی را تقویت کردند، علوم اعصاب هم باعث شد درباره‌ی حافظه و یادگیری فکر کند، و در نهایت DeepMind تبدیل شد به ماشینِ ترکیب‌کننده.

‍

این موضوع برای برآورد هوش هم مهمه، چون هوشِ در حد جهانی معمولاً فقط «سرعت خام» نیست. در بالاترین سطح‌ها، بیشتر شبیه «معماری» می‌شه: آدم می‌بینه ایده‌هایی که برای بقیه جدا به نظر می‌رسن، چطور کنار هم قفل می‌شن. هَسّابیس انگار از کودکی داره همین معماری رو می‌سازه.

‍

انگیزه‌ی هم هست. او در مصاحبه‌ی نوبل‌اش گفت همیشه «کمی عجله داشته» و هر وقت یادت می‌آید «انگیزه‌ای باورنکردنی» داشته. البته انگیزه یعنی IQ نیست. اما وقتی توانِ استدلالِ خیلی بالا و آن شوقِ دیوانه‌وار در یک نفر جمع می‌شوند، نتیجه‌ها معمولاً خیلی چشمگیر می‌شوند—الگویی که در تحلیلِ IQ بیل گیتس هم می‌بینیم؛ یک بنیان‌گذارِ دیگرِ دنیای تکنولوژی که موتورِش انگار خاموش نمی‌شد.

‍

آلفافولد ابعاد بحث را تغییر داد

می‌تونی فوق‌العاده باهوش باشی، ولی باز هم هرگز کاری در حد نوبل انجام ندی. علم شلوغ و به‌هم‌ریخته‌ست، تاریخ هم همیشه عادلانه نیست و زمان‌بندی خیلی مهمه. اما وقتی پای AlphaFold به ماجرا باز بشه، دیگه سخت می‌شه از این نتیجه‌گیریِ برآوردیِ بسیار بالای IQ فرار کرد.

‍

طبق صفحه‌ی واقعیات جایزه نوبل، هَسّا‌بیس و جان جامپر به خاطر ساخت AlphaFold2 شناخته شدند؛ سیستم هوش مصنوعی‌ای که ساختارِ تقریباً همه پروتئین‌های شناخته‌شده را از روی توالیِ اسیدهای آمینه پیش‌بینی می‌کند. تا مدت‌ها، تا شدن پروتئین یکی از بزرگ‌ترین چالش‌های علمی بود. این یک قابلیتِ اپ نبود؛ یک مسئله‌ی عمیق در قلب زیست‌شناسی بود.

‍

و این هم ارجاعِ حیاتیِ برعکس: یادت هست اون بچه‌ای که یاد گرفت چند حرکت جلوتر توی شطرنج فکر کنه؟ یادت هست اون نوجوانی که توی بازی‌ها دنیای شبیه‌سازی‌شده می‌ساخت؟ یادت هست پژوهشگری که عمداً مغز رو بررسی کرد تا ایده‌ای برای هوش مصنوعی پیدا کنه؟ AlphaFold انگار نقطه‌ی جمع شدنِ همه‌ی این‌هاست. جست‌وجوی استراتژیک، انتزاع، استدلال علمی، برنامه‌ریزی بلندمدت، ترکیب بین‌رشته‌ای—همه‌شون اینجا به نتیجه می‌رسن.

‍

‍

نقل‌قول‌های «TIME» از پروفایل ۲۰۲۵ِ پرِگو، از هَسابیس می‌گوید: «اول از همه خودم را یک دانشمند می‌دانم» و این‌که دلیل این‌همه کاری که در زندگی‌اش کرده «پیگیریِ دانش» بوده است. بدیهی است که این موضوع به‌تنهایی IQ را بالا نمی‌برد؛ اما روشن می‌کند چرا او هوشش را آن‌قدر به‌صرفه و کارآمد خرج کرده. بعضی آدم‌های خیلی باهوش استعدادشان را پخش می‌کنند؛ هَسابیس استعدادش را متمرکز کرده.

‍

پس احتمالاً IQ دميس حسابی چقدره؟

حالا بخش سختش: یک عدد. نه یک افسانه، نه یک «نوابغِ مبهم»؛ بلکه یک تخمین واقعی.

‍

بر اساس شواهد موجود، پیش‌بینی می‌کنیم IQ دمیس هسابیس حدودِ 155 باشد.

‍

‍

این یعنی او تقریباً در صدودن نود و نهمین درصد قرار می‌گیرد؛ در دسته‌ای که معمولاً به‌عنوان استثنائاً بااستعداد یا به‌شدت نابغه توصیف می‌شود، بسته به سیستم طبقه‌بندی.

‍

چرا ۱۵۵ و نه مثلاً ۱۴۰؟ چون ۱۴۰ فوق‌العاده بالاست، اما به نظر می‌رسد پروفایل هَسّابیس از «فقط» هوشِ تاپِ ۰٫۴٪ هم قوی‌تر است. تسلطِ کودکانه بر شطرنج در سطح جهانی، آموزشِ شتاب‌دار، موفقیت تحصیلی در سطح عالی، دستاورد حرفه‌ایِ برنامه‌نویسی در نوجوانی، دستاوردهای بزرگ هم در علوم اعصاب و هم در هوش مصنوعی، و در نهایت یک دستاورد علمی که حتی نوبل هم آن را به رسمیت شناخته—این ترکیب حتی بین آدم‌های نابغه هم کم‌نظیر است. برای مقایسه، برآورد ما او را فقط کمی بالاتر از جایی می‌گذارد که روی استیون هاوکینگ رسیدیم؛ دانشمند دیگری که زندگی‌نامه‌اش دقیقاً به سمت دُمِ بسیار افراطی اشاره داشت.

‍

چرا نه ۱۷۵؟ چون باید حواسمان به واقعیت باشد. تخمین‌های هوش بر اساس زندگی‌نامه همیشه تقریبی‌اند، و فرهنگ اینترنت عاشق این است که هر دانشمند معروفی را تبدیل به یک ابرمغز کارتونی کند. هوش واقعی تکه‌تکه است؛ با نقاط قوت، عادت‌ها، فرصت‌ها، مربی‌ها و البته یک آمادگی نگران‌کننده برای اینکه سال‌ها وقت را صرفِ حلِ مسائل سخت کنی.

‍

‍

با این حال، اگر ازم بپرسی آیا «حَسّابی» به آن تکه‌ی کوچکی از انسان‌ها تعلق دارد که در آن قدرتِ خامِ استدلال، تخیلِ راهبردی و ترکیبِ بین‌رشته‌ای هم‌زمان به هم می‌رسند، بی‌تردید می‌گویم بله. زندگی‌اش مدام همان جواب را با لهجه‌های مختلف به ما نشان می‌دهد.

‍

پس نه، ما آی‌کیوی واقعی دمیس هَسّابیس را نمی‌دانیم. اما اگر هوش یعنی یادگیری سریع، انتقال توانایی‌ها بین حوزه‌های مختلف، برنامه‌ریزی خیلی جلوتر و حل کردن مسائلی که آدم‌های نابغه‌ی دیگر را هم به عرق می‌اندازد، آن‌وقت زندگی‌نامه‌اش نشان می‌دهد که با یک ذهن در سطحی واقعاً بسیار نادر طرفیم؛ ذهنی که انگار تقریباً تمام عمرش چند حرکت جلوتر را از قبل بازی می‌کرده است.