Google DeepMind ने आपल्या नोबेल पारितोषिक-विजेत्या अल्फाफोल्ड प्रणालीमागील कार्यसंघ विसर्जित केला आहे, ज्याने लंडन-आधारित लॅबला जगातील प्रमुख कृत्रिम बुद्धिमत्ता प्रयोगशाळांपैकी एक म्हणून स्थापित केलेल्या वैज्ञानिक संशोधन धोरणाच्या व्यापक फेरबदलाचे संकेत दिले आहेत. हे पाऊल त्याच्या जेमिनी मोठ्या भाषेच्या मॉडेल्स आणि फ्रंटियर AI एजंट्स तयार करण्यासाठी तीव्र स्पर्धात्मक शर्यतीभोवती डीपमाइंडच्या प्राधान्यक्रमांची पुनर्रचना करते. कॉर्पोरेट रीअलाइनमेंट्स क्षेत्राला पुन्हा आकार देणाऱ्या विस्तृत संदर्भासाठी, आमचे AI उद्योग कव्हरेज फॉलो करा.

बुधवार, 29 जुलै 2026 रोजी फायनान्शियल टाईम्सने प्रकाशित केलेल्या अहवालात पुनर्रचना तपशीलवार मांडण्यात आली होती, ज्याने याला Google ने संशोधन पध्दतीचे पुनर्संचयित केले होते ज्यामुळे DeepMind जगातील शीर्ष AI लॅबपैकी एक बनले होते. अलीकडील नोकरीच्या हालचाली आणि या प्रकरणाशी परिचित असलेल्या स्त्रोतांच्या FT च्या विश्लेषणानुसार, अल्फाफोल्ड पेपरच्या बहुतेक मूळ लेखकांना गेल्या वर्षभरात पुन्हा नियुक्त केले गेले आहे.

भव्य वैज्ञानिक आव्हाने ते मिथुन पर्यंत

कंपनीने पुष्टी केली की प्रभावित संशोधक Google च्या जेमिनी लार्ज लँग्वेज मॉडेलशी संलग्न असलेल्या प्रकल्पांकडे वळले आहेत, सोबत एनझाइम डिझाइन, न्यूक्लियर फ्यूजन आणि जीनोमिक्ससह संलग्न वैज्ञानिक क्षेत्रे. इतर आयसोमॉर्फिक लॅबमध्ये गेले आहेत, डीपमाइंड स्पिनआउट AI-चालित औषध शोधावर केंद्रित आहे. एफटीला असे आढळून आले की मूळ अल्फाफोल्ड पेपर्सच्या जवळजवळ एक चतुर्थांश पूर्ण-वेळ Google DeepMind लेखकांनी कंपनी पूर्णपणे सोडली आहे.

पुष्मीत कोहली, Google DeepMind चे संशोधन उपाध्यक्ष आणि त्याच्या AI फॉर सायन्स टीमचे संस्थापक आणि प्रमुख, यांनी FT ला सांगितले की लॅबचे लक्ष बदलत आहे. कोहली म्हणाला, "गेल्या नऊ वर्षातील आमची रणनीती भव्य आव्हानांवर लक्ष केंद्रित करणे आहे, प्रत्येक प्रकल्पावर एक ठोस लक्ष्य केंद्रित आहे," कोहली म्हणाला. "रणनीती विकसित झाली आहे."

एका हाय-प्रोफाइल वैज्ञानिक समस्येवर लक्ष केंद्रित करण्याऐवजी ज्या प्रकारे AlphaFold ने प्रोटीन स्ट्रक्चर प्रेडिक्शनला लक्ष्य केले आहे, DeepMind आता वैज्ञानिकांना मदत करण्यासाठी आणि अखेरीस, वैज्ञानिक प्रक्रियेचे स्वयंचलित भाग तयार करण्यासाठी जेमिनी-सक्षम प्रणाली देखील तयार करत आहे. स्वायत्त युक्तिवाद आणि कार्य अंमलबजावणीसाठी सक्षम फ्रंटियर एआय एजंट विकसित करण्यासाठी पिव्हट लॅबला OpenAI आणि Anthropic बरोबर थेट स्पर्धेत ठेवते.

नोबेल विजेते निर्गमन

वेळ धोरणात्मक बदलाचे परिमाण अधोरेखित करते. जीवशास्त्र आणि औषधांच्या शोधात बदल घडवून आणणाऱ्या प्रथिनांच्या संरचनेचा अचूक अंदाज लावणारा अल्फाफोल्ड, वॉशिंग्टन विद्यापीठाच्या डेव्हिड बेकरसह DeepMind च्या डेमिस हसाबिस आणि जॉन जम्पर यांना 2024 च्या रसायनशास्त्रातील नोबेल पारितोषिकाचे केंद्रस्थान होते. FT अहवालाच्या काही आठवड्यांपूर्वी, AlphaFold च्या मागे असलेल्या नोबेल-विजेत्या शास्त्रज्ञांपैकी एक, जम्परने घोषित केले की तो प्रतिस्पर्धी Anthropic मध्ये सामील होण्यासाठी DeepMind सोडत आहे.

निर्गमन AI उद्योगात एक व्यापक प्रतिभा पुनर्संरेखन प्रतिबिंबित करते, जिथे एकेकाळी दीर्घ-क्षितिजाच्या वैज्ञानिक प्रगतीचा पाठपुरावा करणारे संशोधक ग्राहक आणि एंटरप्राइझ एजंट शर्यतीकडे वाढत्या प्रमाणात खेचले जात आहेत. डीपमाइंडचा बक्षीस वैज्ञानिक संघ मिथुन प्रयत्नांमध्ये जोडण्याचा निर्णय सूचित करतो की Google समर्पित वैज्ञानिक मूनशॉट्सऐवजी सामान्य-उद्देशीय भाषेच्या मॉडेलमध्ये सर्वात मोठे नजीकचे मूल्य आणि स्पर्धात्मक जोखीम पाहते.

कामाच्या ठिकाणी एआयचा अवलंब संपूर्ण अर्थव्यवस्थेत वेग घेत असल्याने हे फेरबदल झाले. Google ने या आठवड्यात प्रसिद्ध केलेल्या वेगळ्या संशोधनात असे आढळून आले की कार्यस्थळ AI आता 68 टक्के नोकऱ्यांना स्पर्श करते, जे युनायटेड स्टेट्समधील सुमारे 90 टक्के रोजगाराचे प्रतिनिधित्व करते, जरी कोणत्याही एकाच भूमिकेत कर्मचारी त्यांचा सरासरी केवळ 21 टक्के कामांसाठी वापर करतात. Google मधील तंत्रज्ञान आणि समाजासाठी धोरणात्मक ऑपरेशन्स आणि विशेष प्रकल्पांचे प्रमुख स्कॉट स्ट्रँड यांनी Axios ला सांगितले की, ऑटो टेक्निशियन आणि औद्योगिक मेकॅनिक यांसारख्या मुख्यत: शारीरिक आणि मॅन्युअल भूमिकांमधील ब्लू-कॉलर कामगार, रिअल-टाइम डायग्नोस्टिक्स आणि ऑन-द-जॉब शिकण्यासाठी प्रतिमा आणि व्हिडिओवर प्रक्रिया करणारे मल्टीमॉडल AI वर अधिकाधिक अवलंबून आहेत.

एआय संशोधनासाठी पिव्होटचा अर्थ काय आहे

या हालचालीचा एका कंपनीच्या ऑर्ग चार्टच्या पलीकडे परिणाम होतो. अल्फाफोल्डचे यश पुरावा म्हणून साजरे केले गेले की सखोल शिक्षणाने पूर्वीच्या गुंतागुंतीच्या वैज्ञानिक समस्यांना तडा जाऊ शकतो आणि त्याच्या खुल्या प्रकाशनाने जगभरातील संशोधकांना जवळजवळ प्रत्येक ज्ञात प्रथिनांसाठी अंदाजित संरचनांमध्ये विनामूल्य प्रवेश दिला. ते कौशल्य मिथुन-केंद्रित रोडमॅपमध्ये फोल्ड केल्याने भविष्यातील DeepMind प्रगती अशाच प्रकारे खुली होतील किंवा मालकीच्या उत्पादनांमध्ये वाढत्या प्रमाणात एकत्रित होतील का याबद्दल प्रश्न निर्माण होतो.

प्रतिभा आणि गणना कोठे वाहत आहे हे देखील ते सूचित करते. मूळ AlphaFold लेखकांपैकी जवळजवळ एक चतुर्थांश लेखक निघून गेल्याने आणि उर्वरित पुनर्निर्देशित झाल्यामुळे, AI च्या सर्वात प्रसिद्ध वैज्ञानिक यशांपैकी एकाचे संस्थात्मक ज्ञान विखुरले जात आहे ज्याप्रमाणे क्षेत्राचे गुरुत्वाकर्षण केंद्र विशेष संशोधन मॉडेल्समधून सामान्य-उद्देशीय पाया मॉडेल्स आणि एजंट्सकडे वळते.

पुनर्रचनेचा अर्थ असा नाही की डीपमाइंड विज्ञान सोडत आहे. कोहलीची टीम एंजाइम डिझाइन, न्यूक्लियर फ्यूजन आणि जीनोमिक्सवर काम करत आहे. परंतु स्टँडअलोन अल्फाफोल्ड प्रोग्राम, ज्याने नोबेल पारितोषिक जिंकले आहे, असे दिसते की वैज्ञानिक शोध जेमिनीमधून प्रवाहित होतो. Google आणि व्यापक संशोधन समुदायासाठी ही पैज चुकते की नाही, ही सध्याच्या AI चक्रातील परिभाषित कथांपैकी एक असेल.

AI च्या पुढे रहा

आमच्या नवीनतम AI बातम्या आणि विश्लेषण सह उद्योगाची पुनर्परिभाषित करण्याच्या धोरणात्मक हालचालींचा मागोवा घ्या.

अधिक AI बातम्या एक्सप्लोर करा