Jeff Dean, kỹ sư huyền thoại của Google, đang rời khỏi gã khổng lồ tìm kiếm để thành lập Discovery Loop, một công ty sẽ cố gắng viết lại cách thức khoa học được thực hiện bằng cách sử dụng sức mạnh tính toán khổng lồ cho các thí nghiệm.
Đội ngũ tinh nhuệ từ Google và DeepMind
Dean là nhân viên thứ 30 của Google và đã góp phần xây dựng cơ sở hạ tầng tìm kiếm cũng như các mô hình đa phương thức của Gemini. Ông sẽ đảm nhiệm vai trò CEO.
Ông mang đến một "đội hình trong mơ" gồm các nhà nghiên cứu: Sanjay Ghemawat, chuyên gia cao cấp và kỹ sư lừng danh; Quoc Le, thành viên sáng lập Google Brain; và Oriol Vinyals, nhà khoa học nghiên cứu cao cấp tại DeepMind. Hồ sơ của họ bao quát các lĩnh vực hệ thống phân tán, mạng thần kinh và học tăng cường, cho thấy Discovery Loop sẽ giải quyết các vấn đề kỹ thuật khó khăn.
Thúc đẩy khoa học thông qua thử nghiệm tự động
Discovery Loop được tổ chức dưới hình thức một tập đoàn vì lợi ích công cộng với mục tiêu phá bỏ "nút thắt cổ chai con người" trong nghiên cứu. Các phòng thí nghiệm truyền thống thường vận hành theo một vòng lặp chậm chạp và tuần tự gồm: đặt giả thuyết, thí nghiệm, phân tích và ra quyết định. Startup này muốn thay thế quy trình đó bằng các "thuật toán hiệu suất cao" có thể triển khai hàng nghìn thí nghiệm cùng một lúc.
Luận điểm cốt lõi của công ty có hai mục tiêu táo bạo:
- Tự động hóa các vòng lặp thí nghiệm – sử dụng AI để quản lý việc tạo giả thuyết, thử nghiệm và tinh chỉnh, từ đó thúc đẩy cả số lượng và chất lượng dữ liệu.
- Tự cải tiến đệ quy – xây dựng AI giúp thiết kế các AI mạnh mẽ hơn nữa, loại bỏ sự can thiệp của con người ra khỏi vòng lặp và thúc đẩy đổi mới sáng tạo theo cấp số nhân.
Sự hậu thuẫn khổng lồ cho biên giới AI tiếp theo
Alphabet đang tài trợ cho vòng gọi vốn hạt giống (seed round), được đồng dẫn dắt bởi Radical Ventures và Khosla Ventures. Kleiner Perkins, Lightspeed và Doerr Capital cũng tham gia.
Nguồn vốn này phản ánh niềm tin ngày càng tăng rằng làn sóng AI tiếp theo sẽ vượt xa các mô hình ngôn ngữ lớn để hướng tới các hệ thống "agentic" (có tính tác nhân) – những hệ thống có khả năng thực hiện nghiên cứu và tạo ra các đột phá về cả vật lý lẫn kỹ thuật số.
Tại sao điều này lại quan trọng đối với bối cảnh AI
Sự ra đi của Dean đánh dấu một sự chuyển dịch từ "AI phục vụ nội dung" sang "AI phục vụ khám phá". Trong khi AI tạo sinh đã thống trị hai năm qua, Discovery Loop tự định vị mình tại điểm giao thoa giữa AI và các ngành khoa học cơ bản. Nếu thành công, việc tìm kiếm thuốc mới, khoa học vật liệu và nghiên cứu năng lượng có thể tăng tốc đáng kể, tái định hình cách nhân loại giải quyết các thách thức kỹ thuật khó khăn nhất.
Các điểm chính cần lưu ý
- Sự rời đi của các tài năng ưu tú – Jeff Dean, Sanjay Ghemawat, Quoc Le và Oriol Vinyals đang rời Google để thành lập Discovery Loop.
- Khoa học tự động – startup này sẽ chạy hàng nghìn thí nghiệm do AI điều khiển song song để vượt qua các nút thắt cổ chai của con người.
- Nguồn vốn lớn – Alphabet cùng một loạt các quỹ đầu tư mạo hiểm hàng đầu, bao gồm Khosla Ventures và Radical Ventures, đã cam kết rót vốn.
Những tài năng đứng sau canh bạc này
Dean đang đưa theo ba kỹ sư nổi tiếng nhất của Google: Sanjay Ghemawat, chuyên gia cao cấp, người đã xây dựng các hệ thống phân tán vận hành phần lớn mạng internet; Quoc Le, thành viên sáng lập Google Brain, người tiên phong trong các kỹ thuật học sâu (deep learning); và Oriol Vinyals, nhà khoa học nghiên cứu cao cấp tại DeepMind với bề dày thành tích trong lĩnh vực học tăng cường. Cùng nhau, họ đã xây dựng mô hình map-reduce làm nền tảng cho việc xử lý dữ liệu quy mô lớn và các mạng thần kinh cung cấp sức mạnh cho các mô hình ngôn ngữ ngày nay.
Kế hoạch của startup
Điều lệ vì lợi ích công cộng của Discovery Loop buộc công ty phải cân nhắc tác động xã hội song song với lợi nhuận. Sứ mệnh của họ là loại bỏ "nút thắt cổ chai con người" trong nghiên cứu. Trong một phòng thí nghiệm điển hình, một nhà khoa học mất nhiều tuần hoặc nhiều tháng để đi từ giả thuyết đến thí nghiệm, phân tích và bước tiếp theo. Đội ngũ của Dean muốn AI tạo ra các giả thuyết, thiết kế và thực hiện hàng nghìn thí nghiệm song song, đồng thời tự tinh chỉnh các mô hình của chính mình dựa trên kết quả thu được.
Lộ trình tập trung vào hai mục tiêu đan xen. Thứ nhất, xây dựng một nền tảng tự động hóa toàn bộ quy trình thí nghiệm—từ việc tạo giả thuyết đến thu thập và phân tích dữ liệu. Thứ hai, phát triển AI có khả năng tự cải thiện thiết kế của chính nó, tạo ra một vòng lặp phản hồi nơi mỗi thế hệ mới giúp xây dựng một thế hệ kế cận có năng lực hơn. Nếu nền tảng này hoạt động hiệu quả, các lĩnh vực phụ thuộc vào việc thử sai quy mô lớn—như tìm kiếm thuốc mới, khoa học vật liệu, nghiên cứu năng lượng—có thể tăng tốc một cách chóng mặt.
Nguồn vốn đằng sau tầm nhìn
Việc Alphabet tham gia vào vòng gọi vốn hạt giống cho thấy mối quan tâm chiến lược của công ty mẹ. Radical Ventures và Khosla Ventures đồng dẫn dắt vòng này, cùng với nguồn vốn bổ sung từ Kleiner Perkins, Lightspeed và Doerr Capital. Danh sách các nhà đầu tư cho thấy niềm tin rằng làn sóng giá trị AI tiếp theo sẽ đến từ các phần mềm "agentic" (có tính tác nhân) có khả năng hoạt động tự chủ, chứ không chỉ từ các mô hình ngôn ngữ lớn.
Tại sao điều này lại quan trọng đối với hệ sinh thái AI rộng lớn hơn
Nếu Discovery Loop thực hiện được cam kết, tác động của nó có thể lan rộng ra xa hơn cả các sản phẩm của chính mình. Việc cắt giảm thời gian xác định một ứng viên thuốc khả thi có thể tiết kiệm hàng tỷ đô la trong các quy trình phát triển dược phẩm và mang các phương pháp điều trị cứu sống bệnh nhân đến nhanh hơn. Sự lặp lại nhanh chóng trong khoa học vật liệu có thể tạo ra các vật liệu composite nhẹ hơn, bền hơn và bền vững hơn cho ngành hàng không vũ trụ và điện tử tiêu dùng. Bằng cách chuyển đổi AI từ một công cụ hỗ trợ con người tư duy thành một hệ thống có thể tự tư duy, startup này có thể chuyển dịch quyền lực nghiên cứu sang các tổ chức có khả năng chi trả cho năng lực tính toán khổng lồ.
Điểm mấu chốt
Việc Jeff Dean rời Google để dẫn dắt Discovery Loop đã kết hợp được chuyên môn kỹ thuật hiếm có, các mối quan hệ sâu rộng trong ngành và nguồn vốn dồi dào. Công ty đặt mục tiêu tự động hóa vòng lặp thí nghiệm khoa học và tạo ra AI tự cải thiện, có khả năng rút ngắn nhiều năm nghiên cứu xuống còn vài tuần. Tuy nhiên, công ty phải vượt qua những rào cản đáng kể về kỹ thuật, hậu cần và văn hóa trước khi chứng minh được rằng AI thực sự có thể trở thành một đối tác phòng thí nghiệm thay vì chỉ là một công cụ thông minh. Những tháng tới sẽ tiết lộ liệu "khám phá tự động" là một bước tiến thực tế tiếp theo của AI hay chỉ là một cuộc chạy nước rút đầy tầm nhìn nhưng sẽ khựng lại trước vạch đích.