Discovery Loop: Jeff Deans nye selskap automatiserer ML-forskning

«Tenk deg en framtid der en håndfull mennesker kan drive vitenskapelig forskning og ingeniørarbeid langt raskere, og med høyere kvalitet, enn store team av forskere og ingeniører gjør i dag.» Slik beskriver de fire grunnleggerne ambisjonen på Discovery Loops egne nettsider. De fire er Jeff Dean, Sanjay Ghemawat, Oriol Vinyals og Quoc Le, og de forlot Google 5. august.

Selskapet ble kjent samtidig som Alphabet omrokerte KI-ledelsen sin, men premisset er et annet enn hos de fleste nye KI-selskaper. Discovery Loop går ikke etter en generell modell. De angriper det de selv kaller flaskehalsen i vitenskapelig metode: at eksperimenter kjøres i serie av mennesker. Du foreslår et eksperiment, implementerer det, kjører det, ser på resultatet og justerer. Planen er å bygge systemer som gjør alle stegene selv, og kjøre tusenvis av eksperimenter parallelt.

Første domene er maskinlæringsforskning, og selskapet vil være sin egen første kunde. De automatiserte ML-kapabilitetene skal brukes til å optimalisere selskapets egen teknologistakk før metoden utvides. Derfra sikter de mot National Academy of Engineerings Grand Challenges, blant annet bedre medisiner, helseinformatikk og solenergi.

«Den vitenskapelige metoden er uten sammenligning den kraftigste algoritmen menneskeheten har funnet opp. Problemet er at vi til nå har kjørt prosessen manuelt» — Jordan Jacobs og Aaron Rosenberg, Radical Ventures

Discovery Loop er registrert som public benefit corporation, ligger i Palo Alto og beskriver seg selv som et bevisst lite team. Radical Ventures og Khosla Ventures leder seed-runden sammen. Dean har selv oppgitt at Lightspeed, Kleiner Perkins, Doerr Capital og Alphabet er med på runden. Google er grunninvestor og skal levere regnekraft i minst det første året.

Sammensetningen forklarer hvorfor nyheten traff bransjen så hardt. Dean er Googles 30. ansatte og skrev store deler av søke- og beregningsstakken sammen med Ghemawat, en samarbeidspartner i over to tiår. Vinyals var forskningsdirektør i Google DeepMind, Le var medgrunnlegger av Google Brain. Ingen av dem trengte å slutte for pengene.

For deg som bygger er selve premisset det mest interessante: at forbedring av ML-systemer i seg selv er en målbar loop en maskin kan lukke. Klarer Discovery Loop det på sin egen stakk, gjelder argumentet alle som har en evalueringsjobb det er mulig å kjøre tusen ganger.