DeepMind สลายทีม AlphaFold เดินหน้ายุทธศาสตร์ใหม่ เลิกแก้โจทย์ยาก ๆ ทีละเรื่อง หันมาสร้าง AI ให้เป็นผู้ช่วยนักวิจัยแทน

ไม่ถึงหนึ่งปีหลังจากที่ AlphaFold พาผู้สร้างขึ้นรับรางวัลโนเบล Google DeepMind กลับตัดสินใจสลายทีมที่อยู่เบื้องหลังผลงานชิ้นนี้ ระบบ AI ที่ไขปัญหาการพับตัวของโปรตีน (Protein Folding) ซึ่งเคยเป็นโจทย์ยากที่สุดข้อหนึ่งของวงการชีววิทยามากว่า 50 ปี การเปลี่ยนแปลงครั้งนี้สะท้อนการปรับยุทธศาสตร์การวิจัยครั้งใหญ่ของหนึ่งในห้องแล็บ AI ชั้นนำของโลก ในวันที่การแข่งขันไม่ได้อยู่ที่การไขโจทย์วิทยาศาสตร์ทีละข้ออีกต่อไป แต่อยู่ที่การสร้างระบบ AI ที่ช่วยเร่งการค้นพบทางวิทยาศาสตร์ในภาพรวมทั้งหมด

จากการวิเคราะห์ของ Financial Times ที่ตรวจสอบการโยกย้ายตำแหน่งงานล่าสุดประกอบกับข้อมูลจากแหล่งข่าววงใน พบว่าผู้เขียนงานวิจัย AlphaFold ฉบับดั้งเดิมส่วนใหญ่ถูกโยกไปทำโครงการอื่นตลอดช่วงปีที่ผ่านมา โดย DeepMind ยืนยันว่าทีมงานเหล่านี้ย้ายไปทำโครงการที่สร้างบนโมเดลภาษาขนาดใหญ่ (Large Language Model หรือ LLM) อย่าง Gemini รวมถึงงานด้านการออกแบบเอนไซม์ (Enzyme Design) ปฏิกิริยานิวเคลียร์ฟิวชัน และจีโนมิกส์ (Genomics) บางส่วนย้ายไปที่ Isomorphic Labs บริษัทค้นคว้ายาในเครือ Alphabet ขณะที่เกือบหนึ่งในสี่ของผู้เขียนงานวิจัย AlphaFold ที่เป็นพนักงานเต็มเวลาของ Google DeepMind ได้ลาออกจากบริษัทไปแล้ว

ยุทธศาสตร์ที่ 'วิวัฒน์' ไปตามยุคของโมเดลภาษา

การเปลี่ยนแปลงครั้งนี้คือการปรับวิธีคิดเรื่องการทำวิจัยของ DeepMind นับตั้งแต่การมาถึงของโมเดลภาษาขนาดใหญ่

"ยุทธศาสตร์ของเราตลอดเก้าปีที่ผ่านมาคือการโฟกัสไปที่โจทย์ท้าทายระดับยักษ์ (Grand Challenges) โดยมีเป้าหมายที่จับต้องได้ให้ทุกโครงการมุ่งไปหา แต่ยุทธศาสตร์นี้ได้วิวัฒน์ไปแล้ว" Pushmeet Kohli รองประธานฝ่ายวิจัยของ Google DeepMind ผู้ก่อตั้งและนำทีม AI for Science กล่าว 

Kohli อธิบายว่า แทนที่จะจัดทีมนักวิจัยล้อมรอบโจทย์วิทยาศาสตร์เพียงข้อเดียวอย่างการพับตัวของโปรตีน ตอนนี้ห้องแล็บหันมาให้ความสำคัญกับการสร้างระบบที่ขับเคลื่อนด้วย Gemini ซึ่งช่วยนักวิทยาศาสตร์ทำงานได้ และในที่สุดจะเข้ามาทำงานบางส่วนของกระบวนการวิจัยแบบอัตโนมัติ ควบคู่ไปกับการแข่งขันกับ OpenAI และ Anthropic เพื่อพัฒนา AI Agent ระดับแนวหน้า

การปรับโครงสร้างครั้งนี้จึงเป็นภาพสะท้อนของการเปลี่ยนผ่านที่กว้างกว่าแค่ DeepMind เพราะทั้งอุตสาหกรรม AI กำลังมองโมเดลภาษาขนาดใหญ่ในมุมใหม่ ไม่ใช่แค่แชตบอตตอบคำถาม แต่เป็นเครื่องมือที่เร่งการวิจัยทางวิทยาศาสตร์ได้จริง

AlphaFold ผลงานที่นิยามตัวตนของ DeepMind

DeepMind เริ่มพัฒนา AlphaFold ตั้งแต่ปี 2018 และมันได้พลิกโฉมการวิจัยทางชีววิทยาด้วยการใช้ AI ทำนายโครงสร้างสามมิติของโปรตีน ซึ่งเป็นความก้าวหน้าที่ทำให้ John Jumper รองประธานและ Engineering Fellow ของ DeepMind พร้อมด้วย Demis Hassabis ประธานเจ้าหน้าที่บริหารของ DeepMind ได้รับรางวัลโนเบลสาขาเคมีในปี 2024 ปัจจุบันฐานข้อมูล AlphaFold ได้ทำนายโครงสร้างโปรตีนไปแล้วกว่า 200 ล้านชนิด ตัดเวลาการวิจัยทางชีววิทยาและการแพทย์ลงได้หลายปี

ที่ผ่านมา AlphaFold คือตัวอย่างที่ชัดเจนที่สุดของยุทธศาสตร์ DeepMind ในการไล่ล่าความก้าวหน้าทางวิทยาศาสตร์ระยะยาวผ่านทีมวิจัยเฉพาะทางที่ทุ่มเทให้กับโจทย์เดียว การสลายทีมนี้จึงเป็นสัญญาณว่าโมเดลการทำงานแบบเดิมกำลังถูกแทนที่

เมื่อแกนนำย้ายค่ายสู่ Anthropic

ต้นปีที่ผ่านมา Jumper และ Jonas Adler นักวิจัย AlphaFold อีกคนหนึ่ง ถูกย้ายเข้าทีมภายในของ Google ที่ชื่อ 'Code Strike' ซึ่งเป็นทีมที่ตั้งขึ้นเพื่อยกระดับความสามารถด้านการเขียนโค้ดด้วย AI ของบริษัท ในความพยายามไล่ตาม Anthropic และ OpenAI ให้ทัน

ต่อมาเมื่อเดือนมิถุนายน Jumper ประกาศผ่าน X ว่าตัดสินใจลาออกจาก Google DeepMind หลังทำงานมาเกือบเก้าปี เพื่อไปร่วมงานกับ Anthropic โดยจะมี Adler และ Alexander Pritzel เพื่อนร่วมทีม AlphaFold ตามไปสมทบด้วย พนักงาน DeepMind รายหนึ่งที่ขอไม่เปิดเผยชื่อระบุว่า ทั้งสามคนล้วนเป็น "สมาชิกแกนหลักที่สำคัญและมีบทบาทอย่างยิ่ง" ของบริษัท และการลาออกของพวกเขาสร้างความประหลาดใจภายในองค์กรไม่น้อย

ในโพสต์ลาออก Jumper เขียนขอบคุณ Google DeepMind ว่าเป็นที่ที่พิเศษ พร้อมย้อนความว่า Hassabis ให้โอกาสตนขึ้นนำทีม AlphaFold ทั้งที่เพิ่งจบปริญญาเอกได้เพียงหกเดือน ด้าน DeepMind ระบุว่าการโยกย้ายของนักวิจัยเป็นภาพสะท้อนของลำดับความสำคัญด้านวิทยาศาสตร์ที่เปลี่ยนไป

"เราภูมิใจอย่างยิ่งในมรดกทางวิทยาศาสตร์และผลกระทบระดับโลกของ AlphaFold ซึ่งเป็นแรงบันดาลใจให้เกิดการก่อตั้ง Isomorphic Labs ด้วยภารกิจในการออกแบบกระบวนการค้นคว้ายาขึ้นใหม่" บริษัทระบุ

Isomorphic Labs กับการต่อยอด AlphaFold สู่ธุรกิจยา

Isomorphic Labs ถูกแยกออกมาจาก DeepMind ในปี 2021 เพื่อนำความก้าวหน้าทางวิทยาศาสตร์ของ AlphaFold ไปสร้างมูลค่าเชิงพาณิชย์ นับจากนั้นบริษัทได้จับมือเป็นพันธมิตรกับบริษัทยารายใหญ่อย่าง Novartis และ Eli Lilly ในการใช้ AI เร่งกระบวนการค้นคว้ายา

ข้อตกลงกับสองบริษัทนี้มีมูลค่ารวมสูงถึงราว 3,000 ล้านดอลลาร์สหรัฐ เมื่อรวมค่าตอบแทนล่วงหน้าและเงินตามเป้าหมายความสำเร็จ (Milestone Payments) โดยเน้นการค้นหาโมเลกุลขนาดเล็กเพื่อรักษาโรคที่ยังไม่เปิดเผยรายละเอียด นอกจากนี้ในปี 2025 Isomorphic Labs ยังระดมทุนได้อีก 600 ล้านดอลลาร์สหรัฐ ซึ่งเป็นหนึ่งในการระดมทุนครั้งใหญ่ที่สุดของกลุ่มบริษัท AI ด้านชีวเทคโนโลยี สะท้อนว่าเดิมพันของ Alphabet ในสนามนี้ไม่ได้ลดลง เพียงแต่ย้ายรูปแบบจากทีมวิจัยไปสู่บริษัทที่มุ่งสร้างรายได้เชิงพาณิชย์

สงครามแย่งตัวนักวิจัยระดับแนวหน้า

การปรับโครงสร้างของ DeepMind ยังเกิดขึ้นท่ามกลางการเปลี่ยนผ่านที่กว้างกว่าในอุตสาหกรรม AI เมื่อบรรดาห้องแล็บแนวหน้ามองโมเดลภาษาขนาดใหญ่เป็นเครื่องมือเร่งการวิจัยมากขึ้นเรื่อยๆ ฝั่ง Anthropic เองก็เปิดตัว Claude for Life Sciences ในเดือนตุลาคม 2025 ก่อนจะต่อยอดด้วย Claude Science ซึ่งเป็นเวอร์ชันของผู้ช่วย AI ที่ออกแบบมาเพื่อสนับสนุนการวิจัยด้านชีววิทยาและการค้นคว้ายาโดยเฉพาะ เชื่อมต่อฐานข้อมูลและเครื่องมือทางวิทยาศาสตร์กว่า 60 รายการไว้ในที่เดียว

การช่วงชิงนักวิจัยจากกลุ่มคนจำนวนน้อยที่สามารถสร้างระบบ AI ระดับแนวหน้าได้จึงยิ่งเข้มข้นขึ้นตามยุทธศาสตร์ที่เปลี่ยนไป โดยบริษัทต่างๆ เดินหน้าดึงตัวนักวิทยาศาสตร์และวิศวกรระดับหัวกะทิอย่างดุเดือด

"นักวิจัย AI อยากทำงานให้ห้องแล็บที่อยู่แถวหน้า และไม่ต้องมาเล่นเกมไล่ตามคนอื่น" Mark Chen หัวหน้าฝ่ายวิจัยของ OpenAI ให้สัมภาษณ์กับ Financial Times ก่อนหน้านี้ 

"มันน่าตื่นเต้นกว่ามากสำหรับนักวิจัยที่จะได้อยู่แถวหน้า พยายามผลักดันกระบวนทัศน์ใหม่ แทนที่จะต้องแบกความกดดันในการลอกเลียนโมเดลบางตัวที่ใกล้เคียงกับแถวหน้า"

การสลายทีม AlphaFold จึงไม่ใช่เพียงการปิดฉากโครงการที่พา DeepMind ไปถึงรางวัลโนเบล แต่เป็นภาพสะท้อนว่าเวทีการแข่งขันของห้องแล็บ AI ชั้นนำได้ขยับจากการไขโจทย์วิทยาศาสตร์ทีละข้อ ไปสู่การสร้างระบบ AI อเนกประสงค์ที่หวังจะเข้ามาเปลี่ยนวิธีการค้นพบทางวิทยาศาสตร์ทั้งกระบวนการ และในเกมใหม่นี้ ผู้ที่ครอบครองทั้งโมเดลที่ทรงพลังที่สุดและนักวิจัยที่เก่งที่สุด คือผู้ที่ได้เปรียบ

ที่มา: Financial Times, TechCrunch, CNBC, The Decoder