探索环线

Discovery L P 持续探索 自动化发现，加速世界科学和工程的发展。滚动 科学发现遇到瓶颈。科学方法是人类发明的最伟大的工具之一，但执行需要重复的实验循环，而这些循环很难通过当今的手动工作来扩展：您提出一个实验，实施并运行它，检查结果，然后迭代以完善您的方法。从历史上看，科学进步依赖于这些连续的人类迭代。在许多领域，这个过程仍然极其缓慢且劳动密集型。 01 — 自动化实验循环的方法。在 Discovery Loop，我们正在构建系统来自动化整个实验循环。通过利用前沿人工智能模型和大规模计算基础设施，我们的系统将能够快速提出、运行并从评估中学习。这种方法允许并行执行数千个实验，大大压缩迭代时间并提高科学和工程输出的数量和质量。从机器学习开始我们最初将专注于机器学习研究和工程过程的自动化。作为我们自己的第一个客户，我们将使用这些自动化机器学习功能来快速优化我们自己的技术堆栈，然后再扩展到其他领域。重大挑战我们相信我们的方法将能够解决任何学习循环，并在科学和工程领域取得可衡量的成果。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、使太阳能变得经济、提供清洁水源、保护网络空间以及设计科学发现的工具。 02 — 使命 我们的使命很简单：我们正在构建能够自动解决机器学习、科学和工程中重要问题的人工智能解决方案。通过加快工程和科学发现的步伐，我们可以更快地为世界带来科学技术的好处。最终，我们的目标是构建人工智能系统，为人类提供积极、赋权的力量，提供技术解决方案，改善全球范围内人们的生活。 04 — 团队 智囊团。我们的创始团队 — Jeff Dean、Sanjay Ghemawat、Quoc Le 和 Oriol Vinyals — 有着共同的深厚友谊和数十年密切而富有影响力的合作历史。左起 Oriol Vinyals · Sanjay Ghemawat · Jeff Dean · Quoc Le 我们代表了人工智能领域被引用最多的三位研究人员和分布式系统领域被引用次数最多的两位研究人员。我们开创了大规模计算，并领导了世界所依赖的关键基础设施、产品和基础人工智能进步的创建，包括多代 Google 搜索、Google Ads、Google 新闻、Google 翻译、Google 文件系统、MapReduce、BigTable、Spanner、TensorFlow、Pathways、TPU、AlphaChip、AlphaStar、AlphaCode、AlphaFold、Gemini、模型蒸馏、专家混合模型架构、word2vec、序列到序列模型、思维链推理、神经架构搜索和多代大型语言模型 (LLM) 等。我们的相对优势不仅在于我们的技术能力，还在于我们的技术能力。这是我们之前构建的系统规模空前的。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、机器学习模型和产品。 04 — 下一步是什么 想象一下，在未来，少数人可以比今天的大量科学家和工程师团队更快、更高质量地完成科学研究和工程任务。通过自动化发现循环，世界将能够在无数科学领域取得更快的进步。我们正在建立一支精干的面对面团队来执行这一变革性愿景。如果这种工作让您兴奋，我们希望收到您的来信。 Discovery Loop 的职业机会 →