Google затваря AlphaFold — екипът се влива в Gemini

Google DeepMind е разформировала екипа зад AlphaFold — системата, донесла на компанията Нобелова награда за химия през 2024 г. Новината, съобщена от Financial Times и потвърдена от Engadget този месец, гласи, че почти всички автори на оригиналната статия вече са преназначени към други проекти, а част от тях са напуснали компанията. AlphaFold като самостоятелно направление в лабораторията приключва; хората отиват предимно към работа около Gemini.

Какво точно се случва

През последната година повечето съавтори на статията в Nature от 2021 г. са били прехвърлени другаде. Останалите ядрени сътрудници са разпределени в няколко посоки: системи за автоматизирано изследване, задвижвани от Gemini, дизайн на ензими, ядрен синтез и геномика. Друга част е преместена в Isomorphic Labs — компанията на Alphabet за откриване на лекарства, която стъпва именно върху технологията на AlphaFold.

Пушмийт Кохли, вицепрезидент по изследванията в DeepMind, обяснява промяната като смяна на самия работен модел. „Стратегията ни през последните девет години беше да се фокусираме върху големи предизвикателства“ — по едно конкретно, ясно поставено научно затруднение на проект. Сега лабораторията се насочва към системи с Gemini, които да помагат на учените и в крайна сметка да автоматизират части от самия изследователски процес.

Разликата е съществена: вместо специализиран модел, обучен да решава един проблем, DeepMind залага на общ модел, който да върши много научна работа наведнъж.

Снимка: Google DeepMind

Кой напусна и накъде

Най-тежкото име е Джон Джъмпър — съносителят на Нобеловата награда за химия за 2024 г. заедно с Демис Хасабис. Джъмпър обяви оттеглянето си през юни 2026 г., след близо девет години в DeepMind, и премина в Anthropic. С него тръгнаха и Йонас Адлер и Александър Прицел, също съавтори по AlphaFold.

Според служител на DeepMind, цитиран от медиите, тримата са били „ключови, важни, основни членове“ и общото им напускане е предизвикало сериозен трус вътре в компанията. Преди да си тръгне, Джъмпър е бил привлечен към вътрешен екип, свързан с комерсиалните инструменти на Google за програмиране — знак, че приоритетите вече са се били изместили.

Anthropic междувременно се е подготвила за такива назначения: компанията е изградила мокри лаборатории и е сключила партньорства с Allen Institute и Howard Hughes Medical Institute.

Какво остава от AlphaFold

Базата данни не изчезва. AlphaFold Protein Structure Database, разработена съвместно с EMBL-EBI, остава достъпна с над 200 милиона предсказани протеинови структури — практически всички каталогизирани протеини, известни на науката, от около 1 милион вида.

Числата зад проекта обясняват защо новината отекна толкова силно. По данни на Google DeepMind базата се ползва от над 3 милиона изследователи в над 190 държави, като над милион от тях са в държави с ниски и средни доходи. AlphaFold Server е обработил над 8 милиона заявки за нагъване, а над 40 000 научни статии цитират системата.

AlphaFold 3, пуснат на 8 май 2024 г., разшири предсказанията отвъд протеините — към ДНК, РНК и малки молекули. Нобеловата награда дойде на 9 октомври същата година.

Снимка: Google DeepMind

Контекстът: пари и приоритети

Ходът не е изолиран. Alphabet изсипва безпрецедентни суми в изчислителна инфраструктура за Gemini — капиталовите разходи вече изтласкаха компанията към отрицателен свободен паричен поток за първи път. В такава обстановка е логично изследователските ресурси да се преразпределят към продукта, който носи приходи днес.

Пазарът също не гледа спокойно на разходите — през последните седмици новини около Alphabet вече задвижиха разпродажба на AI акции.

Струва си обаче да се уточни какво не се твърди. Никой не казва, че AlphaFold е спрян като технология: моделите съществуват, базата работи, Isomorphic Labs продължава да строи върху нея. Промяната е организационна — изчезва специализираният екип, който я поддържаше като отделно научно направление.

Заключение

AlphaFold е рядък пример за AI система с измерима научна стойност: съкрати от години до минути работа, която иначе изисква рентгенова кристалография. Затварянето на екипа не отменя тези резултати, но повдига въпрос, на който още няма отговор — дали общ модел като Gemini наистина може да върши това, което вършеше специализиран модел с ясно поставена цел.

Ако залогът се окаже правилен, DeepMind ще има инструмент за много научни области наведнъж. Ако не — Anthropic вече е наела хората, които знаят как се прави другият подход.