Discovery Loop

# Discovery Loop — 持续探索 来源：https://www.discoveryloop.com/ 持续探索 自动化发现过程，加速全球科学与工程发展。 ## 科学发现正面临*瓶颈*。 科学方法是人类有史以来最伟大的工具之一，但执行过程中涉及重复性的实验循环，在当今依靠人工的努力下难以扩展：你提出一个实验，实施并运行它，检查结果，然后迭代以改进方法。 从历史上看，科学进步依赖于这些顺序进行的人工迭代。在许多领域，这一过程仍然极其缓慢且劳动密集。 --- **01** — 方法 ## 自动化实验循环。 在 Discovery Loop，我们正在构建系统来实现这些完整实验循环的自动化。通过利用前沿 AI 模型和大规模计算基础设施，我们的系统将能够快速提出实验、运行实验并从评估中学习。 这种方法允许并行执行数千个实验，大幅压缩迭代时间，并提高科学与工程产出的数量和质量。 ### 从机器学习开始 我们将首先专注于自动化机器学习研究和工程的过程。 ### 成为我们自己的第一个客户 我们将利用这些自动化的机器学习能力，在扩展到其他领域之前，快速优化我们自己的技术栈。 ### 重大挑战 我们相信，我们的方法将能够解决科学与工程领域中任何具有可衡量结果的学习循环。最终，我们正在构建能够应对美国国家工程院（NAE）重大挑战的系统——例如设计更好的药物、推进健康信息学、使太阳能经济可行、提供清洁水源、保障网络安全，以及打造科学发现的工具。 **02** — 使命 我们的使命很明确：我们正在构建能够**自动解决机器学习、科学和工程领域重要问题**的 AI 解决方案。通过加快我们进行工程和科学发现的步伐，我们可以更快地将科学技术的益处带给世界。最终，我们的目标是构建对全人类产生深刻积极影响、赋予人类力量的 AI 系统，提供能够改善全球人民生活的技术解决方案。 --- **04** — 团队 ## 智囊团。 我们的创始团队——Jeff Dean、Sanjay Ghemawat、Quoc Le 和 Oriol Vinyals——有着深厚的友谊，以及数十年紧密而富有影响力的合作历史。 Discovery Loop 创始团队 从左到右：Oriol Vinyals · Sanjay Ghemawat · Jeff Dean · Quoc Le 总体而言，我们代表了人工智能领域被引用最多的三位研究者，以及分布式系统领域被引用最多的两位研究者。 我们共同开创了大规模计算，并领导创建了世界依赖的关键基础设施、产品和基础性 AI 进展，包括多代 Google Search、Google Ads、Google News、Google Translate、Google File System、MapReduce、BigTable、Spanner、TensorFlow、Pathways、TPUs、AlphaChip、AlphaStar、AlphaCode、AlphaFold、Gemini、模型蒸馏、混合专家模型架构、word2vec、序列到序列模型、思维链推理、神经架构搜索，以及多代大型语言模型（LLMs）等等。 我们的相对优势不仅在于技术能力，更在于我们此前所构建系统的前所未有的规模。我们拥有真正的全栈深度，涵盖芯片、硬件基础设施、软件基础设施、ML 模型和产品。 **04** — 下一步 想象这样一个未来：少数人就能以比当今庞大科学家和工程师团队更快的速度、更高的质量完成科学研究和工程任务。通过自动化发现的循环，世界将能够在无数科学领域取得更快速的进步。 我们正在组建一个精简的、面对面协作的团队，来实现这一变革性愿景。