Khosla Ventures、科学的発見の自動化を目指すJeff DeanのAIスタートアップ「Discovery Loop」のシードラウンドを共同リード
Khosla Venturesは、Jeff Dean氏と元Googleのエンジニアたちが設立したAIベンチャー、Discovery Loopのシードラウンドに共同リード投資家として参画しました。同スタートアップは、仮説の生成、実験の実行、そして結果の分析の間のループを閉じることで、人間の手を介さずにAIが数千もの実験を実行できるようにすることを目指しています。
なぜこのチームが重要なのか
創業者たちは、TensorFlow、Tensor Processing Units、そして大規模言語モデルのGeminiを構築してきた、合わせて約80年ものGoogleでの経験を有しています。彼らの経歴は、Discovery Loopのプラットフォームを支えるソフトウェアとハードウェアの両面における深いノウハウを証明しています。
「クローズドループ」システムがどのように機能するか
- AIが実験を提案 – モデルが既存のデータをスキャンし、新しい試験条件を提案します。
- 計算リソースがテストを実行 – シミュレーションであれ物理的なラボであれ、大規模なリソースが提案された内容を実行します。
- 結果をフィードバック – 結果がモデルに戻され、モデルは自身の理解を更新します。
- 数千通りのバリエーション – このサイクルが繰り返され、新しい実験が次々と生成されます。
各ステップを自動化することで、同スタートアップは進展の遅い分野の研究を加速させることを目指しています。具体的には、より優れた電池材料、核融合エネルギーのコンセプト、そしてより迅速な創薬タイムラインなどが挙げられます。
焦点を絞ったビジネスモデル
Discovery Loopは、多くのAIアプリケーションに手を広げるのではなく、科学とエンジニアリングに特化しています。この限定的なスコープは、商業的なロードマップよりも、壮大な科学的課題に突き動かされる人材を惹きつけることを目的としています。また、同社はパブリック・ベネフィット・コーポレーション（公益法人）として運営されており、利益よりもミッションを優先する法的構造は、目的意識の高いエンジニアにとって魅力的に映る可能性があります。
投資家が見ているもの
Khosla Venturesは、Discovery Loopの技術がもたらす潜在的なインパクトを、コンテンツ制作、コーディング、カスタマーサービスを再構築した大規模言語モデル（LLM）になぞらえています。もしこのループが有用な科学的知見を確実に生み出すことができれば、その経済的・社会的なリターンはそれらに匹敵するものになる可能性があります。
今後の課題
発見の自動化は、依然として未解決の課題です。実験には、ソフトウェアにコード化することが困難な、微妙なニュアンスを含む専門知識、特殊な装置、および安全プロトコルが必要となることが多いためです。批判的な意見としては、純粋にアルゴリズム的なアプローチでは、人間の直感がもたらすセレンディピティ（偶然の発見）を逃す可能性があるという警告もあります。また、物理的なテストのために膨大な計算サイクルを実行することは、明確な収益経路がなければ、法外なコストになる恐れもあります。
注視すべき点
- デモの節目 – 対象分野（材料、核融合、製薬）における初期の概念実証（PoC）の結果。
- パートナーシップ – 物理的なテストを提供できる大学の研究室や業界の研究開発（R&D）グループとの提携。
- 規制当局の監視 – 特に監視が厳しい創薬パイプラインにおいて。
- 資金調達ラウンド – 技術の成熟に伴い、その後の資金調達は投資家の信頼を示す指標となります。
Discovery Loopがそのクローズドループのビジョンを再現可能なブレイクスルーへと変えることができれば、研究のあり方を再定義することになるでしょう。AIの計算能力と科学的な野心が、その約束を果たせるかどうかは、これからの数ヶ月で明らかになります。