ವೈಜ್ಞಾನಿಕ ಸಂಶೋಧನೆಯನ್ನು ಸ್ವಯಂಚಾಲಿತಗೊಳಿಸುವ ಗುರಿ ಹೊಂದಿರುವ ಜೆಫ್ ಡೀನ್ ಅವರ AI ಸ್ಟಾರ್ಟ್ಅಪ್ Discovery Loop ನ ಸೀಡ್ ರೌಂಡ್ ಅನ್ನು Khosla Ventures ಸಹ-ನಾಯಕತ್ವದಲ್ಲಿ ನಡೆಸುತ್ತಿದೆ
ಜೆಫ್ ಡೀನ್ ಮತ್ತು ಮಾಜಿ ಗೂಗಲ್ ಎಂಜಿನಿಯರ್ಗಳು ಸ್ಥಾಪಿಸಿದ AI ಉದ್ಯಮವಾದ Discovery Loop ನ ಸೀಡ್ ರೌಂಡ್ನಲ್ಲಿ Khosla Ventures ಸಹ-ನಾಯಕ ಹೂಡಿಕೆದಾರರಾಗಿ ಸೇರಿಕೊಂಡಿದೆ. ಈ ಸ್ಟಾರ್ಟ್ಅಪ್ ಹೈಪೋಥಿಸಿಸ್ (ಪರಿಕಲ್ಪನೆ) ರಚನೆ, ಪ್ರಯೋಗದ ಅನುಷ್ಠಾನ ಮತ್ತು ಫಲಿತಾಂಶದ ವಿಶ್ಲೇಷಣೆಯ ನಡುವಿನ ಕೊಂಡಿಯನ್ನು ಬೆಸೆಯಲಿದೆ ಮತ್ತು ಮಾನವ ಹಸ್ತಕ್ಷೇಪವಿಲ್ಲದೆ AI ಸಾವಿರಾರು ಪ್ರಯೋಗಗಳನ್ನು ನಡೆಸಲು ಅನುವು ಮಾಡಿಕೊಡಲಿದೆ ಎಂದು ಹೇಳಿದೆ.
ಈ ತಂಡ ಏಕೆ ಮುಖ್ಯ
ಈ ಸಂಸ್ಥಾಪಕರು ಒಟ್ಟಾರೆಯಾಗಿ ಸುಮಾರು 80 ವರ್ಷಗಳ ಗೂಗಲ್ ಅನುಭವವನ್ನು ಹೊಂದಿದ್ದಾರೆ; ಇವರು TensorFlow, Tensor Processing Units ಮತ್ತು Gemini large-language model ಅನ್ನು ನಿರ್ಮಿಸಿದ್ದಾರೆ. Discovery Loop ನ ಪ್ಲಾಟ್ಫಾರ್ಮ್ಗೆ ಶಕ್ತಿ ತುಂಬುವ ಸಾಫ್ಟ್ವೇರ್ ಮತ್ತು ಹಾರ್ಡ್ವೇರ್ ಎರಡರಲ್ಲೂ ಇವರಿಗೆ ಇರುವ ಆಳವಾದ ಜ್ಞಾನವನ್ನು ಅವರ ಅನುಭವದ ದಾಖಲೆಗಳು (résumé) ಸಾಬೀತುಪಡಿಸುತ್ತವೆ.
"ಕ್ಲೋಸ್ಡ್-ಲೂಪ್" (closed-loop) ವ್ಯವಸ್ಥೆಯು ಹೇಗೆ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತದೆ
- AI ಪ್ರಯೋಗಗಳನ್ನು ಪ್ರಸ್ತಾಪಿಸುತ್ತದೆ – ಒಂದು ಮಾಡೆಲ್ ಅಸ್ತಿತ್ವದಲ್ಲಿರುವ ಡೇಟಾವನ್ನು ಸ್ಕ್ಯಾನ್ ಮಾಡುತ್ತದೆ ಮತ್ತು ಹೊಸ ಪರೀಕ್ಷಾ ಪರಿಸ್ಥಿತಿಗಳನ್ನು ಸೂಚಿಸುತ್ತದೆ.
- ಕಂಪ್ಯೂಟ್ ಪರೀಕ್ಷೆಗಳನ್ನು ನಡೆಸುತ್ತದೆ – ಸಿಮ್ಯುಲೇಶನ್ ಆಗಲಿ ಅಥವಾ ಭೌತಿಕ ಪ್ರಯೋಗಾಲಯವಾಗಲಿ, ದೊಡ್ಡ ಪ್ರಮಾಣದ ಸಂಪನ್ಮೂಲಗಳು ಈ ಪ್ರಸ್ತಾವನೆಗಳನ್ನು ಕಾರ್ಯಗತಗೊಳಿಸುತ್ತವೆ.
- ಫಲಿತಾಂಶಗಳ ಪ್ರತಿಕ್ರಿಯೆ (Feedback) – ಫಲಿತಾಂಶಗಳು ಮಾಡೆಲ್ಗೆ ಮರಳಿ ಬರುತ್ತವೆ, ಇದು ತನ್ನ ತಿಳುವಳಿಕೆಯನ್ನು ನವೀಕರಿಸಿಕೊಳ್ಳುತ್ತದೆ.
- ಸಾವಿರಾರು ವೈವಿಧ್ಯತೆಗಳು – ಈ ಚಕ್ರವು ಪುನರಾವರ್ತನೆಯಾಗುತ್ತಾ, ಹೊಸ ಪ್ರಯೋಗಗಳ ವೇಗದ ಪ್ರವಾಹವನ್ನು ಹೊರಹಾಕುತ್ತದೆ.
ಪ್ರತಿ ಹಂತವನ್ನು ಸ್ವಯಂಚಾಲಿತಗೊಳಿಸುವ ಮೂಲಕ, ನಿಧಾನಗತಿಯಲ್ಲಿ ಚಲಿಸುವ ಕ್ಷೇತ್ರಗಳಲ್ಲಿ ಸಂಶೋಧನೆಯನ್ನು ವೇಗಗೊಳಿಸಲು ಈ ಸ್ಟಾರ್ಟ್ಅಪ್ ಆಶಿಸುತ್ತದೆ: ಉತ್ತಮ ಬ್ಯಾಟರಿ ಸಾಮಗ್ರಿಗಳು, ಫ್ಯೂಷನ್-ಎನರ್ಜಿ ಪರಿಕಲ್ಪನೆಗಳು ಮತ್ತು ವೇಗವಾದ ಔಷಧ ಅಭಿವೃದ್ಧಿ ಸಮಯಾವಧಿಗಳು.
ಒಂದು ಕೇಂದ್ರೀಕೃತ ವ್ಯವಹಾರ ಮಾದರಿ
ಅನೇಕ AI ಅಪ್ಲಿಕೇಶನ್ಗಳಲ್ಲಿ ಹರಡಿಕೊಳ್ಳುವ ಬದಲು, Discovery Loop ವಿಜ್ಞಾನ ಮತ್ತು ಎಂಜಿನಿಯರಿಂಗ್ ಮೇಲೆ ಗಮನ ಕೇಂದ್ರೀಕರಿಸುತ್ತದೆ. ವಾಣಿಜ್ಯ ಮಾರ್ಗಸೂಚಿಗಳಿಗಿಂತ ಹೆಚ್ಚಾಗಿ ಮಹಾನ್ ವೈಜ್ಞಾನಿಕ ಸವಾಲುಗಳಿಂದ ಪ್ರೇರಿತರಾದ ಪ್ರತಿಭೆಗಳನ್ನು ಆಕರ್ಷಿಸುವುದು ಇದರ ಸಂಕುಚಿತ ವ್ಯಾಪ್ತಿಯ ಉದ್ದೇಶವಾಗಿದೆ. ಈ ಸಂಸ್ಥೆಯು ಪಬ್ಲಿಕ್-ಬೆನಿಫಿಟ್ ಕಾರ್ಪೊರೇಶನ್ ಆಗಿ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತದೆ, ಇದು ಲಾಭಕ್ಕಿಂತ ಹೆಚ್ಚಾಗಿ ಉದ್ದೇಶಕ್ಕೆ (mission) ಆದ್ಯತೆ ನೀಡುವ ಕಾನೂನು ರಚನೆಯಾಗಿದ್ದು, ಉದ್ದೇಶಾತ್ಮಕ ಎಂಜಿನಿಯರ್ಗಳಿಗೆ ಆಕರ್ಷಕವಾಗಿರಬಹುದು.
ಹೂಡಿಕೆದಾರರು ಏನನ್ನು ನೋಡುತ್ತಾರೆ
Khosla Ventures, Discovery Loop ನ ತಂತ್ರಜ್ಞಾನದ ಸಂಭಾವ್ಯ ಪ್ರಭಾವವನ್ನು content creation, coding ಮತ್ತು customer service ಕ್ಷೇತ್ರಗಳನ್ನು ಮರುರೂಪಿಸಿದ large-language models ಗೆ ಹೋಲಿಸುತ್ತದೆ. ಒಂದು ವೇಳೆ ಈ ಲೂಪ್ ವಿಶ್ವಾಸಾರ್ಹವಾಗಿ ಉಪಯುಕ್ತ ವೈಜ್ಞಾನಿಕ ಒಳನೋಟಗಳನ್ನು ನೀಡಿದರೆ, ಅದರ ಆರ್ಥಿಕ ಮತ್ತು ಸಾಮಾಜಿಕ ಲಾಭಗಳು ಅಷ್ಟೇ ದೊಡ್ಡದಾಗಿರಬಹುದು.
ಮುಂದಿರುವ ಅಡೆತಡೆಗಳು
ಸಂಶೋಧನೆಯ ಸ್ವಯಂಚಾಲಿತಗೊಳಿಸುವಿಕೆ ಇನ್ನೂ ಪರಿಹಾರವಾಗದ ಸಮಸ್ಯೆಯಾಗಿದೆ. ಪ್ರಯೋಗಗಳಿಗೆ ಹೆಚ್ಚಾಗಿ ಸೂಕ್ಷ್ಮವಾದ ಡೊಮೇನ್ ಜ್ಞಾನ, ವಿಶೇಷ ಉಪಕರಣಗಳು ಮತ್ತು ಸಾಫ್ಟ್ವೇರ್ನಲ್ಲಿ ಎನ್ಕೋಡ್ ಮಾಡಲು ಕಷ್ಟಕರವಾದ ಸುರಕ್ಷತಾ ಪ್ರೋಟೋಕಾಲ್ಗಳ ಅಗತ್ಯವಿರುತ್ತದೆ. ಕೇವಲ ಅಲ್ಗಾರಿದಮಿಕ್ ವಿಧಾನವು ಮಾನವ ಅಂತಃಪ್ರಜ್ಞೆಯು ನೀಡುವ ಆಕಸ್ಮಿಕ ಒಳನೋಟಗಳನ್ನು (serendipitous insights) ಕಳೆದುಕೊಳ್ಳಬಹುದು ಎಂದು ವಿಮರ್ಶಕರು ಎಚ್ಚರಿಸುತ್ತಾರೆ. ಸ್ಪಷ್ಟವಾದ ಆದಾಯದ ಮಾರ್ಗಗಳಿಲ್ಲದೆ ಭೌತಿಕ ಪರೀಕ್ಷೆಗಳಿಗಾಗಿ ಬೃಹತ್ ಕಂಪ್ಯೂಟ್ ಸೈಕಲ್ಗಳನ್ನು ನಡೆಸುವುದು ಅತಿಯಾದ ವೆಚ್ಚದಾಯಕವಾಗುವ ಅಪಾಯವನ್ನೂ ಹೊಂದಿದೆ.
ಗಮನಿಸಬೇಕಾದ ಅಂಶಗಳು
- ಡೆಮೊ ಮೈಲ್ಸ್ಟೋನ್ಗಳು (Demo milestones) – ಯಾವುದೇ ಗುರಿ ಕ್ಷೇತ್ರಗಳಲ್ಲಿ (ಸಾಮಗ್ರಿಗಳು, ಫ್ಯೂಷನ್, ಫಾರ್ಮಾ) ಆರಂಭಿಕ ಪ್ರೂಫ್-ಆಫ್-ಕನ್ಸೆಪ್ಟ್ ಫಲಿತಾಂಶಗಳು.
- ಪಾಲುದಾರಿಕೆಗಳು (Partnerships) – ಭೌತಿಕ ಪರೀಕ್ಷೆಯನ್ನು ಒದಗಿಸಬಲ್ಲ ಶೈಕ್ಷಣಿಕ ಪ್ರಯೋಗಾಲಯಗಳು ಅಥವಾ ಉದ್ಯಮದ R&D ಗುಂಪುಗಳೊಂದಿಗೆ ಸಹಯೋಗಗಳು.
- ನಿಯಂತ್ರಕ ಪರಿಶೀಲನೆ (Regulatory scrutiny) – ವಿಶೇಷವಾಗಿ ಕಟ್ಟುನಿಟ್ಟಾದ ಮೇಲ್ವಿಚಾರಣೆ ಇರುವ ಔಷಧ ಸಂಶೋಧನಾ ಪ್ರಕ್ರಿಯೆಗಳಿಗೆ (drug-discovery pipelines).
- ಫಂಡಿಂಗ್ ರೌಂಡ್ಗಳು (Funding rounds) – ತಂತ್ರಜ್ಞಾನವು ಪ್ರಬುದ್ಧವಾಗುತ್ತಿದ್ದಂತೆ ನಂತರದ ಹಣಕಾಸಿನ ನೆರವು ಹೂಡಿಕೆದಾರರ ವಿಶ್ವಾಸವನ್ನು ಸೂಚಿಸುತ್ತದೆ.
Discovery Loop ತನ್ನ ಕ್ಲೋಸ್ಡ್-ಲೂಪ್ ದೃಷ್ಟಿಕೋನವನ್ನು ಪುನರಾವರ್ತಿತ ಮೈಲಿಗಲ್ಲುಗಳನ್ನಾಗಿ ಪರಿವರ್ತಿಸಿದರೆ, ಸಂಶೋಧನೆಯನ್ನು ಹೇಗೆ ಮಾಡಲಾಗುತ್ತದೆ ಎಂಬುದನ್ನು ಅದು ಮರು ವ್ಯಾಖ್ಯಾನಿಸಬಹುದು. AI ಸಾಮರ್ಥ್ಯ ಮತ್ತು ವೈಜ್ಞಾನಿಕ ಮಹತ್ವಾಕಾಂಕ್ಷೆಯು ಆ ಭರವಸೆಯನ್ನು ಈಡೇರಿಸಬಲ್ಲದೇ ಎಂಬುದನ್ನು ಮುಂದಿನ ಕೆಲವು ತಿಂಗಳುಗಳು ತೋರಿಸಲಿವೆ.