Khosla Ventures ने Discovery Loop के सीड राउंड का सह-नेतृत्व किया, जो Jeff Dean का AI स्टार्टअप है और जिसका लक्ष्य वैज्ञानिक खोजों को स्वचालित करना है
Khosla Ventures, Jeff Dean और पूर्व Google इंजीनियरों द्वारा स्थापित AI वेंचर Discovery Loop के सीड राउंड में एक सह-प्रमुख निवेशक के रूप में शामिल हुआ है। स्टार्टअप का कहना है कि यह परिकल्पना (hypothesis) निर्माण, प्रयोग निष्पादन और परिणाम विश्लेषण के बीच के चक्र को पूरा करेगा, जिससे AI बिना मानवीय हस्तक्षेप के हजारों प्रयोग कर सकेगा।
टीम क्यों महत्वपूर्ण है
संस्थापकों के पास सामूहिक रूप से Google का लगभग 80 वर्षों का अनुभव है, जिन्होंने TensorFlow, Tensor Processing Units और Gemini लार्ज-लैंग्वेज मॉडल बनाया है। उनका अनुभव सॉफ्टवेयर और हार्डवेयर दोनों में गहरी विशेषज्ञता को प्रमाणित करता है, जो Discovery Loop के प्लेटफॉर्म को शक्ति प्रदान करेंगे।
"क्लोज्ड-लूप" (closed-loop) सिस्टम कैसे काम करने वाला है
- AI प्रयोगों का प्रस्ताव देता है – एक मॉडल मौजूदा डेटा को स्कैन करता है और नई परीक्षण स्थितियों का सुझाव देता है।
- कंप्यूट टेस्ट चलाता है – बड़े पैमाने पर संसाधन प्रस्तावों को निष्पादित करते हैं, चाहे वे सिमुलेशन में हों या किसी भौतिक लैब में।
- परिणाम फीडबैक देते हैं – परिणाम मॉडल के पास वापस आते हैं, जो अपनी समझ को अपडेट करता है।
- हजारों विविधताएं – यह चक्र दोहराया जाता है, जिससे नए प्रयोगों की एक तीव्र धारा निकलती है।
प्रत्येक चरण को स्वचालित करके, स्टार्टअप धीमी गति से चलने वाले क्षेत्रों में अनुसंधान को गति देने की उम्मीद करता है: जैसे बेहतर बैटरी सामग्री, फ्यूजन-एनर्जी (fusion-energy) अवधारणाएं, और दवा विकास की तेज़ समयसीमा।
एक केंद्रित बिजनेस मॉडल
कई AI अनुप्रयोगों में विस्तार करने के बजाय, Discovery Loop विज्ञान और इंजीनियरिंग पर ध्यान केंद्रित करता है। इसका सीमित दायरा व्यावसायिक रोडमैप के बजाय महान वैज्ञानिक चुनौतियों से प्रेरित प्रतिभाओं को आकर्षित करने का लक्ष्य रखता है। यह फर्म एक पब्लिक-बेनिफिट कॉर्पोरेशन (public-benefit corporation) के रूप में काम करती है, जो एक ऐसा कानूनी ढांचा है जो लाभ से ऊपर मिशन को रखता है और उद्देश्य-केंद्रित इंजीनियरों को आकर्षित कर सकता है।
निवेशक क्या देखते हैं
Khosla Ventures, Discovery Loop की तकनीक के संभावित प्रभाव की तुलना लार्ज-लैंग्वेज मॉडल्स से करता है, जिन्होंने कंटेंट क्रिएशन, कोडिंग और कस्टमर सर्विस को नया रूप दिया है। यदि यह लूप विश्वसनीय रूप से उपयोगी वैज्ञानिक अंतर्दृष्टि (insights) प्रदान करता है, तो इसके आर्थिक और सामाजिक लाभ भी तुलनात्मक हो सकते हैं।
आगे की बाधाएं
खोज का स्वचालन (automation) अभी भी एक अनसुलझी चुनौती है। प्रयोगों के लिए अक्सर सूक्ष्म डोमेन ज्ञान, विशेष उपकरणों और सुरक्षा प्रोटोकॉल की आवश्यकता होती है जिन्हें सॉफ्टवेयर में कोड करना कठिन होता है। आलोचकों ने चेतावनी दी है कि पूरी तरह से एल्गोरिथम आधारित दृष्टिकोण उन आकस्मिक अंतर्दृष्टियों (serendipitous insights) को छोड़ सकता है जो मानवीय अंतर्ज्ञान (human intuition) प्रदान करता है। भौतिक परीक्षणों के लिए विशाल कंप्यूट चक्र चलाना भी स्पष्ट राजस्व मार्गों के बिना अत्यधिक महंगा होने का खतरा पैदा करता है।
किन बातों पर नज़र रखें
- डेमो माइलस्टोन – किसी भी लक्षित क्षेत्र (सामग्री, फ्यूजन, फार्मा) में शुरुआती प्रूफ-ऑफ-कॉन्सेप्ट परिणाम।
- साझेदारी – शैक्षणिक प्रयोगशालाओं या उद्योग R&D समूहों के साथ सहयोग जो भौतिक परीक्षण प्रदान कर सकें।
- नियामक जांच – विशेष रूप से दवा-खोज पाइपलाइनों के लिए जहां निगरानी सख्त है।
- फंडिंग राउंड – तकनीक के परिपक्व होने के साथ बाद का वित्तपोषण निवेशकों के विश्वास का संकेत देगा।
यदि Discovery Loop अपने क्लोज्ड-लूप विजन को दोहराने योग्य सफलताओं (repeatable breakthroughs) में बदल देता है, तो यह अनुसंधान करने के तरीके को फिर से परिभाषित कर सकता है। अगले कुछ महीने यह दिखाएंगे कि क्या AI की शक्ति और वैज्ञानिक महत्वाकांक्षा उस वादे को पूरा कर सकती है।