Демис Хассабис (англ.Demis Hassabis; родился 27 июля 1976 года) — британский исследователь искусственного интеллекта, нейробиолог, разработчик компьютерных игр, игрок мирового класса в шахматы.
Демис родился и вырос в Северном Лондоне, в семье грека-киприота и мамы-китаянки из Сингапура. Играя в детстве в шахматы, Хасабис был шахматным вундеркиндом, в возрасте 13 лет имел рейтинг Эло в 2300 пунктов, занимая пятое место в мире среди юношей до 14 лет[4], возглавлял многие английские юношеские шахматные команды.
После окончания Кембриджа Демис некоторое время работал в студии Lionhead. В частности был ведущим программистом по созданию игрового искусственного интеллекта для игры Black & White.
В 1998 году Хасабис покинул Lionhead и основал кампанию Elixir Studios, независимый лондонский разработчик компьютерных игр. Демис был исполнительным дизайнером таких игр как Republic: The Revolution и Evil Genius.
Он получил докторскую степень в области когнитивной нейробиологии в Университетском колледже Лондона, в своей работе он для новых алгоритмов ИИ черпал вдохновение в человеческом мозге.
Работая в области исследования механизмов работы памяти и амнезии, был соавтором нескольких важных научных статей, опубликованных в таких авторитетных научных журналах как Nature, Science, Neuron и PNAS.
В 2010 году Хасабис основал кампанию по исследованию искусственного интеллекта DeepMind. В 2014 году Google купил DeepMind за 400 миллионов фунтов стерлингов, хотя компания остается независимым юридическим лицом с офисом в Лондоне. Компания DeepMind, с момента приобретения её Google, под руководством Хассабиса добилась ряда значительных достижений в области создания самообучающихсянейронных сетей, самыми известными из которых являются AlphaGo, AlphaZero и AlphaStar.
Отмечен Mullard Award Лондонского королевского общества (2014).
В 2024 году был удостоен Нобелевской премии по химии[3]. Хассабис и Джон Джампер разработали модель ИИ для решения 50-летней проблемы — предсказания сложных структур белков. Их модель AlphaFold2 смогла предсказать структуру практически всех 200 млн белков, которые идентифицировали исследователи. В том числе она помогает лучше понимать устойчивость к антибиотикам и создавать изображения ферментов, которые могут разлагать пластик[6].