Google DeepMind löst das AlphaFold-Team auf – ein Viertel der Autoren ist gegangen
Das Team hinter dem mit dem Nobelpreis ausgezeichneten Proteinmodell wurde im vergangenen Jahr neu verteilt. Nobelpreisträger John Jumper und zwei Kollegen wechseln zu Anthropic.
Google DeepMind hat das Team hinter AlphaFold aufgelöst, berichtet die Financial Times. Die meisten ursprünglichen Autoren der AlphaFold-Facharbeiten wurden im vergangenen Jahr anderen Projekten zugeteilt. Fast ein Viertel der fest angestellten DeepMind-Autoren hat das Unternehmen ganz verlassen. DeepMind bestätigte die Veränderungen.
AlphaFold wurde ab 2018 entwickelt und sagt aus einer chemischen Sequenz die dreidimensionale Form eines Proteins voraus. Das klingt nach einem engen Anwendungsfall, bis man weiß, dass die Form bestimmt, was ein Protein tut – und dass ihre Bestimmung im Labor früher für jedes Protein Monate oder Jahre dauern konnte. AlphaFold erledigte dies in Minuten und veröffentlichte Vorhersagen für praktisch jedes bekannte Protein. John Jumper, Vice President und Engineering Fellow, sowie DeepMind-Chef Demis Hassabis erhielten dafür 2024 den Chemie-Nobelpreis. Das Projekt wurde zum Musterbeispiel für DeepMinds Strategie: ein schwieriges wissenschaftliches Problem auswählen, ein eigenes Team darum aufbauen und es lösen.
Diese Strategie läuft nun aus. „In den vergangenen neun Jahren haben wir uns auf große Herausforderungen konzentriert, auf ein konkretes Ziel, an dem jedes Projekt ausgerichtet war“, sagte Pushmeet Kohli, Vice President of Research und Leiter des Bereichs AI for Science, der FT. „Die Strategie hat sich weiterentwickelt.“ Statt Forschende um einzelne Probleme wie die Proteinfaltung zu gruppieren, entwickelt das Labor nun Gemini-gestützte Systeme, die Wissenschaftler breit unterstützen und später Teile des Forschungsprozesses automatisieren sollen. Ehemalige AlphaFold-Forschende arbeiten heute an Gemini, Enzymdesign, Kernfusion und Genomik oder wechselten zu Isomorphic Labs. Die Alphabet-Ausgründung für Arzneimittelforschung kooperiert mit Novartis und Eli Lilly.
Die Abgänge reichen bis in den innersten Kreis. Anfang des Jahres wechselten Jumper und sein AlphaFold-Kollege Jonas Adler zunächst zu Googles internem „Code Strike“-Team, das die KI-Programmierfähigkeiten des Konzerns im Wettbewerb mit Anthropic und OpenAI verbessern soll. Im vergangenen Monat kündigte Jumper seinen Wechsel zu Anthropic an; Adler und der AlphaFold-Kollege Alexander Pritzel folgen ihm. Ein DeepMind-Mitarbeiter bezeichnete alle drei gegenüber der FT anonym als „entscheidende, wichtige Mitglieder des Kernteams“ und sagte, intern habe ihr Weggang überrascht. Anthropic startete Anfang des Jahres mit Claude Science einen Arbeitsbereich für Biologie und Arzneimittelforschung.
Es gibt zwei Lesarten, die vermutlich beide teilweise stimmen. Die wohlwollende: Allgemeine Modelle sind inzwischen so gut, dass ein spezialisiertes Team pro Problem nicht mehr die effizienteste Form wissenschaftlicher KI ist. Die weniger wohlwollende: Im Rennen um Frontier-Agenten liegen Geld und Aufmerksamkeit, weshalb spezialisierte Wissenschaftsteams den internen Wettbewerb um Talente verlieren. So oder so ordnet sich das Labor, das für ein eng zugeschnittenes wissenschaftliches Modell einen Nobelpreis gewann, nun um ein allgemeines Modell herum neu.
Was das für dich bedeutet: Unmittelbar nur wenig. Indirekt zeigt der Vorgang, wohin das Geld für KI-Forschung fließt. Das bekannteste wissenschaftliche Ergebnis der modernen KI wird in eine Strategie für allgemeine Assistenten integriert. Daran lässt sich ablesen, wie fest die Branche davon überzeugt ist, dass allgemeine Modelle die spezialisierten aufnehmen werden. Die Erwartungen sollten dennoch auf dem Boden bleiben: Bislang hat niemand gezeigt, dass ein System nach Art von Gemini einen wissenschaftlichen Durchbruch in der Größenordnung von AlphaFold hervorbringen kann.
Quellen
Quellen: https://www.ft.com/content/61b2953d-ee0d-45de-af6e-a9c1cf524b33
Mit Googles Lyria 3.5 lässt sich ein Teil eines KI-Songs reparieren, ohne alles neu zu erzeugen
Die neue Funktion Selective Section Painting bearbeitet einzelne Songteile. Ein misslungener Refrain bedeutet damit nicht länger, den gesamten Titel neu zu generieren. Zu den Trainingsdaten schweigt Google weiterhin.
