Google scioglie il team AlphaFold mentre i ricercatori si spostano verso Gemini

Secondo un report di engadget su Google pubblicato il 30 luglio, Google ha smantellato il team dedicato ad AlphaFold, nonostante i suoi risultati premiati con il Nobel. I ricercatori sarebbero stati trasferiti a Gemini, ad altri progetti scientifici e a Isomorphic Labs, l'azienda di Alphabet specializzata nella scoperta di farmaci. Tuttavia, le prove disponibili non dimostrano che Google abbia chiuso AlphaFold stesso.

Questa distinzione cambia il quadro. Google non sta semplicemente abbandonando un modello scientifico di successo per costruire un altro chatbot. Sembra invece sostituire un team di ricerca specializzato con un sistema più ampio, organizzato attorno a Gemini, modelli fondazionali condivisi e programmi scientifici orientati al commerciale.

La riorganizzazione segue inoltre un'importante partenza. John Jumper, che guidava il team AlphaFold e ha condiviso il Premio Nobel per la Chimica 2024, ha lasciato Google DeepMind per Anthropic a giugno. Il suo passaggio rende la ristrutturazione più competitiva, poiché Anthropic è uno dei rivali più vicini di Google nei modelli fondazionali e negli agenti di coding.

La vera domanda, quindi, non è se AlphaFold scomparirà domani. È se Google riuscirà a preservarne la profondità scientifica dopo aver disperso le persone che hanno trasformato un difficile problema di biologia in uno dei benefici pubblici più evidenti dell'IA.

Cosa dice davvero il report di Engadget su Google e AlphaFold

Google ha concluso la struttura di team dedicata ad AlphaFold, ma le notizie sulla morte del progetto vanno oltre i fatti confermati.

Il resoconto originale, attribuito a reportage del Financial Times e successivamente ripreso da Engadget, afferma che Google DeepMind ha smantellato il team dietro AlphaFold. Alcuni ricercatori sono stati riassegnati a Gemini, mentre altri si sono spostati verso programmi scientifici o Isomorphic Labs.

Un team può cessare di esistere senza che la sua tecnologia diventi indisponibile. A luglio 2026 Google presentava ancora AlphaFold 3 come strumento scientifico attivo. Il 22 luglio, l'azienda lo ha incluso in un portafoglio offerto ai ricercatori attraverso un impegno a sostegno della Genesis Mission del governo degli Stati Uniti.

L'annuncio descriveva AlphaFold 3 come un sistema per prevedere le strutture e le interazioni di proteine e altre biomolecole. Collocava il modello accanto ad AlphaEvolve, un sistema basato su Gemini per progettare e ottimizzare algoritmi, all'interno dell'attuale portafoglio scientifico di Google.

La tempistica conta. Google ha promosso AlphaFold 3 attraverso la Genesis Mission appena una settimana prima dell'emersione delle notizie secondo cui il team originale era stato smembrato. Questo non è coerente con la semplice affermazione che Google abbia chiuso ogni parte del progetto.

Una lettura più precisa è che AlphaFold sia andato oltre la sua originaria collocazione organizzativa. Il suo database, i modelli, le partnership e le applicazioni commerciali possono continuare anche se il gruppo responsabile delle prime ricerche non esiste più come unità unica.

Anche l'AlphaFold Protein Structure Database dispone di sostegno istituzionale al di fuori di Google. Google DeepMind lo ha sviluppato con l'European Bioinformatics Institute di EMBL, che fornisce infrastruttura scientifica e distribuzione. Google aveva precedentemente dichiarato che il database conteneva oltre 200 milioni di strutture previste, coprendo quasi ogni proteina catalogata nota alla scienza.

AlphaFold 3 ha esteso il sistema oltre le singole forme proteiche. È stato progettato per prevedere interazioni che coinvolgono proteine, DNA, RNA, ioni e piccole molecole. Queste capacità sono particolarmente rilevanti per la ricerca farmacologica, in cui gli scienziati devono stimare come una molecola candidata potrebbe legarsi a un bersaglio biologico.

Google e Isomorphic Labs hanno presentato AlphaFold 3 insieme nel 2024. Questa paternità condivisa ha reso meno netta la separazione tra ricerca di base e sviluppo commerciale di farmaci. Isomorphic Labs potrebbe applicare metodi correlati al lavoro farmaceutico, mentre Google DeepMind continuava a sviluppare un'IA scientifica più ampia.

La riallocazione riportata sembra quindi una transizione organizzativa, non la cancellazione degli asset sottostanti. Crea comunque incertezza, perché i team custodiscono conoscenze che modelli, repository di codice e database non possono catturare completamente.

Gran parte di quella conoscenza rimane tacita. I ricercatori ricordano esperimenti falliti, comportamenti inspiegati, limiti dei dati e decisioni progettuali che non sono mai arrivate in un articolo. Disperderli può rallentare il lavoro futuro anche quando ogni artefatto formale resta disponibile.

È questo rischio a spiegare perché il titolo di engadget su Google ha attirato attenzione. La vicenda riguarda più di una casella in un organigramma. Solleva interrogativi su chi manterrà AlphaFold, chi ne definirà i prossimi obiettivi di ricerca e se tali obiettivi serviranno ora prima Gemini o Isomorphic Labs.

Perché Google sta organizzando più ricerca attorno a Gemini

Gemini sta diventando un'infrastruttura condivisa per il lavoro di IA di Google, compresa la scoperta scientifica, anziché restare solo un assistente per i consumatori.

Google DeepMind sviluppa oggi i modelli dietro Gemini, mentre Google distribuisce queste capacità attraverso Search, Workspace, Cloud, Android e l'app Gemini. Una scoperta di ricerca incorporata in Gemini può quindi raggiungere più prodotti rispetto a un sistema autonomo con una sola funzione scientifica.

Questa distribuzione crea un forte incentivo organizzativo. Un team specializzato può compiere progressi profondi in un singolo campo, ma i suoi metodi possono rimanere isolati. Un gruppo dedicato ai modelli fondazionali può riutilizzare i progressi in ragionamento, coding, uso di strumenti ed elaborazione multimodale in molti progetti.

Le recenti pubblicazioni scientifiche di Google mostrano questa strategia nella pratica. AlphaEvolve utilizza modelli Gemini per proporre, valutare e perfezionare programmi informatici. Il sistema è rivolto a problemi di ottimizzazione in aree quali progettazione di chip, infrastruttura di calcolo e ricerca matematica.

Google ha reso AlphaEvolve disponibile tramite Google Cloud nel luglio 2026. Questo rilascio collega la ricerca scientifica a un canale di prodotto con utenti esterni, domanda misurata e responsabilità commerciale.

L'AI co-scientist di Google segue un modello simile. Utilizza più agenti basati su Gemini per generare, discutere e migliorare ipotesi scientifiche. Un agente è un sistema guidato da un modello che può svolgere una sequenza di compiti, consultare strumenti e rivedere il proprio lavoro verso un obiettivo dichiarato.

Questo approccio tratta Gemini come un livello generale di ragionamento. Sistemi scientifici specializzati possono quindi fornire dati, metodi di valutazione o strumenti di dominio attorno a quel livello. L'esperienza di AlphaFold può contribuire a questa architettura anche se il suo team originale non sopravvive intatto.

La strategia riflette anche l'economia dell'IA di frontiera. Addestrare e gestire modelli di grandi dimensioni richiede notevoli infrastrutture di calcolo. Le aziende vogliono che tali modelli supportino molti prodotti, anziché finanziare stack tecnici separati per ogni ambito di ricerca.

Tuttavia, un'infrastruttura condivisa non elimina la necessità di specialisti. La previsione della struttura proteica dipende da dati biologici, vincoli fisici, validazione sperimentale e valutazioni specifiche del dominio. Una capacità generale di ragionamento non può sostituire queste discipline.

La versione produttiva della strategia di Google combinerebbe le ampie capacità di Gemini con team scientifici focalizzati. I ricercatori potrebbero usare Gemini per esaminare la letteratura, scrivere codice di analisi, formulare ipotesi e coordinare strumenti. Sistemi simili ad AlphaFold potrebbero fornire previsioni strutturate che tali agenti valutano.

Google ha già descritto un flusso di lavoro di questo tipo. In un esempio, il suo team scientifico ha usato Gemini per identificare ed estrarre informazioni da un sottoinsieme rilevante di 200.000 articoli. Questo compito illustra il valore di un modello generale nel navigare la letteratura scientifica, ma non sostituisce le prove di laboratorio né i sistemi di previsione specializzati.

Il pericolo organizzativo emerge quando l'integrazione diventa consolidamento. Se ogni progetto deve servire la roadmap immediata di Gemini, le domande di ricerca dal valore commerciale incerto possono perdere personale e attenzione. AlphaFold stesso ha richiesto anni di lavoro mirato prima che la sua importanza diventasse evidente al di fuori della biologia computazionale.

Questo è anche un problema di gestione della conoscenza. I team che cercano di preservare decisioni, esperimenti e contesto tecnico dopo una riorganizzazione necessitano di una base di conoscenza tecnica ricercabile. La documentazione aiuta, ma non può sostituire del tutto la collaborazione continua tra i ricercatori originali.

La scommessa di Google è che una struttura più integrata diffonderà più rapidamente i progressi scientifici. Il rischio opposto è che l'integrazione indebolisca la concentrazione di competenze che ha prodotto tali progressi.

L'eredità Nobel di AlphaFold rende questa una vera inversione di rotta

Google sta disperdendo il team dietro il suo più celebrato risultato nell'IA scientifica meno di due anni dopo che quel lavoro ha ricevuto un Premio Nobel.

La Royal Swedish Academy of Sciences ha assegnato metà del Premio Nobel per la Chimica 2024 a Demis Hassabis e John Jumper. Ha riconosciuto il loro lavoro nell'uso dell'intelligenza artificiale per prevedere le strutture proteiche. David Baker ha ricevuto l'altra metà per la progettazione computazionale delle proteine.

Le proteine iniziano come catene di amminoacidi, ma le loro funzioni biologiche dipendono in larga misura dalle loro forme tridimensionali. Determinare sperimentalmente tali forme può richiedere un lavoro esteso con tecniche come la cristallografia a raggi X, la risonanza magnetica nucleare o la microscopia crioelettronica.

AlphaFold 2 ha migliorato nettamente le previsioni computazionali di queste strutture. La sua performance alla Critical Assessment of Structure Prediction del 2020, una valutazione scientifica ricorrente nota come CASP, ha convinto molti ricercatori che la sfida di lunga data del ripiegamento proteico fosse cambiata in modo fondamentale.

Il team ha pubblicato il sistema su Nature nel 2021. Google ha poi collaborato con EMBL-EBI per costruire un database che rendesse le strutture previste ampiamente accessibili. I ricercatori hanno usato tali previsioni per studiare argomenti tra cui malattie trascurate, bersagli farmacologici, evoluzione delle proteine e resistenza antimicrobica.

Google afferma che oltre due milioni di ricercatori hanno usato AlphaFold 2 per lavori riguardanti vaccini, trattamenti contro il cancro e altre questioni scientifiche. Questa cifra proviene dall'azienda, ma la presenza diffusa di AlphaFold nella ricerca pubblicata dimostra in modo indipendente una notevole adozione.

Il sistema ha inoltre creato un raro esempio positivo durante un dibattito sull'IA sempre più controverso. AlphaFold aveva uno scopo scientifico definito, forniva ai ricercatori risultati pratici e poteva essere valutato rispetto a strutture sperimentali. Era più facile da spiegare di un modello generale il cui valore dipendeva da conversazioni incoerenti o contenuti generati.

Quella reputazione ha dato a Google DeepMind qualcosa di strategicamente importante. Ha sostenuto l'argomento del laboratorio secondo cui la ricerca avanzata sull'IA poteva produrre benefici scientifici pubblici, anziché soltanto funzionalità pubblicitarie, chatbot o automazione.

Lo smembramento riportato ribalta la struttura di ricompensa attesa. Un team ha ottenuto un risultato scientifico fondamentale, sostenuto una risorsa di ricerca globale e ricevuto il massimo riconoscimento del settore. Google ha poi sciolto quel team come unità distinta.

Ciò non dimostra che Google abbia perso interesse per la scienza. L'azienda continua a promuovere AlphaFold 3, AlphaGenome, AI co-scientist, AlphaEvolve, i modelli meteorologici e altri sistemi di ricerca. Isomorphic Labs offre inoltre ad Alphabet un veicolo diretto per applicare l'AI alla scoperta di farmaci.

Tuttavia, la riorganizzazione cambia ciò che il successo sembra garantire all'interno dell'azienda. Un'eccellenza scientifica specializzata non ha assicurato continuità organizzativa. I ricercatori possono ragionevolmente interpretare questo segnale quando decidono se affrontare un problema circoscritto e di lungo periodo oppure unirsi a un programma centrale sui foundation model.

L'uscita di John Jumper rende questo cambiamento di rotta più rilevante. Secondo le sue dichiarazioni pubbliche riportate a giugno, Jumper ha attribuito a Hassabis il merito di avergli permesso di guidare AlphaFold appena sei mesi dopo aver conseguito il dottorato. Questo racconto riflette una cultura della ricerca disposta ad affidare responsabilità insolite a un giovane scienziato.

Il reclutamento di Jumper da parte di Anthropic trasferisce parte di quell'esperienza a un concorrente diretto. Le sue future responsabilità non sono state ancora illustrate completamente in pubblico, quindi sarebbe prematuro supporre che costruirà un rivale di AlphaFold. La sua competenza nella modellazione scientifica, nella leadership della ricerca e nelle architetture neurali complesse resta strategicamente preziosa.

Google deve ora dimostrare che la cultura che ha reso possibile AlphaFold può sopravvivere senza la sua struttura originaria. Il Premio Nobel registra ciò che il team ha già realizzato. Non garantisce che il prossimo progetto altrettanto ambizioso emergerà da un'organizzazione più centralizzata.

La sfida principale è tra scienza specializzata e AI generale

La tensione centrale non è AlphaFold contro Gemini come prodotti, ma la profondità scientifica specializzata contro un modello generale che Google vuole portare ovunque.

AlphaFold e Gemini risolvono classi di problemi diverse. AlphaFold predice strutture e interazioni biomolecolari. Gemini elabora testo, immagini, audio, video, codice e altre informazioni in una gamma molto più ampia di attività.

Questa differenza rende privo di significato un confronto diretto tramite benchmark. Non si può dichiarare Gemini migliore perché gestisce più compiti. Non si può dichiarare AlphaFold superiore perché offre un valore maggiore all'interno di un unico dominio specializzato.

La sfida importante riguarda l'organizzazione della ricerca. Google dovrebbe mantenere team indipendenti costruiti attorno a difficili problemi scientifici, oppure dovrebbe concentrare tali sforzi su una piattaforma Gemini condivisa?

Un gruppo dedicato sviluppa competenze peculiari attorno a un singolo obiettivo. I suoi ricercatori possono creare dataset specifici per il dominio, procedure di valutazione, pratiche di sicurezza e collaborazioni. Possono perseguire miglioramenti importanti per gli scienziati anche quando tali miglioramenti hanno poca rilevanza per i prodotti consumer.

Un'organizzazione incentrata su Gemini offre vantaggi diversi. I modelli comuni possono condividere i progressi nel ragionamento e nell'uso degli strumenti. Gli investimenti in infrastrutture possono sostenere molti team. Nuove capacità possono arrivare più rapidamente nei prodotti cloud e nei servizi consumer.

Le recenti decisioni di Google indicano che il secondo modello sta guadagnando influenza. L'app Gemini è passata a Google DeepMind nel 2024. L'azienda ha inoltre riorganizzato i team AI orientati ai prodotti e collegato più strettamente i progetti sperimentali a Gemini.

La concorrenza rappresenta una parte della pressione. OpenAI, Anthropic, Meta e Microsoft stanno gareggiando per migliorare foundation model, agenti di coding, assistenti alla ricerca e piattaforme per sviluppatori. Ogni importante rilascio di un modello può influenzare l'adozione da parte delle imprese e la percezione della leadership tecnica.

Anthropic esercita una pressione particolare perché Claude ha costruito una posizione forte nel coding e nel lavoro agentico. Il passaggio di Jumper aggiunge peso simbolico a questa rivalità, anche se la sua futura ricerca non sarà rivolta alla previsione delle proteine.

I progetti scientifici specializzati seguono una tempistica diversa. Un modello biologico può richiedere anni di sviluppo e un'attenta validazione esterna. Il suo successo può emergere attraverso citazioni, scoperte sperimentali o pipeline cliniche anziché una crescita immediata tra i consumatori.

Isomorphic Labs offre a Google un modo per risolvere parte di questo conflitto. Può trasformare le previsioni strutturali e i metodi AI correlati in programmi di progettazione di farmaci con partner farmaceutici. Ciò fornisce una destinazione commerciale per capacità scientifiche nate in DeepMind.

Tuttavia, la commercializzazione introduce un'altra tensione. AlphaFold 2 è diventato influente anche perché Google ha rilasciato il codice e un vasto database pubblico. AlphaFold 3 ha inizialmente offerto un accesso più limitato e il suo utilizzo nella scoperta commerciale di farmaci si è intrecciato con gli interessi commerciali di Isomorphic Labs.

I ricercatori hanno criticato l'iniziale assenza del codice completo e dei pesi del modello di AlphaFold 3. Google ha poi rilasciato il codice sorgente, ma le questioni di accesso e riproducibilità sono rimaste parte del dibattito. L'episodio ha mostrato come una risorsa scientifica possa diventare più difficile da separare dalla strategia commerciale di Alphabet.

Anche concorrenti e gruppi accademici continuano a sviluppare alternative. Sistemi come RoseTTAFold, OpenFold e altri modelli di previsione strutturale riducono la dipendenza da una sola azienda. La loro esistenza significa che il campo scientifico può continuare anche se Google cambia direzione.

Tuttavia, sostituire un modello è diverso dal sostituire l'ambiente che lo ha prodotto. AlphaFold ha combinato machine learning, biologia, ingegneria, risorse computazionali e una leadership costante. Un'implementazione aperta può riprodurre parti di un sistema senza riprodurre quella combinazione istituzionale.

L'esito migliore non richiederebbe di scegliere esclusivamente una delle due strade. Gemini potrebbe aiutare gli scienziati a orientarsi nella letteratura e a coordinare la ricerca, mentre gruppi specializzati svilupperebbero modelli fondati sulla biologia o sulla fisica. Isomorphic Labs potrebbe sviluppare farmaci mentre le istituzioni pubbliche mantengono risorse scientifiche accessibili.

La riorganizzazione riportata solleva dubbi perché Google ha rimosso il più chiaro centro organizzativo per questo equilibrio. Ora ha l'onere di dimostrare che la specializzazione rimane una priorità all'interno della sua strategia basata sui modelli generali.

Cosa non dimostra la narrativa della chiusura

Lo scioglimento del team è significativo, ma non dimostra che AlphaFold abbia cessato di operare o che Google abbia abbandonato l'AI scientifica.

L'affermazione confermata più forte riguarda l'organizzazione. Le notizie riportano che il team dedicato è stato smantellato e i suoi membri dispersi. Le prove pubbliche non stabiliscono che Google abbia eliminato il database AlphaFold, ritirato AlphaFold 3 o interrotto il lavoro che coinvolge i suoi metodi.

L'attività di Google nel luglio 2026 indica il contrario. L'azienda ha continuato a citare AlphaFold tra gli strumenti offerti agli utenti scientifici. Ha inoltre discusso AlphaFold in un quadro sulla biosicurezza pubblicato nello stesso mese.

L'approccio alla bioresilienza di Google ha raggruppato AlphaFold con AlphaGenome e la tecnologia di progettazione di farmaci di Isomorphic Labs. Il documento ha descritto questi sistemi come strumenti che cambiano ciò che i ricercatori possono comprendere e progettare in biologia, creando al contempo responsabilità per la sicurezza.

Queste azioni non garantiscono un futuro AlphaFold 4. Google non si è impegnata pubblicamente per un calendario di rilascio, un team sostitutivo o una specifica struttura di manutenzione a lungo termine. I continui riferimenti ad AlphaFold potrebbero riflettere il supporto ad asset esistenti anziché lo sviluppo attivo di un successore.

L'espressione “chiude AlphaFold” comprime quindi diverse possibilità. Google potrebbe mantenere il modello attuale senza una nuova versione importante. Potrebbe integrare i metodi di AlphaFold in agenti scientifici più ampi. Potrebbe trasferire una quota maggiore dello sviluppo a Isomorphic Labs. Potrebbe assegnare un nuovo gruppo dopo la transizione.

Ogni percorso avrebbe conseguenze diverse. La manutenzione preserverebbe l'accesso ma rallenterebbe il progresso della ricerca. L'integrazione potrebbe ampliare la portata di AlphaFold rendendone meno visibile il contributo. Un passaggio verso Isomorphic Labs potrebbe accelerare le applicazioni farmaceutiche ma aumentare le restrizioni commerciali.

Anche le prove sul personale richiedono un trattamento attento. L'uscita di Jumper è confermata dalle notizie e dalla sua stessa dichiarazione pubblica, ma lo status di ogni collaboratore di AlphaFold non è documentato pubblicamente. Alcuni ricercatori potrebbero restare in Google con nuovi ruoli, mentre altri potrebbero essere passati a Isomorphic Labs o aver lasciato l'azienda.

Lo scioglimento ufficiale di un team può talvolta seguire un trasferimento riuscito. Quando una tecnologia diventa infrastruttura, il gruppo di progetto originario potrebbe non essere più necessario. Servizi cloud, database, team di prodotto e istituzioni partner possono assumere la responsabilità operativa.

La situazione di AlphaFold è diversa perché lo sviluppo scientifico rimane incompleto. AlphaFold 3 ha migliorato le previsioni che coinvolgono interazioni molecolari, ma i risultati computazionali richiedono ancora una validazione sperimentale. L'accuratezza varia in base al bersaglio, alla qualità dell'input, alla classe molecolare e alla disponibilità di dati di addestramento correlati.

La struttura prevista non rivela inoltre ogni aspetto del comportamento biologico. Le proteine possono cambiare forma, interagire all'interno delle cellule, rispondere agli ambienti chimici e partecipare a processi dinamici. Una previsione statica o probabilistica non può cogliere il sistema biologico completo.

La scoperta di farmaci aggiunge ulteriore incertezza. Prevedere un'interazione plausibile non stabilisce che un composto sarà sicuro, efficace, producibile o avrà successo nelle sperimentazioni cliniche. Isomorphic Labs e i suoi partner necessitano ancora di prove sperimentali e cliniche.

Questi limiti rafforzano le ragioni a favore di esperti di dominio dedicati. Impediscono inoltre la semplice conclusione che Google stia abbandonando un problema risolto. La previsione della struttura proteica è avanzata in modo drastico, ma la biologia computazionale contiene ancora molte questioni irrisolte.

La valutazione prudente è che Google abbia concluso un team importante e ridistribuito il suo talento. La tecnologia AlphaFold rimane attiva, ma la sua traiettoria di ricerca è ora meno trasparente.

Tre segnali mostreranno se la scommessa di Google funziona

Le prossime prove arriveranno dalla roadmap tecnica di AlphaFold, dalla destinazione dei suoi ricercatori e dalle prestazioni di Gemini nel lavoro scientifico reale.

Il primo segnale è un piano concreto per lo sviluppo di AlphaFold. Google può chiarire chi mantiene AlphaFold 3, se è previsto un altro modello importante e come proseguirà la partnership sul database con EMBL-EBI.

Un rilascio sostanziale indebolirebbe l'affermazione secondo cui la riorganizzazione rappresenta una ritirata. Tale rilascio dovrebbe includere prove tecniche, valutazioni indipendenti e condizioni di accesso che permettano agli scienziati di comprendere cosa è cambiato.

Il silenzio avrebbe un significato diverso. Se Google continuerà a promuovere i risultati esistenti di AlphaFold senza presentare nuova ricerca, il progetto potrebbe entrare in una fase di manutenzione. Ciò ne preserverebbe l'eredità riducendone però il ruolo alla frontiera.

Il secondo segnale è dove andranno i ricercatori originari. La riassegnazione a team scientifici Gemini attivi sosterrebbe l'argomento dell'integrazione di Google. Il passaggio a Isomorphic Labs suggerirebbe che lo sviluppo di farmaci fornisce ora la principale sede istituzionale per l'esperienza su AlphaFold.

Ulteriori partenze rafforzerebbero le preoccupazioni per la perdita di capacità di ricerca. Il passaggio di Jumper ad Anthropic mostra già che i concorrenti possono reclutare persone che comprendono come Google abbia organizzato uno dei suoi progetti di maggior successo.

Il terzo segnale è la validazione indipendente dei sistemi scientifici basati su Gemini. Google ha presentato AI co-scientist e AlphaEvolve come esempi di una piattaforma di scoperta più ampia. Questi sistemi necessitano di valutazione tramite risultati riproducibili, ricercatori esterni e risultati utili oltre le dimostrazioni interne di Google.

Il sistema co-scientist di Google DeepMind utilizza agenti Gemini per proporre e discutere ipotesi. Se i laboratori esterni riusciranno a convalidare tali ipotesi in modo coerente, la strategia dei modelli generali acquisirà credibilità.

Risultati deboli o incoerenti metterebbero in luce il costo del consolidamento. Un modello generale può produrre un linguaggio di ricerca plausibile senza eguagliare l’affidabilità di un sistema specializzato valutato rispetto a strutture fisiche. L’utilità scientifica dipende dalle prove, non dalla scioltezza conversazionale.

I lettori dovrebbero inoltre osservare come Google descrive AlphaFold. Definire il progetto attivo rifiutandosi al contempo di identificare i team responsabili lascerebbe un vuoto di responsabilità. Una chiara titolarità è importante per la manutenzione del database, la segnalazione di problemi di sicurezza, le decisioni di accesso e le future partnership scientifiche.

Per gli sviluppatori, la lezione più ampia riguarda la dipendenza dalle piattaforme. Un modello ampiamente utilizzato può continuare a esistere mentre cambia il suo team interno, ma priorità, interfacce e regole di accesso possono comunque cambiare. I ricercatori hanno bisogno di flussi di lavoro riproducibili e di alternative per le attività critiche.

Per gli acquirenti aziendali, la riorganizzazione mostra che Google vuole rendere Gemini un livello comune tra prodotti e domini specializzati. Questo può semplificare l’integrazione, ma può anche concentrare il rischio in un’unica famiglia di modelli e nella roadmap di un unico fornitore.

Per gli scienziati, il compito immediato è separare il titolo dalla realtà operativa. AlphaFold resta disponibile e Google continua a promuoverlo. Il gruppo che lo ha creato non sembra più esistere nella sua forma originaria.

Il rapporto engadget google coglie un’inversione reale, anche se “chiusura” è un termine troppo ampio per la tecnologia in sé. Google ha disperso un team vincitore del Nobel mentre costruisce una parte sempre maggiore della propria strategia di ricerca attorno a Gemini.

Ora l’azienda deve dimostrare che si tratta di un’evoluzione anziché di un’erosione. Occorrerà verificare la presenza di un responsabile nominato per AlphaFold, di un successore tecnico verificabile e di risultati scientifici che dimostrino che Gemini può estendere la ricerca specializzata senza svuotarla.