ശാസ്ത്രീയ കണ്ടുപിടുത്തങ്ങൾ ഓട്ടോമേറ്റ് ചെയ്യാൻ ലക്ഷ്യമിടുന്ന ജെഫ് ഡീന്റെ AI സ്റ്റാർട്ടപ്പായ Discovery Loop-ന്റെ സീഡ് റൗണ്ടിൽ Khosla Ventures സഹ-നേതാവായി
ജെഫ് ഡീനും മുൻ ഗൂഗിൾ എഞ്ചിനീയർമാരും ചേർന്ന് സ്ഥാപിച്ച AI സംരംഭമായ Discovery Loop-ന്റെ സീഡ് റൗണ്ടിൽ സഹ-നേതാവായ നിക്ഷേപകനായി Khosla Ventures പങ്കുചേർന്നു. ഹൈപ്പോതെസിസ് രൂപീകരണം (hypothesis generation), പരീക്ഷണങ്ങൾ നടത്തൽ, ഫലങ്ങൾ വിശകലനം ചെയ്യൽ എന്നിവയ്ക്കിടയിലുള്ള വിടവ് നികത്താൻ ഈ സ്റ്റാർട്ടപ്പ് ലക്ഷ്യമിടുന്നു. ഇതിലൂടെ മനുഷ്യസഹായമില്ലാതെ തന്നെ ആയിരക്കണക്കിന് പരീക്ഷണങ്ങൾ നടത്താൻ AI-ക്ക് സാധിക്കും.
ഈ ടീമിന്റെ പ്രാധാന്യം
TensorFlow, Tensor Processing Units, Gemini ലാർജ്-ലാംഗ്വേജ് മോഡൽ എന്നിവ നിർമ്മിച്ചെടുത്ത ഈ സ്ഥാപകരുടെ പക്കൽ മൊത്തത്തിൽ ഏകദേശം 80 വർഷത്തെ ഗൂഗിൾ പ്രവൃത്തിപരിചയമുണ്ട്. Discovery Loop പ്ലാറ്റ്ഫോമിന് കരുത്തുപകരുന്ന സോഫ്റ്റ്വെയർ, ഹാർഡ്വെയർ മേഖലകളിലുള്ള അവരുടെ അഗാധമായ അറിവ് അവരുടെ പ്രവൃത്തിപരിചയത്തിലൂടെ തെളിയുന്നു.
"ക്ലോസ്ഡ്-ലൂപ്പ്" (closed-loop) സിസ്റ്റം എങ്ങനെയാണ് പ്രവർത്തിക്കുന്നത്
- AI പരീക്ഷണങ്ങൾ നിർദ്ദേശിക്കുന്നു – ഒരു മോഡൽ നിലവിലുള്ള ഡാറ്റ പരിശോധിക്കുകയും പുതിയ പരീക്ഷണ സാഹചര്യങ്ങൾ നിർദ്ദേശിക്കുകയും ചെയ്യുന്നു.
- കമ്പ്യൂട്ട് പരീക്ഷണങ്ങൾ നടത്തുന്നു – സിമുലേഷനിലൂടെയോ ഫിസിക്കൽ ലാബിലൂടെയോ നിർദ്ദേശങ്ങൾ നടപ്പിലാക്കാൻ വലിയ തോതിലുള്ള കമ്പ്യൂട്ടിംഗ് വിഭവങ്ങൾ ഉപയോഗിക്കുന്നു.
- ഫലങ്ങൾ തിരികെ നൽകുന്നു – പരീക്ഷണ ഫലങ്ങൾ മോഡലിലേക്ക് തിരിച്ചെത്തുകയും അത് അതിന്റെ അറിവ് പുതുക്കുകയും ചെയ്യുന്നു.
- ആയിരക്കണക്കിന് മാറ്റങ്ങൾ – ഈ ചക്രം ആവർത്തിക്കപ്പെട്ടുകൊണ്ടിരിക്കുകയും പുതിയ പരീക്ഷണങ്ങളുടെ ഒരു നിര തന്നെ പുറത്തുവരികയും ചെയ്യുന്നു.
ഓരോ ഘട്ടവും ഓട്ടോമേറ്റ് ചെയ്യുന്നതിലൂടെ, മെച്ചപ്പെട്ട ബാറ്ററി മെറ്റീരിയലുകൾ, ഫ്യൂഷൻ എനർജി ആശയങ്ങൾ, വേഗത്തിലുള്ള മരുന്ന് വികസന സമയക്രമങ്ങൾ എന്നിങ്ങനെ സാവധാനം മുന്നേറുന്ന മേഖലകളിലെ ഗവേഷണങ്ങൾ വേഗത്തിലാക്കാൻ സ്റ്റാർട്ടപ്പ് ആഗ്രഹിക്കുന്നു.
ശ്രദ്ധ കേന്ദ്രീകരിച്ച ഒരു ബിസിനസ് മോഡൽ
പലതരം AI പ്രയോഗങ്ങളിലേക്ക് വ്യാപിക്കുന്നതിന് പകരം, Discovery Loop ശാസ്ത്രത്തിലും എഞ്ചിനീയറിംഗിലും ശ്രദ്ധ കേന്ദ്രീകരിക്കുന്നു. വാണിജ്യപരമായ ലക്ഷ്യങ്ങളേക്കാൾ വലിയ ശാസ്ത്രീയ വെല്ലുവിളികളാൽ പ്രചോദിതരായ പ്രതിഭകളെ ആകർഷിക്കുക എന്നതാണ് ഈ പരിമിതമായ പരിധിയിലൂടെ ലക്ഷ്യമിടുന്നത്. ലാഭത്തേക്കാൾ ദൗത്യത്തിന് മുൻഗണന നൽകുന്ന ഒരു നിയമപരമായ ഘടനയായ 'പബ്ലിക്-ബെനിഫിറ്റ് കോർപ്പറേഷൻ' (public-benefit corporation) ആയാണ് ഈ സ്ഥാപനം പ്രവർത്തിക്കുന്നത്. ഇത് ലക്ഷ്യബോധമുള്ള എഞ്ചിനീയർമാരെ ആകർഷിക്കാൻ സഹായിച്ചേക്കാം.
നിക്ഷേപകർ കാണുന്നത്
കണ്ടന്റ് ക്രിയേഷൻ, കോഡിംഗ്, കസ്റ്റമർ സർവീസ് എന്നിവയെ മാറ്റിമറിച്ച ലാർജ്-ലാംഗ്വേജ് മോഡലുകൾക്ക് സമാനമായ സ്വാധീനം Discovery Loop-ന്റെ സാങ്കേതികവിദ്യയ്ക്കും ഉണ്ടാകുമെന്ന് Khosla Ventures കരുതുന്നു. ഈ ക്ലോസ്ഡ്-ലൂപ്പ് സംവിധാനം വിശ്വസനീയമായ ശാസ്ത്രീയ ഉൾക്കാഴ്ചകൾ നൽകുകയാണെങ്കിൽ, അതിന്റെ സാമ്പത്തികവും സാമൂഹികവുമായ നേട്ടങ്ങൾ അത്രത്തോളം വലുതായിരിക്കും.
മുന്നിലുള്ള വെല്ലുവിളികൾ
കണ്ടുപിടുത്തങ്ങളുടെ ഓട്ടോമേഷൻ എന്നത് ഇന്നും പരിഹരിക്കപ്പെടാത്ത ഒരു പ്രശ്നമാണ്. പരീക്ഷണങ്ങൾക്ക് പലപ്പോഴും സോഫ്റ്റ്വെയറുകളിൽ ഉൾപ്പെടുത്താൻ പ്രയാസമുള്ള പ്രത്യേക മേഖലയിലെ അറിവ് (domain knowledge), സവിശേഷമായ ഉപകരണങ്ങൾ, സുരക്ഷാ മാനദണ്ഡങ്ങൾ എന്നിവ ആവശ്യമാണ്. മനുഷ്യന്റെ ഉൾക്കാഴ്ച (intuition) നൽകുന്ന അപ്രതീക്ഷിതമായ കണ്ടെത്തലുകൾ ഒരു അൽഗോരിതമിക് സമീപനത്തിന് നഷ്ടപ്പെട്ടേക്കാം എന്ന് വിമർശകർ മുന്നറിയിപ്പ് നൽകുന്നു. കൂടാതെ, വ്യക്തമായ വരുമാന മാർഗങ്ങളില്ലാതെ ഫിസിക്കൽ ടെസ്റ്റുകൾക്കായി വലിയ തോതിലുള്ള കമ്പ്യൂട്ടിംഗ് സൈക്കിളുകൾ പ്രവർത്തിപ്പിക്കുന്നത് അമിത ചിലവിലേക്ക് നയിച്ചേക്കാം.
ശ്രദ്ധിക്കേണ്ട കാര്യങ്ങൾ
- ഡെമോ മൈൽസ്റ്റോണുകൾ (Demo milestones) – ലക്ഷ്യമിടുന്ന ഏതെങ്കിലും മേഖലയിലെ (മെറ്റീരിയലുകൾ, ഫ്യൂഷൻ, ഫാർമ) പ്രാരംഭ പ്രൂഫ്-ഓഫ്-കോൺസെപ്റ്റ് ഫലങ്ങൾ.
- പങ്കാളിത്തങ്ങൾ (Partnerships) – ഫിസിക്കൽ ടെസ്റ്റിംഗിന് സഹായിക്കാൻ കഴിയുന്ന അക്കാദമിക് ലാബുകളുമായോ വ്യവസായ R&D ഗ്രൂപ്പുകളുമായോ ഉള്ള സഹകരണം.
- നിയമപരമായ പരിശോധനകൾ (Regulatory scrutiny) – പ്രത്യേകിച്ച് കർശനമായ മേൽനോട്ടം ആവശ്യമുള്ള മരുന്ന് കണ്ടുപിടുത്ത പ്രക്രിയകളിൽ.
- ഫണ്ടിംഗ് റൗണ്ടുകൾ (Funding rounds) – സാങ്കേതികവിദ്യ വളരുന്നതിനനുസരിച്ച് വരാനിരിക്കുന്ന ഫണ്ടിംഗ് നിക്ഷേപകരുടെ ആത്മവിശ്വാസത്തെ സൂചിപ്പിക്കും.
Discovery Loop അതിന്റെ ക്ലോസ്ഡ്-ലൂപ്പ് കാഴ്ചപ്പാടിനെ ആവർത്തിക്കാവുന്ന വലിയ കണ്ടെത്തലുകളാക്കി മാറ്റാൻ കഴിഞ്ഞാൽ, ഗവേഷണ രീതികളെ തന്നെ അത് പുനർനിർവചിച്ചേക്കാം. AI-യുടെ കരുത്തും ശാസ്ത്രീയമായ അഭിലാഷവും ആ വാഗ്ദാനം നിറവേറ്റുമോ എന്ന് വരും മാസങ്ങൾ തീരുമാനിക്കും.