Google DeepMind ha smantellato il gruppo di ricerca che aveva sviluppato AlphaFold, il sistema di intelligenza artificiale per la previsione delle strutture tridimensionali delle proteine, ridistribuendo la maggior parte dei suoi componenti verso altri progetti interni. La riorganizzazione è avvenuta progressivamente nel corso dell’ultimo anno e ha coinvolto gran parte degli autori delle pubblicazioni originali, ora impegnati nello sviluppo di sistemi basati su Gemini, nella progettazione di enzimi, nella genomica, nella fusione nucleare e in altre iniziative scientifiche del laboratorio. AlphaFold era nato nel 2018 come progetto dedicato a uno specifico problema scientifico: ricavare la forma tridimensionale di una proteina a partire dalla sua sequenza di amminoacidi. La struttura determina il modo in cui la proteina interagisce con altre molecole e svolge le proprie funzioni biologiche, ma la sua individuazione sperimentale può richiedere tempi lunghi e apparecchiature specializzate. AlphaFold ha ridotto drasticamente questo processo, producendo previsioni utilizzabili in pochi minuti e mettendo a disposizione della comunità scientifica le strutture di oltre 200 milioni di proteine. Il lavoro ha contribuito all’assegnazione del Premio Nobel per la Chimica 2024 a Demis Hassabis, amministratore delegato di Google DeepMind, e a John Jumper, uno dei principali responsabili scientifici del progetto. AlphaFold è diventato il risultato più rappresentativo della strategia seguita dal laboratorio nei suoi primi anni, basata sulla creazione di gruppi dedicati a grandi problemi definiti con precisione, affrontati attraverso programmi di ricerca pluriennali e modelli progettati appositamente per un singolo ambito.
Questa struttura organizzativa è stata ora sostituita da un’impostazione più trasversale, nella quale Gemini viene utilizzato come base comune per sistemi destinati ad assistere i ricercatori e automatizzare parti più ampie del processo scientifico. Google DeepMind non intende quindi limitarsi a sviluppare un modello specializzato per ogni problema, ma costruire agenti e strumenti generalisti capaci di formulare ipotesi, analizzare pubblicazioni, progettare esperimenti, utilizzare software scientifico e collegare informazioni provenienti da discipline differenti. Pushmeet Kohli, vicepresidente della ricerca di Google DeepMind e responsabile delle attività AI for Science, ha spiegato che per circa nove anni il laboratorio ha organizzato il proprio lavoro attorno a grandi sfide, assegnando a ogni progetto un obiettivo concreto. La strategia è però evoluta con l’aumento delle capacità dei modelli generalisti e con la possibilità di applicare Gemini non soltanto alla conversazione o alla generazione di contenuti, ma anche alla ricerca scientifica e alla gestione di flussi sperimentali complessi.
La dissoluzione del gruppo non comporta la cessazione dello sviluppo di AlphaFold. Il sistema continuerà a essere utilizzato e migliorato all’interno delle iniziative scientifiche di Google DeepMind e di Isomorphic Labs, la società di Alphabet dedicata alla scoperta di farmaci mediante intelligenza artificiale. Isomorphic Labs è stata costituita nel 2021 proprio a partire dai risultati ottenuti con AlphaFold e ha avviato collaborazioni farmaceutiche con gruppi come Novartis ed Eli Lilly per progettare nuove molecole e ridurre i tempi delle prime fasi di sviluppo dei medicinali. Una parte dei ricercatori del gruppo AlphaFold si è trasferita direttamente a Isomorphic Labs, mentre altri sono rimasti in Google DeepMind lavorando su Gemini o su progetti scientifici specializzati. Quasi un quarto degli autori impiegati a tempo pieno presso il laboratorio al momento delle pubblicazioni originali avrebbe però lasciato completamente l’azienda. Le uscite hanno riguardato anche alcuni dei membri più importanti del progetto, accentuando l’effetto della riorganizzazione sulla continuità del gruppo originario. John Jumper ha lasciato Google DeepMind nel giugno 2026 per entrare in Anthropic. Prima dell’uscita, Jumper e Jonas Adler, altro ricercatore centrale di AlphaFold, erano stati trasferiti a Code Strike, un gruppo interno creato per rafforzare le capacità di Gemini nella programmazione e ridurre il divario con i sistemi di coding sviluppati da Anthropic e OpenAI. Anche Adler ha successivamente scelto Anthropic, insieme ad Alexander Pritzel, un altro componente fondamentale del progetto AlphaFold.
Le partenze di Jumper, Adler e Pritzel hanno suscitato sorpresa all’interno di DeepMind, poiché i tre ricercatori avevano svolto un ruolo determinante nello sviluppo delle architetture e dei metodi alla base del sistema. Il trasferimento verso Anthropic assume inoltre un significato particolare perché la società sta ampliando l’impiego di Claude nella ricerca scientifica, nella biologia e nella scoperta di farmaci, gli stessi settori nei quali AlphaFold ha prodotto il proprio impatto più rilevante. Anthropic ha introdotto Claude for Science, un ambiente progettato per supportare ricercatori e laboratori nell’analisi dei dati, nella consultazione della letteratura, nella scrittura di codice scientifico e nell’organizzazione delle attività sperimentali. L’arrivo di ricercatori provenienti dal gruppo AlphaFold fornisce alla società competenze dirette nella costruzione di sistemi capaci di affrontare problemi biologici complessi e rafforza la competizione tra i laboratori che intendono trasformare i modelli generalisti in strumenti per la scoperta scientifica.
La riorganizzazione di Google DeepMind avviene infatti mentre OpenAI, Anthropic e altri operatori stanno sviluppando agenti capaci di utilizzare autonomamente applicazioni, ambienti di programmazione e strumenti di analisi. La competizione non riguarda più soltanto la qualità delle risposte prodotte dai modelli linguistici, ma la loro capacità di condurre attività articolate, interagire con dati reali e contribuire alla soluzione di problemi tecnici o scientifici che richiedono numerosi passaggi. Gemini viene collocato al centro di questa strategia come infrastruttura condivisa sulla quale costruire differenti sistemi scientifici. Un unico modello può essere adattato alla comprensione delle proteine, alla progettazione di enzimi, all’analisi genomica o alla simulazione di fenomeni fisici, integrandosi con strumenti specialistici quando è necessaria una precisione che il modello generalista non può fornire autonomamente. I ricercatori provenienti da AlphaFold non abbandonano quindi necessariamente la biologia computazionale, ma lavorano all’interno di gruppi più ampi e meno legati a un unico prodotto.
Questo passaggio modifica anche il modo in cui vengono organizzate le competenze. Il gruppo AlphaFold riuniva persone concentrate sulla stessa architettura e sul medesimo obiettivo scientifico, con una continuità che aveva permesso di perfezionare il sistema attraverso diverse generazioni. La nuova struttura distribuisce invece gli specialisti tra progetti differenti, facilitando lo scambio di tecniche con altri settori ma riducendo l’esistenza di un gruppo autonomo identificabile con un solo programma di ricerca. AlphaFold 2, presentato nel 2020, aveva ottenuto risultati decisivi nella competizione Critical Assessment of Structure Prediction, raggiungendo livelli di accuratezza vicini a quelli delle tecniche sperimentali per numerose proteine. AlphaFold 3, sviluppato insieme a Isomorphic Labs e presentato nel 2024, ha ampliato l’analisi oltre le singole proteine, prevedendo le strutture e le interazioni tra proteine, DNA, RNA, piccole molecole, ioni e altri componenti biologici. Per alcune categorie di interazione, la precisione era risultata almeno superiore del 50% rispetto ai metodi precedenti.
L’utilizzo di AlphaFold si è esteso alla ricerca sulle malattie, alla progettazione di farmaci, allo studio della resistenza agli antibiotici, alla biologia strutturale e all’analisi di organismi poco conosciuti. Il sistema non sostituisce completamente gli esperimenti di laboratorio, ma fornisce indicazioni iniziali che permettono ai ricercatori di restringere il numero delle ipotesi da verificare e concentrare le risorse sulle strutture più promettenti. Google DeepMind ha ribadito di essere orgogliosa dell’impatto scientifico raggiunto e ha escluso che la riorganizzazione rappresenti un abbandono della ricerca. Le attività continuano attraverso i gruppi dedicati all’intelligenza artificiale per la scienza, le collaborazioni con Isomorphic Labs e i progetti applicati a biologia, matematica, materiali, energia e fisica. La differenza riguarda soprattutto il metodo organizzativo: invece di mantenere un team indipendente per ciascuna grande sfida, il laboratorio intende utilizzare maggiormente le capacità condivise di Gemini.
La nuova impostazione punta alla costruzione di una sorta di assistente scientifico generale, capace non soltanto di risolvere un problema già definito, ma di partecipare a più fasi della ricerca. Un sistema di questo tipo dovrebbe comprendere la letteratura esistente, individuare collegamenti tra dati, proporre esperimenti e interpretarne i risultati, lavorando insieme a modelli specializzati come AlphaFold quando il compito richiede conoscenze strutturali o biologiche avanzate. Il superamento della struttura originaria di AlphaFold segna quindi la conclusione di una fase precisa nella storia di DeepMind. Il laboratorio passa da gruppi organizzati attorno a singoli risultati scientifici a una piattaforma unificata fondata su Gemini, con l’obiettivo di applicare modelli e agenti generalisti a un insieme più ampio di discipline. AlphaFold continuerà a operare come tecnologia e come base per la scoperta di farmaci, ma non sarà più sostenuto dalla stessa squadra autonoma che ne aveva guidato lo sviluppo iniziale.