研究者がGeminiへ移る中、GoogleがAlphaFoldチームを解体
7月30日に公開されたengadget googleの報道によると、Googleはノーベル賞につながった実績を持つAlphaFoldの専任チームを解体したという。研究者はGemini、他の科学プロジェクト、そしてAlphabet傘下の創薬企業Isomorphic Labsへ移ったと報じられている。ただし、現在入手可能な証拠からは、GoogleがAlphaFoldそのものを終了したとは確認できない。
この区別は重要だ。Googleは、成功した科学モデルを単に別のチャットボット開発のために放棄しているわけではない。むしろ、専門的な研究チームを、Gemini、共有基盤モデル、商業志向の科学プログラムを軸とする、より広範な体制へ置き換えているように見える。
この再編の前には、大きな人材流出もあった。AlphaFoldチームを率い、2024年のノーベル化学賞を共同受賞したJohn Jumperは6月にGoogle DeepMindを離れ、Anthropicへ移籍した。Anthropicは基盤モデルとコーディングエージェントの分野でGoogleにとって有力な競合相手であり、彼の移籍は今回の再編に競争上の緊張感を加えている。
したがって本当の問いは、AlphaFoldが明日消えるかどうかではない。難しい生物学上の問題を、AIがもたらした最も明確な公共的利益の一つへと変えた人々を分散させた後も、GoogleがAlphaFoldの科学的な深みを維持できるかどうかだ。
EngadgetのGoogle AlphaFold報道が実際に伝えていること
GoogleはAlphaFoldの専任チーム体制を終了したが、プロジェクト自体が死んだとする報道は確認済みの事実を超えている。
Financial Timesの報道に基づき、後にEngadgetも取り上げた元記事によれば、Google DeepMindはAlphaFoldを手がけたチームを解体した。一部の研究者はGeminiへ再配置され、他の研究者は科学プログラムやIsomorphic Labsへ移ったという。
チームがなくなっても、その技術が利用不能になるとは限らない。Googleは2026年7月時点でも、AlphaFold 3を現役の科学ツールとして紹介していた。7月22日には、米国政府のGenesis Missionを支援する取り組みを通じ、研究者向けに提供するポートフォリオへ同ツールを含めた。
この発表では、AlphaFold 3をタンパク質やその他の生体分子の構造および相互作用を予測するシステムとして説明している。また、アルゴリズムの設計と最適化を行うGeminiベースのシステムであるAlphaEvolveと並べ、Googleの現在の科学ポートフォリオに位置付けた。
時期は重要だ。Googleは、元のチームが分解されたとの報道が出るわずか1週間前、Genesis Missionを通じてAlphaFold 3を推進していた。このことは、Googleがプロジェクトのあらゆる部分を終了したという単純な主張とは整合しない。
より正確には、AlphaFoldは当初の組織的な拠点を越えたと読むべきだろう。初期研究を担ったグループが一つの組織として存在しなくなっても、データベース、モデル、パートナーシップ、商業利用は継続できる。
AlphaFold Protein Structure Databaseも、Googleの外部から制度的な支援を受けている。Google DeepMindは、科学インフラと配信を担うEMBLのEuropean Bioinformatics Instituteと共同で開発した。Googleは以前、このデータベースには科学で記録されているほぼすべてのタンパク質を網羅する、2億以上の予測構造が含まれていると説明していた。
AlphaFold 3は、個々のタンパク質の形状を超えてシステムを拡張した。タンパク質、DNA、RNA、イオン、小分子が関与する相互作用を予測するよう設計されている。こうした能力は、候補分子が生物学的標的とどのように結合するかを推定する必要がある創薬研究で特に重要だ。
GoogleとIsomorphic Labsは2024年にAlphaFold 3を共同で発表した。この共同での取り組みにより、基礎研究と商業的な創薬開発の境界はより曖昧になった。Isomorphic Labsは関連手法を製薬研究に応用できる一方、Google DeepMindはより広範な科学AIの開発を続けられる。
報じられた人員再配置は、基盤資産の削除ではなく組織移行のように見える。それでも、モデル、コードリポジトリ、データベースでは完全には捉えられない知識をチームが担っているため、不確実性は残る。
その知識の多くは暗黙知だ。研究者は、失敗した実験、説明のつかない挙動、データの限界、論文に至らなかった設計判断を記憶している。正式な成果物がすべて利用可能な場合でも、彼らを分散させることで将来の研究は遅くなり得る。
このリスクこそ、engadget googleの見出しが注目を集めた理由だ。この話は組織図上の枠一つ以上の意味を持つ。誰がAlphaFoldを維持するのか、誰が次の研究目標を定めるのか、そしてその目標はGeminiまたはIsomorphic Labsを優先するものになるのかという問いを投げかけている。
Googleがより多くの研究をGemini中心に組織する理由
Geminiは、消費者向けアシスタントにとどまらず、科学的発見を含むGoogleのAI業務における共有インフラになりつつある。
Google DeepMindはGeminiを支えるモデルを開発し、Googleはその機能をSearch、Workspace、Cloud、Android、Geminiアプリへ展開している。そのため、Geminiに組み込まれた研究上のブレークスルーは、単一の科学機能を持つ独立システムより多くの製品に届く可能性がある。
この配布体制は、組織面で強い動機を生む。専門チームは一つの分野で深い進歩を実現できるが、その手法は孤立したままになり得る。基盤モデルのグループなら、推論、コーディング、ツール利用、マルチモーダル処理の進歩を多くのプロジェクトで再利用できる。
Googleの近年の科学分野におけるリリースは、この戦略を実践している。AlphaEvolveはGeminiモデルを用いて、コンピュータプログラムを提案、評価、改良する。このシステムは、チップ設計、コンピューティングインフラ、数学研究などの分野における最適化問題を対象としている。
Googleは2026年7月、Google Cloudを通じてAlphaEvolveを提供開始した。このリリースは、科学研究を外部ユーザー、測定可能な需要、商業的な説明責任を備えた製品チャネルへ結び付けるものだ。
GoogleのAI co-scientistも同様の形態を取る。複数のGeminiベースのエージェントを用いて、科学的仮説を生成し、議論し、改善する。エージェントとは、一連のタスクを実行し、ツールを参照し、明示された目標に向けて作業を改訂できる、モデル駆動型のシステムだ。
このアプローチでは、Geminiを汎用的な推論レイヤーとして扱う。その周囲に、専門的な科学システムがデータ、評価手法、または分野固有のツールを提供できる。AlphaFoldの経験は、元のチームが完全な形で存続しなくても、このアーキテクチャに貢献する可能性がある。
この戦略は、最先端AIの経済性も反映している。大規模モデルの訓練と運用には相当なコンピューティングインフラが必要だ。企業は、研究分野ごとに別々の技術スタックへ資金を投じるのではなく、こうしたモデルに多くの製品を支えさせたいと考えている。
ただし、共有インフラによって専門家の必要性がなくなるわけではない。タンパク質構造予測は、生物学的データ、物理的制約、実験的検証、分野固有の評価に依存する。汎用的な推論能力は、こうした専門領域の代替にはならない。
Googleの戦略が生産的に機能するなら、Geminiの幅広い能力と、焦点を絞った科学チームを組み合わせることになる。研究者はGeminiを使って文献を調べ、分析コードを書き、仮説を立て、ツールを連携させられる。AlphaFoldのようなシステムは、そうしたエージェントが評価する構造化された予測を提供できる。
Googleはすでに、このようなワークフローを説明している。ある事例では、同社の科学チームはGeminiを使い、20万本の論文から関連するサブセットの情報を特定・抽出した。この作業は、科学文献を探索するうえでの汎用モデルの価値を示しているが、実験室での証拠や専門的な予測システムを置き換えるものではない。
組織上の危険は、統合が集約へと変わるときに生じる。すべてのプロジェクトがGeminiの短期的なロードマップに奉仕しなければならないなら、商業価値が不確かな研究課題は人員や注目を失う可能性がある。AlphaFold自体も、その重要性が計算生物学の外で明らかになるまで、長年にわたる集中的な研究を要した。
これは知識管理の問題でもある。再編後に意思決定、実験、技術的な文脈を保持しようとするチームには、検索可能な技術ナレッジベースが必要になる。文書化は役立つが、元の研究者たちが継続的に協働することを完全には代替できない。
Googleは、より統合された組織が科学的な進歩をより速く広げると賭けている。対照的なリスクは、統合によって、その進歩を生んだ専門性の集中が弱まることだ。
AlphaFoldのノーベル賞という遺産が、これを真の逆行にしている
Googleは、最も称賛された科学AIの成果を生んだチームを、その研究がノーベル賞を受賞してから2年もたたないうちに分散させている。
Royal Swedish Academy of Sciencesは、2024年のノーベル化学賞の半分をDemis HassabisとJohn Jumperに授与した。人工知能を用いてタンパク質構造を予測した彼らの研究が評価された。残りの半分は、計算によるタンパク質設計でDavid Bakerが受賞した。
タンパク質はアミノ酸の鎖として始まるが、その生物学的機能は三次元構造に大きく依存する。こうした構造を実験的に決定するには、X線結晶構造解析、核磁気共鳴、低温電子顕微鏡などの手法を用いた広範な作業が必要になる場合がある。
AlphaFold 2は、こうした構造の計算予測を大幅に向上させた。CASPとして知られる定期的な科学評価である2020年のCritical Assessment of Structure Predictionにおける性能は、長年続いてきたタンパク質フォールディングの課題が根本的に変わったと、多くの研究者に確信させた。
チームは2021年にこのシステムをNatureで発表した。その後GoogleはEMBL-EBIと協力し、予測構造を広く利用可能にするデータベースを構築した。研究者はこれらの予測を、顧みられない疾病、創薬標的、タンパク質進化、抗菌薬耐性などの研究に利用した。
Googleによると、200万人を超える研究者が、ワクチン、がん治療、その他の科学的課題に関する研究でAlphaFold 2を利用した。この数字は同社によるものだが、AlphaFoldが公開研究で広く使われていることは、相当な採用を独立して示している。
このシステムは、ますます対立的になっているAI議論の中で、まれな前向きな事例も生み出した。AlphaFoldには明確な科学的目的があり、研究者に実用的な成果を提供し、実験で得られた構造と照らして評価できた。不安定な対話や生成コンテンツに価値が依存する汎用モデルより、説明しやすいものだった。
この評価は、Google DeepMindにとって戦略的に重要な意味を持った。先進的なAI研究は、広告機能、チャットボット、自動化だけでなく、公共的な科学的利益を生み出せるという同研究所の主張を支えた。
今回報じられた解体は、期待される報酬の構図を覆す。チームは画期的な科学成果を達成し、世界的な研究リソースを支え、この分野で最高の評価を受けた。その後Googleは、そのチームを独立した組織単位として終了した。
それでも、Googleが科学への関心を失ったことの証明にはならない。同社は引き続き、AlphaFold 3、AlphaGenome、AI co-scientist、AlphaEvolve、気象モデル、その他の研究システムを推進している。Isomorphic Labsもまた、AlphabetにAIを創薬へ応用するための直接的な手段を与えている。
ただし、この再編は社内で何が成功として報われるのかを変える。専門的な科学的卓越性は、組織としての継続を保証しなかった。狭く長期的な課題を追求するか、中央集権的な基盤モデルのプログラムに参加するかを決める際、研究者がこのシグナルを重く受け止めるのは当然だ。
John Jumperの退社は、この方針転換をより重大なものにしている。6月に報じられた彼の公開コメントによれば、Jumperは博士号取得からわずか6カ月後にAlphaFoldを率いることを許したHassabisを評価していた。この証言は、若い科学者に異例の責任を委ねることを厭わない研究文化を映し出している。
AnthropicによるJumperの採用は、その経験の一部を直接の競合相手へ移すことになる。彼の今後の責務は公に十分詳述されていないため、AlphaFoldの競合を構築すると決めつけるのは時期尚早だ。科学モデリング、研究リーダーシップ、複雑なニューラルアーキテクチャに関する彼の専門性は、依然として戦略的な価値を持つ。
Googleはいま、AlphaFoldを可能にした文化が、元の組織構造なしでも生き残れることを示さなければならない。ノーベル賞はチームがすでに達成したことを記録している。しかし、次に同等の野心を持つプロジェクトが、より中央集権的な組織から生まれることを保証するものではない。
主な争点は、専門科学と汎用AIの対立
中心的な緊張関係は、製品としてのAlphaFold対Geminiではなく、専門科学の深さと、Googleがあらゆる場所に展開したい汎用モデルとの対立にある。
AlphaFoldとGeminiは、異なる種類の問題を解く。AlphaFoldは生体分子の構造と相互作用を予測する。Geminiは、テキスト、画像、音声、動画、コード、その他の情報を、はるかに広い範囲のタスクにわたって処理する。
この違いにより、直接的なベンチマーク比較は意味をなさない。Geminiはより多くのタスクを扱えるからといって優れていると宣言できるわけではない。AlphaFoldも、1つの専門領域でより高い価値を提供するからといって優越しているとは言えない。
重要な争点は研究組織にある。Googleは難しい科学的問題を中心に構築された独立チームを維持すべきか。それとも、そうした取り組みを共有のGeminiプラットフォームへ集約すべきか。
専任グループは、1つの目標を中心に特異な専門性を育てる。研究者は、領域固有のデータセット、評価手順、安全対策、共同研究を構築できる。消費者向け製品との関連が乏しくても、科学者にとって重要な改善を追求できる。
Gemini中心の組織には別の利点がある。共通モデルは、推論やツール利用における進歩を共有できる。インフラ投資は多くのチームを支援できる。新しい能力は、クラウド製品や消費者向けサービスへより速く移行できる。
Googleの最近の決定は、後者のモデルが影響力を増していることを示している。Geminiアプリは2024年にGoogle DeepMindへ移管された。同社はまた、製品志向のAIチームを再編し、実験的プロジェクトをGeminiとより密接に結び付けている。
競争も圧力の一因だ。OpenAI、Anthropic、Meta、Microsoftは、基盤モデル、コーディングエージェント、研究支援ツール、開発者プラットフォームの改善を競っている。主要モデルのリリースはそれぞれ、企業での採用や技術的リーダーシップに対する評価へ影響し得る。
Claudeがコーディングとエージェント型の業務で強い地位を築いているため、Anthropicは特に圧力をかけている。Jumperの移籍は、彼の今後の研究がタンパク質予測を対象としないとしても、この競争に象徴的な重みを加える。
専門的な科学プロジェクトは、異なる時間軸に直面する。生物学モデルは、開発と慎重な外部検証に何年も要することがある。成功は、即時の消費者向け成長ではなく、引用、実験的発見、臨床パイプラインを通じて現れるかもしれない。
Isomorphic Labsは、Googleがこの対立の一部を解消する手段を提供している。構造予測や関連するAI手法を、製薬パートナーとの創薬プログラムに転換できるからだ。これにより、DeepMindで生まれた科学的能力に商業的な出口が生まれる。
しかし、商業化は別の緊張ももたらす。AlphaFold 2が影響力を持った一因は、Googleがコードと大規模な公開データベースをリリースしたことにある。AlphaFold 3は当初、より制限されたアクセスしか提供せず、商業的な創薬での利用はIsomorphic Labsの事業上の利益と交差していた。
研究者は、完全なAlphaFold 3コードとモデル重みが当初提供されなかったことを批判した。Googleはその後ソースコードを公開したが、アクセスと再現性の問題は議論の一部として残った。この出来事は、科学的リソースがAlphabetの商業戦略から切り離しにくくなり得ることを示した。
競合他社や学術グループも、代替手法の開発を続けている。RoseTTAFold、OpenFold、その他の構造予測モデルは、1社への依存を減らす。こうした存在は、Googleが方向転換しても科学分野自体は継続できることを意味する。
ただし、1つのモデルを置き換えることと、それを生み出した環境を置き換えることは別だ。AlphaFoldは、機械学習、生物学、エンジニアリング、計算資源、継続的なリーダーシップを組み合わせた。オープン実装はシステムの一部を再現できても、その制度的な組み合わせまでは再現できない。
最善の結果は、どちらか一方の道だけを選ぶことを必要としない。Geminiは科学者が文献を読み解き、研究を調整する助けになり得る一方、専門グループは生物学や物理学に根差したモデルを開発できる。Isomorphic Labsは医薬品を追求しつつ、公的機関はアクセス可能な科学リソースを維持できる。
報じられた再編が疑念を呼ぶのは、Googleがその均衡の最も明確な組織的中核を取り除いたためだ。同社はいま、汎用モデル戦略の中でも専門性が優先事項であり続けることを示す責任を負っている。
シャットダウンという物語が証明しないこと
チームの解体は重要だが、AlphaFoldの稼働停止やGoogleによる科学AIの放棄を証明するものではない。
最も強く確認されている主張は組織に関するものだ。報道によれば、専任チームは解体され、メンバーは分散配置された。公開情報は、GoogleがAlphaFoldデータベースを削除した、AlphaFold 3を撤回した、あるいはその手法に関わる作業を終了したことを裏付けてはいない。
Googleの2026年7月の活動は、むしろ逆の方向を示している。同社は科学ユーザー向けに提供するツールの一つとして、引き続きAlphaFoldを挙げていた。また同月に公開したバイオセキュリティの枠組みでも、AlphaFoldについて論じている。
Googleのバイオレジリエンスへのアプローチは、AlphaFoldをAlphaGenomeおよびIsomorphic Labsの創薬技術とともに位置付けた。この文書は、こうしたシステムが研究者の生物学に対する理解と設計を変える一方で、安全性に関する責任も生むと説明している。
こうした行動は、将来のAlphaFold 4を保証するものではない。Googleは、リリース予定、後継チーム、具体的な長期保守体制について公に確約していない。AlphaFoldへの継続的な言及は、後継モデルの積極的な開発ではなく、既存資産への支援を反映している可能性がある。
したがって、「AlphaFoldを停止する」という表現は、複数の異なる可能性を一つに圧縮している。Googleは大規模な新バージョンを出さずに現行モデルを保守するかもしれない。AlphaFoldの手法をより広範な科学エージェントに統合するかもしれない。より多くの開発をIsomorphic Labsへ移すかもしれない。移行後に新たなグループを割り当てる可能性もある。
それぞれの道は異なる結果をもたらす。保守はアクセスを維持する一方で研究の進展を遅らせる。統合はAlphaFoldの到達範囲を広げる一方、その貢献を見えにくくする可能性がある。Isomorphic Labsへの移行は創薬応用を加速させ得るが、商業上の制約を強める可能性がある。
人事に関する証拠も慎重に扱う必要がある。Jumperの退社は報道と本人の公開声明で確認されているが、AlphaFoldへの貢献者全員の状況は公に記録されていない。一部の研究者はGoogleで新たな役割を担っている可能性があり、別の研究者はIsomorphic Labsへ移った、あるいは退社した可能性がある。
チームの正式な解散は、成功した移管の後に起こることもある。技術がインフラになると、元のプロジェクトグループはもはや必要でなくなる場合がある。クラウドサービス、データベース、製品チーム、パートナー機関が運用上の責任を引き継げる。
AlphaFoldの状況が異なるのは、科学的開発がまだ完了していないためだ。AlphaFold 3は分子相互作用に関する予測を改善したが、計算結果には依然として実験的検証が必要である。精度は、標的、入力品質、分子の種類、関連する学習データの利用可能性によって異なる。
予測構造も、生物学的挙動のあらゆる側面を明らかにするわけではない。タンパク質は形状を変え、細胞内で相互作用し、化学的環境に応答し、動的な過程に参加する。静的または確率的な予測では、完全な生物学的システムを捉えられない。
創薬にはさらに不確実性がある。もっともらしい相互作用を予測できても、化合物が安全、有効、製造可能であり、臨床試験で成功することは証明されない。Isomorphic Labsとそのパートナーには、依然として実験的・臨床的な証拠が必要だ。
こうした限界は、専任の領域専門家を置く必要性を強める。また、Googleが完成済みの問題を捨てているという単純な結論も妨げる。タンパク質構造予測は劇的に進歩したが、計算生物学にはなお多くの未解決の課題が残っている。
慎重な判断は、Googleが重要なチームを終了し、その人材を再配置したということだ。AlphaFoldの技術は引き続き稼働しているが、その研究の軌跡はいま以前より不透明になっている。
Googleの賭けが成功するかを示す3つのシグナル
今後の証拠は、AlphaFoldの技術ロードマップ、研究者の行き先、そして実際の科学研究におけるGeminiの性能から得られる。
第1のシグナルは、具体的なAlphaFold開発計画だ。Googleは、誰がAlphaFold 3を保守するのか、別の大規模モデルが計画されているのか、EMBL-EBIとのデータベース連携をどう継続するのかを明確にできる。
実質的なリリースがあれば、この再編が後退を意味するという主張は弱まる。そのリリースには、技術的な証拠、独立した評価、科学者が何が変わったのかを理解できるアクセス条件を含めるべきだ。
沈黙は異なる意味を持つ。Googleが新たな研究を示さず、既存のAlphaFoldの成果だけを宣伝し続けるなら、このプロジェクトは保守段階に入っている可能性がある。それはその遺産を守る一方で、最前線における役割を縮小することになる。
第2のシグナルは、元の研究者たちの行き先だ。活動中のGemini科学チームへの再配置は、Googleの統合論を支持するだろう。Isomorphic Labsへの移動は、創薬が現在、AlphaFoldの専門性にとって主要な組織的拠点を提供していることを示唆する。
さらなる退社は、失われる研究能力への懸念を強める。JumperのAnthropicへの移籍はすでに、Googleが最も成功したプロジェクトの一つをどのように組織したかを理解する人材を、競合他社が採用できることを示している。
第3のシグナルは、Geminiを基盤とする科学システムの独立した検証だ。Googleは、より広範な発見プラットフォームの例としてAI co-scientistとAlphaEvolveを導入している。こうしたシステムは、再現可能な結果、外部研究者、Google社内のデモンストレーションを超えた有用な発見を通じて評価される必要がある。
Google DeepMindのco-scientistシステムは、Geminiエージェントを用いて仮説を提案し、議論させる。外部の研究室がそれらの仮説を一貫して検証できれば、汎用モデル戦略の信頼性は高まる。
薄弱または一貫性のない成果は、統合のコストを露呈させるだろう。汎用モデルはもっともらしい研究言語を生成できても、物理構造に照らして評価された専門システムと同等の信頼性を備えるとは限らない。科学的な有用性は、会話の流暢さではなく証拠に左右される。
読者は、GoogleがAlphaFoldをどのように説明しているかにも注目すべきだ。プロジェクトが稼働中だとしながら、責任を負うチームを明らかにしないのであれば、説明責任の空白が生じる。データベースの保守、セキュリティ報告、アクセス判断、今後の科学的パートナーシップにおいて、明確な責任の所在は重要だ。
開発者にとって、より広い教訓はプラットフォーム依存に関するものだ。広く利用されるモデルは、社内チームが変わっても継続するかもしれないが、優先順位、インターフェース、アクセス規則は変わり得る。研究者には、重要な作業のために再現可能なワークフローと代替手段が必要となる。
企業の購入担当者にとって、この再編はGoogleがGeminiを製品群と専門領域を横断する共通レイヤーにしたいと考えていることを示している。これにより統合は簡素化される可能性がある一方、リスクが単一のモデルファミリーと単一ベンダーのロードマップに集中するおそれもある。
科学者にとって、当面の課題は見出しと運用上の実態を切り分けることだ。AlphaFoldは引き続き利用可能で、Googleもなおこれを推進している。それを創設したグループは、もはや当初の形では存在しないように見える。
engadget google reportは、技術そのものに対しては「shutdown」という表現が広すぎるとしても、実際の方向転換を捉えている。Googleはノーベル賞受賞チームを分散させる一方で、研究戦略のより大きな部分をGemini中心に構築している。
いまGoogleは、これが衰退ではなく進化であることを示さなければならない。名前の明示されたAlphaFoldの責任者、検証可能な技術的後継、そしてGeminiが専門的な研究を空洞化させずに拡張できることを示す科学的成果に注目したい。
