Discovery Loop：构建自动化的科学发现引擎

项目概述

Discovery Loop（中文可译为“发现循环”）是一家致力于通过人工智能自动化科学发现与工程研究流程的新公司。其官网以“持续探索”为主题，指出科学发现目前正受到“瓶颈”的制约——尽管科学方法本身非常强大，但执行起来往往依赖大量重复性的实验循环：提出假设、设计并运行实验、检查结果、迭代优化。在传统模式下，这一过程高度依赖人工，且在不同领域中进展缓慢、成本高昂。Discovery Loop的目标正是用AI系统接管这些实验循环，使机器能够快速提出假设、大规模运行评估、从结果中学习，并以并行方式执行数千个实验，从而大幅压缩迭代时间，提升科研与工程产出的数量和质量。

核心方法

在具体路径上，公司计划分三步走：第一，从机器学习的研究与工程入手，先把自动化实验循环应用到ML领域本身；第二，将自己作为第一个客户，使用这些自动化ML能力来快速优化自身的技术栈，验证可行后再拓展到其他科学和工程问题；第三，面向更大的挑战，即那些拥有明确衡量指标的学习循环。公司相信，这类方法可以最终应对美国国家工程院（NAE）所列出的重大工程挑战，比如更优的药物设计、健康信息学进步、太阳能经济化、清洁水资源获取、网络安全保障，以及科学发现工具本身的工程化。

使命与愿景

公司的使命很明确：构建能自动解决机器学习、科学和工程领域重要问题的AI解决方案，以此加快科技进步，让全世界更快享受科技带来的好处。他们希望开发的AI系统能够成为推动人类进步的一股积极力量，在全球范围内改善人们的生活。这种愿景背后，是对AI能力的极大信任——他们认为，未来的科学发现不再依赖庞大的人类团队，少数人借助自动化系统就能以更快的速度和更高的质量完成过去需要大规模团队才能完成的科研和工程任务。

创始团队

Discovery Loop 的创始团队由四位在技术界享有盛誉的专家组成： Jeff Dean、 Sanjay Ghemawat、Quoc Le 和 Oriol Vinyals。他们有多年的深厚友谊和紧密合作关系，并且成绩斐然。材料中提到，这支团队中包含了三位人工智能领域引用率最高的研究者，以及两位分布式系统领域引用率最高的研究者。他们共同开创了大规模计算，参与并领导了许多关键基础设施和AI产品的开发，其中包括多代Google搜索、Google广告、Google新闻、Google翻译、Google文件系统（GFS）、MapReduce、BigTable、Spanner、TensorFlow、Pathways、TPU，以及AlphaChip、AlphaStar、AlphaCode、AlphaFold、Gemini等AI系统。此外，他们还推动了模型蒸馏、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，以及多代大语言模型（LLM）等重要进展。

团队相对优势不仅体现在技术能力上，更体现在他们过去构建系统的“空前规模”上。他们拥有跨越芯片、硬件基础设施、软件基础设施、ML模型和产品的全栈深度，这种经验对于搭建自动化科研基础设施至关重要。

下一步计划

面向未来，Discovery Loop希望构建一个精简的、面对面协作的团队来推进这项变革性工作。他们认为，随着实验循环的自动化，人类社会将能够以更快的速度在更多科学领域取得突破。公司的招聘信息显示，他们正在寻找对这项工作充满热情的人才。整体来看，Discovery Loop试图将AI技术、大规模计算和顶尖科研智慧结合起来，打造一个“自动发现的引擎”，从而彻底改变科研的运行模式。

原标题：Discovery Loop。 HN 原始发布时间：2026年8月6日星期四。当前记录为 607 分、385 条评论。

阅读原文 · 查看 HN 讨论