Почему Google DeepMind распустила команду AlphaFold

Google закрыла команду AlphaFold. Почему это не конец проекта, а начало новой эпохи ИИ в науке

AlphaFold решил задачу, над которой биологи работали полвека

Проблема пространственной структуры белков десятилетиями считалась одной из самых сложных в биологии. Белок представляет собой длинную цепочку аминокислот, которая самопроизвольно складывается в трехмерную форму. Именно эта форма определяет, сможет ли белок выполнять свою функцию в организме.

Экспериментальное определение структуры одного белка могло занимать месяцы или даже годы и требовало дорогостоящих лабораторных методов, таких как рентгеновская кристаллография или криоэлектронная микроскопия.

AlphaFold радикально изменил ситуацию. Вместо длительных экспериментов система научилась предсказывать наиболее вероятную пространственную структуру белка исключительно по последовательности аминокислот. Для миллионов белков мира подобные модели стали доступны практически мгновенно.

Это стало одним из крупнейших достижений искусственного интеллекта в фундаментальной науке. В 2024 году Демис Хассабис и Джон Джампер получили Нобелевскую премию по химии за разработку AlphaFold.

Почему Google распускает команду сразу после мирового успеха

По данным Financial Times, за последний год большинство участников первоначальной команды AlphaFold были переведены в другие подразделения Google DeepMind. Часть специалистов работает над универсальной моделью Gemini, другие занимаются геномикой, исследованиями в области управляемого термоядерного синтеза, проектами в области программирования или были переведены в компанию Isomorphic Labs. Около четверти авторов оригинальных публикаций AlphaFold покинули корпорацию. Последним громким уходом стал Джон Джампер, который летом 2026 года перешел в Anthropic.

На первый взгляд подобная перестройка выглядит неожиданной. Однако внутри крупных исследовательских организаций подобная логика встречается достаточно часто. Когда фундаментальная технологическая задача считается в основном решенной, компания начинает переносить ресурсы на следующий этап развития.

AlphaFold перестал быть экспериментальным исследовательским проектом и превратился в технологическую платформу, вокруг которой теперь строятся новые научные направления.

Вместо отдельных научных инструментов — единый интеллектуальный помощник ученого

Наиболее важная часть этой новости связана вовсе не с кадровыми перестановками.

Вице-президент Google DeepMind Пушмит Коли объяснил, что стратегия компании постепенно меняется. Если раньше создавались специализированные системы для решения отдельных научных задач, то теперь компания делает ставку на универсальные модели Gemini, способные помогать исследователям независимо от области науки.

Это принципиально иной подход.

AlphaFold создавался исключительно для прогнозирования структуры белков.

Новые модели должны уметь читать научные статьи, анализировать огромные массивы данных, строить гипотезы, помогать проектировать эксперименты, писать программный код, работать с химическими структурами, геномикой, физикой и многими другими дисциплинами одновременно.

Иными словами, Google постепенно переходит от создания отдельных «инструментов» к разработке универсального научного искусственного интеллекта.

Isomorphic Labs становится главным наследником AlphaFold

Еще одна важная деталь заключается в том, что развитие технологий AlphaFold вовсе не прекращается.

Значительная часть специалистов была переведена в Isomorphic Labs — дочернюю компанию Alphabet, которая занимается созданием лекарств с использованием искусственного интеллекта.

Если AlphaFold в основном отвечал на вопрос «как устроен белок», то Isomorphic Labs пытается решить гораздо более прикладную задачу: использовать эти знания для поиска новых лекарственных молекул.

Компания уже сотрудничает с крупными фармацевтическими производителями, включая Новартис и Eli Lilly, а летом 2026 года привлекла более 2 млрд долларов инвестиций для масштабирования собственной платформы разработки лекарств. Она также представила систему Drug Design Engine, которая в ряде задач превосходит возможности AlphaFold 3 при прогнозировании взаимодействия белков и лекарственных молекул.

Поэтому говорить о прекращении развития AlphaFold было бы неправильно. Скорее, технология переходит из стадии фундаментальной науки в стадию промышленного применения.

Для разработки лекарств начинается следующий этап

История AlphaFold показывает, насколько быстро меняется сама роль искусственного интеллекта в биомедицине.

Первое поколение систем помогало ученым быстрее получать информацию.

Следующее поколение должно помогать принимать научные решения.

Если универсальные модели действительно смогут объединить знания из биологии, химии, физики, медицины и программирования, процесс разработки новых лекарств может стать значительно более интегрированным. Искусственный интеллект сможет не только предсказывать структуру белков, но и искать новые терапевтические мишени, проектировать молекулы-кандидаты, анализировать результаты экспериментов и предлагать направления для дальнейших исследований.

Однако важно понимать ограничения.

Даже самые совершенные модели не заменяют лабораторные исследования. Любые компьютерные прогнозы требуют экспериментальной проверки. Кроме того, создание лекарства остается длительным процессом, включающим доклинические исследования, клинические испытания и регуляторную оценку безопасности и эффективности.

Главный вывод этой истории находится за пределами AlphaFold

Распускать команду, получившую Нобелевскую премию, кажется нелогичным только до тех пор, пока AlphaFold воспринимается как конечная цель.

На самом деле он оказался промежуточной ступенью.

Google демонстрирует, что будущее искусственного интеллекта в науке связано уже не с созданием отдельных выдающихся алгоритмов для одной задачи, а с формированием универсальных интеллектуальных систем, способных ускорять научные открытия практически во всех областях исследований.

Это означает, что следующие крупнейшие открытия могут происходить уже не благодаря одной специализированной модели, а благодаря сотрудничеству ученых с универсальными научными ИИ-платформами.