Google DeepMind oppløser Nobelprisvinnende AlphaFold-team – satser alt på Gemini

Hva Gemini-satsingen betyr for DeepMinds vitenskapelige oppdrag

• Fra spesialisert til generell. DeepMind satser på at Gemini-drevne AI-agenter kan automatisere og akselerere vitenskapelige oppdagelser innen biologi, kjemi, fysikk og materialvitenskap mer effektivt enn enkeltstående modeller som AlphaFold .
• AlphaFold i seg selv fortsetter. AlphaFold-proteinstrukturdatabasen (som dekker over 200 millioner proteiner) og teknologien i seg selv forblir tilgjengelig. Oppløsningen av teamet betyr ikke at produktet legges ned – det betyr slutten på det dedikerte teamet som bygget det .
• Risiko for dyp domeneekspertise. Kritikere hevder at oppløsningen av et Nobelprisvinnende team signaliserer en vilje til å ofre dyp vitenskapelig spesialisering for kappløpet om å bygge det mest kapable generelle AI-systemet, noe som potensielt kan bremse fremgangen innen områder som legemiddeloppdagelse som stolte på AlphaFolds fokuserte ekspertise .

Bredere bransjetrend

• Talenter flyter til frontlinjen av AI-laboratorier. Avgangen av topp AlphaFold-forskere til Anthropic – og det parallelle tapet av Gemini-medleder Noam Shazeer til OpenAI – illustrerer et bredere mønster. Den mest intense konkurransen i AI i dag er rundt generelle agenter og fundamentmodeller, og forskere med dyp ekspertise innen ethvert underfelt blir lokket til å jobbe med disse kjerneutfordringene.
• Ressursomfordeling på tvers av sektoren. DeepMinds grep speiler beslutninger ved andre laboratorier: domenespesifikke verktøy (proteinfolding, værmelding, AI for spill) blir nedprioritert ettersom selskaper konsentrerer datakraft, talent og finansiering om kappløpet om å bygge de mest kapable generelle AI-agentene. Én generell «vitenskapsmann-AI» anses å gi et større konkurransefortrinn enn å vedlikeholde mange smale ekspertsystemer.