Khosla Ventures, bilimsel keşfi otomatikleştirmeyi hedefleyen Jeff Dean'in yapay zeka girişimi Discovery Loop'un tohum yatırım turuna eş liderlik ediyor

Khosla Ventures, Jeff Dean ve eski Google mühendisleri tarafından kurulan bir yapay zeka girişimi olan Discovery Loop'un tohum yatırım turuna eş lider yatırımcı olarak katıldı. Girişim; hipotez oluşturma, deney yürütme ve sonuç analizi arasındaki döngüyü kapatacağını, böylece yapay zekanın insan müdahalesi olmadan binlerce deney yapmasına olanak tanıyacağını belirtiyor.

Ekibin önemi neden büyük

Kurucular; TensorFlow, Tensor Processing Units ve Gemini büyük dil modelini inşa etmiş olmalarıyla birlikte toplamda yaklaşık 80 yıllık bir Google deneyimine sahipler. Özgeçmişleri, Discovery Loop platformuna güç verecek hem yazılım hem de donanım konularında derin bir uzmanlığa sahip olduklarını kanıtlıyor.

"Kapalı döngü" sisteminin nasıl çalışması planlanıyor

  1. Yapay zeka deneyler önerir – bir model mevcut verileri tarar ve yeni test koşulları önerir.
  2. Hesaplama birimleri testleri yürütür – simülasyonda veya fiziksel bir laboratuvarda olsun, büyük ölçekli kaynaklar önerileri uygular.
  3. Sonuçlar geri besleme sağlar – sonuçlar modele geri döner ve model bu sayede anlayışını günceller.
  4. Binlerce varyasyon – döngü tekrarlanarak hızlı bir şekilde yeni deneyler üretir.

Girişim, her adımı otomatikleştirmeyi hedefleyerek yavaş ilerleyen alanlardaki araştırmaları hızlandırmayı umuyor: daha iyi batarya malzemeleri, füzyon enerjisi kavramları ve daha hızlı ilaç geliştirme süreçleri.

Odaklanmış bir iş modeli

Discovery Loop, birçok yapay zeka uygulamasına yayılmak yerine bilim ve mühendisliğe odaklanıyor. Bu dar kapsam, ticari yol haritalarından ziyade büyük bilimsel zorluklardan etkilenen yetenekleri çekmeyi amaçlıyor. Şirket, misyonu kârın önüne koyan ve amaç odaklı mühendislerin ilgisini çekebilecek bir yasal yapı olan "kamu yararına şirket" (public-benefit corporation) olarak faaliyet gösteriyor.

Yatırımcılar ne görüyor

Khosla Ventures, Discovery Loop'un teknolojisinin potansiyel etkisini; içerik oluşturma, kodlama ve müşteri hizmetlerini yeniden şekillendiren büyük dil modellerinin etkisine benzetiyor. Eğer bu döngü güvenilir bir şekilde yararlı bilimsel içgörüler üretirse, ekonomik ve toplumsal getiriler benzer seviyelerde olabilir.

Önümüzdeki engeller

Keşfin otomasyonu henüz çözülmüş bir sorun değil. Deneyler genellikle yazılıma kodlanması zor olan ince alan bilgisi, özel ekipman ve güvenlik protokollerine ihtiyaç duyar. Eleştirmenler, tamamen algoritmik bir yaklaşımın insan sezgisinin sağladığı beklenmedik içgörüleri kaçırabileceği konusunda uyarıyor. Fiziksel testler için devasa hesaplama döngüleri çalıştırmak, net gelir yolları olmadan aşırı pahalı hale gelme riski de taşıyor.

Takip edilmesi gerekenler

  • Demo dönüm noktaları – herhangi bir hedef alanda (malzemeler, füzyon, ilaç) elde edilecek erken kavram kanıtlama (proof-of-concept) sonuçları.
  • Ortaklıklar – fiziksel test imkanı sağlayabilecek akademik laboratuvarlar veya endüstriyel Ar-Ge gruplarıyla yapılacak iş birlikleri.
  • Düzenleyici denetim – özellikle denetimin sıkı olduğu ilaç keşif süreçleri için.
  • Yatırım turları – teknoloji olgunlaştıkça sonraki finansman süreçleri yatırımcı güveninin bir göstergesi olacaktır.

Eğer Discovery Loop, kapalı döngü vizyonunu tekrarlanabilir atılımlara dönüştürebilirse, araştırmanın nasıl yapıldığını yeniden tanımlayabilir. Önümüzdeki birkaç ay, yapay zeka gücünün ve bilimsel hırsın bu vaadi yerine getirip getiremeyeceğini gösterecek.