Hat Hassabis die Brücke hinter sich abgebrochen? Das AlphaFold-Team hinter dem Nobelpreis-Projekt wurde aufgelöst.

Im Jahr 2024 gewann Demis Hassabis mit AlphaFold den Nobelpreis für Chemie.

Weniger als zwei Jahre später wurde das Kernteam, das dieses wissenschaftliche Wunder der KI geschaffen hat, aufgelöst.

Laut einem Bericht der Financial Times vom 29. Juli hat Google DeepMind kürzlich das für die Entwicklung von AlphaFold zuständige Kernteam für KI für Wissenschaft (kurz AI4S) aufgelöst. Im vergangenen Jahr wurden die meisten ursprünglichen Autoren der AlphaFold-Arbeit anderen Projekten zugeteilt, wobei einige Forscher zu Arbeiten im Zusammenhang mit Gemini wechselten und einige Mitglieder zur KI-Arzneimittelentwicklungsfirma Isomorphic Labs unter dem Dach von Alphabet gingen.

Von den Vollzeitautoren von DeepMind, die ursprünglich an der AlphaFold-Arbeit beteiligt waren, ist fast ein Viertel aus dem Unternehmen ausgeschieden.

Dazu äußerten einige Netznutzer: DeepMind war einst das Symbol für Innovation in Großbritannien, heute hat es seine beste Zeit hinter sich.

Immerhin sieht das so aus, als würde Demis Hassabis nach Erhalt des Preises die Brücke abbrechen, oder DeepMind würde seinen grundlegendsten AI4S-Kurs aufgeben.

Wenn man es jedoch in einem größeren Kontext betrachtet, ist dies nicht die Wahl von DeepMind allein.

Von DeepMind bis ByteDance passen immer mehr Technologieunternehmen die Ausrichtung ihrer AI4S-Teams an. Da der Wettbewerb im Bereich der künstlichen Intelligenz in eine ressourcenintensive Phase eintritt, entscheiden große Technologieunternehmen neu, welche Richtungen es wert sind, mit den wichtigsten F&E-, Rechenleistungs- und Personalressourcen gefördert zu werden.

AlphaFold – Vertreter des Langfristigkeitsdenkens von DeepMind

Rückblickend auf die Entwicklung von DeepMind in den letzten zehn Jahren ist AlphaFold zweifellos eines der Projekte, die das „Langfristigkeitsdenken“ des Unternehmens am besten repräsentieren.

Bereits bei seiner Gründung im Jahr 2010 konzentrierte sich DeepMind nicht auf ein bestimmtes Produkt, sondern auf eine langfristigere Vision:

Kann künstliche Intelligenz Menschen dabei helfen, Probleme zu lösen, die zuvor nicht gelöst werden konnten?

Nach Demis Hassabis' Vorstellung sollte die zukünftige Künstliche Allgemeine Intelligenz (Artificial General Intelligence, AGI) die Fähigkeit besitzen, die komplexe Welt zu verstehen, neues Wissen zu entdecken und den wissenschaftlichen Fortschritt voranzutreiben.

Daher ist die wissenschaftliche Forschung schon immer eine wichtige Richtung in der Strategie von DeepMind gewesen.

Und AlphaFold ist das repräsentativste Beispiel dafür.

Das Problem der Proteinfaltung hat die Biowissenschaften seit mehr als 50 Jahren geplagt.

Proteine bestehen aus Ketten von Aminosäuren, aber ihre Funktion wird tatsächlich durch ihre komplexe dreidimensionale Struktur bestimmt. Früher stützten sich Wissenschaftler hauptsächlich auf experimentelle Methoden wie Kryo-Elektronenmikroskopie und Röntgenkristallographie, um Proteinstrukturen aufzuklären, was oft Monate oder sogar Jahre dauerte und sehr kostspielig war.

Im Jahr 2018 begann DeepMind mit der Entwicklung von AlphaFold, um die KI dazu zu bringen, die dreidimensionale Struktur von Proteinen direkt anhand ihrer Sequenz vorherzusagen.

Im Jahr 2020 erzielte AlphaFold 2 beim internationalen Wettbewerb zur Vorhersage von Proteinstrukturen CASP bahnbrechende Ergebnisse: Die Vorhersagegenauigkeit näherte sich erstmals experimentellen Methoden an und gilt als Lösung der langjährigen zentralen Herausforderung im Bereich der Vorhersage von Proteinstrukturen.

Im Jahr 2021 veröffentlichte DeepMind die Arbeit zu AlphaFold 2 in *Nature* und veröffentlichte den Quellcode des Modells. Im selben Jahr brachte DeepMind gemeinsam mit dem Europäischen Institut für Bioinformatik die AlphaFold Protein Structure Database auf den Markt, die Forschern weltweit kostenlose Daten zur Vorhersage von Proteinstrukturen zur Verfügung stellt.

Anschließend wurde diese Datenbank auf mehr als 200 Millionen Vorhersageergebnisse von Proteinstrukturen erweitert und zu einer wichtigen Infrastruktur im Bereich der Biowissenschaften.

Man kann sagen, dass AlphaFold die Forschungsweise der Strukturbiologie verändert hat: Früher mussten Wissenschaftler viel Zeit und Kosten aufwenden, um Proteinstrukturen experimentell aufzuklären; AlphaFold ermöglicht es Forschern, schnell Vorhersageergebnisse zu erhalten und mehr Energie in Folgeuntersuchungen wie Krankheitsmechanismen, Arzneimittelentwicklung und Biotechnik zu stecken.

Im Jahr 2024 erlebte AlphaFold seinen Höhepunkt.

DeepMind stellte AlphaFold 3 vor und erweiterte seine Fähigkeiten von der Vorhersage von Proteinstrukturen weiter auf die Vorhersage von Wechselwirkungen zwischen Proteinen, DNA, RNA und kleinen Molekülen, und drang so weiter in den Kernbereich der Arzneimittelentwicklung vor.

Im selben Jahr erhielten Demis Hassabis und der Kernleiter von AlphaFold John Jumper für dieses Ergebnis den Nobelpreis für Chemie.

Von dem Start im Jahr 2018 bis zum Erhalt des Nobelpreises im Jahr 2024 vollzog AlphaFold den Wandel von einem Laborprojekt zu einer globalen wissenschaftlichen Infrastruktur.

Noch wichtiger ist, dass es eine Linie bewiesen hat, an der Demis Hassabis seit langem festhält: KI kann nicht nur die Effizienz steigern, sondern auch zu einem neuen Werkzeug werden, das wissenschaftliche Entdeckungen vorantreibt.

Aus diesem Grund ist KI für Wissenschaft für DeepMind von außerordentlicher Bedeutung, im Grunde genommen ist sie Teil des Verständnisses von DeepMind für den Wert der KI.

Aber das Problem besteht darin, dass DeepMind beim Eintritt des KI-Wettbewerbs in eine neue Phase vor einer neuen Herausforderung steht:

Ist das frühere Modell, langfristige Forschungsteams rund um große wissenschaftliche Herausforderungen aufzubauen, immer noch die vorrangige Ressourcenallokationsweise des Unternehmens?

Unter dem Druck von Gemini beginnt DeepMind, KI-Talente zu konzentrieren

Die Anpassung des AlphaFold-Teams bedeutet nicht, dass DeepMind KI für Wissenschaft aufgibt, genauer gesagt, verteilt Google DeepMind seine eigenen KI-Ressourcen neu.

In den letzten Jahren verfolgte DeepMind lange Zeit das Modell, mehrere Spitzenforschungslinien parallel voranzutreiben: Einerseits erkundet es wissenschaftliche Durchbrüche wie AlphaFold, andererseits entwickelt es Künstliche Allgemeine Intelligenz und baut gleichzeitig Spitzenbereiche wie Verstärkendes Lernen und Robotik aus.

Aber mit dem Eintritt des KI-Wettbewerbs in eine neue Phase macht sich der Druck bei der Ressourcenallokation bemerkbar. Für Google besteht das wichtigste aktuelle Problem darin, wie Gemini im Modellwettbewerb von Unternehmen wie OpenAI und Anthropic die Spitzenposition behalten kann.

Während OpenAI die GPT-Serie ständig weiterentwickelt und Anthropic mit Produkten wie Claude Code schnell expandiert, steht Gemini trotz der Tatsache, dass Google mit DeepMind eine weltweit führende KI-Forschungseinrichtung besitzt, unter großem Druck bei der Entwicklung.

Vor allem das mit großen Erwartungen verbundene Gemini 3.5 Pro wurde lange nicht veröffentlicht, was die Öffentlichkeit ständig auf die Fortschritte von Google im Wettbewerb um Spitzenmodelle aufmerksam macht.

Außerdem gab es im vergangenen Jahr einen deutlichen Personalfluss innerhalb von DeepMind.

Laut Berichten der Financial Times wurde John Jumper, einer der Kernleiter von AlphaFold, der gemeinsam mit Demis Hassabis den Nobelpreis erhielt, einst zum internen Team von Google namens Code Strike versetzt, das für die Verbesserung der KI-Programmierfähigkeiten zuständig ist.

Diese Veränderung ist sehr symbolträchtig: Nachdem sich der KI-Wettbewerb zunehmend auf große Modelle, Programmierfähigkeiten und Agenten konzentriert, braucht Google nicht nur einen Spitzenwissenschaftler, der Probleme bei der Vorhersage von Proteinstrukturen lösen kann, sondern auch seine Beteiligung an der Verbesserung der Fähigkeiten von Gemini in wichtigen Anwendungsszenarien.

Später verließ Jumper DeepMind und wechselte zu Anthropic.

Die personellen Veränderungen im Kernteam von AlphaFold sind auch ein Spiegelbild der strategischen Anpassung von DeepMind.

Tatsächlich hat DeepMind intern klar anerkannt, dass sich die Forschungsstrategie verändert.

Pushmeet Kohli, Vizepräsident für Forschung bei DeepMind, sagte: „In den letzten neun Jahren konzentrierte sich unsere Strategie auf große Herausforderungen … jedes Projekt wurde um ein bestimmtes Ziel herum aufgebaut.“

Heute hat sich diese Strategie „weiterentwickelt“.

Dem Bericht zufolge erweitert DeepMind den Zielbereich von KI für Wissenschaft: Neben der Entwicklung spezialisierter Modelle für bestimmte wissenschaftliche Probleme beginnt es auch zu erforschen, wie man mit allgemeinen Modellen wie Gemini KI-Systeme zur Unterstützung der wissenschaftlichen Forschung aufbaut.

Aus dieser Perspektive hat AlphaFold einst die Art und Weise repräsentiert, mit der DeepMind die Grenzen der KI-Fähigkeiten bewiesen hat, während Gemini heute zum Kern wird, um den F&E-Ressourcen von DeepMind neu zu organisieren.

Von der KI-Entdeckung zur industriellen Umsetzung: AlphaFold tritt in die nächste Phase ein

Die gute Nachricht ist, dass DeepMind AlphaFold nicht aufgegeben hat.

Laut Berichten der Financial Times wechseln einige AlphaFold-Forscher zur KI-Arzneimittelentwicklungsfirma Isomorphic Labs unter dem Dach von Alphabet, um die Anwendung von KI im Bereich der Biowissenschaften weiter voranzutreiben.

Die AlphaFold-Richtung ist nicht durch die Auflösung des AI4S-Teams beendet worden, sondern ist in die nächste Phase eingetreten.

Das ursprüngliche Problem, das AlphaFold gelöst hat, war, wie man KI zur Vorhersage von Proteinstrukturen nutzt, aber für die Biowissenschaftsindustrie ist die Strukturvorhersage nur der erste Schritt.

In der nächsten Phase muss die KI weiter in die Prozesse der Arzneimittelentwicklung und biologischen Forschung eindringen.

Um diese Richtung voranzutreiben, gründete DeepMind im Jahr 2021 Isomorphic Labs.

Im Unterschied zur auf Grundlagenforschung ausgerichteten Position von DeepMind konzentriert sich Isomorphic Labs mehr darauf, wie man KI-Fähigkeiten in industriellen Wert umwandelt. Das Ziel des Unternehmens ist es, mit KI-Technologien wie AlphaFold den Prozess der Arzneimittelentwicklung neu zu gestalten.

Im Jahr 2024 kündigte Isomorphic Labs Zusammenarbeit mit Novartis und Eli Lilly bei der KI-gestützten Arzneimittelentwicklung an. Die Zusammenarbeit mit Novartis konzentrierte sich zunächst darauf, mit KI kleine Molekülmedikamente für mehrere schwer zu behandelnde Zielstrukturen zu entdecken; die Zusammenarbeit mit Eli Lilly drehte sich um die Entwicklung von Therapien mit kleinen Molekülen für mehrere nicht veröffentlichte Zielstrukturen.

Gleichzeitig entwickelt Isomorphic Labs auch weiterhin ein KI-Arzneimitteldesignsystem, das AlphaFold übertrifft. Das Unternehmen erklärte, dass seine Drug Design Engine die KI von der Strukturvorhersage weiter zu vollständigen Arzneimittelentwicklungsprozessen wie Moleküldesign und Bindungsvorhersage vorantreiben soll.

Bisher hat Isomorphic Labs jedoch noch kein KI-Arzneimittel entwickelt und auf den Markt gebracht.

Dies ist auch das gemeinsame Problem, mit dem der Bereich KI für Wissenschaft konfrontiert ist: Ob es sich um KI-gestützte Pharmaproduktion, KI-gestützte Materialien oder andere wissenschaftliche Bereiche handelt, der wirklich schwierige Teil besteht oft nicht nur darin, eine theoretische Möglichkeit zu entdecken, sondern die anschließende experimentelle Validierung, technische Umwandlung und kommerzielle Anwendung abzuschließen.

Aus dieser Perspektive ist die Anpassung des AlphaFold-Teams eher eine Neuverteilung der Arbeit: DeepMind erforscht weiter allgemeinere KI-Fähigkeiten, während Isomorphic Labs für die kommerzielle Umsetzung im Bereich der Biowissenschaften zuständig ist.

AlphaFold ist nicht verschwunden, es hat sich nur von einem Starprojekt, das den wissenschaftlichen Durchbruch von DeepMind repräsentiert, zu einer Plattform verwandelt, die Grundlagenforschung und industrielle Anwendung verbindet.

Aber mit der Zerstreuung des ursprünglichen Kernteams wird das erwartete AlphaFold 4 möglicherweise nicht auf die ursprüngliche Weise realisiert.

Dieser Artikel stammt aus dem WeChat-Offiziellen Konto „Alpha AI“, Autor: Yuan Xinyue, veröffentlicht mit Genehmigung von 36Kr.