Η αποχώρηση τεσσάρων από τα πιο αναγνωρίσιμα ονόματα της Google δεν είναι άλλη μία μετακίνηση στελεχών στην αγορά της τεχνητής νοημοσύνης. Ο Jeff Dean, ο Sanjay Ghemawat, ο Oriol Vinyals και ο Quoc Le ιδρύουν τη Discovery Loop, μια startup που θέλει να κάνει την ίδια την επιστημονική και τεχνική έρευνα πιο αυτοματοποιημένη.
Η ιδέα τους είναι φιλόδοξη: ένα σύστημα προτείνει ένα πείραμα, γράφει ή προσαρμόζει τον κώδικα που χρειάζεται για να το εκτελέσει, αξιολογεί τα αποτελέσματα και χρησιμοποιεί όσα έμαθε για να σχεδιάσει τον επόμενο κύκλο. Αν αυτή η διαδικασία λειτουργήσει σε μεγάλη κλίμακα, η AI δεν θα είναι απλώς εργαλείο για τους ερευνητές· θα συμμετέχει ενεργά στη διαμόρφωση των επόμενων ερευνητικών ερωτημάτων.
Ποιοι φεύγουν από τη Google
Ο Jeff Dean είναι συνιδρυτής της Google Brain, επικεφαλής επιστήμονας στη Google DeepMind και ένας από τους τεχνικούς επικεφαλής του Gemini. Ο Sanjay Ghemawat έχει συνδεθεί με βασικά τμήματα της υποδομής υπολογισμού και αναζήτησης της Google. Ο Oriol Vinyals ήταν αντιπρόεδρος έρευνας στη DeepMind και τεχνικός επικεφαλής για το Gemini, ενώ ο Quoc Le συνίδρυσε το Google Brain και συνδέεται με το AutoML-Zero, ένα έργο για την αυτόνομη δημιουργία συστημάτων μηχανικής μάθησης.
Η κοινή τους απόφαση έχει ιδιαίτερο βάρος επειδή δεν αφορά μόνο τέσσερα γνωστά ονόματα. Οι Dean και Ghemawat ήταν από τις πρώτες προσλήψεις της Google και συμμετείχαν σε τεχνολογικές μεταβάσεις που διαμόρφωσαν τη σύγχρονη εταιρεία. Η αποχώρησή τους δείχνει πόσο ισχυρό είναι πλέον το κίνητρο να χτιστεί ένα νέο AI προϊόν έξω από τους μεγάλους οργανισμούς, ακόμη και όταν αυτοί προσφέρουν πρόσβαση σε τεράστια υπολογιστική ισχύ και δεδομένα.
Ο «αυτοματοποιημένος επιστημονικός κύκλος»
Η Discovery Loop θα ξεκινήσει χρησιμοποιώντας τους αυτοματοποιημένους κύκλους για να βελτιώνει τα δικά της μοντέλα μηχανικής μάθησης. Η λογική είναι αναδρομική: καλύτερα μοντέλα βοηθούν στη σχεδίαση καλύτερων πειραμάτων, τα αποτελέσματα των πειραμάτων βελτιώνουν ξανά τα μοντέλα και ο κύκλος επιταχύνεται.
Στη συνέχεια, η ομάδα θέλει να επεκτείνει την προσέγγιση στον σχεδιασμό τσιπ, στη βιολογία, στην ανακάλυψη φαρμάκων και στα νέα υλικά. Οι ιδρυτές αναγνωρίζουν ότι τα σημερινά μοντέλα δεν είναι ακόμη ιδιαίτερα ισχυρά στο να προτείνουν πραγματικά πρωτότυπες ιδέες για το τι πρέπει να δοκιμαστεί. Γι’ αυτό το αρχικό μοντέλο λειτουργίας θα συνδυάζει ανθρώπους και AI, με στόχο σταδιακά μεγαλύτερο βαθμό αυτοματοποίησης.
Το κρίσιμο σημείο δεν είναι αν ένα μοντέλο μπορεί να συνοψίσει μια επιστημονική δημοσίευση. Είναι αν μπορεί να διαχειριστεί μια αλυσίδα υπόθεσης, πειράματος, μέτρησης και επόμενης υπόθεσης χωρίς να χάνει τον έλεγχο της ποιότητας. Εκεί θα κριθεί αν η Discovery Loop δημιουργεί πραγματική ερευνητική υποδομή ή απλώς ένα πιο εντυπωσιακό περιβάλλον παραγωγής κώδικα.
Γιατί η Google επιλέγει να μείνει κοντά
Η Google δεν κράτησε τους τέσσερις ερευνητές εντός εταιρείας, αλλά θα συμμετέχει ως επενδυτής και συνεργάτης cloud. Σύμφωνα με τη δήλωση του Sundar Pichai, η εταιρεία θα συνεργαστεί με τη Discovery Loop σε πλαίσιο έρευνας για συστήματα μηχανικής μάθησης και σχετική υποδομή, ενώ έχει συμφωνηθεί η παροχή υπολογιστικής ισχύος για τον πρώτο χρόνο.
Αυτή η σχέση αποκαλύπτει μια νέα ισορροπία στη frontier AI. Οι μεγάλες εταιρείες θέλουν να διατηρούν πρόσβαση σε κορυφαίους ερευνητές, αλλά δεν μπορούν πάντα να προσφέρουν την ταχύτητα και την ελευθερία μιας μικρής startup. Η συμμετοχή στη χρηματοδότηση και η παροχή cloud επιτρέπουν στη Google να παραμείνει μέσα στο οικοσύστημα της Discovery Loop, χωρίς να αναλάβει πλήρως τη λειτουργική της κατεύθυνση.
Η startup έχει συσταθεί ως public benefit corporation και έχει προσελκύσει επενδύσεις από τις Khosla Ventures, Radical Ventures και άλλα επενδυτικά σχήματα. Οι ιδρυτές δεν έχουν δημοσιοποιήσει το ύψος της χρηματοδότησης ή την αποτίμηση της εταιρείας.
Η σημασία για την Ελλάδα
Για την ελληνική αγορά, η είδηση δεν σημαίνει ότι θα εμφανιστεί άμεσα ένα νέο ερευνητικό εργαστήριο με ελληνική συμμετοχή. Δείχνει όμως προς τα πού μετακινείται η αξία στην AI: από τη χρήση έτοιμων μοντέλων στην αυτοματοποίηση ολόκληρων διαδικασιών ανακάλυψης.
Αυτό αφορά πανεπιστήμια, biotech ομάδες, εταιρείες σχεδιασμού hardware και startups που χρειάζονται περισσότερα πειράματα χωρίς ανάλογη αύξηση του κόστους. Η ευκαιρία για την Ελλάδα βρίσκεται στη σύνδεση ερευνητικών ομάδων με υποδομές υπολογισμού, αξιόπιστα δεδομένα και ανθρώπους που μπορούν να ελέγξουν τα αποτελέσματα. Η AI μπορεί να επιταχύνει την έρευνα, αλλά δεν καταργεί την ανάγκη για πειραματικό σχεδιασμό, αναπαραγωγιμότητα και επιστημονική ευθύνη.
Η Discovery Loop θα δοκιμάσει αν μια μικρή ομάδα κορυφαίων ειδικών μπορεί να παράγει ερευνητική ισχύ που μέχρι σήμερα απαιτούσε τους πόρους των μεγαλύτερων οργανισμών. Η πραγματική της πρόκληση είναι διπλή: να αποδείξει ότι οι αυτοματοποιημένοι κύκλοι οδηγούν σε χρήσιμες ανακαλύψεις και, ταυτόχρονα, να δικαιολογήσει το κενό που αφήνουν οι ιδρυτές της πίσω στη Google.