تصور کنید تیمی از قدرتمندترین مغزهای تاریخ هوش مصنوعی تصمیم بگیرند تمام میراث خود در یک شرکت تریلیون دلاری را رها کنند تا ثابت کنند ماشینها میتوانند بهتر از انسان «کشف» کنند. این اتفاق اکنون رخ داده است و چهار ستون اصلی گوگل، دنیای فناوری را تکان دادند.
طبق گزارش Wired، جف دین (Jeff Dean)، مهندس افسانهای و دانشمند ارشد گوگل دیپمایند، در ۵ اوت ۲۰۲۶ رسماً این غول جستوجو را ترک کرد تا استارتاپ Discovery Loop را راهاندازی کند. این خروج، یک تخلیهٔ گستردهٔ دانش سازمانی است؛ زیرا دین تنها نیست و سانجای گماوات (Sanjay Ghemawat)، معمار بنیادی زیرساخت جستوجوی گوگل، اوریول وینالز (Oriol Vinyals)، نایبرئیس سابق پژوهش در دیپمایند و کوک لِه (Quoc Le)، دانشمند پیشرو در AutoML-Zero نیز با او همراه شدهاند. این چهار نفر در واقع «میک جگر و کیث ریچاردزِ» عصر هوش مصنوعی گوگل هستند؛ ستارههای اصلی که ریتم پیشرفت فنی شرکت را تعیین میکردند.
همانطور که در تحلیل قبلی ما دربارهی چالشهای گوگل در صحت دادههای سازمانی اشاره کردیم، این استعفای دستهجمعی نشان میدهد حتی برترین معماران این شرکت، اثرات محدودکنندهٔ اینرسی سازمانی را حس میکنند. این تنشهای داخلی در گوگل پیش از این نیز در بخشهای پژوهشی دیده شده بود، بهطوری که برخی از تیمهای تخصصی مانند AlphaFold در مسیر توسعه Gemini دچار تلاطم شدند. در حالی که گوگل همچنان یک قدرت مطلق است، اما برترین ذهنهای آن اکنون روی این شرطبندی کردهاند که نوآوریهای رادیکال در محیط یک استارتاپ چابک و سبک، بسیار سریعتر از بروکراسیهای غولآسای یک شرکت تریلیون دلاری رخ میدهد.
مسیر رسیدن به Discovery Loop
بذر این تصمیم در ۲۵ ژوئیه sown شد؛ زمانی که جف دین در مقابل ۶۰۰۰ بنیانگذار آینده در مدرسه استارتاپی Y Combinator در سانفرانسیسکو (که در Chase Center برگزار شد) سخنرانی میکرد. او در آنجا بر اهمیت حل مسائلی تأکید کرد که هم هیجانانگیز باشند و هم برای جهان مفید؛ او بهطور مشخص به علاقه شدید خود برای خودکارسازی «متد علمی» (Scientific Method) اشاره کرد.
اعتبار فنی دین در صنعت پیش از او میرود. او یکی از بنیانگذاران گوگل برین (Google Brain) و رهبر فنی پروژه جمینای (Gemini) است. او و گماوات بخشهای حیاتی و زیربنایی زیرساخت جستوجو و محاسبات گوگل را نوشتند. در جامعه فنی lجوک میکنند که رزومه جف دین فقط چیزهایی را لیست کرده که او «انجام نداده است»، زیرا تنها راه برای کوتاه نگه داشتن رزومهاش این است.
در حالی که مخاطبان در Chase Center خبر نداشتند، دین در همان زمان مشغول سازماندهی محرمانه استارتاپ خود بود. این ایده تنها چند هفته قبل از آن سخنرانی شکل گرفته بود. او سریعاً توسط وینالز، له و گماوات همراه شد؛ افرادی که نه تنها همکاران قدیمی، بلکه دوستانی صمیمی هستند که مرتباً با هم به تعطیلات میروند. آنها یک چشمانداز مشترک یافتند: پتانسیل هوش مصنوعی برای خودکارسازی حلقههای مهندسی و علمی.
مکانیسمهای «حلقه کشف» (Discovery Loop)
هسته مرکزی این استارتاپ، نسخهای خودکار از متد علمی است. در این مدل، بهجای اینکه انسان هر گام را هدایت کند، سیستم تمام چرخه تکرار شونده را مدیریت میکند:
پیشنهاد (Proposing): هوش مصنوعی بر اساس دادههای فعلی، یک آزمایش جدید پیشنهاد میدهد.
اجرا (Implementing): سیستم دقیقاً آنچه برای اجرای آزمایش لازم است را پیادهسازی میکند.
ارزیابی (Evaluating): مدل نتایج آزمایش را تحلیل کرده و اثر آن را میسنجد.
تکرار (Iterating): نتایج به ابتدای حلقه بازمیگردند تا فرضیه بعدی اصلاح و صیقل داده شود.
این تیم معتقد است با اجرای همزمان هزاران حلقه از این دست، میتوانند بنبستهای علمی را در زمینههایی که مدتها راکد ماندهاند، بشکنند. آنها بهطور مشخص طراحی تراشه، زیستشناسی، کشف دارو و طراحی مواد را هدف قرار دادهاند. این رویکرد یادآور تلاشهای مشابه در صنعت داروسازی است، مانند استراتژی جسورانه مایل وانگ برای اتوماسیون کشف دارو که تلاش میکند فرآیند شناسایی مولکولهای جدید را متحول کند. آنها میخواهند هوش مصنوعی زاینده (Generative AI) — مثل نویسندهای که میلیاردها کتاب را خوانده و حالا میتواند ایدههای جدید خلق کند — را از تولید متن به تولید کشفیات علمی منتقل کنند.
یک موتور هوش مصنوعیِ خود-بهبودبخش
اولین مشتری Discovery Loop، خودِ این شرکت خواهد بود. آنها قصد دارند ابتدا از این حلقههای خودمختار برای بهبود الگوریتمهای یادگیری ماشین خودشان استفاده کنند. کوک لِه، که پیش از این پروژه AutoML-Zero (استفاده از ML برای ساخت محصولات AI بهصورت خودکار) را رهبری میکرد، اشاره کرد که این فرآیند میتواند منجر به کشف معماریهای کاملاً جدیدی از ترنسفورمر (Transformer) شود؛ ساختاری که از تمام مدلهای فعلی برتر باشد.
این یک چرخه بازخوردی (Fly-wheel) بازگشتی ایجاد میکند: هوش مصنوعی روش بهتری برای یادگیری کشف میکند و سپس با آن سرعت، پیشرفتهای علمی بیشتری را مییابد. اوریول وینالز تأکید کرد که تمرکز اصلی بر آموزش مدلها برای تولید ایدههای بکر و «کاربردی» است؛ قابلیتی که مدلهای زبانی بزرگ (LLM) — شبیه کتابخانهداری که میلیاردها صفحه را خوانده و حالا با همان لحن جواب میدهد — در حال حاضر در آن بهشدت ضعیف هستند. در ابتدا، این ایدهها با همکاری انسانها توسعه مییابند، اما هدف نهایی، خودکارسازی عمیق است.
بنیانگذاران ادعا میکنند که اگر این روش موفق شود، تعداد کمی از افراد متعهد با استفاده از Discovery Loop میتوانند بهتنهایی بیشتر از بزرگترین سازمانهای پژوهشی جهان اختراع کنند. همچنین این استارتاپ قصد دارد حلقههای خاص خود را برای جستوجوی پیشرفتهای علمی و تجاریسازی مستقیم آنها ایجاد کند.
تأمین مالی و واکنش گوگل
این استارتاپ به عنوان یک شرکت «سود عمومی» (Public Benefit Corporation) ثبت شده است. برای جذب سرمایه، آنها از یک عرضه (Pitch Deck) بسیار ساده شامل چند اسلاید درباره سوابقشان و یک طرح کلی از رویکردشان استفاده کردند؛ نکته جالب این است که آنها بهطور عمدی از هوش مصنوعی برای ساخت این ارائه استفاده نکردند.
این تیم توانست حمایت Khosla Ventures و Radical Ventures و چندین سرمایهگذار دیگر را به دست آورد. وینود خوشلا، بنیانگذار خوشلا ونچرز، برای اینکه گوگل را باخبر نکند، روز شنبهای در دفتر خود در Sand Hill Road با تیم ملاقات کرد. خوشلا این گروه را «تیمی از فوقستارهها» نامید و خاطرنشان کرد که تغییر جهت از «استفاده از AI برای پژوهش» به «تبدیل AI به خودِ پژوهشگر» در حال رخ دادن است. جردن جیکوبز، شریک مدیریت در Radical Ventures، نیز به هیئت مدیره این استارتاپ میپیوندد.
مذاکرات خروج با گوگل بسیار پرتنش بود. به نقل از جف دین، ساندار پیچای، مدیرعامل الفابت، چندین جلسه برگزار کرد تا این چهار نفر را متقاعد کند بمانند و کارتهای شناسایی خود را پس ندهند. اما وینالز معتقد بود در سازمانهای بزرگ، اینرسی برای ایجاد تغییرات رادیکال بیش از حد است. در نهایت، گوگل با این خروج موافقت کرد و حتی پذیرفت یکی از سرمایهگذاران اولیه باشد و در سال اول، قدرت محاسبات (Compute) — یا همان کرایه آشپزخانه صنعتی برای پخت مدلهای سنگین — را تأمین کند.
پیچای در بیانیهای اذعان کرد که دین و گماوات کمک کردند تا مهمترین گذارها، از زیرساختهای اولیه جستوجو تا شبکههای عصبی عصر مدرن AI، رخ دهند. گوگل همچنان به عنوان شریک ابری (Cloud partner) باقی خواهد ماند و در مورد یک چارچوب پژوهشی برای سیستمهای ML همکاری خواهد کرد.
برای مخاطب، این اتفاق سیگنالی از تغییر مسیر در رقابت تسلیحاتی AI است. ما از عصر «دادههای بیشتر و مدلهای بزرگتر» به عصر «کشف الگوریتمی» میرویم. اگر یک تیم کوچک بتواند با یک حلقه خودکار، سازمانهای پژوهشی جهانی را شکست دهد، هزینه نوآوری بهشدت سقوط میکند.
گام بعدی شما
شما باید منتظر اولین شواهد از معماریهای «کشفشده» باشید. اگر Discovery Loop موفق شود جایگزینی برای ترنسفورمر پیدا کند، کل خط مبنای فنی برای هر شرکت AI در کره زمین بازنشانی (Reset) خواهد شد.
همچنین الگوهای استخدام Discovery Loop را دنبال کنید؛ چرا که این شرکت هنوز فضای اداری اجاره نکرده یا تیمی گسترده استخدام نکرده است، بنابراین موج بعدی استعفاهای گوگل از این شرکت خبر میدهد. در مورد اینکه چه کسی مدیرعامل است، جف دین با خجالت پاسخ داد: «فکر میکنم من مدیرعامل هستم. همه به من اشاره میکردند.»
- رصد کنید که آیا معماریهای جدیدی جایگزین ترنسفورمر میشوند یا خیر.
- بررسی کنید که کدام شرکتهای داروسازی یا تراشهسازی از این مدل «حلقههای خودکار» استفاده میکنند.
اما داستان سختافزاری این تحول حتی شگفتانگیزتر است — به تحلیل ما درباره تراشههای Blackwell مراجعه کنید.
گفتگو