2024 के रसायन विज्ञान के नोबेल पुरस्कार का आधा भाग प्रदान किया गयाडेविड बेकर（David Baker），“संगणकीय प्रोटीन डिज़ाइन में योगदान के सम्मान में”；जबकि दूसरा आधा संयुक्त रूप से प्रदान किया गयाडेमिस हसाबिस（Demis Hassabis）और जॉन एम. जम्पर（John M. Jumper），“प्रोटीन संरचना की भविष्यवाणी में उनकी उपलब्धियों के सम्मान में”。

David Baker वॉशिंगटन विश्वविद्यालय के प्रोटीन डिज़ाइन संस्थान के निदेशक हैं और प्रोटीन डिज़ाइन के क्षेत्र में अग्रणी माने जाते हैं। 2003 से उन्होंने Top7 जैसे कई बिल्कुल नए और नवोन्मेषी प्रोटीन सफलतापूर्वक डिज़ाइन किए, जिनका व्यापक उपयोग दवाओं, टीकों, नैनो सामग्रियों और सूक्ष्म सेंसर जैसे क्षेत्रों में होता है। उन्होंने 1999 में ही प्रोटीन संरचना की भविष्यवाणी का एल्गोरिदम RoseTTA प्रस्तावित किया था, जो Deepmind के AlphaFold से पहले था।

अन्य दो पुरस्कार विजेता तो और भी परिचित हैं। Demis Hassabis, Google DeepMind के सह-संस्थापक और मुख्य कार्यकारी अधिकारी हैं, और John M. Jumper वर्तमान में Google DeepMind के निदेशक हैं।दोनों ने एक टीम का नेतृत्व करके AI मॉडल AlphaFold 2 विकसित किया，और वैज्ञानिक समुदाय को 50 वर्षों से परेशान कर रही समस्या हल की：अमीनो अम्ल अनुक्रम से प्रोटीन की जटिल संरचना का पूर्वानुमान लगाना。

प्रोटीन जीवन के बुनियादी रासायनिक उपकरण हैं，वे सभी जैवरासायनिक अभिक्रियाओं को नियंत्रित और संचालित करते हैं，और हार्मोन、संकेतवाहक पदार्थ、प्रतिरक्षी तथा ऊतक निर्माण में अहम भूमिका निभाते हैं। प्रोटीन में，अमीनो अम्ल लंबी शृंखलाओं में जुड़े होते हैं，जो मुड़कर त्रिआयामी संरचनाएँ बनाते हैं। पिछली सदी के 70 के दशक से，शोधकर्ता अमीनो अम्ल अनुक्रम के आधार पर प्रोटीन की संरचना का अनुमान लगाने का प्रयास करते आए हैं，लेकिन प्रगति धीमी रही，जब तक कि चार वर्ष पहले DeepMind ने एक चौंकाने वाली उपलब्धि हासिल नहीं की।

2020 में, Demis Hassabis और John Jumper ने शुरुआती AlphaFold के आधार पर AlphaFold 2 विकसित किया। यह शोधकर्ताओं द्वारा पहचाने जा चुके लगभग सभी 2 सौ मिलियन प्रोटीनों की संरचना का अनुमान लगा सकता है। अब तक इसका 2 दस हज़ार से अधिक बार उद्धरण दिया जा चुका है और 190 देशों के 200 दस हज़ार से अधिक लोगों ने इसका उपयोग किया है। इसने मलेरिया टीकों, कैंसर उपचार, एंज़ाइम डिज़ाइन और एंटीबायोटिक प्रतिरोध अनुसंधान सहित कई क्षेत्रों में बड़ी प्रगति को बढ़ावा दिया है। वास्तव में नोबेल पुरस्कार से पहले ही, पिछले वर्ष दोनों को बुनियादी चिकित्सा अनुसंधान में उनके उत्कृष्ट योगदान के लिए “विज्ञान जगत का ऑस्कर” कहलाने वाला जीवन विज्ञान ब्रेकथ्रू पुरस्कार और “नोबेल का संकेतक” कहलाने वाला लास्कर पुरस्कार मिल चुका था।

रॉयल स्वीडिश एकेडमी ऑफ़ साइंसेज़ ने अपने वक्तव्य में कहा，“प्रोटीन के बिना जीवन का अस्तित्व संभव नहीं है। अब हम प्रोटीन की संरचना का पूर्वानुमान लगा सकते हैं और अपने प्रोटीन डिज़ाइन कर सकते हैं, जिससे मानवता को अत्यधिक लाभ हुआ है।”

पुरस्कार मिलने की खबर आते ही, Google DeepMind के आधिकारिक खाते ने तुरंत “खुशखबरी” साझा करने वाली पोस्ट प्रकाशित की।

Demis Hassabis ने भी बयान जारी करके कहा：

“नोबेल पुरस्कार प्राप्त करना मेरे जीवन का गौरव है। स्वीडिश रॉयल एकेडमी ऑफ़ साइंसेज़, John Jumper और AlphaFold टीम, DeepMind और Google की व्यापक टीमों तथा इस क्षण को संभव बनाने में योगदान देने वाले सभी सहयोगियों का धन्यवाद। मैंने अपना पेशेवर जीवन AI की प्रगति को समर्पित किया है, क्योंकि इसमें अरबों लोगों का जीवन बेहतर बनाने की अतुलनीय क्षमता है। एंज़ाइम डिज़ाइन से लेकर औषधि खोज तक, महत्त्वपूर्ण कार्य आगे बढ़ाने के लिए 200 से अधिक दस-हज़ार शोधकर्ता AlphaFold का उपयोग कर चुके हैं। मुझे आशा है कि भविष्य में हम AlphaFold को वैज्ञानिक खोज में तेज़ी लाने की AI की अपार क्षमता के पहले ठोस प्रमाण के रूप में देख सकेंगे।”

John Jumper ने इसके तुरंत बाद कहा：“यह इस बात का एक महत्त्वपूर्ण प्रमाण है कि AI वैज्ञानिक अनुसंधान को तेज़ कर सकता है और अंततः बीमारियों को समझने तथा उपचार विकसित करने में मदद कर सकता है। इस काम का श्रेय Google DeepMind की उत्कृष्ट टीम को जाता है, और यह पुरस्कार उनके असाधारण योगदान को भी मान्यता देता है।”

इस तरह, इससे पहले भौतिकी पुरस्कार पाने और व्यापक चर्चा जगाने वाले “AI के जनक” जेफ़्री ई. हिंटन（Geoffrey E. Hinton）को भी जोड़ें, तो इस वर्ष सबसे अधिक ध्यान खींचने वाले इन पुरस्कार विजेताओं के पीछे का साझा संबंध बहुत स्पष्ट है——हिंटन Google की शुरुआती AI महत्वाकांक्षाओं को आगे बढ़ाने वाले Google Brain के केंद्रीय व्यक्तित्व थे, जबकि Demis Hassabis हाल के वर्षों में Google के AI अनुसंधान का दायित्व निभाने वाले Google Deepmind की आत्मा हैं।

तभी तो “नोबेल पार्टी” भी सीधे Google परिसर में आयोजित की गई।

AI वैज्ञानिकों को लगातार नोबेल पुरस्कार मिलने के पीछे, Google ने भी “जीत पर जीत हासिल की”।

Google का आक्रमण

समयक्रम देखें तो Google निश्चय ही कृत्रिम बुद्धिमत्ता के क्षेत्र में सबसे पहले उतरने वाली बड़ी कंपनी थी।

हालाँकि कहानी के कई संस्करणों में 2012 की सर्दियों में अमेरिका की ताहो झील के पास एक कैसीनो होटल में हुई गुप्त नीलामी को Google, Microsoft, Baidu और DeepMind के बीच निष्पक्ष प्रतिस्पर्धा बताया जाता है—वह भी Hinton की हाल ही में स्थापित छोटी कंपनी DNNResearch के लिए, जिसके पास कुछ शोधपत्रों के अलावा कोई ठोस उत्पाद नहीं था। लेकिन बाद में पीछे मुड़कर देखने पर, इस नीलामी का नतीजा वास्तव में पहले से तय था। क्योंकि इसकी शुरुआत के पीछे एक कारण 6 महीने पहले Google की ओर से की गई पहल ही थी।

2012 वर्ष के 6वें महीने में, Google Brain ने सार्वजनिक रूप से “गूगल कैट（The Cat Neurons）” परियोजना शुरू की, जिसमें एल्गोरिदम से YouTube वीडियो में बिल्लियों की पहचान की जाती थी। इसका नेतृत्व एंड्रयू एनजी ने किया, Jeff Dean ने भाग लिया, और कंपनी के संस्थापक Larry Page ने इसे भरपूर समर्थन दिया।

इस परियोजना ने 10 अरब कनेक्शनों वाला एक विशाल न्यूरल नेटवर्क बनाया，और YouTube के 1000 दस-हज़ार बिना लेबल वाले वीडियो का उपयोग करके उसे 16,000 CPU पर प्रशिक्षित किया।अपर्यवेक्षित अधिगम के माध्यम से，इस प्रणाली ने सफलतापूर्वक स्वयं बिल्ली के चेहरे पहचानना सीख लिया，जिसकी सटीकता 74.8% थी，और यह मानवीय चेहरों जैसी अन्य वस्तुओं को भी पहचान सकती थी।

लेकिन परियोजना के अंतिम चरण में एंड्रयू एनजी ने सफलता के बीच ही पीछे हटने का निर्णय लिया और जाने से पहले Google को अपने शिक्षक Hinton को अपनी जगह लेने की सिफ़ारिश की। Hinton ने कहा कि वे विश्वविद्यालय नहीं छोड़ेंगे और केवल “एक गर्मी भर” Google में रहने को तैयार हैं। इस तरह वे Google के इतिहास के सबसे उम्रदराज़ इंटर्न बने।

डीप लर्निंग के क्षेत्र के प्रामाणिक विशेषज्ञ Hinton ने जल्द ही परियोजना की कमियाँ पहचान लीं और कहा कि Google Cat ने “गलत न्यूरल नेटवर्क चलाया और गलत संगणन क्षमता का इस्तेमाल किया।” इसलिए छोटी-सी “प्रशिक्षु अवधि” समाप्त होते ही Hinton ने अपने छात्रों Ilya Sutskever और Alex Krizhevsky को बुलाकर टीम बनाई और नई न्यूरल नेटवर्क संरचना AlexNet विकसित की। केवल 4 NVIDIA GPU से प्रशिक्षित परिणाम लेकर उन्होंने 2012 की ImageNet छवि पहचान प्रतियोगिता में भाग लिया और अंततः 84% सटीकता के साथ क्रांतिकारी जीत हासिल की।

उसी वर्ष के 10वें महीने में, Hinton की टीम ने फ़्लोरेंस के कंप्यूटर विज़न सम्मेलन में विजेता एल्गोरिदम AlexNet को औपचारिक रूप से प्रस्तुत किया। एक अकादमिक टीम ने हार्डवेयर और अनुसंधान संसाधनों में भारी अंतर के बावजूद Google को हरा दिया, जिससे शिक्षा जगत और उद्योग में जबरदस्त हलचल मच गई। AlexNet का शोधपत्र भी कंप्यूटर विज्ञान के इतिहास के सबसे प्रभावशाली शोधपत्रों में से एक बना, जिसके उद्धरणों की संख्या 12 लाख से अधिक है।

इसके बाद，तीनों की कंपनी DNNResearch का पंजीकरण हुआ। आगे नीलामी की प्रगति और भी स्वाभाविक रही，जब मूल्य बढ़कर 4400 दस हज़ार अमेरिकी डॉलर हो गया，तो Hinton ने नीलामी रुकवा दी，और अपने दोनों छात्रों के साथ औपचारिक रूप से Google में शामिल हो गए，जहाँ उन्होंने Google Brain के उपाध्यक्ष और इंजीनियरिंग शोधकर्ता के पद संभाले।

उस समय Hinton ने एक बयान में लिखा था: “मैं टोरंटो विश्वविद्यालय में अंशकालिक पढ़ाना जारी रखूँगा, लेकिन Google में मैं देख सकता हूँ कि हम अत्यंत विशाल पैमाने की कंप्यूटिंग कैसे करते हैं।”

2023 वर्ष के 5 महीने तक चली Google में अपनी दस वर्ष की सेवा के दौरान，Hinton बड़े पैमाने के कृत्रिम तंत्रिका नेटवर्कों के अनुसंधान में भाग लेते रहे，और Bard तथा ChatGPT जैसी आधुनिक AI प्रणालियों की आधारभूत तकनीक में बुनियादी योगदान दिया। उन्होंने मुक्त स्रोत मशीन लर्निंग लाइब्रेरी TensorFlow के विकास में भी भाग लिया，चित्र पहचान、भाषा समझ जैसे AI अनुप्रयोगों की क्षमताओं को आगे बढ़ाया，और गहन अधिगम तकनीक को Google के विभिन्न उत्पादों और सेवाओं में व्यापक रूप से लागू किया।

प्रतिभा और तकनीक को एकत्र करने की Google की गति कभी धीमी नहीं हुई। DNNResearch का अधिग्रहण करने के केवल दो साल बाद, उसने Hassabis द्वारा स्थापित DeepMind को भी अपने अधीन कर लिया, जो उस समय बोली में उसके प्रतिद्वंद्वियों में से एक थी।

बताया जाता है कि Google ने उस समय Hinton को लंदन ले जाकर ”परखने“ के लिए विशेष रूप से एक निजी विमान भी किराए पर लिया था। उनकी पीठ के दर्द के कारण विमान में न बैठ पाने की समस्या दूर करने के लिए सीटों में खास बदलाव भी किए गए थे। वहीं, Google के कारण दौड़ से बाहर हुए Facebook ने DeepMind को हासिल करने का अवसर चूकने के बाद, “डीप लर्निंग के तीन दिग्गजों” में से एक Yann LeCun को बड़ी रकम देकर अपने यहाँ बुला लिया।

Deepmind की कहानी

अब DeepMind की ओर आएँ, तो वास्तव में Google द्वारा अधिग्रहण से पहले ही DeepMind वित्तीय कठिनाइयों में पड़ चुका था, कंपनी लगातार पैसा खर्च कर रही थी, मगर कोई टिकाऊ व्यावसायिक मॉडल नहीं खोज पाई थी, यहाँ तक कि दिवालिया होने के कगार पर थी।

Google के 6 सौ मिलियन अमेरिकी डॉलर के अधिग्रहण ने DeepMind को बचा लिया，उसकी मुख्य तकनीकी टीम को बनाए रखने के साथ-साथ उसे शक्तिशाली कंप्यूटिंग संसाधन भी दिए，जिनमें क्लाउड कंप्यूटिंग प्लेटफ़ॉर्म और डेटा सेंटर का सहयोग शामिल था।इससे DeepMind अधिक कंप्यूटिंग शक्ति के साथ गहन न्यूरल नेटवर्क को प्रशिक्षित कर सका，विशेषकर AlphaGo के विकास में गणना की गति और मॉडल की सटीकता में काफ़ी सुधार हुआ।इसके अलावा，Google ने विशेष रूप से डिज़ाइन किए गए TPU（टेंसर प्रोसेसिंग यूनिट）भी प्रदान किए，जिनसे गहन शिक्षण मॉडल के प्रशिक्षण और अनुमान की दक्षता और बेहतर हुई，AI के बुनियादी उपकरण TensorFlow का भी DeepMind के शोध में व्यापक उपयोग हुआ，जिससे AlphaGo का प्रदर्शन बेहतर बनाने में मदद मिली।

AlphaGo, DeepMind टीम द्वारा विकसित एक कृत्रिम बुद्धिमत्ता आधारित गो प्रोग्राम है। लाखों खेलों के अभिलेखों का विश्लेषण करके और स्वयं से खेलकर पुनर्बलन अधिगम के माध्यम से इसने गो की जटिल रणनीतियाँ सीखी हैं और यह शीर्ष मानव खिलाड़ियों से आगे निकल सकता है। 2016 में AlphaGo ने गो विश्व चैंपियन ली सेडोल के विरुद्ध 4 बनाम 1 से जीत हासिल की। इसी मुकाबले से वह प्रसिद्ध हुआ और पूरी दुनिया चकित रह गई।

हालाँकि Hassabis की नज़र में, बोर्ड गेम के ज़रिए जटिल समस्याएँ सुलझाने की AI की क्षमता को परखना सिर्फ़ शुरुआत है। अधिक महत्त्वपूर्ण है इसका उपयोग सामान्य शिक्षण प्रणालियों को दिशा देने के लिए करना, ताकि वे वास्तविक दुनिया की चुनौतियों से निपटें और इस तरह मानव जीवन को सचमुच बेहतर बनाएँ, उद्योगों में बदलाव लाएँ और वैज्ञानिक विकास को आगे बढ़ाएँ।

इसलिए कुछ ही महीनों में，DeepMind ने तेज़ी से जीवविज्ञानियों को नियुक्त कर एक अंतर्विषयी टीम बनाई，जो प्रोटीन के मुड़ने की कठिन समस्या सुलझाने पर केंद्रित थी，और अंततः 2018 में AlphaFold परियोजना का जन्म हुआ। कई सुधार चक्रों के बाद，AlphaFold ने प्रोटीन संरचना की भविष्यवाणी करने की अपनी क्रांतिकारी क्षमता से जीवविज्ञान अनुसंधान को पूरी तरह बदल दिया है，और विज्ञान में AI के उपयोग की प्रबल संभावनाएँ दिखाई हैं।

इसी वर्ष के 5वें महीने में Google Deepmind ने फिर आधिकारिक घोषणा की कि उसने Isomorphic Labs के साथ मिलकर नई पीढ़ी का प्रोटीन संरचना पूर्वानुमान मॉडल AlphaFold 3 पेश किया है；इससे संबंधित शोधपत्र सीधे 《Nature》 पत्रिका में प्रकाशित हुआ।

पिछले संस्करणों की तुलना में, AlphaFold 3 ने न केवल प्रोटीन फोल्डिंग के पूर्वानुमान में प्रगति की है, बल्कि पहली बार प्रोटीन, DNA, RNA और लिगैंड जैसे जैविक अणुओं की संरचना तथा उनकी पारस्परिक क्रियाओं का अत्यधिक सटीक पूर्वानुमान भी संभव बनाया है। यह उपलब्धि वैज्ञानिकों को रोगों की कार्यप्रणाली और जीवन प्रक्रियाओं को अधिक गहराई से समझने में मदद करती है, साथ ही अनुसंधान एवं विकास में लगने वाला समय और लागत भी काफी कम करती है। नवीकरणीय सामग्री विकसित करने से लेकर औषधि डिजाइन और जीनोमिक्स अनुसंधान में तेजी लाने तक, AlphaFold 3 ने जैविक अणुओं के क्षेत्र में अनुप्रयोगों की अधिक व्यापक संभावनाएँ खोली हैं।

इतना ही नहीं, टीम ने AlphaFold 3 पर आधारित AlphaFold Server नाम का एक मुफ़्त प्लेटफ़ॉर्म भी शुरू किया, ताकि दुनिया भर के वैज्ञानिक गैर-व्यावसायिक शोध कर सकें और वैज्ञानिक अन्वेषण को और व्यापक पहुँच मिले।

DeepMind के माध्यम से Google लगातार दुनिया के शीर्ष वैज्ञानिक प्रतिभाओं को आकर्षित करता है और उन्हें दीर्घकालिक वित्तीय सहायता देता है, जिससे वे अल्पकालिक व्यावसायिक लाभ पर निर्भर हुए बिना अभूतपूर्व शोध पर ध्यान दे सकें। Google ने DeepMind को रणनीति के स्तर पर भी काफी स्वायत्तता दी है, जिससे वह अपने शोध की दिशा स्वतंत्र रूप से चुन सके। इसी स्वतंत्रता और दीर्घकालिक समर्थन ने DeepMind के दूरदर्शी शोध के लिए मजबूत आधार तैयार किया है।

खेलों और जीवविज्ञान की उपलब्धियों के अतिरिक्त, DeepMind ने Google Assistant के लिए यथार्थपरक वाक्-संश्लेषण मॉडल WaveNet भी विकसित किया, जिससे वाणी के माध्यम से संवाद का अनुभव बेहतर हुआ। दृश्य-भाषा-क्रिया मॉडल RT-2 के माध्यम से विविध परिवेशों में रोबोटों की कार्य पूरा करने की क्षमता बढ़ाई। उसके शोध में मौसम की भविष्यवाणी और परमाणु संलयन रिएक्टर जैसी जटिल समस्याएँ भी शामिल हैं, और AlphaCode तथा AlphaDev जैसी परियोजनाओं के माध्यम से उसने कंप्यूटर एल्गोरिदम के आगे के विकास को बढ़ावा दिया है।

Google की “संचित संपदा” अब भी प्रचुर है

आज की कृत्रिम बुद्धिमत्ता की प्रतिस्पर्धा में，OpenAI और Anthropic जैसी चर्चित कंपनियों के तेज़ी से उभरने तथा Gemini पर ChatGPT、Claude के “भारी पड़ने” ने एक समय लोगों को Google की AI रणनीति पर संदेह करने पर मजबूर कर दिया।विशेषकर जनरेटिव AI उत्पादों और डेवलपर उपकरणों के व्यावसायीकरण में，OpenAI जैसी कंपनियों का तेज़ विकास और Google की अपेक्षाकृत धीमी गति स्पष्ट विरोधाभास दिखाते थे।

फिर भी, सामने आए ये दो नोबेल पुरस्कार मानो हमें याद दिला रहे हैं कि Google का गहरा वैज्ञानिक अनुसंधान आधार और संचित तकनीकी अनुभव अब भी ऐसे लाभ हैं जिन्हें अन्य कंपनियों के लिए दोहराना कठिन है।

2006 से पहले, डीप लर्निंग की स्थिति को बैरन केल्विन के इस प्रसिद्ध कथन से संक्षेपित किया जा सकता था：“深度学习的大厦已经基本建成，只不过在阳光灿烂的天空下，漂浮着三朵小乌云。”（डीप लर्निंग का भवन लगभग बन चुका है, बस धूप से चमकते आकाश में तीन छोटे काले बादल तैर रहे हैं।）

ये तीन छोटे काले बादल क्रमशः एल्गोरिदम、गणना शक्ति और डेटा हैं।

और इन्हीं प्रमुख क्षेत्रों में Google को स्पष्ट बढ़त हासिल है। सबसे पहले, उसके पास विश्व में अग्रणी विशाल डेटा संसाधन हैं। YouTube, Google Scholar और Google Search जैसे प्लेटफ़ॉर्म के सहारे Google दृश्य पहचान, वाक् पहचान और प्राकृतिक भाषा प्रसंस्करण जैसे AI मॉडलों के लिए समृद्ध और विविध प्रशिक्षण डेटा उपलब्ध कराता है।

दूसरे, कंप्यूटिंग संसाधनों में Google को स्पष्ट बढ़त प्राप्त है। उसके स्वयं विकसित TPU हार्डवेयर ने डीप लर्निंग मॉडलों के प्रशिक्षण की गति बहुत बढ़ा दी है। Google Cloud आंतरिक शोध को शक्तिशाली कंप्यूटिंग क्षमता देने के साथ दुनिया भर के डेवलपरों को ऐसे उपकरण भी देता है, जिनसे वे जटिल AI अनुप्रयोग जल्दी बना और तैनात कर सकते हैं।

एल्गोरिदम अनुसंधान और विकास के क्षेत्र में भी Google उद्योग में अग्रणी है। Google Brain टीम में विकसित Transformer संरचना ने आधुनिक प्राकृतिक भाषा प्रसंस्करण की नींव रखी और आज के लगभग सभी अग्रणी AI मॉडलों के विकास को आगे बढ़ाया। इन तकनीकों ने न केवल अकादमिक जगत की प्रगति को बढ़ावा दिया, बल्कि Google के प्रमुख उत्पादों में भी इनका व्यापक उपयोग हुआ।

2024 में, AI क्षेत्र अब भी एल्गोरिदम, संगणन क्षमता और डेटा संबंधी चुनौतियों का सामना कर रहा है। हालाँकि कई कंपनियों ने भी अपने-अपने कुछ क्षेत्रों में सफलताएँ हासिल की हैं, लेकिन तुलना करने पर ऐसा लगता है कि तीनों पहलुओं में एक साथ बढ़त रखने और उन्हें निरंतर प्रभावी ढंग से जोड़ने वाली कंपनी अब भी Google ही है।

OpenAI, Microsoft जैसी कंपनियों के साथ प्रतिस्पर्धा में Google के “संचित संसाधन” अब भी भरपूर हैं, और AI की दौड़ में भी वह हारा नहीं है। कृत्रिम बुद्धिमत्ता की संभावनाओं की पूरी खोज अभी बहुत दूर है, और इस लंबी दौड़ में शायद तकनीकी नवाचार की गहराई और व्यापकता ही अंतिम विजेता तय करेगी।