Google DeepMind сворачивает команду AlphaFold: что стоит за решением и куда уходят учёные

Google DeepMind расформировала команду, создавшую AlphaFold - систему предсказания структуры белков, удостоенную Нобелевской премии по химии в 2024 году. Большинство исследователей переведены на проекты, связанные с языковой моделью Gemini. Почти четверть авторов оригинальных научных статей покинули компанию, включая Джона Джампера, который вместе с коллегами перешёл в Anthropic. Это решение завершает эпоху долгосрочных научных прорывов внутри Google и открывает новую: ставку на AI-агентов и автоматизацию исследований.

Смена курса произошла стремительно. Команда, подарившая миру инструмент, который за считанные минуты решает задачу, ранее требовавшую лет лабораторной работы, теперь распределена по коммерческим направлениям. Разбираем причины, последствия и то, куда движется индустрия.

Что случилось с командой AlphaFold: главное за 2 минуты

DeepMind перевела исследователей AlphaFold на разработки в экосистеме Gemini. Часть учёных занялась проектами вроде Gemini Robotics On-Device. Другие усилили направления, связанные с AI-агентами. Параллельно произошёл исход талантов: ключевые фигуры, стоявшие у истоков AlphaFold, выбрали внешние лаборатории.

Джон Джампер, один из главных архитекторов системы, ушёл в Anthropic. За ним последовали коллеги, чьи имена связаны с оригинальными публикациями. Суммарно DeepMind потеряла около четверти авторов статей, сформировавших научную базу AlphaFold. Это не просто кадровая перестановка, а смена вектора: компания отходит от модели долгосрочных фундаментальных исследований в пользу быстрых прикладных решений.

Контекст важен: AlphaFold остаётся работающим сервисом. База предсказаний структур белков доступна учёным по всему миру. Но команда, которая могла бы развивать следующие версии и углублять технологию, больше не существует как единое целое.

Почему DeepMind закрыла команду после Нобелевской премии?

Нобелевская премия 2024 года стала вершиной признания для AlphaFold. Логично предположить, что после такого успеха проект получит дополнительные ресурсы. Однако DeepMind приняла противоположное решение. Причина - в фундаментальной смене приоритетов.

Google делает ставку на монетизацию AI. Лаборатория DeepMind, ранее существовавшая как исследовательский центр с высокой степенью автономии, теперь интегрирована в продуктовую экосистему. Gemini требует ресурсов: вычислительных мощностей, талантливых инженеров, быстрых циклов разработки. Содержать команду, занятую фундаментальной наукой без прямой коммерческой отдачи, стало нецелесообразно в новой системе координат.

Давление конкуренции усиливает тренд. OpenAI, Anthropic и другие лаборатории выпускают обновления каждые несколько месяцев. Гонка требует концентрации усилий на языковых моделях и агентных системах. AlphaFold, при всей научной значимости, не вписывается в эту гонку по скорости возврата инвестиций.

Новая стратегия: от научных прорывов к AI-агентам

DeepMind переориентируется на создание AI-агентов - систем, способных самостоятельно выполнять многошаговые задачи. Это могут быть агенты для автоматизации лабораторных экспериментов, помощники в робототехнике, инструменты для ускорения научных открытий без прямого участия человека.

Конкретный пример - Gemini Robotics On-Device. Проект создаёт модели, которые управляют физическими роботами, обрабатывая данные прямо на устройстве без обращения к облаку. Исследователи, ранее предсказывавшие структуры белков, теперь решают задачи пространственного интеллекта и моторного планирования.

Стратегия отражает общий тренд индустрии: переход от моделей, которые анализируют, к моделям, которые действуют. Gemini с 950 миллионами пользователей становится платформой, вокруг которой строится вся экосистема. Научные инструменты вроде AlphaFold теперь рассматриваются как функции внутри более крупных систем, а не как самостоятельные продукты.

Куда ушли ключевые учёные: Джон Джампер и другие

Джон Джампер, получивший Нобелевскую премию за работу над AlphaFold, покинул Google и присоединился к Anthropic. Его уход - самый заметный, но не единственный. Почти четверть авторов оригинальных статей по AlphaFold больше не работают в DeepMind.

Это серьёзная потеря. AlphaFold создавался небольшой командой исследователей с уникальной экспертизой на стыке машинного обучения, биоинформатики и физики. Заменить таких специалистов сложно. Их уход означает, что центр компетенций по предсказанию структур белков смещается из DeepMind в другие организации.

Для Anthropic это приобретение стратегического значения. Компания, известная разработкой языковой модели Claude, усиливает научное направление. Приход Джампера и его коллег сигнализирует о возможном расширении интересов Anthropic в сторону биотехнологий и научных применений AI.

Что такое Anthropic и почему туда идут исследователи

Anthropic - AI-лаборатория, основанная выходцами из OpenAI. Компания разрабатывает семейство моделей Claude, делая акцент на безопасности и контролируемости AI. В отличие от гигантов вроде Google, Anthropic сохраняет структуру, близкую к исследовательскому стартапу, с высокой степенью научной свободы.

Исследователи выбирают Anthropic по нескольким причинам. Первая - возможность работать над фундаментальными проблемами без жёсткой привязки к продуктовым KPI. Вторая - культура, ориентированная на долгосрочные риски и безопасность AI, что привлекает учёных, думающих о последствиях технологий. Третья - концентрация талантов: в Anthropic собрана критическая масса специалистов мирового уровня, и присоединение нобелевских лауреатов усиливает этот эффект.

Что такое AlphaFold и почему это было прорывом

AlphaFold - система искусственного интеллекта, которая предсказывает трёхмерную структуру белка по его аминокислотной последовательности. Звучит узко, но значение огромно. Форма белка определяет его функцию. Знание структуры необходимо для понимания болезней и разработки лекарств.

До AlphaFold определение структуры одного белка могло занимать годы лабораторной работы и стоить сотни тысяч долларов. Метод рентгеновской кристаллографии требовал вырастить кристалл белка, что удавалось не всегда. AlphaFold сократил этот процесс до минут и сделал его доступным через браузер.

Нобелевская премия по химии 2024 года закрепила признание. Награду получили Демис Хассабис и Джон Джампер. AlphaFold предсказал структуры более 200 миллионов белков - практически все известные науке последовательности. База данных открыта и бесплатна. Исследователи используют её для поиска новых антибиотиков, изучения редких заболеваний, разработки ферментов для разложения пластика.

Что это значит для науки и индустрии AI

Расформирование команды AlphaFold создаёт неопределённость. Будет ли технология развиваться дальше? DeepMind заявляет, что существующие сервисы продолжат работу. Но без выделенной команды темп обновлений замедлится.

Одновременно появляются альтернативы. Академические группы и другие компании разрабатывают собственные методы предсказания структур. Конкуренция в этой области растёт. Уход ключевых учёных в Anthropic может привести к появлению новых инструментов за пределами Google.

Более широкий тренд - автоматизация научных исследований. Google вложила $40 миллионов в программу Genesis Mission, предоставив учёным доступ к AlphaFold 3 и AlphaEvolve. AI сокращает калибровку микроскопа с 90 до 13 минут, автоматизирует анализ материалов. Наука становится быстрее, но зависимее от решений технологических компаний.

Будущее автоматизации научных исследований

AI-агенты для науки - концепция, в которой искусственный интеллект не просто анализирует данные, а самостоятельно планирует эксперименты, управляет лабораторным оборудованием и формулирует гипотезы. DeepMind движется именно в эту сторону.

Примеры уже есть. Isomorphic Labs, дочерняя компания Alphabet, использует AlphaFold для поиска лекарств. AI-агенты могут протестировать миллионы молекул in silico, отобрать перспективные кандидаты и заказать их синтез в автоматизированной лаборатории. Человек становится стратегом, а не исполнителем.

Риски тоже очевидны. Концентрация научных инструментов в руках нескольких корпораций создаёт зависимость академического сообщества. Если Google решит изменить условия доступа к AlphaFold, учёные по всему миру окажутся в уязвимом положении. Открытые альтернативы пока отстают по качеству.

Хронология: от создания AlphaFold до расформирования команды

Ключевые события, которые привели к текущей ситуации, выстроены в хронологическом порядке. Эта временная линия помогает увидеть, как научный триумф сменился организационной перестройкой.

• 2018 год. DeepMind представляет первую версию AlphaFold. Система побеждает на конкурсе CASP13, превзойдя академические методы.
• 2020 год. Выходит AlphaFold 2. Точность предсказаний достигает уровня, сопоставимого с экспериментальными методами. Научное сообщество называет это прорывом.
• 2021 год. DeepMind публикует базу данных из 350 тысяч предсказанных структур белков. Год спустя база расширяется до 200 миллионов.
• 2024 год. Демис Хассабис и Джон Джампер получают Нобелевскую премию по химии за AlphaFold. Технология признана на высшем уровне.
• 2025 год. DeepMind начинает интеграцию AlphaFold в экосистему Gemini. Команда постепенно переключается на смежные проекты.
• 2026 год. Команда AlphaFold официально расформирована. Джон Джампер переходит в Anthropic. Почти четверть авторов оригинальных статей покидают компанию.

История AlphaFold иллюстрирует более широкий процесс в AI-индустрии: фундаментальная наука уступает место прикладным продуктам. 78% компаний связывают кадровые решения с внедрением AI. Лаборатории перестраиваются под коммерческую логику. Научные открытия становятся побочным продуктом, а не основной целью.

Останется ли AlphaFold исключением - триумфом, за которым последовало сворачивание, - или станет моделью для других научных проектов внутри технологических гигантов? Ответ определит, как будут выглядеть научные прорывы следующего десятилетия.