DeepMind से पाँच शीर्ष AI रिसर्चर्स का सामूहिक पलायन: कारण, गंतव्य और डेनी झोउ की तीन रीज़निंग तकनीकों की पूरी कहानी

पुष्टि की गई प्रस्थान: पाँच शोधकर्ता, तीन प्रतिद्वंद्वी

इस पलायन से जुड़े आमतौर पर सूचीबद्ध छह नामों में से केवल पाँच की पुष्टि इस अवधि में Google DeepMind से जाने के रूप में होती है। छठा नाम — डॉन सोंग (Dawn Song) — जून 2026 की लहर को कवर करने वाली किसी भी समाचार रिपोर्ट में नहीं दिखता है और संभवतः यह एक त्रुटि है। सोंग की पृष्ठभूमि सुरक्षा और AI (कैलिफोर्निया विश्वविद्यालय, बर्कले) में है, और इस बात का कोई सबूत नहीं मिला कि वह Google DeepMind में थीं या इस अवधि के दौरान उन्होंने वहाँ से प्रस्थान किया ।

नोम शाज़ीर (Noam Shazeer) → OpenAI (18 जून, 2026)

शाज़ीर ट्रांसफॉर्मर आर्किटेक्चर के सह-आविष्कारक, Google के Gemini मॉडल के सह-प्रमुख और दशक के सबसे प्रभावशाली AI शोधकर्ताओं में से एक थे। उनके प्रस्थान को आंतरिक कंप्यूट संसाधनों के पुनर्आवंटन से ट्रिगर बताया गया — Google ने उनकी टीम का कंप्यूट संसाधन DeepMind की लंदन प्री-ट्रेनिंग टीम को भेज दिया, जिससे उनका ट्रांसफॉर्मर वेरिएंट प्रोजेक्ट ठंडे बस्ते में चला गया । यह विशेष रूप से चौंकाने वाला था क्योंकि Google उन्हें 2024 में उनके स्टार्टअप Character.AI की 2.7 अरब डॉलर की एक्वि-हायर के ज़रिए वापस लाया था ।

जॉन जम्पर (John Jumper) → Anthropic (19 जून, 2026)

जम्पर, जिन्होंने AlphaFold के सह-निर्माण के लिए 2024 का रसायन विज्ञान का नोबेल पुरस्कार साझा किया, ने X पर घोषणा की कि वे 'लगभग 9 वर्षों' के बाद जा रहे हैं । Google में उनका अंतिम कार्यकाल नोबेल जीतने वाले वैज्ञानिक कार्यों पर नहीं, बल्कि AI कोडिंग टूल पर केंद्रित था । शाज़ीर के साथ उनके प्रस्थान ने एक ही कारोबारी सत्र में अल्फाबेट के बाजार पूंजीकरण से लगभग 270 अरब डॉलर मिटा दिए ।

जोनास एडलर (Jonas Adler) → Anthropic (लगभग 24 जून, 2026 को घोषित)

एडलर को आंतरिक रूप से Gemini और Google के AI कोडिंग प्रयास में एक महत्वपूर्ण योगदानकर्ता के रूप में देखा जाता था। इस कदम से परिचित लोगों ने एक अधिक फुर्तीली AI स्टार्टअप में काम करने की इच्छा का हवाला दिया ।

एलेक्ज़ेंडर प्रिट्ज़ेल (Alexander Pritzel) → Anthropic (लगभग 24 जून, 2026 को घोषित)

प्रिट्ज़ेल ने Gemini प्री-ट्रेनिंग और AlphaFold पर काम किया। उनके प्रस्थान की सूचना एडलर के साथ ही दी गई थी, जिसमें तेज़ गति वाले वातावरण की तलाश का एक ही संदर्भ था ।

डेनी झोउ (Denny Zhou) → Meta (26 जून, 2026 को रिपोर्ट किया गया)

DeepMind के 'रीज़निंग किंग' और Google Brain के रीज़निंग रिसर्च ग्रुप के संस्थापक के रूप में जाने जाने वाले झोउ ने चुपचाप प्रस्थान किया। उन्होंने कोई सार्वजनिक विदाई नहीं दी — इस कदम की रिपोर्ट HTX ने तब दी जब उन्होंने अपना LinkedIn अपडेट किया, जिसमें दिखाया गया कि वे पहले से चार महीने से Meta में काम कर रहे थे । झोउ या Meta द्वारा कोई स्पष्टीकरण नहीं दिया गया।

व्यापक संदर्भ: इस पलायन के पीछे क्या कारण थे?

कई स्रोत 2026 के दौरान DeepMind में एक व्यापक प्रतिभा पलायन का वर्णन करते हैं, जो तीन कारकों से प्रेरित था :

• अच्छी तरह से वित्त पोषित प्रतिद्वंद्वियों द्वारा आक्रामक शिकार: Anthropic और OpenAI, दोनों बाजार में पदार्पण की तैयारी कर रहे थे।
• कंप्यूट संसाधन आवंटन से आंतरिक नाराज़गी: यह भावना कि Google की नौकरशाही स्टार्टअप्स की तुलना में अनुसंधान की गति को धीमा कर रही थी ।
• नौकरशाही की धारणा: शोधकर्ताओं को लगा कि वे छोटी, अधिक केंद्रित लैब्स में तेज़ी से आगे बढ़ सकते हैं।

डेनी झोउ की तीन रीज़निंग तकनीकें

डेनी झोउ और उनके सहयोगियों ने तीन मौलिक प्रॉम्प्टिंग तकनीकें विकसित कीं जो बड़े भाषा मॉडलों के तर्क करने के तरीके का केंद्र बन गई हैं। ये एक प्रगतिशील श्रृंखला बनाती हैं, जिनमें से प्रत्येक पिछले पर आधारित है।

1. चेन-ऑफ-थॉट (CoT) प्रॉम्प्टिंग

यह क्या करता है: सीधे उत्तर आउटपुट करने (इनपुट → आउटपुट) के बजाय, CoT मॉडल को अंतिम उत्तर पर पहुँचने से पहले मध्यवर्ती प्राकृतिक-भाषा तर्क चरणों का एक क्रम उत्पन्न करने का संकेत देता है (इनपुट → तर्क चरण → आउटपुट)।

मुख्य लाभ: अंकगणित, सामान्य ज्ञान और प्रतीकात्मक तर्क कार्यों पर प्रदर्शन में नाटकीय रूप से सुधार करता है। यह व्याख्या योग्यता भी सक्षम करता है — आप मॉडल की 'विचार प्रक्रिया' पढ़ सकते हैं। PaLM-540B जैसे बड़े मॉडलों के साथ मिलकर, CoT ने एनोटेटेड उदाहरणों का केवल 0.1% उपयोग करके अत्याधुनिक परिणाम प्राप्त किए ।

2. सेल्फ-कंसिस्टेंसी

यह क्या करता है: एक डिकोडिंग रणनीति जो CoT में सुधार करती है। एक एकल तर्क श्रृंखला लेने के बजाय, मॉडल कई स्वतंत्र CoT तर्क पथ उत्पन्न करता है (उच्च तापमान के साथ सैंपलिंग के माध्यम से), फिर बहुमत वोट द्वारा सभी पथों में सबसे सुसंगत उत्तर का चयन करता है ।

मुख्य लाभ: एक एकल तर्क श्रृंखला के विचरण को कम करता है। एक एकल CoT पथ एक दोषपूर्ण कदम के कारण गलत हो सकता है; सेल्फ-कंसिस्टेंसी विविधता पर औसत लेती है और गणित और तर्क बेंचमार्क पर काफी अधिक मजबूत होती है । डेनी झोउ ने इस बात पर जोर दिया है कि सेल्फ-कंसिस्टेंसी को केवल बहुमत वोटिंग के रूप में सतही रूप से नहीं समझा जाना चाहिए — यह मार्जिनलाइज़ेशन का एक अनुभवजन्य कार्यान्वयन है ।

3. लीस्ट-टू-मोस्ट प्रॉम्प्टिंग

यह क्या करता है: एक दो-चरणीय प्रॉम्प्टिंग रणनीति जो प्रॉम्प्ट में उदाहरणों से अधिक कठिन समस्याओं के लिए डिज़ाइन की गई है। पहले, मॉडल मूल कठिन समस्या को सरल उप-समस्याओं की सूची में विघटित करता है। फिर, यह उन उप-समस्याओं को क्रमिक रूप से हल करता है, प्रत्येक पिछले उप-समस्या के उत्तर का उपयोग अगले के लिए संदर्भ के रूप में करता है ।

मुख्य लाभ: आसान-से-कठिन सामान्यीकरण को सक्षम करता है — मॉडल उन समस्याओं को हल कर सकता है जो दिखाए गए किसी भी उदाहरण से सख्ती से कठिन हैं। इसे प्रतीकात्मक हेरफेर, रचनागत सामान्यीकरण बेंचमार्क (जैसे SCAN और CFQ) और गणित तर्क कार्यों पर प्रदर्शित किया गया है । झोउ इसे 'योजना + तर्क' (Planning + Reasoning) के रूप में वर्णित करते हैं ।

सारांश

पाँच शोधकर्ताओं (Noam Shazeer, John Jumper, Jonas Adler, Alexander Pritzel, Denny Zhou) ने जून 2026 में Google DeepMind छोड़कर Meta, OpenAI या Anthropic का रुख किया। Dawn Song के प्रस्थान की पुष्टि नहीं हो सकी। झोूू की तीन प्रॉम्प्टिंग तकनीकें — Chain-of-Thought, Self-Consistency और Least-to-Most — एक प्रगतिशील श्रृंखला बनाती हैं: CoT तर्क चरण जोड़ती है, Self-Consistency कई तर्क पथों पर मतदान लाती है, और Least-to-Most कठिन समस्याओं के लिए समस्या विघटन और क्रमिक समाधान जोड़ती है।