Discovery Loop-এর সিড রাউন্ডে কো-লিড ইনভেস্টর হিসেবে যোগ দিল Khosla Ventures; জেফ ডিনের এই AI স্টার্টআপের লক্ষ্য বৈজ্ঞানিক আবিষ্কারকে স্বয়ংক্রিয় করা
জেফ ডিন এবং প্রাক্তন গুগল ইঞ্জিনিয়ারদের দ্বারা প্রতিষ্ঠিত একটি AI উদ্যোগ Discovery Loop-এর সিড রাউন্ডে কো-লিড ইনভেস্টর হিসেবে যোগ দিয়েছে Khosla Ventures। স্টার্টআপটি জানিয়েছে যে, তারা হাইপোথিসিস বা প্রকল্প গঠন, পরীক্ষা পরিচালনা এবং ফলাফল বিশ্লেষণের মধ্যে একটি সমন্বিত চক্র (loop) তৈরি করবে, যা মানুষের হস্তক্ষেপ ছাড়াই AI-কে হাজার হাজার পরীক্ষা চালানোর সুযোগ করে দেবে।
কেন এই দলটি গুরুত্বপূর্ণ
প্রতিষ্ঠাতারা সম্মিলিতভাবে গুগলে প্রায় ৮০ বছরের অভিজ্ঞতা সম্পন্ন, যারা TensorFlow, Tensor Processing Units এবং Gemini লার্জ-ল্যাঙ্গুয়েজ মডেল তৈরি করেছেন। তাদের জীবনবৃত্তান্ত থেকে বোঝা যায় যে, Discovery Loop-এর প্ল্যাটফর্ম পরিচালনায় প্রয়োজনীয় সফটওয়্যার এবং হার্ডওয়্যার—উভয় ক্ষেত্রেই তাদের গভীর জ্ঞান রয়েছে।
কীভাবে এই “ক্লোজড-লুপ” সিস্টেমটি কাজ করার কথা
- AI পরীক্ষার প্রস্তাব দেয় – একটি মডেল বিদ্যমান ডেটা স্ক্যান করে এবং নতুন পরীক্ষার শর্তাবলী প্রস্তাব করে।
- কম্পিউট পরীক্ষাগুলো পরিচালনা করে – সিমুলেশন বা ভৌত ল্যাবরেটরিতে, বৃহৎ পরিসরের রিসোর্সগুলো এই প্রস্তাবিত পরীক্ষাগুলো সম্পন্ন করে।
- ফলাফল ফিডব্যাক হিসেবে আসে – পরীক্ষার ফলাফলগুলো মডেলের কাছে ফিরে আসে, যা মডেলটির জ্ঞান বা ধারণা আপডেট করে।
- হাজার হাজার বৈচিত্র্য – এই চক্রটি বারবার চলতে থাকে এবং দ্রুত গতিতে নতুন নতুন পরীক্ষার ধারা তৈরি করে।
প্রতিটি ধাপ স্বয়ংক্রিয় করার মাধ্যমে, স্টার্টআপটি ধীরগতির ক্ষেত্রগুলোতে গবেষণার গতি বাড়ানোর আশা করছে: যেমন উন্নত ব্যাটারি উপাদান, ফিউশন-এনার্জি ধারণা এবং দ্রুত ওষুধ তৈরির সময়সীমা।
একটি সুনির্দিষ্ট ব্যবসায়িক মডেল
অনেক ধরণের AI অ্যাপ্লিকেশনে ছড়িয়ে না পড়ে, Discovery Loop বিজ্ঞান ও প্রকৌশলবিদ্যার ওপর মনোনিবেশ করেছে। এই সুনির্দিষ্ট লক্ষ্যটি বাণিজ্যিক রোডম্যাপের পরিবর্তে মহৎ বৈজ্ঞানিক চ্যালেঞ্জ দ্বারা অনুপ্রাণিত মেধাবীদের আকৃষ্ট করার উদ্দেশ্যে করা হয়েছে। প্রতিষ্ঠানটি একটি 'পাবলিক-বেনিফিট কর্পোরেশন' হিসেবে কাজ করে, যা এমন একটি আইনি কাঠামো যেখানে মুনাফার চেয়ে লক্ষ্য বা মিশনকে বেশি গুরুত্ব দেওয়া হয় এবং এটি উদ্দেশ্য-চালিত ইঞ্জিনিয়ারদের কাছে আকর্ষণীয় হতে পারে।
বিনিয়োগকারীরা কী দেখছেন
Khosla Ventures Discovery Loop-এর প্রযুক্তির সম্ভাব্য প্রভাবকে লার্জ-ল্যাঙ্গুয়েজ মডেলের সাথে তুলনা করেছে, যা কন্টেন্ট তৈরি, কোডিং এবং কাস্টমার সার্ভিসকে আমূল বদলে দিয়েছে। যদি এই লুপটি নির্ভরযোগ্যভাবে দরকারী বৈজ্ঞানিক অন্তর্দৃষ্টি (insights) প্রদান করতে পারে, তবে এর অর্থনৈতিক ও সামাজিক সুফলও সমমানের হতে পারে।
সামনের বাধাগুলো
আবিষ্কারের প্রক্রিয়া স্বয়ংক্রিয় করা এখনও একটি অমীমাংসিত বিষয়। পরীক্ষার জন্য প্রায়শই সূক্ষ্ম ডোমেইন জ্ঞান, বিশেষায়িত সরঞ্জাম এবং নিরাপত্তা প্রোটোকলের প্রয়োজন হয় যা সফটওয়্যারে কোড করা কঠিন। সমালোচকরা সতর্ক করেছেন যে, একটি বিশুদ্ধ অ্যালগরিদমিক পদ্ধতি মানুষের সহজাত প্রজ্ঞা (intuition) থেকে প্রাপ্ত আকস্মিক বা অপ্রত্যাশিত অন্তর্দৃষ্টিগুলো মিস করতে পারে। এছাড়া, স্পষ্ট আয়ের পথ ছাড়া ভৌত পরীক্ষার জন্য বিশাল কম্পিউট সাইকেল চালানো অত্যন্ত ব্যয়বহুল হয়ে ওঠার ঝুঁকি রয়েছে।
যা লক্ষ্য রাখা প্রয়োজন
- ডেমো মাইলস্টোন – যেকোনো লক্ষ্যভুক্ত ক্ষেত্রে (উপাদান, ফিউশন, ফার্মাসিউটিক্যালস) প্রাথমিক প্রুফ-অফ-কনসেপ্ট ফলাফল।
- অংশীদারিত্ব – একাডেমিক ল্যাব বা শিল্প গবেষণা ও উন্নয়ন (R&D) গ্রুপগুলোর সাথে সহযোগিতা, যারা ভৌত পরীক্ষার সুবিধা দিতে পারে।
- নিয়ন্ত্রক তদারকি – বিশেষ করে ওষুধ আবিষ্কারের ক্ষেত্রে যেখানে তদারকি অত্যন্ত কঠোর।
- ফান্ডিং রাউন্ড – প্রযুক্তিটি পরিপক্ক হওয়ার সাথে সাথে পরবর্তী অর্থায়ন বিনিয়োগকারীদের আত্মবিশ্বাসের সংকেত দেবে।
Discovery Loop যদি তাদের ক্লোজড-লুপ ভিশনকে পুনরাবৃত্তিমূলক যুগান্তকারী সাফল্যে রূপান্তর করতে পারে, তবে এটি গবেষণার পদ্ধতিকে নতুনভাবে সংজ্ঞায়িত করতে পারে। আগামী কয়েক মাস দেখাবে যে AI-এর শক্তি এবং বৈজ্ঞানিক উচ্চাকাঙ্ক্ষা সেই প্রতিশ্রুতি পূরণ করতে পারে কি না।