Google యొక్క దిగ్గజ ఇంజనీర్ జెఫ్ డీన్ (Jeff Dean), భారీ కంప్యూటింగ్ శక్తిని ప్రయోగాలపై ఉపయోగించి సైన్స్ చేసే విధానాన్ని మార్చడానికి ప్రయత్నించే Discovery Loop అనే సంస్థను ప్రారంభించడానికి గూగుల్ను వదిలి వెళ్తున్నారు.
Google మరియు DeepMind నుండి ఒక శక్తివంతమైన బృందం
డీన్ గూగుల్లో 30వ ఉద్యోగి మరియు దాని సెర్చ్ ఇన్ఫ్రాస్ట్రక్చర్ మరియు Gemini యొక్క మల్టీమోడల్ మోడల్స్ను నిర్మించడంలో సహాయపడ్డారు. ఆయన CEOగా వ్యవహరిస్తారు.
ఆయన పరిశోధకుల యొక్క ఒక "డ్రీమ్ టీమ్"ను వెంట తెస్తున్నారు: సీనియర్ ఫెలో మరియు ప్రసిద్ధ ఇంజనీర్ సంజయ్ Ghemawat; Google Brain వ్యవస్థాపక సభ్యుడు Quoc Le; మరియు DeepMind లో సీనియర్ రీసెర్చ్ సైంటిస్ట్ Oriol Vinyals. వీరి అనుభవం డిస్ట్రిబ్యూటెడ్ సిస్టమ్స్, న్యూరల్ నెట్వర్క్స్ మరియు రీఇన్ఫోర్స్మెంట్ లెర్నింగ్లో విస్తరించి ఉంది, ఇది Discovery Loop సాంకేతికంగా కష్టమైన సమస్యలను పరిష్కరించబోతోందని సూచిస్తోంది.
ఆటోమేటెడ్ ప్రయోగాల ద్వారా సైన్స్ను వేగవంతం చేయడం
పరిశోధనలో ఉన్న "మానవ అడ్డంకిని" (human bottleneck) తొలగించడమే లక్ష్యంగా Discovery Loop ఒక పబ్లిక్-బెనిఫిట్ కార్పొరేషన్గా ఏర్పాటు చేయబడింది. సాంప్రదాయ ల్యాబ్లు హైపోథెసిస్ (ఊహ), ప్రయోగం, విశ్లేషణ మరియు నిర్ణయం అనే నెమ్మదైన, క్రమబద్ధమైన ప్రక్రియ ద్వారా ముందుకు సాగుతాయి. ఈ స్టార్టప్ ఆ ప్రక్రియను ఒకేసారి వేలకొద్దీ ప్రయోగాలను ప్రారంభించగల "అత్యంత శక్తివంతమైన అల్గారిథమ్స్"తో భర్తీ చేయాలని కోరుకుంటోంది.
దీని ప్రధాన ఉద్దేశ్యం రెండు సాహసోపేతమైన లక్ష్యాలను కలిగి ఉంది:
- ప్రయోగాల లూప్లను ఆటోమేట్ చేయడం – హైపోథెసిస్ ఉత్పత్తి, పరీక్ష మరియు మెరుగుదలలను నిర్వహించడానికి AIని ఉపయోగించడం ద్వారా డేటా యొక్క పరిమాణాన్ని మరియు నాణ్యతను పెంచడం.
- రికర్శివ్ సెల్ఫ్-ఇంప్రూవ్మెంట్ – మరింత శక్తివంతమైన AIని రూపొందించడంలో సహాయపడే AIని నిర్మించడం, దీనివల్ల మానవ జోక్యం లేకుండా ఆవిష్కరణలు వేగంగా జరుగుతాయి.
తదుపరి AI సరిహద్దు కోసం భారీ మద్దతు
Alphabet ఈ సీడ్ రౌండ్కు మద్దతు ఇస్తోంది, దీనిని Radical Ventures మరియు Khosla Ventures కలిసి నడిపిస్తున్నాయి. Kleiner Perkins, Lightspeed మరియు Doerr Capital కూడా ఇందులో పాల్గొన్నారు.
తదుపరి AI తరహా కేవలం లార్జ్ లాంగ్వేజ్ మోడల్స్ మాత్రమే కాకుండా, పరిశోధనలు చేస్తూ భౌతిక మరియు డిజిటల్ రంగాలలో విప్లవాత్మక మార్పులు తీసుకువచ్చే "ఏజెంటిక్" (agentic) సిస్టమ్స్ వైపు మళ్లుతుందనే పెరుగుతున్న నమ్మకాన్ని ఈ పెట్టుబడి ప్రతిబింబిస్తోంది.
AI రంగంలో ఇది ఎందుకు ముఖ్యం
డీన్ నిష్క్రమణ "కంటెంట్ కోసం AI" నుండి "ఆవిష్కరణల కోసం AI" వైపు మారుతున్న మార్పును సూచిస్తుంది. గత రెండేళ్లుగా జనరేటివ్ AI ఆధిపత్యం చెలాయించినప్పటికీ, Discovery Loop తనను తాను AI మరియు హార్డ్ సైన్సెస్ (hard sciences) కలయిక వద్ద నిలబెట్టుకుంటోంది. ఇది విజయవంతమైతే, డ్రగ్ డిస్కవరీ, మెటీరియల్స్ సైన్స్ మరియు ఎనర్జీ రీసెర్చ్ వంటి రంగాలు గణనీయంగా వేగవంతం అవుతాయి, తద్వారా మానవాళి ఎదుర్కొంటున్న కఠినమైన సాంకేతిక సవాళ్లను ఎదుర్కోవడంలో కొత్త మార్పులు వస్తాయి.
ముఖ్య అంశాలు
- అత్యున్నత ప్రతిభావంతుల నిష్క్రమణ – జెఫ్ డీన్, సంజయ్ Ghemawat, Quoc Le మరియు Oriol Vinyals Discovery Loopను స్థాపించడానికి గూగుల్ను వదిలి వెళ్తున్నారు.
- ఆటోమేటెడ్ సైన్స్ – మానవ అడ్డంకులను అధిగమించడానికి ఈ స్టార్టప్ వేలకొద్దీ AI-ఆధారిత ప్రయోగాలను సమాంతరంగా నిర్వహిస్తుంది.
- భారీ మూలధనం – Alphabet మరియు Khosla Ventures, Radical Ventures వంటి ప్రముఖ VCలు నిధులను కేటాయించారు.
ఈ సాహసం వెనుక ఉన్న ప్రతిభ
డీన్ గూగుల్లోని ముగ్గురు అత్యంత ప్రసిద్ధ ఇంజనీర్లను వెంట తీసుకువెళ్తున్నారు: వెబ్లో ఎక్కువ భాగం పనిచేసే డిస్ట్రిబ్యూటెడ్ సిస్టమ్స్ను నిర్మించిన సీనియర్ ఫెలో సంజయ్ Ghemawat; డీప్-లెర్నింగ్ పద్ధతులను ప్రవేశపెట్టిన Google Brain వ్యవస్థాపక సభ్యుడు Quoc Le; మరియు రీఇన్ఫోర్స్మెంట్ లెర్నింగ్లో మంచి అనుభవం ఉన్న DeepMind సీనియర్ రీసెర్చ్ సైంటిస్ట్ Oriol Vinyals. వీరంతా కలిసి భారీ స్థాయి డేటా ప్రాసెసింగ్కు పునాది అయిన map-reduce పద్ధతిని మరియు నేటి లాంగ్వేజ్ మోడల్స్కు శక్తినిచ్చే న్యూరల్ నెట్వర్క్లను రూపొందించారు.
ఈ స్టార్టప్ ఏం చేయాలని ప్లాన్ చేస్తోంది
Discovery Loop యొక్క పబ్లిక్-బెనిఫిట్ చార్టర్ లాభంతో పాటు సామాజిక ప్రభావాన్ని కూడా పరిగణనలోకి తీసుకోవాలని నిర్దేశిస్తుంది. పరిశోధనలో ఉన్న "మానవ అడ్డంకిని" తొలగించడమే దీని లక్ష్యం. సాధారణ ల్యాబ్లో, ఒక శాస్త్రవేత్త హైపోథెసిస్ నుండి ప్రయోగం, విశ్లేషణ మరియు తదుపరి దశకు వెళ్లడానికి వారాలు లేదా నెలలు గడుపుతారు. డీన్ బృందం AI ద్వారా హైపోథెసిస్లను రూపొందించాలని, వేలకొద్దీ ప్రయోగాలను సమాంతరంగా రూపొందించి నిర్వహించాలని మరియు ఫలితాల ఆధారంగా తన స్వంత మోడల్లను మెరుగుపరచుకోవాలని కోరుకుంటోంది.
దీని రోడ్మ్యాప్ రెండు పరస్పర సంబంధిత లక్ష్యాలపై దృష్టి పెడుతుంది. మొదటిది, హైపోథెసిస్ ఉత్పత్తి నుండి డేటా సేకరణ మరియు విశ్లేషణ వరకు మొత్తం ప్రయోగ ప్రక్రియను ఆటోమేట్ చేసే ప్లాట్ఫారమ్ను నిర్మించడం. రెండవది, తన స్వంత డిజైన్ను మెరుగుపరుచుకోగల AIని అభివృద్ధి చేయడం, తద్వారా ప్రతి తరం మరింత సమర్థవంతమైన తదుపరి తరాన్ని నిర్మించడంలో సహాయపడే ఫీడ్బ్యాక్ లూప్ను సృష్టించడం. ఈ ప్లాట్ఫారమ్ విజయవంతమైతే, భారీ స్థాయిలో ట్రయల్-అండ్-ఎర్రర్ (trial-and-error) పై ఆధారపడే డ్రగ్ డిస్కవరీ, మెటీరియల్స్ సైన్స్, ఎనర్జీ రీసెర్చ్ వంటి రంగాలు గణనీయంగా వేగవంతం అవుతాయి.
ఈ విజన్ వెనుక ఉన్న నిధులు
సీడ్ రౌండ్లో Alphabet పాల్గొనడం ఆ మాతృ సంస్థ యొక్క వ్యూహాత్మక ఆసక్తిని సూచిస్తుంది. Radical Ventures మరియు Khosla Ventures ఈ రౌండ్కు సహ-నాయకత్వం వహిస్తున్నాయి, దీనికి Kleiner Perkins, Lightspeed మరియు Doerr Capital నుండి అదనపు నిధులు అందాయి. AI విలువ యొక్క తదుపరి దశ కేవలం లార్జ్ లాంగ్వేజ్ మోడల్స్ నుండి మాత్రమే కాకుండా, స్వతంత్రంగా పనిచేయగల "agentic" సాఫ్ట్వేర్ నుండి వస్తుందనే నమ్మకాన్ని ఈ పెట్టుబడిదారుల జాబితా తెలియజేస్తోంది.
విస్తృతమైన AI ఎకోసిస్టమ్ కోసం ఇది ఎందుకు ముఖ్యం
ఒకవేళ Discovery Loop తన లక్ష్యాలను సాధిస్తే, దాని ప్రభావం కేవలం దాని స్వంత ఉత్పత్తులకే పరిమితం కాకుండా చాలా విస్తృతంగా ఉండవచ్చు. ఒక అనుకూలమైన ఔషధాన్ని గుర్తించే సమయాన్ని తగ్గించడం ద్వారా, ఫార్మాస్యూటికల్ పైప్లైన్ల ఖర్చులను బిలియన్ల కొద్దీ తగ్గించవచ్చు మరియు రోగులకు ప్రాణాలను రక్షించే చికిత్సలను వేగంగా అందించవచ్చు. మెటీరియల్ సైన్స్లో వేగవంతమైన పునరావృత ప్రక్రియలు (Rapid iteration) ఏరోస్పేస్ మరియు కన్స్యూమర్ ఎలక్ట్రానిక్స్ కోసం తేలికైన, బలమైన మరియు మరింత స్థిరమైన కాంపోజిట్లను అందించగలవు. AIని కేవలం మనుషులు ఆలోచించడానికి సహాయపడే సాధనం నుండి, అది స్వయంగా ఆలోచించగల వ్యవస్థగా మార్చడం ద్వారా, ఈ స్టార్టప్ పరిశోధనా శక్తిని భారీ కంప్యూటింగ్ సామర్థ్యాన్ని భరించగలిగే సంస్థల వైపు మళ్లించవచ్చు.
సారాంశం
Discovery Loopను నడిపించడానికి Jeff Dean Google నుండి బయటకు రావడం అనేది అరుదైన సాంకేతిక నైపుణ్యం, లోతైన పరిశ్రమ సంబంధాలు మరియు గణనీయమైన మూలధనాన్ని ఒకచోట చేరుస్తుంది. శాస్త్రీయ ప్రయోగాల లూప్ను ఆటోమేట్ చేయడం మరియు స్వయంగా మెరుగుపడే AIని సృష్టించడం ద్వారా, సంవత్సరాల పరిశోధనను కొన్ని వారాల్లోకి కుదించడం ఈ కంపెనీ లక్ష్యం. అయినప్పటికీ, AI కేవలం ఒక తెలివైన సాధనం మాత్రమే కాకుండా, నిజంగా ఒక ప్రయోగశాల భాగస్వామిగా మారగలదని నిరూపించే ముందు, అది గణనీయమైన సాంకేతిక, లాజిస్టికల్ మరియు సాంస్కృతిక అడ్డంకులను అధిగమించాల్సి ఉంటుంది. "ఆటోమేటెడ్ డిస్కవరీ" అనేది AI కోసం వాస్తవిక తదుపరి అడుగునా లేదా ముగింపు రేఖకు చేరుకోకముందే ఆగిపోయే ఒక ఊహాజనిత ప్రయత్నమా అనేది రాబోయే నెలలు తెలియజేస్తాయి.