नोबेल पुरस्कार पाने के दो वर्ष बाद, Google AlphaFold टीम के केंद्रीय सदस्यों में से लगभग एक चौथाई Google छोड़ चुके हैं, और नोबेल पुरस्कार विजेता जॉन जम्पर जैसे व्यक्ति Anthropic में शामिल हो गए हैं। AI उद्योग अकादमिक समुदाय के प्रतिभाशाली लोगों को निगल रहा है; 2022 में 70.7% AI डॉक्टरेट धारक कंपनियों में शामिल हुए, केवल 20% ही अकादमिक संस्थानों में रहे। कंपनियों के शीर्ष शोधकर्ताओं की वार्षिक आय 194 डॉलर है, जो अकादमिक समुदाय की तुलना में पांच गुना है। AI कंपनियां शोध में त्वरित प्रगति कर सकती हैं और विज्ञान के इतिहास को बदलने वाली उपलब्धियां प्राप्त कर सकती हैं, लेकिन लंबे समय तक कंपनियों में रहने के बाद शोध पत्रों की संख्या में औसतन 65% की कमी होती है, और परिणाम पत्रों से पेटेंट और व्यावसायिक रहस्यों की ओर स्थानांतरित हो रहे हैं। और अधिक गंभीर बात यह है कि कंपनियों में नई पीढ़ी के वैज्ञानिकों को प्रशिक्षित करने की कोई प्रेरणा नहीं है, और मूलभूत शोध को हास्य में डाला जा रहा है। विज्ञान विश्वविद्यालयों से तेजी से भाग रहा है।लेखक, स्रोत: APPSO
दो वर्षों के बाद नोबेल पुरस्कार प्राप्त करने के बाद, Google AlphaFold की मूल टीम को विभाजित कर दिया गया है।
पिछले वर्ष में, अल्फाफोल्ड पेपर के अधिकांश मूल लेखकों को पुनर्नियुक्त कर दिया गया है, जिसमें पूर्णकालिक कोर लेखकों में से लगभग एक चौथाई पूरी तरह से Google छोड़ चुके हैं।
शेष लोग भी Gemini रिसर्च एजेंट, एंजाइम डिजाइन, जीनोमिक्स और नाभिकीय संलयन जैसे क्षेत्रों में चले गए, और कुछ ने सीधे Alphabet के फार्मास्यूटिकल रिसर्च कंपनी Isomorphic Labs में जाना चुना।
नोबेल पुरस्कार विजेता जॉन जम्पर और जोनास एडलर दोनों को एक समय के लिए कोड स्ट्राइक टीम में शामिल किया गया था, जिन्होंने AI कोडिंग क्षमता पर काम किया। लेकिन आगे की कहानी हम सब जानते हैं, इन दोनों विशालों ने अंततः एंथ्रोपिक में शामिल हो लिया।
बाएं ओर Google DeepMind के CEO Demis Hassabis, दाएं ओर John Jumper, मूल लेख का लिंक https://www.ft.com/content/61b2953d-ee0d-45de-af6e-a9c1cf524b33?utm_source=chatgpt.com&syn-25a6b1a6=1
इस रिपोर्ट के संदर्भ में, Google के AI for Science के अध्यक्ष और शोध उपाध्यक्ष पुशमीत कोहली ने जवाब देते हुए कहा कि DeepMind की वैज्ञानिक टीम ने अपनी दिशा नहीं बदली है, बल्कि अपने कार्य के क्षेत्र का विस्तार किया है, और प्रोटीन, जीनोम और एंजाइम डिज़ाइन पर काम जारी रख रही है, साथ ही Gemini का उपयोग करके वैज्ञानिक शोध को तेज कर रही है।
AlphaFold एक अपेक्षाकृत पारंपरिक शोध संगठन दृष्टिकोण का प्रतिनिधित्व करता था। एक स्पष्ट समस्या के चारों ओर टीम बनाना, लंबे समय तक निवेश करना, संसाधनों को केंद्रित करना और अंततः परिणाम प्रदान करना।
अब, ऐसी टीमें धीरे-धीरे अधिक सामान्य मॉडल प्लेटफॉर्म के लिए स्थान दे रही हैं। प्रोटीन, गणित, जीनोम, नाभिकीय संलयन और कोड, जो अलग-अलग विषयों में दिखाई देते हैं, AI कंपनियों में प्रवेश करने के बाद, सभी Gemini के एक सेट क्षमता मॉड्यूल बन सकते हैं।
इसी बीच, वैज्ञानिक प्रतिभा, कैलकुलेशन संसाधन और मुद्दों पर नियंत्रण भी एक सीमित संख्या में AI कंपनियों के हाथों में केंद्रित होता जा रहा है।
मैं एंथ्रोपिक में शामिल होना चाहता हूँ
पिछले कुछ वर्षों में, एआई उद्योग में अधिक गणितज्ञ, भौतिक विज्ञानी, जीव विज्ञानी और कंप्यूटर विज्ञान के प्रोफेसर शामिल हो रहे हैं।
उदाहरण के लिए, Anthropic ने भौतिक विज्ञानी, अर्थशास्त्री और दार्शनिकों को नियुक्त किया है; OpenAI ने काले छिद्र, स्ट्रिंग सिद्धांत और शुद्ध गणित के शोधकर्ताओं को आकर्षित किया है; DeepMind ने जीवविज्ञान और नाभिकीय संलयन विशेषज्ञों को एकत्र किया है।
हाल ही में, अरिजोना स्टेट यूनिवर्सिटी के प्रोफेसर सुब्बाराओ काम्बाम्पटी ने मजाक में कहा कि अकादमिक समुदाय में हाल ही में एक नया मीम बन गया है: "मैं Anthropic में शामिल होना चाहता हूँ।"
द अटलांटिक के एक अनुमान के अनुसार, केवल चार शीर्ष AI कंपनियों में ही कम से कम 80 से अधिक वर्तमान या पूर्व प्रोफेसर शामिल हैं।
टैलेंट फ्लो की दिशा भी एक तरफा होती जा रही है।
स्टैनफोर्ड विश्वविद्यालय की एआई सूचकांक रिपोर्ट के अनुसार, 2011 में, एआई डॉक्टरेट के बाद उद्योग और शैक्षणिक संस्थानों में शामिल होने वाले लोगों का अनुपात लगभग समान था, जो क्रमशः 40.9% और 41.6% था। 2022 तक, उद्योग में शामिल होने वाले लोगों का अनुपात बढ़कर 70.7% हो गया, जबकि शैक्षणिक संस्थानों में शामिल होने वाले लोगों का अनुपात घटकर 20% हो गया।
2026 की एक NBER कार्य पत्रक में लगभग 42,000 अमेरिकी AI शोधकर्ताओं का अनुसरण किया गया। 40 वर्ष से कम आयु के शोधकर्ता विश्वविद्यालय छोड़ने की संभावना, 40 वर्ष से अधिक आयु के लोगों की तुलना में लगभग छह गुना अधिक है; लगभग 70% पदांतरणकर्ता पांच साल बाद भी कंपनी में रहते हैं।
पैसा निश्चित रूप से महत्वपूर्ण है। व्यवसाय के शीर्ष 1% AI शोधकर्ताओं की वार्षिक आय 595,000 डॉलर से बढ़कर 1,940,000 डॉलर हो गई; जबकि विश्वविद्यालय के समान स्तर के शोधकर्ताओं की आय केवल 301,000 डॉलर से बढ़कर 392,000 डॉलर हुई। दोनों के बीच अंतर लगभग 150 डॉलर तक बढ़ गया।
अधिक कठिन है अनुसंधान की स्थितियों को अस्वीकार करना।
2010 के शुरुआत में, लगभग 65% बड़े मशीन लर्निंग मॉडल अकादमिक प्रयोगशालाओं द्वारा स्वतंत्र रूप से विकसित किए गए थे। 2020 के दशक में प्रवेश करने के बाद, यह अनुपात 10% से कम हो गया। 2022 तक, लगभग 81% अग्रणी मॉडल पहले से ही कंपनियों द्वारा स्वतंत्र रूप से पूर्ण किए जा चुके थे।
यूसी बर्कले के प्रोफेसर अंका ड्रागन ने डीपमाइंड में शामिल होने के समय अपनी मांग स्पष्ट कर दी, उन्हें अग्रणी सुरक्षा अनुसंधान केंद्र के लिए आवश्यक 'डेटा, कंप्यूटिंग पावर और बजट' की आवश्यकता थी।
इसके विपरीत, एक विश्वविद्यालय में एक अनुसंधान के लिए पहले फंडिंग के लिए आवेदन करना पड़ता है, फिर उपकरण खरीदने, इंजीनियरिंग कर्मचारी भर्ती करने और कंप्यूटेशनल संसाधनों के लिए अपनी बारी का इंतजार करना पड़ता है। AI कंपनी में प्रवेश करने के बाद, एक ही अनुसंधानकर्ता सीधे बड़े मॉडल, निजी डेटा, वितरित कंप्यूटिंग पावर और सैकड़ों लोगों की इंजीनियरिंग संरचना का उपयोग कर सकता है।
लेकिन, एक शीर्ष प्रोफेसर का विश्वविद्यालय छोड़ना केवल कुछ पेपर्स के नुकसान से अधिक है। विश्वविद्यालय एक मार्गदर्शक, एक अनुसंधान समूह, एक डॉक्टरेट छात्र प्रशिक्षण श्रृंखला, और आगामी दशकों में संभावित रूप से विकसित होने वाली अनुसंधान दिशाओं को भी खो देता है।
पिछले समय में, प्रौद्योगिकी कंपनियाँ विश्वविद्यालयों से शोध परिणाम खरीदती थीं। अब, वे शोध परिणाम उत्पन्न करने वाले व्यक्तियों को सीधे खरीदना शुरू कर रही हैं। उद्यमियों को एक व्यक्ति मिलता है, जबकि विश्वविद्यालय शायद एक पीढ़ी खो देता है।
Of course, attributing all talent mobility to the decline of academia also underestimates the value being created by corporate research.
AlphaFold ने साबित कर दिया है कि उद्यमी विज्ञान के इतिहास में बदलाव ला सकते हैं। दो अरब से अधिक प्रोटीन संरचनाओं के भविष्यवाणी ने लाखों जीववैज्ञानिकों को पिछले महीनों या वर्षों का काम बचा दिया है।
बेल लैब्स ने पहले ही साबित कर दिया था कि उद्योग के अनुसंधान संस्थान भी विज्ञान को बदल सकते हैं। इसके शीर्षकाल में, इसमें लगभग 1200 डॉक्टरेट धारक थे, जिन्होंने कम से कम 10 नोबेल पुरस्कार प्राप्त किए। डेमिस हसाबिस ने बार-बार इसे डीपमाइंड के लिए एक संदर्भ के रूप में उठाया है।
AI कंपनियाँ वास्तव में एक ऐसी नई प्रकार की अनुसंधान संस्थान की तरह बन रही हैं, जो कई विषयों को कवर करती हैं, मजबूत इंजीनियरिंग क्षमता और व्यावसायिक निकास रखती हैं।
DeepMind ने Gemini को गणित, जीनोम और नाभिकीय संलयन में एकीकृत किया है; Isomorphic Labs ने फार्मास्यूटिकल कंपनियों के साथ मिलकर नई दवाएँ विकसित की हैं; Anthropic ने Claude Science लॉन्च किया है; OpenAI ने ChatGPT और Codex को शोध प्रक्रिया में शामिल किया है।
संबंधित परिणाम दिखाई दे चुके हैं। भौतिकविद् रोजेरियो जोर्जे ने AI का उपयोग करके ओपन सोर्स नाभिकीय संलयन सॉफ्टवेयर विकसित किया है, जबकि सैद्धांतिक कंप्यूटर वैज्ञानिक बर्ना साहा आदि ने GPT-5.5 Pro का उपयोग उच्च-आयामी ज्यामिति प्रमाणों के लिए किया है।
OpenAI का कहना है कि प्रति सप्ताह लगभग 13 लाख लोग ChatGPT का उपयोग उच्च स्तरीय वैज्ञानिक और गणितीय कार्यों के लिए करते हैं, और वे 100,000 उच्च शिक्षा संस्थानों के शोधकर्ताओं को अग्रणी मॉडल और Codex को मुफ्त में प्रदान करने की योजना बना रहे हैं।
व्यक्तिगत प्रभाव के मामले में, एक वैज्ञानिक के उद्योग में शामिल होने से उसका प्रभाव बढ़ सकता है। जैसा कि ऊपर बताया गया है, वह विश्वविद्यालय में संभवतः दसों छात्रों का नेतृत्व कर सकता है, जबकि AI कंपनी में वह सैकड़ों इंजीनियरों, विशाल कंप्यूटिंग संसाधनों और वैश्विक डेटा प्लेटफॉर्म को सक्रिय कर सकता है। पहले केवल पत्रों में सीमित रहने वाली विधियाँ अब औषधियों, सॉफ़्टवेयर, प्रयोगात्मक उपकरणों और उद्योग प्रणालियों में आसानी से शामिल हो सकती हैं।
लेकिन इसकी कीमत स्पष्ट है।
NBER के अध्ययन से पता चलता है कि AI शोधकर्ताओं के लंबे समय तक उद्योग में शामिल होने के बाद, उनके शोध पत्रों का उत्पादन औसतन 65% कम हो गया। 2000 से 2019 के बीच, उद्योग द्वारा नियुक्त AI शोधकर्ताओं का प्रतिशत 48% से बढ़कर 68% हो गया, जबकि शोध पत्रों का हिस्सा केवल 27% से बढ़कर 32% हुआ, लेकिन पेटेंटों का हिस्सा 86% से बढ़कर 95% हो गया।
लोग अभी भी अनुसंधान कर रहे हैं, लेकिन परिणाम अब पेपर्स से पेटेंट, आंतरिक मॉडल और व्यावसायिक रहस्यों में बदल रहे हैं। जब Google ने Transformer को खुला किया था, तो उसने पूरे उद्योग को विकसित किया। आज, प्रशिक्षण डेटा, मॉडल वेट्स और विफलता के रिकॉर्ड, कंपनियों के सर्वर से निकलना हर दिन मुश्किल होता जा रहा है।
विज्ञान अभी भी तेजी से आगे बढ़ रहा है, लेकिन खुला विज्ञान संभवतः ब्रेक लगा दे सकता है।
वैज्ञानिक विज्ञान छोड़ रहे नहीं हैं, विज्ञान विश्वविद्यालय छोड़ रहा है
AI कंपनियाँ अनुसंधान संस्थान बन सकती हैं, लेकिन विश्वविद्यालय बनना मुश्किल है।
विश्वविद्यालय एक अक्सर नज़रअंदाज़ किए जाने वाले कार्य को संभालता है। इसे ऐसे बड़ी संख्या में छात्रों को प्रशिक्षित करना होता है जो अभी तक अपनी क्षमता साबित नहीं कर चुके हैं, और ऐसे प्रश्नों को लंबे समय तक संरक्षित रखना होता है जिनका अभी तक कोई अनुप्रयोग नहीं है, जिनकी कीमत नहीं लगाई जा सकती, और जिनका मूल्य दशकों बाद ही स्पष्ट हो सकता है।
हालांकि, AI कंपनियाँ पहले से साबित हो चुके प्रोफेसर और अनुभवी शोधकर्ताओं को पसंद करती हैं और नए लोगों को प्रशिक्षित करने में कम धैर्य रखती हैं। SignalFire के डेटा के अनुसार, 2024 में नए स्नातकों का बड़ी तकनीकी कंपनियों में भर्ती में केवल 7% हिस्सा था, जो 2019 की तुलना में आधे से अधिक कम है।
🔗 https://www.signalfire.com/blog/signalfire-state-of-talent-report-2025
कंपनियाँ विश्वविद्यालयों से शीर्ष प्रोफेसरों और प्रयोगशाला अनुसंधानकर्ताओं को आकर्षित करती हैं, लेकिन प्रारंभिक पदों और प्रशिक्षण पर निवेश कम करती हैं। वे शीर्ष वैज्ञानिकों का समूह एकत्रित कर सकती हैं, लेकिन अगली पीढ़ी के वैज्ञानिकों के बड़े पैमाने पर विकास की जिम्मेदारी लेने की आवश्यकता नहीं होती है।
प्रभाव पहले ही विश्वविद्यालय कक्षाओं में दिखाई दे चुका है। द अटलांटिक द्वारा साक्षात्कार किए गए छात्रों ने पाया कि कुछ पाठ्यक्रम अचानक बंद हो गए, क्योंकि प्रोफेसर AI कंपनियों में "अवकाश" पर चले गए।
इसी बीच, प्रसिद्ध प्रोफेसर के जाने के बाद, डॉक्टरल छात्र केवल एक कोर्स ही नहीं, बल्कि सिफारिश की गई संसाधनों, शोध नेटवर्क, अनुसंधान संगठन क्षमता और अग्रणी समस्याओं तक पहुँच के अवसर भी खो देता है।
शोध विषयों पर अधिक उपचारात्मक परिवर्तन हुए।
ड्रग डिजाइन, प्रोग्रामिंग, गणितीय तर्क, सामग्री खोज जैसे विषय मॉडल को बेहतर बना सकते हैं और उत्पाद भी बना सकते हैं, इसलिए इन्हें संसाधन समर्थन प्राप्त करना आसान होता है। लंबे समय तक के वन्यजीव अध्ययन, पारिस्थितिकी संरक्षण आदि विषय अक्सर अजीब स्थिति में होते हैं।
लेकिन इतिहास अक्सर अल्पकालिक लाभ के साथ खेलता है।
संख्या सिद्धांत लंबे समय तक सबसे शुद्ध और सबसे कम व्यावहारिक मूल्य वाली गणित के रूप में माना जाता रहा, लेकिन बाद में आधुनिक क्रिप्टोग्राफी का आधार बन गया। लेजर के प्रारंभिक दिनों में, इसे 'एक समस्या की तलाश में समाधान' कहा जाता था। इंटरनेट के प्रारंभिक दौर में भी इसे व्यावसायिक मॉडल के साथ मापना कठिन था।
सार्वजनिक अनुसंधान प्रणाली का अर्थ यह है कि यह मनुष्यों को उन समस्याओं का अध्ययन करने की अनुमति देती है जिनका वर्तमान में मूल्य समझ में नहीं आता।
और आज की AI कंपनियाँ मॉडल प्रदर्शन, उत्पाद लॉन्च और पूंजी निवेश की तीव्र प्रतिस्पर्धा में हैं। भले ही वे बुनियादी विज्ञान में निवेश करने को तैयार हों, लेकिन संसाधन अधिक संभावना हैं कि मॉडल को बढ़ावा देने, उत्पाद को समर्थन देने या पेटेंट बनाने की दिशा में जाएँगे।
भविष्य में एक अजीब सी समृद्धि दिखाई दे सकती है।
मनुष्य नए दवाओं, प्रमेयों और सामग्रियों को तेजी से खोज रहे हैं, और सबसे शक्तिशाली वैज्ञानिकों के पास इतिहास के सबसे शक्तिशाली उपकरण हैं। इसी समय, यह सवाल उठता है कि कौन निर्धारित करेगा कि क्या अनुसंधान किया जाए, कौन अगली पीढ़ी के वैज्ञानिकों को प्रशिक्षित करेगा, और कौन उन अनुसंधानों को जारी रखना चाहेगा जिनके लिए कोई भुगतान नहीं करता।
वैज्ञानिक विज्ञान छोड़ रहे नहीं हैं। केवल विज्ञान, विश्वविद्यालय से तेजी से भाग रहा है।
कभी-कभी मैं विश्वविद्यालय और AI कंपनियों को एक नदी के दोनों छोर के रूप में सोचता हूँ। विश्वविद्यालय अधिक ऊपरी प्रवाह की तरह है। धारा बहुत धीमी है, बहुत सारी बालू है, और बहुत सारी सहायक धाराएँ बिल्कुल अनुपयोगी लगती हैं। कुछ लोग वहाँ मापते हैं, रिकॉर्ड करते हैं, बहस करते हैं, और कुछ लोग पूरी जिंदगी एक ऐसी छोटी नदी पर खर्च करते हैं जो अंततः किसी शहर में नहीं मिलती।
AI कंपनियाँ नीचे के जलविद्युत स्टेशन की तरह हैं। वे जल प्रवाह को केंद्रित कर सकती हैं, मशीनों को चला सकती हैं, और विज्ञान को दवाओं, सॉफ्टवेयर और उद्योगों में तेजी से पहुँचा सकती हैं।
हाइड्रो पावर प्लांट निश्चित रूप से महत्वपूर्ण है। बिना इसके, नदी का पानी सिर्फ बहता रहता है।
लेकिन अगर सभी नीचे की ओर बिजली उत्पादन के लिए चले जाएँ, तो ऊपर का पानी धीरे-धीरे सूख जाएगा, कुछ सालों के बाद, सभी को सिर्फ मशीन हाउस में बैठकर एक ऐसी नदी का इंतजार करना पड़ेगा जो अब बहती नहीं है।
जब गणितज्ञ मॉडल में सुधार करने में व्यस्त हैं, जीवविज्ञानी एजेंट को प्रशिक्षित करने में व्यस्त हैं, और भौतिकविद् गणना क्षमता की सीमाओं को बढ़ाने में व्यस्त हैं, तो मनुष्य को अधिक शक्तिशाली AI प्राप्त हो सकती है। पीछे छोड़े गए उन सवालों के पास कोई उत्पाद मार्गनिर्धारण नहीं है, कोई निवेश लाभ नहीं है, और अभी के लिए इसका उपयोग समझाया नहीं जा सकता।
वे बहुत शांत हैं। इतने शांत कि आसानी से यह गलत धारणा हो सकती है कि वे महत्वहीन हैं।