گوگل کے افسانوی انجینئر جیف ڈین سرچ کے اس بڑے ادارے کو چھوڑ کر Discovery Loop شروع کر رہے ہیں، ایک ایسی کمپنی جو تجربات پر بڑے پیمانے پر کمپیوٹنگ (compute) استعمال کر کے سائنس کے طریقہ کار کو نئے سرے سے لکھنے کی کوشش کرے گی۔
Google اور DeepMind کی ایک طاقتور ٹیم
ڈین گوگل کے 30ویں ملازم تھے اور انہوں نے اس کے سرچ انفراسٹرکچر اور Gemini کے ملٹی موڈل ماڈلز بنانے میں مدد کی۔ وہ اس کے CEO ہوں گے۔
وہ محققین کی ایک "ڈریم ٹیم" ساتھ لائے ہیں: سنجے گھیموات (Sanjay Ghemawat)، سینئر فیلو اور مشہور انجینئر؛ کوک لی (Quoc Le)، Google Brain کے بانی رکن؛ اور اوریول وینیالز (Oriol Vinyals)، DeepMind کے سینئر ریسرچ سائنسٹسٹ۔ ان کے تجربات ڈسٹریبیوٹڈ سسٹمز، نیورل نیٹ ورکس اور ری انفورسمنٹ لرننگ (reinforcement learning) میں پھیلے ہوئے ہیں، جو اس بات کا اشارہ ہے کہ Discovery Loop تکنیکی طور پر مشکل مسائل کا حل تلاش کرے گی۔
خودکار تجربات کے ذریعے سائنس کی رفتار میں اضافہ
Discovery Loop کو ایک پبلک بینیفٹ کارپوریشن کے طور پر منظم کیا گیا ہے جس کا مقصد تحقیق میں "انسانی رکاوٹ" (human bottleneck) کو ختم کرنا ہے۔ روایتی لیبارٹریز مفروضے (hypothesis)، تجربے، تجزیہ اور فیصلے کے ایک سست اور تسلسل وار چکر سے گزرتی ہیں۔ یہ اسٹارٹ اپ اس عمل کو "ہائی اوکٹین الگورتھم" سے بدلنا چاہتا ہے جو ایک ساتھ ہزاروں تجربات شروع کر سکیں۔
اس کے بنیادی نظریے کے دو اہم اہداف ہیں:
- تجرباتی چکروں کو خودکار بنانا – مفروضوں کی تیاری، جانچ اور بہتری کے لیے AI کا استعمال کرنا، تاکہ ڈیٹا کی مقدار اور معیار دونوں میں اضافہ ہو سکے۔
- تکراری خود اصلاح (Recursive self-improvement) – ایسی AI بنانا جو مزید طاقتور AI ڈیزائن کرنے میں مدد دے، جس سے عمل سے انسانی مداخلت ختم ہو جائے اور جدت میں کئی گنا تیزی آ سکے۔
AI کی اگلی سرحد کے لیے بڑے پیمانے پر سرمایہ کاری
Alphabet اس سیڈ راؤنڈ (seed round) کی حمایت کر رہا ہے، جس کی مشترکہ قیادت Radical Ventures اور Khosla Ventures کر رہے ہیں۔ Kleiner Perkins، Lightspeed اور Doerr Capital نے بھی اس میں حصہ لیا ہے۔
یہ سرمایہ کاری اس بڑھتے ہوئے یقین کی عکاس ہے کہ AI کی اگلی لہر بڑے لینگویج ماڈلز سے آگے بڑھ کر "ایجنٹک" (agentic) سسٹمز کی طرف جائے گی جو تحقیق کریں گی اور جسمانی و ڈیجیٹل شعبوں میں بڑی پیش رفت کا باعث بنیں گی۔
یہ AI کے منظر نامے کے لیے کیوں اہم ہے
ڈین کی روانگی "مواد کے لیے AI" (AI for content) سے "دریافت کے لیے AI" (AI for discovery) کی طرف ایک تبدیلی کی علامت ہے۔ اگرچہ گزشتہ دو سالوں میں جنریٹو AI کا غلبہ رہا ہے، لیکن Discovery Loop خود کو AI اور مشکل سائنسوں (hard sciences) کے سنگم پر پیش کرتا ہے۔ اگر یہ کامیاب رہا، تو ادویات کی دریافت، میٹریل سائنس اور توانائی کی تحقیق میں ڈرامائی تیزی آ سکتی ہے، جو انسانیت کے مشکل ترین تکنیکی چیلنجز سے نمٹنے کے طریقے کو بدل دے گی۔
اہم نکات
- اعلیٰ صلاحیتوں کا اخراج – جیف ڈین، سنجے گھیموات، کوک لی اور اوریول وینیالز Discovery Loop بنانے کے لیے گوگل چھوڑ رہے ہیں۔
- خودکار سائنس – یہ اسٹارٹ اپ انسانی رکاوٹوں سے بچنے کے لیے ہزاروں AI سے چلنے والے تجربات بیک وقت (in parallel) کرے گا۔
- بھاری سرمایہ کاری – Alphabet اور Khosla Ventures اور Radical Ventures سمیت کئی بڑے وی سی (VCs) نے فنڈنگ فراہم کرنے کا عہد کیا ہے۔
اس جوئے کے پیچھے موجود ٹیلنٹ
ڈین گوگل کے تین سب سے مشہور انجینئرز کو ساتھ لے جا رہے ہیں: سنجے گھیموات، سینئر فیلو جنہوں نے وہ ڈسٹریبیوٹڈ سسٹمز بنائے جو ویب کے ایک بڑے حصے کو طاقت فراہم کرتے ہیں؛ کوک لی، Google Brain کے بانی رکن جنہوں نے ڈیپ لرننگ تکنیکوں کی بنیاد رکھی؛ اور اوریول وینیالز، DeepMind کے سینئر ریسرچ سائنسٹسٹ جن کا ری انفورسمنٹ لرننگ میں بہترین ریکارڈ ہے۔ انہوں نے مل کر map-reduce پیراڈائم بنایا جو بڑے پیمانے پر ڈیٹا پروسیسنگ کی بنیاد ہے، اور وہ نیورل نیٹ ورکس بنائے جو آج کے لینگویج ماڈلز کو طاقت دیتے ہیں۔
اسٹارٹ اپ کا منصوبہ کیا ہے
Discovery Loop کا پبلک بینیفٹ چارٹر اسے منافع کے ساتھ ساتھ سماجی اثرات کو بھی مدنظر رکھنے کا پابند بناتا ہے۔ اس کا مشن تحقیق میں "انسانی رکاوٹ" کو ختم کرنا ہے۔ ایک عام لیبارٹری میں، ایک سائنسدان مفروضے سے تجربے، پھر تجزیے اور پھر اگلے مرحلے تک پہنچنے میں ہفتوں یا مہینے صرف کرتا ہے۔ ڈین کی ٹیم چاہتی ہے کہ AI خود مفروضے تیار کرے، ہزاروں تجربات کو بیک وقت ڈیزائن اور چلا کر نتائج کی بنیاد پر اپنے ماڈلز کو بہتر بنائے۔
اس کا روڈ میپ دو باہم جڑے ہوئے اہداف پر توجہ مرکوز کرتا ہے۔ پہلا، ایک ایسا پلیٹ فارم بنانا جو پورے تجرباتی عمل (pipeline) کو خودکار بنا دے—مفروضوں کی تیاری سے لے کر ڈیٹا کے جمع کرنے اور تجزیے تک۔ دوسرا، ایسی AI تیار کرنا جو اپنے ڈیزائن کو خود بہتر بنا سکے، جس سے ایک فیڈ بیک لوپ بنے جہاں ہر نئی نسل ایک زیادہ قابل جانشین بنانے میں مدد دے۔ اگر یہ پلیٹ فارم کام کر گیا، تو وہ شعبے جو بڑے پیمانے پر آزمائش اور غلطی (trial-and-error) پر انحصار کرتے ہیں—جیسے ادویات کی دریافت، میٹریل سائنس اور توانائی کی تحقیق—ان میں ڈرامائی تیزی آ سکتی ہے۔
اس وژن کے پیچھے موجود سرمایہ
Alphabet کی سیڈ راؤنڈ میں شرکت اس پیرنٹ کمپنی کی اسٹریٹجک دلچسپی کا اشارہ دیتی ہے۔ Radical Ventures اور Khosla Ventures اس راؤنڈ کی مشترکہ قیادت کر رہے ہیں، جبکہ Kleiner Perkins، Lightspeed اور Doerr Capital بھی اس میں سرمایہ کاری کر رہے ہیں۔ سرمایہ کاروں کی یہ فہرست اس یقین کو ظاہر کرتی ہے کہ AI کی اگلی لہر صرف بڑے لینگویج ماڈلز (large language models) سے نہیں، بلکہ "ایجنٹک" (agentic) سافٹ ویئر سے آئے گی جو خود مختارانہ طور پر کام کر سکے۔
یہ وسیع تر AI ایکو سسٹم کے لیے کیوں اہم ہے
اگر Discovery Loop اپنے اہداف حاصل کرنے میں کامیاب ہو جاتا ہے، تو اس کا اثر اس کی اپنی مصنوعات سے کہیں زیادہ وسیع ہو سکتا ہے۔ ایک قابلِ عمل دوا کے انتخاب کے وقت میں کمی لانے سے فارماسیوٹیکل پائپ لائنز کے اخراجات میں اربوں ڈالر کی بچت ہو سکتی ہے اور مریضوں تک زندگی بچانے والے علاج تیزی سے پہنچ سکتے ہیں۔ میٹریل سائنس میں تیز رفتار تکرار (rapid iteration) سے ایرو اسپیس اور کنزیومر الیکٹرانکس کے لیے ہلکے، مضبوط اور زیادہ پائیدار کمپوزٹس حاصل کیے جا سکتے ہیں۔ AI کو محض انسانوں کی سوچ میں مدد کرنے والے ٹول سے بدل کر ایک ایسا نظام بنانے کے ذریعے جو خود سوچ سکے، یہ اسٹارٹ اپ تحقیق کی طاقت کو ان تنظیموں کی طرف منتقل کر سکتا ہے جو بڑے پیمانے پر کمپیوٹنگ (compute) کی استطاعت رکھتی ہیں۔
خلاصہ
Jeff Dean کا Google چھوڑ کر Discovery Loop کی قیادت کرنا نایاب تکنیکی مہارت، صنعت کے گہرے روابط اور خاطر خواہ سرمایہ کاری کو ایک جگہ جمع کرتا ہے۔ کمپنی کا مقصد سائنسی تجرباتی لوپ (loop) کو خودکار بنانا اور خود کو بہتر بنانے والا AI تخلیق کرنا ہے، جس سے ممکنہ طور پر سالوں کی تحقیق کو ہفتوں میں سمیٹا جا سکتا ہے۔ تاہم، یہ ثابت کرنے سے پہلے کہ AI محض ایک ہوشیار ٹول کے بجائے واقعی ایک لیبارٹری پارٹنر بن سکتا ہے، اسے اہم تکنیکی، لاجسٹک اور ثقافتی رکاوٹوں کو عبور کرنا ہوگا۔ آنے والے مہینے یہ ظاہر کریں گے کہ آیا "خودکار دریافت" (automated discovery) AI کے لیے ایک حقیقت پسندانہ اگلا قدم ہے یا ایک ایسی دور اندیش دوڑ جو فنش لائن تک پہنچنے سے پہلے ہی رک جائے۔