Google DeepMind disuelve el equipo de AlphaFold: una cuarta parte de sus autores se ha marchado
El grupo responsable del modelo de proteínas premiado con el Nobel se repartió entre otros proyectos el año pasado. El Nobel John Jumper y dos compañeros se incorporarán a Anthropic.
Google DeepMind ha disuelto el equipo que creó AlphaFold, según informa el Financial Times. Durante el último año, la mayoría de los autores originales de los artículos científicos sobre AlphaFold han sido reasignados a otros proyectos. Casi una cuarta parte de los autores que trabajaban de forma permanente en DeepMind ha abandonado por completo la empresa. DeepMind ha confirmado la reorganización.
AlphaFold, desarrollado desde 2018, predice la forma tridimensional de una proteína a partir de su secuencia química. Parece una aplicación muy concreta hasta que se entiende que la forma determina qué hace una proteína y que averiguarla en un laboratorio podía llevar meses o años en cada caso. AlphaFold redujo el trabajo a minutos y publicó predicciones para prácticamente todas las proteínas conocidas. John Jumper, vicepresidente y Engineering Fellow, y el director ejecutivo de DeepMind, Demis Hassabis, recibieron por ello el Nobel de Química en 2024. El proyecto se convirtió en el mejor ejemplo de la estrategia de DeepMind: elegir un problema científico difícil, crear un equipo específico y resolverlo.
Esa estrategia está llegando a su fin. «Durante los últimos nueve años nos hemos centrado en grandes retos, con un objetivo concreto alrededor del cual se organizaba cada proyecto», explicó al Financial Times Pushmeet Kohli, vicepresidente de investigación y responsable de AI for Science. «La estrategia ha evolucionado». En lugar de agrupar a investigadores alrededor de problemas individuales como el plegamiento de proteínas, el laboratorio desarrolla ahora sistemas basados en Gemini para ayudar a científicos de muchos campos y, más adelante, automatizar partes del proceso de investigación. Antiguos miembros de AlphaFold trabajan hoy en Gemini, diseño de enzimas, fusión nuclear y genómica, o se han trasladado a Isomorphic Labs, la filial de Alphabet para el descubrimiento de fármacos que colabora con Novartis y Eli Lilly.
Las salidas llegan al núcleo del proyecto. A principios de año, Jumper y su compañero Jonas Adler pasaron primero al equipo interno «Code Strike» de Google, creado para reforzar las capacidades de programación de la IA frente a Anthropic y OpenAI. El mes pasado Jumper anunció que se incorporaría a Anthropic; Adler y otro miembro de AlphaFold, Alexander Pritzel, le seguirán. Una persona de DeepMind describió a los tres ante el Financial Times como «miembros decisivos e importantes del equipo central» y aseguró que su marcha causó sorpresa dentro de la empresa. Anthropic, por su parte, abrió este año Claude Science, un espacio de trabajo para biología e investigación farmacéutica.
Hay dos formas de interpretarlo, y probablemente ambas sean ciertas en parte. La lectura favorable es que los modelos generales ya son tan capaces que dedicar un equipo especializado a cada problema ha dejado de ser la forma más eficiente de aplicar la IA a la ciencia. La menos favorable es que el dinero y la atención se concentran en la carrera por los agentes frontera, y los grupos científicos especializados pierden la batalla interna por el talento. Sea como sea, el laboratorio que ganó un Nobel con un modelo científico muy específico se está reorganizando ahora alrededor de un modelo generalista.
Qué significa esto para ti: De forma inmediata, poco. De manera indirecta, la decisión muestra hacia dónde fluye el dinero de la investigación en IA. El resultado científico más conocido de la IA moderna se está integrando en una estrategia de asistentes generalistas. Es una medida de hasta qué punto el sector cree que los modelos generales acabarán absorbiendo a los especializados. Conviene mantener las expectativas bajo control: nadie ha demostrado todavía que un sistema como Gemini pueda producir un avance científico comparable a AlphaFold.
Fuentes
Fuentes: https://www.ft.com/content/61b2953d-ee0d-45de-af6e-a9c1cf524b33
Google Lyria 3.5 permite arreglar una parte de una canción generada con IA sin rehacerla entera
La nueva función Selective Section Painting modifica secciones concretas de una canción. Un estribillo fallido ya no obliga a regenerar todo el tema. Google sigue sin aclarar con qué datos entrenó el modelo.
