Tin ngành
Google giải thể đội ngũ AlphaFold, điều chuyển nhân sự sang dự án Gemini
(giờ Việt Nam)
Tóm tắt AI
DeepMind đã giải thể nhóm phát triển AlphaFold, chuyển hướng nhân sự sang các dự án Gemini và nghiên cứu khoa học chuyên sâu. Nhiều tác giả chủ chốt đã rời công ty, đánh dấu bước chuyển dịch trọng tâm của Google sang AI tạo sinh.
Bản dịch AI
Theo giờ Bắc Kinh ngày 29 tháng 7, tờ Financial Times đưa tin, DeepMind, phòng thí nghiệm AI trực thuộc Google, đã giải thể đội ngũ đứng sau AlphaFold – hệ thống AI từng đoạt giải Nobel được sử dụng để dự đoán cấu trúc protein.
Hiện tại, công ty đang điều chỉnh toàn diện chiến lược nghiên cứu khoa học của mình, chiến lược từng giúp họ trở thành một trong những phòng thí nghiệm AI hàng đầu thế giới.

Theo phân tích của Financial Times về những thay đổi nhân sự gần đây và thông tin từ những người trong cuộc, trong năm qua, phần lớn các tác giả gốc của bài báo về AlphaFold đã được điều chuyển sang các đội ngũ khác.
DeepMind xác nhận rằng những nhân viên này đã được luân chuyển nội bộ để tham gia vào các dự án xoay quanh mô hình ngôn ngữ lớn Gemini của Google, cũng như các lĩnh vực như thiết kế enzyme, phản ứng nhiệt hạch và hệ gen học. Một số nhân sự khác đã được điều chuyển sang Isomorphic Labs, công ty khám phá thuốc trực thuộc Alphabet. Trong số các tác giả toàn thời gian của Google DeepMind trong bài báo gốc về AlphaFold, gần một phần tư đã hoàn toàn rời khỏi công ty.
Cuộc tái cơ cấu này phản ánh sự thay đổi lớn trong chiến lược nghiên cứu khoa học của DeepMind kể từ khi các mô hình ngôn ngữ lớn trỗi dậy.
"Trong chín năm qua, chiến lược của chúng tôi luôn là tập trung vào các thách thức khoa học lớn, để mỗi dự án xoay quanh một mục tiêu rõ ràng. Giờ đây, chiến lược đó đã thay đổi", Pushmeet Kohli, Phó chủ tịch nghiên cứu tại Google DeepMind, cho biết. Ông là người sáng lập và lãnh đạo đội ngũ "AI for Science" của Google DeepMind.
Ông cho biết, DeepMind hiện không còn tổ chức các đội ngũ nghiên cứu xoay quanh những vấn đề khoa học đơn lẻ như gấp cuộn protein nữa, mà tập trung vào việc xây dựng các hệ thống được vận hành bởi Gemini, có khả năng hỗ trợ các nhà khoa học thực hiện nghiên cứu và cuối cùng là tự động hóa một phần quy trình nghiên cứu khoa học. Đồng thời, DeepMind cũng đang cạnh tranh với OpenAI và Anthropic trong việc phát triển các AI agent tiên tiến nhất.
DeepMind bắt đầu phát triển AlphaFold vào năm 2018. Hệ thống này sử dụng AI để dự đoán cấu trúc ba chiều của protein, tạo ra cuộc cách mạng trong nghiên cứu sinh học. Thành tựu mang tính đột phá này đã giúp Phó chủ tịch kiêm kỹ sư nghiên cứu John Jumper và CEO của DeepMind, Demis Hassabis, giành giải Nobel Hóa học năm 2024.
Đầu năm nay, Jumper và một nhà nghiên cứu khác của AlphaFold là Jonas Adler đã chuyển sang đội ngũ "Code Strike" nội bộ của Google. Đội ngũ này được thành lập nhằm nâng cao năng lực của công ty trong lĩnh vực lập trình AI để bắt kịp Anthropic và OpenAI.
Tháng trước, Jumper thông báo ông sẽ rời công ty để gia nhập Anthropic, cùng với đó là Adler và đồng nghiệp tại AlphaFold là Alexander Pritzel.
Một nhân viên DeepMind yêu cầu giấu tên cho biết, cả ba người họ đều là những "thành viên chủ chốt, quan trọng và cốt lõi" của công ty, và sự ra đi của họ đã gây chấn động trong nội bộ.
DeepMind cho biết, sự luân chuyển của các nhà nghiên cứu phản ánh sự tiến hóa không ngừng trong các ưu tiên khoa học của công ty. Công ty tuyên bố: "Chúng tôi vô cùng tự hào về truyền thống khoa học cũng như tầm ảnh hưởng toàn cầu của AlphaFold. AlphaFold cũng là nguồn cảm hứng cho sự ra đời của Isomorphic Labs với sứ mệnh tái định nghĩa việc khám phá thuốc."
Tuyên bố quảng cáo: Các liên kết chuyển hướng bên ngoài trong bài viết (bao gồm nhưng không giới hạn ở siêu liên kết, mã QR, mật khẩu, v.v.) được sử dụng để truyền tải thêm thông tin, tiết kiệm thời gian lựa chọn, kết quả chỉ mang tính chất tham khảo, tất cả các bài viết của IT đều bao gồm tuyên bố này.
Bài viết được AI dịch và tổng hợp tự động từ IT Home. Liên kết bài gốc ở phía trên. Dữ liệu đồng bộ qua API công khai được ghi nguồn tại AI HOT (canonical) ↗. AIHOT.vn luôn dẫn nguồn đầy đủ — nếu bạn thấy điểm cần chỉnh sửa, hãy gửi ý kiến tại trang phản hồi.