Google DeepMind a dispersé l’équipe AlphaFold, et un quart de ses auteurs sont partis
L’équipe du modèle de protéines récompensé par le Nobel a été réaffectée au cours de l’année écoulée. Le lauréat John Jumper et deux collègues rejoignent Anthropic.
Google DeepMind a démantelé l’équipe à l’origine d’AlphaFold, selon le Financial Times. La plupart des auteurs initiaux des articles scientifiques ont été affectés à d’autres projets au cours de l’année passée, et près d’un quart des auteurs employés à temps plein par DeepMind ont complètement quitté l’entreprise. Le laboratoire a confirmé ces mouvements.
Développé à partir de 2018, AlphaFold prédit la forme tridimensionnelle d’une protéine à partir de sa séquence chimique. Le sujet paraît étroit jusqu’à ce que l’on sache que cette forme détermine la fonction de la protéine, et que l’établir en laboratoire demandait autrefois des mois ou des années pour chacune. AlphaFold y est parvenu en quelques minutes et a publié des prédictions pour pratiquement toutes les protéines connues. John Jumper, vice-président et Engineering Fellow, et Demis Hassabis, directeur général de DeepMind, ont reçu pour ces travaux le prix Nobel de chimie 2024. Le projet incarnait toute la stratégie du laboratoire : choisir un problème scientifique difficile, constituer une équipe dédiée et le résoudre.
Cette méthode appartient désormais au passé. « Depuis neuf ans, notre stratégie consistait à nous concentrer sur de grands défis, avec un objectif concret pour chaque projet », a déclaré au FT Pushmeet Kohli, vice-président de la recherche et responsable de l’équipe AI for Science. « La stratégie a évolué. » Les chercheurs ne sont plus organisés autour d’un seul problème, comme le repliement des protéines. Le laboratoire construit des systèmes propulsés par Gemini, destinés à assister largement les scientifiques puis à automatiser certaines parties du processus de recherche. Les anciens d’AlphaFold travaillent maintenant sur Gemini, la conception d’enzymes, la fusion nucléaire et la génomique, ou ont rejoint Isomorphic Labs, la filiale d’Alphabet consacrée aux médicaments et partenaire de Novartis et Eli Lilly.
Les départs touchent le noyau du projet. Plus tôt cette année, Jumper et Jonas Adler, autre chercheur d’AlphaFold, avaient rejoint en interne l’équipe « Code Strike », créée par Google pour améliorer ses capacités de programmation par IA face à Anthropic et OpenAI. Le mois dernier, Jumper a annoncé son départ pour Anthropic, où Adler et leur collègue Alexander Pritzel vont aussi le rejoindre. Un salarié de DeepMind a décrit anonymement les trois hommes au FT comme des membres « essentiels, importants et centraux » et indiqué que leur départ avait surpris en interne. Anthropic a lancé cette année Claude Science, un espace de travail pour la biologie et la découverte de médicaments.
Deux interprétations sont possibles, et chacune contient sans doute une part de vérité. Dans la version favorable, les modèles généralistes sont devenus suffisamment bons pour qu’une équipe sur mesure par problème ne soit plus le meilleur moyen d’appliquer l’IA à la science. Dans l’autre, moins flatteuse, la course aux agents de pointe concentre argent et attention, au détriment des équipes scientifiques spécialisées dans la compétition interne pour les talents. Dans les deux cas, le laboratoire récompensé par un Nobel pour un modèle scientifique spécialisé se réorganise autour d’un modèle généraliste.
Ce que cela signifie pour vous : Directement, presque rien. Indirectement, cette réorganisation indique où part l’argent de la recherche en IA. Le résultat scientifique le plus célébré de l’IA moderne est absorbé par une stratégie d’assistant généraliste, ce qui montre à quel point le secteur croit désormais que les modèles généraux engloberont les modèles spécialisés. Gardons toutefois les attentes réalistes : personne n’a encore démontré qu’un système de type Gemini pouvait produire un résultat scientifique de l’ampleur d’AlphaFold.
Sources
Sources: https://www.ft.com/content/61b2953d-ee0d-45de-af6e-a9c1cf524b33
Lyria 3.5 de Google permet de corriger un passage d’une chanson d’IA sans tout recommencer
La fonction Selective Section Painting autorise la retouche d’un passage précis : un mauvais refrain n’oblige plus à régénérer tout le morceau. Google ne révèle toujours pas les données d’entraînement.
