Google के दिग्गज इंजीनियर Jeff Dean, सर्च दिग्गज कंपनी को छोड़कर Discovery Loop शुरू कर रहे हैं, एक ऐसी कंपनी जो प्रयोगों (experiments) में भारी कंप्यूटिंग शक्ति का उपयोग करके विज्ञान करने के तरीके को फिर से लिखने की कोशिश करेगी।
Google और DeepMind की एक शक्तिशाली टीम
Dean Google के 30वें कर्मचारी थे और उन्होंने इसके सर्च इंफ्रास्ट्रक्चर और Gemini के मल्टीमॉडल मॉडल्स बनाने में मदद की थी। वह CEO होंगे।
वह शोधकर्ताओं की एक "ड्रीम टीम" साथ ला रहे हैं: Sanjay Ghemawat, सीनियर फेलो और प्रसिद्ध इंजीनियर; Quoc Le, Google Brain के संस्थापक सदस्य; और Oriol Vinyals, DeepMind के सीनियर रिसर्च साइंटिस्ट। उनका अनुभव डिस्ट्रिब्यूटेड सिस्टम्स, न्यूरल नेटवर्क और रिइन्फोर्समेंट लर्निंग में है, जो यह संकेत देता है कि Discovery Loop तकनीकी रूप से कठिन समस्याओं से निपटेगा।
ऑटोमेटेड एक्सपेरिमेंटेशन के माध्यम से विज्ञान को गति देना
Discovery Loop को एक पब्लिक-बेनिफिट कॉर्पोरेशन के रूप में संगठित किया गया है जिसका लक्ष्य अनुसंधान (research) में "मानवीय बाधा" (human bottleneck) को खत्म करना है। पारंपरिक प्रयोगशालाएं परिकल्पना (hypothesis), प्रयोग, विश्लेषण और निर्णय के एक धीमे, क्रमिक लूप के माध्यम से काम करती हैं। स्टार्टअप उस प्रक्रिया को "हाई-ऑक्टेन एल्गोरिदम" से बदलना चाहता है जो एक साथ हजारों प्रयोग शुरू कर सकें।
इसका मुख्य सिद्धांत दो साहसी लक्ष्यों पर आधारित है:
- एक्सपेरिमेंटल लूप्स का ऑटोमेशन – परिकल्पना निर्माण, परीक्षण और सुधार को प्रबंधित करने के लिए AI का उपयोग करना, जिससे डेटा की मात्रा और गुणवत्ता दोनों में वृद्धि हो सके।
- रिकर्सिव सेल्फ-इम्प्रूवमेंट – ऐसा AI बनाना जो और भी अधिक शक्तिशाली AI डिजाइन करने में मदद करे, जिससे लूप से मानवीय हस्तक्षेप को कम किया जा सके और नवाचार (innovation) में तेजी से वृद्धि हो सके।
अगली AI सीमा के लिए भारी समर्थन
Alphabet इस सीड राउंड का समर्थन कर रहा है, जिसका सह-नेतृत्व Radical Ventures और Khosla Ventures कर रहे हैं। Kleiner Perkins, Lightspeed और Doerr Capital ने भी इसमें भाग लिया।
यह निवेश इस बढ़ते विश्वास को दर्शाता है कि AI की अगली लहर लार्ज लैंग्वेज मॉडल्स से आगे बढ़कर "एजेंटिक" (agentic) सिस्टम की ओर बढ़ेगी, जो अनुसंधान करेंगे और भौतिक एवं डिजिटल सफलताओं को गति देंगे।
AI परिदृश्य के लिए यह क्यों महत्वपूर्ण है
Dean का जाना "कंटेंट के लिए AI" से "खोज (discovery) के लिए AI" की ओर बदलाव का संकेत है। जबकि पिछले दो वर्षों में जनरेटिव AI का दबदबा रहा है, Discovery Loop खुद को AI और हार्ड साइंसेज के संगम पर स्थापित करता है। यदि यह सफल होता है, तो ड्रग डिस्कवरी, मटेरियल साइंस और ऊर्जा अनुसंधान में नाटकीय रूप से तेजी आ सकती है, जिससे मानवता के सबसे कठिन तकनीकी चुनौतियों से निपटने का तरीका बदल जाएगा।
मुख्य बातें
- प्रतिभाशाली लोगों का पलायन – Jeff Dean, Sanjay Ghemawat, Quoc Le और Oriol Vinyals Discovery Loop बनाने के लिए Google छोड़ रहे हैं।
- ऑटोमेटेड साइंस – स्टार्टअप मानवीय बाधाओं को दूर करने के लिए हजारों AI-संचालित प्रयोगों को समानांतर (parallel) रूप से चलाएगा।
- भारी पूंजी – Alphabet और Khosla Ventures तथा Radical Ventures सहित कई शीर्ष VCs ने फंडिंग का वादा किया है।
इस जोखिम के पीछे की प्रतिभा
Dean Google के तीन सबसे प्रसिद्ध इंजीनियरों को साथ ले जा रहे हैं: Sanjay Ghemawat, सीनियर फेलो जिन्होंने वे डिस्ट्रिब्यूटेड सिस्टम्स बनाए जो वेब के एक बड़े हिस्से को शक्ति प्रदान करते हैं; Quoc Le, Google Brain के संस्थापक सदस्य जिन्होंने डीप-लर्निंग तकनीकों का मार्ग प्रशस्त किया; और Oriol Vinyals, DeepMind के एक सीनियर रिसर्च साइंटिस्ट जिनका रिइन्फोर्समेंट लर्निंग में शानदार ट्रैक रिकॉर्ड है। साथ मिलकर उन्होंने map-reduce प्रतिमान (paradigm) बनाया जो बड़े पैमाने पर डेटा प्रोसेसिंग का आधार है, और वे न्यूरल नेटवर्क भी बनाए जो आज के लैंग्वेज मॉडल्स को शक्ति देते हैं।
स्टार्टअप की क्या योजना है
Discovery Loop का पब्लिक-बेनिफिट चार्टर इसे लाभ के साथ-साथ सामाजिक प्रभाव को तौलने के लिए बाध्य करता है। इसका मिशन अनुसंधान में "मानवीय बाधा" को समाप्त करना है। एक विशिष्ट प्रयोगशाला में, एक वैज्ञानिक परिकल्पना से प्रयोग, फिर विश्लेषण और अगले चरण तक पहुँचने में हफ्तों या महीनों का समय बिताता है। Dean की टीम चाहती है कि AI परिकल्पनाएं तैयार करे, हजारों प्रयोगों को समानांतर रूप से डिजाइन और संचालित करे, और परिणामों के आधार पर अपने स्वयं के मॉडल्स को परिष्कृत (refine) करे।
रोडमैप दो आपस में जुड़े लक्ष्यों पर केंद्रित है। पहला, एक ऐसा प्लेटफॉर्म बनाना जो पूरी एक्सपेरिमेंटल पाइपलाइन को ऑटोमेट करे—परिकल्पना निर्माण से लेकर डेटा संग्रह और विश्लेषण तक। दूसरा, ऐसा AI विकसित करना जो अपने स्वयं के डिजाइन में सुधार कर सके, जिससे एक फीडबैक लूप बने जहाँ प्रत्येक पीढ़ी अधिक सक्षम उत्तराधिकारी बनाने में मदद करे। यदि यह प्लेटफॉर्म काम करता है, तो वे क्षेत्र जो भारी परीक्षण और त्रुटि (trial-and-error) पर निर्भर हैं—जैसे ड्रग डिस्कवरी, मटेरियल साइंस, ऊर्जा अनुसंधान—उनमें नाटकीय रूप से तेजी आ सकती है।
विजन के पीछे का पैसा
सीड राउंड में Alphabet की भागीदारी मूल कंपनी की रणनीतिक रुचि का संकेत देती है। Radical Ventures और Khosla Ventures इस राउंड का सह-नेतृत्व कर रहे हैं, जिसमें Kleiner Perkins, Lightspeed और Doerr Capital से अतिरिक्त निवेश भी शामिल है। निवेशकों की यह सूची इस विश्वास को दर्शाती है कि AI मूल्य की अगली लहर केवल लार्ज लैंग्वेज मॉडल्स से नहीं, बल्कि "एजेंटिक" (agentic) सॉफ्टवेयर से आएगी जो स्वायत्त रूप से कार्य कर सके।
यह व्यापक AI इकोसिस्टम के लिए क्यों महत्वपूर्ण है
यदि Discovery Loop सफल होता है, तो इसका प्रभाव इसके अपने उत्पादों से कहीं अधिक व्यापक हो सकता है। एक व्यवहार्य दवा उम्मीदवार की पहचान करने में लगने वाले समय को कम करने से फार्मास्युटिकल पाइपलाइनों की लागत अरबों डॉलर कम हो सकती है और मरीजों तक जीवन रक्षक उपचार तेजी से पहुंच सकते हैं। मटेरियल साइंस में तीव्र पुनरावृत्ति (rapid iteration) से एयरोस्पेस और कंज्यूमर इलेक्ट्रॉनिक्स के लिए हल्के, मजबूत और अधिक टिकाऊ कंपोजिट प्राप्त हो सकते हैं। AI को केवल इंसानों की सोचने में मदद करने वाले टूल से बदलकर एक ऐसे सिस्टम में ले जाकर जो खुद सोच सके, यह स्टार्टअप अनुसंधान शक्ति को उन संगठनों की ओर स्थानांतरित कर सकता है जो भारी कंप्यूटिंग का खर्च उठा सकते हैं।
निष्कर्ष
Discovery Loop का नेतृत्व करने के लिए Jeff Dean का Google से बाहर निकलना दुर्लभ तकनीकी विशेषज्ञता, गहरे उद्योग संबंधों और पर्याप्त पूंजी को एक साथ लाता है। कंपनी का लक्ष्य वैज्ञानिक प्रयोग के लूप को स्वचालित करना और आत्म-सुधार करने वाला AI बनाना है, जिससे संभावित रूप से वर्षों के शोध को हफ्तों में समेटा जा सके। फिर भी, यह साबित करने से पहले कि AI वास्तव में केवल एक चतुर टूल के बजाय एक प्रयोगशाला भागीदार बन सकता है, इसे महत्वपूर्ण तकनीकी, लॉजिस्टिक और सांस्कृतिक बाधाओं को पार करना होगा। आने वाले महीने यह स्पष्ट करेंगे कि क्या "स्वचालित खोज" (automated discovery) AI के लिए एक वास्तविक अगला कदम है या एक ऐसा दूरदर्शी प्रयास है जो फिनिश लाइन से पहले ही रुक जाता है।