Google-ன் புகழ்பெற்ற பொறியாளர் Jeff Dean, சோதனைகளில் பெரும் கணினித் திறனை (massive compute) பயன்படுத்துவதன் மூலம் அறிவியல் செய்யப்படும் முறையை மாற்றி எழுத முயற்சிக்கும் Discovery Loop என்ற நிறுவனத்தைத் தொடங்க, அந்தத் தேடல் நிறுவனத்திலிருந்து வெளியேறுகிறார்.
Google மற்றும் DeepMind ஆகியவற்றிலிருந்து ஒரு வலிமையான குழு
Dean கூகுளின் 30-வது ஊழியர் ஆவார், மேலும் அதன் தேடல் உள்கட்டமைப்பு மற்றும் Gemini-ன் மல்டிமோடல் (multimodal) மாதிரிகளை உருவாக்க உதவினார். அவர் CEO ஆக இருப்பார்.
அவர் ஆராய்ச்சியாளர்களின் ஒரு "கனவுத் দলকে" (dream team) அழைத்து வருகிறார்: மூத்த உறுப்பினர் மற்றும் புகழ்பெற்ற பொறியாளர் Sanjay Ghemawat; Google Brain-ன் நிறுவன உறுப்பினரான Quoc Le; மற்றும் DeepMind-ன் மூத்த ஆராய்ச்சி விஞ்ஞானி Oriol Vinyals. இவர்களின் அனுபவம் பரவலாக்கப்பட்ட அமைப்புகள் (distributed systems), நரம்பியல் வலைப்பின்னல்கள் (neural networks) மற்றும் வலுவூட்டல் கற்றல் (reinforcement learning) ஆகியவற்றை உள்ளடக்கியது, இது Discovery Loop தொழில்நுட்ப ரீதியாக கடினமான சிக்கல்களைத் தீர்க்கப் போகிறது என்பதைக் காட்டுகிறது.
தானியங்கி சோதனைகள் மூலம் அறிவியலை விரைவுபடுத்துதல்
Discovery Loop ஒரு பொதுநல நிறுவனமாக (public-benefit corporation) அமைக்கப்பட்டுள்ளது, இது ஆராய்ச்சியில் உள்ள "மனிதத் தடைகளை" (human bottleneck) உடைப்பதை நோக்கமாகக் கொண்டுள்ளது. பாரம்பரிய ஆய்வகங்கள் கருதுகோள் (hypothesis), சோதனை, பகுப்பாய்வு மற்றும் முடிவு ஆகியவற்றை உள்ளடக்கிய ஒரு மெதுவான, தொடர்ச்சியான சுழற்சியைக் கொண்டுள்ளன. இந்தத் தொடக்க நிறுவனம், ஒரே நேரத்தில் ஆயிரக்கணக்கான சோதனைகளைத் தொடங்கக்கூடிய "அதிவேக அல்காரிதம்களால்" (high-octane algorithms) அதை மாற்றியமைக்க விரும்புகிறது.
அதன் முக்கியக் கோட்பாடு இரண்டு துணிச்சலான இலக்குகளைக் கொண்டுள்ளது:
- சோதனைச் சுழற்சிகளைத் தானியக்கமாக்குதல் – கருதுகோள்களை உருவாக்குதல், சோதனை மற்றும் மேம்படுத்துதல் ஆகியவற்றை நிர்வகிக்க AI-ஐப் பயன்படுத்துவதன் மூலம், தரவின் அளவு மற்றும் தரம் இரண்டையும் அதிகரித்தல்.
- தொடர் சுய முன்னேற்றம் (Recursive self-improvement) – இன்னும் சக்திவாய்ந்த AI-ஐ வடிவமைக்க உதவும் AI-ஐ உருவாக்குதல், இதன் மூலம் மனிதத் தலையீட்டைக் குறைத்து கண்டுபிடிப்புகளை அதிவேகமாகத் துரிதப்படுத்துதல்.
அடுத்த தலைமுறை AI முன்னேற்றத்திற்கான பெரும் ஆதரவு
Alphabet இந்த விதை சுற்று முதலீட்டை (seed round) ஆதரிக்கிறது, இது Radical Ventures மற்றும் Khosla Ventures ஆகியவற்றால் இணைந்து வழிநடத்தப்படுகிறது. Kleiner Perkins, Lightspeed மற்றும் Doerr Capital ஆகிய நிறுவனங்களும் இதில் பங்கேற்றன.
அடுத்த AI அலை, பெரிய மொழி மாதிரிகளிலிருந்து (large language models) தாண்டி, ஆராய்ச்சிகளை மேற்கொண்டு இயற்பியல் மற்றும் டிஜிட்டல் ரீதியான முன்னேற்றங்களை driving செய்யும் "ஏஜென்டிக்" (agentic) அமைப்புகளை நோக்கி நகரும் என்ற வளர்ந்து வரும் நம்பிக்கையை இந்த முதலீடு பிரதிபலிக்கிறது.
AI சூழலில் இது ஏன் முக்கியமானது
Dean-ன் வெளியேற்றம் "உள்ளடக்கத்திற்கான AI" (AI for content) என்பதிலிருந்து "கண்டுபிடிப்பிற்கான AI" (AI for discovery) என்ற மாற்றத்தைக் குறிக்கிறது. கடந்த இரண்டு ஆண்டுகளாக ஜெனரேட்டிவ் AI (generative AI) ஆதிக்கம் செலுத்திய நிலையில், Discovery Loop தன்னை AI மற்றும் கடினமான அறிவியல் துறைகளின் சந்திப்பில் நிலைநிறுத்துகிறது. இது வெற்றியடைந்தால், மருந்து கண்டுபிடிப்பு, பொருட்கள் அறிவியல் (materials science) மற்றும் எரிசக்தி ஆராய்ச்சி ஆகியவை வியத்தகு முறையில் வேகமெடுக்கக்கூடும், இது மனிதகுலம் தனது கடினமான தொழில்நுட்ப சவால்களை எதிர்கொள்ளும் முறையை மாற்றியமைக்கும்.
முக்கியக் குறிப்புகள்
- சிறந்த திறமையாளர்களின் வெளியேற்றம் – Jeff Dean, Sanjay Ghemawat, Quoc Le மற்றும் Oriol Vinyals ஆகியோர் Discovery Loop-ஐ உருவாக்க Google-லிருந்து வெளியேறுகின்றனர்.
- தானியங்கி அறிவியல் – மனிதத் தடைகளைத் தவிர்க்க, இந்தத் தொடக்க நிறுவனம் ஆயிரக்கணக்கான AI சார்ந்த சோதனைகளை இணையாக (in parallel) நடத்தும்.
- பெரும் முதலீடு – Alphabet மற்றும் Khosla Ventures, Radical Ventures உள்ளிட்ட முன்னணி VC நிறுவனங்கள் நிதி வழங்க முன்வந்துள்ளன.
இந்த முயற்சியின் பின்னணியில் உள்ள திறமையாளர்கள்
Dean கூகுளின் மிகவும் புகழ்பெற்ற மூன்று பொறியாளர்களை அழைத்துச் செல்கிறார்: இணையத்தின் பெரும்பகுதியை இயக்கும் பரவலாக்கப்பட்ட அமைப்புகளை (distributed systems) உருவாக்கிய மூத்த உறுப்பினர் Sanjay Ghemawat; டீப்-லேர்னிங் (deep-learning) நுட்பங்களில் முன்னோடியாக இருந்த Google Brain-ன் நிறுவன உறுப்பினர் Quoc Le; மற்றும் வலுவூட்டல் கற்றலில் (reinforcement learning) அனுபவம் வாய்ந்த DeepMind-ன் மூத்த ஆராய்ச்சி விஞ்ஞானி Oriol Vinyals. இவர்கள் அனைவரும் இணைந்து, பெருமளவிலான தரவு செயலாக்கத்திற்கு அடிப்படையான map-reduce முறையையும், இன்றைய மொழி மாதிரிகளை இயக்கும் நரம்பியல் வலைப்பின்னல்களையும் உருவாக்கினர்.
இந்தத் தொடக்க நிறுவனம் என்ன செய்யத் திட்டமிட்டுள்ளது
Discovery Loop-ன் பொதுநல சாசனம் (public-benefit charter), லாபத்துடன் சமூகத் தாக்கத்தையும் கருத்தில் கொள்ளுமாறு அதற்கு கடமைப்படுத்துகிறது. ஆராய்ச்சியில் உள்ள "மனிதத் தடைகளை" நீக்குவதே அதன் நோக்கம். ஒரு சாதாரண ஆய்வகத்தில், ஒரு விஞ்ஞானி கருதுகோள் முதல் சோதனை, பகுப்பாய்வு மற்றும் அடுத்த கட்டத்திற்குச் செல்ல வாரக்கணக்கில் அல்லது மாதக்கணக்கில் செலவிடுகிறார். Dean-ன் குழு AI மூலம் கருதுகோள்களை உருவாக்கவும், ஆயிரக்கணக்கான சோதனைகளை இணையாக வடிவமைத்து நடத்தவும் மற்றும் முடிவுகளின் அடிப்படையில் அதன் சொந்த மாதிரிகளை மேம்படுத்தவும் விரும்புகிறது.
இதன் செயல்திட்டம் (roadmap) ஒன்றோடொன்று இணைக்கப்பட்ட இரண்டு இலக்குகளில் கவனம் செலுத்துகிறது. முதலாவதாக, கருதுகோள் உருவாக்கம் முதல் தரவு சேகரிப்பு மற்றும் பகுப்பாய்வு வரையிலான முழு சோதனைச் செயல்பாட்டையும் (experimental pipeline) தானியக்கமாக்கும் ஒரு தளத்தை உருவாக்குதல். இரண்டாவதாக, தனது சொந்த வடிவமைப்பை மேம்படுத்தக்கூடிய AI-ஐ உருவாக்குதல், இதன் மூலம் ஒவ்வொரு தலைமுறையும் அடுத்த சிறந்த தலைமுறையை உருவாக்க உதவும் ஒரு பின்னூட்டச் சுழற்சியை (feedback loop) உருவாக்குதல். இந்தத் தளம் வெற்றியடைந்தால், மருந்து கண்டுபிடிப்பு, பொருட்கள் அறிவியல் மற்றும் எரிசக்தி ஆராய்ச்சி போன்ற பெருமளவிலான சோதனை மற்றும் பிழை (trial-and-error) முறைகளைச் சார்ந்த துறைகள் வியத்தகு முறையில் வேகமெடுக்கக்கூடும்.
இந்தத் தொலைநோக்குப் பார்வையின் பின்னணியில் உள்ள நிதி
Alphabet-ன் விதை சுற்று முதலீட்டில் (seed round) பங்கேற்பது, அந்தத் தாய் நிறுவனத்தின் மூலோபாய ஆர்வத்தைக் குறிக்கிறது. Radical Ventures மற்றும் Khosla Ventures இந்த முதலீட்டுச் சுற்றை வழிநடத்துகின்றன; Kleiner Perkins, Lightspeed மற்றும் Doerr Capital ஆகியவற்றிலிருந்தும் கூடுதல் நிதி கிடைத்துள்ளது. முதலீட்டாளர்களின் இந்தப் பட்டியல், AI-ன் அடுத்த கட்ட மதிப்பு என்பது வெறும் பெரிய மொழி மாதிரிகளிலிருந்து (large language models) மட்டும் அல்லாமல், தன்னிச்சையாகச் செயல்படக்கூடிய "agentic" மென்பொருட்களிலிருந்தே வரும் என்ற நம்பிக்கையை வெளிப்படுத்துகிறது.
இது பரந்த AI சூழலுக்கான (ecosystem) முக்கியத்துவம் என்ன
Discovery Loop தனது இலக்குகளை அடைந்தால், அதன் தாக்கம் அதன் சொந்த தயாரிப்புகளுக்கு அப்பால் பரவக்கூடும். ஒரு சாத்தியமான மருந்துப் பொருளைக் கண்டறியும் நேரத்தைக் குறைப்பதன் மூலம், மருந்துத் தயாரிப்புச் செலவுகளில் பில்லியன் கணக்கான டாலர்களைச் சேமிக்க முடியும் மற்றும் உயிர்காக்கும் சிகிச்சைகளை நோயாளிகளுக்கு விரைவாகக் கொண்டு சேர்க்க முடியும். பொருள் அறிவியலில் (materials science) விரைவான முன்னேற்றங்கள், விண்வெளி மற்றும் நுகர்வோர் மின்னணு சாதனங்களுக்கான இலகுவான, வலிமையான மற்றும் நிலையான கலப்புப் பொருட்களை (composites) உருவாக்க வழிவகுக்கும். AI-யை மனிதர்களுக்குச் சிந்திக்க உதவும் ஒரு கருவியிலிருந்து, அதுவே சிந்திக்கும் திறன் கொண்ட ஒரு அமைப்பாக மாற்றுவதன் மூலம், இந்த ஸ்டார்ட்அப் ஆராய்ச்சி அதிகாரத்தை அதிகப்படியான கணக்கீட்டுத் திறனை (compute) கையாளக்கூடிய நிறுவனங்களை நோக்கித் திருப்பக்கூடும்.
சுருக்கம்
Discovery Loop-ஐ வழிநடத்துவதற்காக Jeff Dean கூகுளிலிருந்து வெளியேறுவது, அரிய தொழில்நுட்ப நிபுணத்துவம், ஆழமான தொழில்முறைத் தொடர்புகள் மற்றும் கணிசமான மூலதனம் ஆகியவற்றை ஒன்றிணைக்கிறது. அறிவியல் பரிசோதனைச் சுழற்சியைத் தானியக்கமாக்கவும், தானாகவே மேம்படும் AI-யை உருவாக்கவும் இந்த நிறுவனம் இலக்கு கொண்டுள்ளது; இது பல ஆண்டுகால ஆராய்ச்சியை வாரங்களிலேயே முடிக்கும் சாத்தியத்தைக் கொண்டுள்ளது. இருப்பினும், AI என்பது வெறும் புத்திசாலித்தனமான கருவியாக மட்டுமல்லாமல், உண்மையான ஆய்வகப் பங்காளியாக மாறும் என்பதை நிரூபிப்பதற்கு முன், அது குறிப்பிடத்தக்க தொழில்நுட்ப, தளவாட மற்றும் கலாச்சாரத் தடைகளைத் தாண்ட வேண்டும். "தானியங்கி கண்டுபிடிப்பு" (automated discovery) என்பது AI-க்கான யதார்த்தமான அடுத்த கட்டமா அல்லது இலக்கை அடைவதற்கு முன்பே நின்றுவிடும் ஒரு தொலைநோக்குச் செயல்பாடா என்பதை வரும் மாதங்கள் வெளிப்படுத்தும்.