Table of Contents
Jeff Dean, uno de los investigadores e ingenieros más reconocidos de Google, dejó la compañía después de casi 27 años para iniciar una nueva etapa con Discovery Loop, una startup enfocada en inteligencia artificial aplicada a la investigación científica.
El proyecto reúne a Dean con Sanjay Ghemawat, Quoc Le y Oriol Vinyals, investigadores que ocuparon puestos relevantes en Google y sus divisiones de inteligencia artificial.
¿Qué es Discovery Loop?
Discovery Loop es una corporación de beneficio público que busca desarrollar sistemas de inteligencia artificial capaces de acelerar procesos de investigación, ciencia e ingeniería.
La propuesta consiste en utilizar sistemas de IA para automatizar partes del ciclo experimental. Estos sistemas podrán plantear experimentos, ejecutarlos, analizar sus resultados y utilizar la información obtenida para iniciar nuevas iteraciones.
La compañía pretende llevar este modelo a una escala que permita ejecutar numerosos experimentos de manera paralela.
Discovery Loop comenzará investigando inteligencia artificial
Uno de los primeros campos de trabajo será el propio aprendizaje automático.
La compañía planea utilizar sus sistemas inicialmente para automatizar procesos relacionados con investigación y desarrollo de inteligencia artificial. De esta manera, Discovery Loop funcionará como uno de sus primeros usuarios.
Posteriormente, el equipo pretende extender esta tecnología hacia problemas científicos y de ingeniería en el mundo físico.
Entre las áreas contempladas se encuentran la medicina, el diseño de hardware, el desarrollo de nuevos materiales y otras disciplinas científicas.
Jeff Dean encabeza un equipo de investigadores de Google
Discovery Loop reúne a cuatro figuras con una amplia trayectoria dentro del desarrollo de sistemas informáticos e inteligencia artificial.
Jeff Dean ocupó durante años posiciones científicas y técnicas de alto nivel en Google. También participó en el desarrollo de infraestructura tecnológica y proyectos relacionados con inteligencia artificial.
Sanjay Ghemawat
Sanjay Ghemawat trabajó junto con Dean en tecnologías fundamentales para la infraestructura de Google.
Ambos participaron en el desarrollo de sistemas distribuidos que permitieron procesar grandes cantidades de información a gran escala.
Quoc Le
Quoc Le ha desarrollado su carrera en el campo del aprendizaje profundo y formó parte del desarrollo de Google Brain.
Su trabajo se ha concentrado en sistemas de aprendizaje automático y modelos de inteligencia artificial.
Oriol Vinyals
Oriol Vinyals desarrolló investigaciones en inteligencia artificial dentro de Google DeepMind y participó en proyectos avanzados de aprendizaje automático.
Los cuatro fundadores estuvieron vinculados con tecnologías que forman parte de diferentes productos e infraestructuras desarrolladas por Google.
Discovery Loop recibe respaldo de grandes inversionistas
La startup consiguió financiamiento inicial con la participación de firmas de capital de riesgo especializadas en tecnología.
Khosla Ventures y Radical Ventures participan entre los principales inversionistas de la compañía.
Alphabet, empresa matriz de Google, también mantiene participación en Discovery Loop y proporcionará recursos de computación mediante su infraestructura en la nube.
También se ha informado sobre la participación de otros inversionistas como Lightspeed, Kleiner Perkins y Doerr Capital.
¿Cómo pretende automatizar la investigación científica?
La propuesta de Discovery Loop inteligencia artificial se basa en transformar el ciclo tradicional de experimentación mediante sistemas capaces de realizar varias etapas de manera automatizada.
El modelo contempla un proceso continuo en el que la IA pueda generar una propuesta experimental, ejecutarla, evaluar los resultados y utilizar los datos obtenidos para plantear el siguiente experimento.
Esto permitiría realizar múltiples pruebas de manera paralela en lugar de depender exclusivamente de ciclos de experimentación secuenciales.
El objetivo es reducir el tiempo necesario para explorar hipótesis y aumentar la cantidad de experimentos que pueden desarrollarse simultáneamente.
La IA avanza hacia procesos científicos más complejos
El lanzamiento de Discovery Loop ocurre mientras diferentes compañías y centros de investigación buscan utilizar inteligencia artificial más allá de tareas como generación de texto, imágenes o programación.
Uno de los campos emergentes consiste en emplear estos sistemas para analizar información científica, generar hipótesis y apoyar procesos experimentales.
Discovery Loop pretende avanzar un paso más mediante la automatización de varias etapas dentro de un mismo ciclo de investigación.
Sin embargo, la compañía todavía se encuentra en una fase inicial de desarrollo.
De Google a una nueva startup de inteligencia artificial
La salida de Dean, Ghemawat, Le y Vinyals representa un movimiento relevante dentro del sector de inteligencia artificial debido a su trayectoria dentro de Google.
Dean y Ghemawat participaron durante décadas en proyectos de infraestructura informática de la compañía, mientras que Le y Vinyals estuvieron vinculados directamente con investigaciones avanzadas de inteligencia artificial.
Alphabet mantendrá una relación con la nueva empresa mediante inversión y recursos tecnológicos.
Por ello, la creación de Discovery Loop no implica una separación completa entre el nuevo proyecto y el ecosistema tecnológico de Google.
Discovery Loop busca llevar la IA al mundo físico
Después de utilizar sus sistemas en investigación de aprendizaje automático, la empresa pretende ampliar su aplicación hacia otras disciplinas.
El objetivo a largo plazo es emplear inteligencia artificial para acelerar descubrimientos relacionados con ciencia, ingeniería y tecnología.
La automatización de experimentos podría permitir que investigadores evalúen más hipótesis y analicen mayores cantidades de resultados en periodos más cortos.
Una nueva etapa para la investigación con inteligencia artificial
Discovery Loop plantea un modelo en el que la inteligencia artificial no solo funcione como herramienta de consulta o análisis, sino como parte activa del proceso experimental.
El proyecto comenzará con investigación en aprendizaje automático antes de avanzar hacia áreas científicas y de ingeniería.
La capacidad real de estos sistemas para automatizar procesos científicos dependerá de su desarrollo y de los resultados obtenidos durante sus primeras etapas.
