IIT Bombay ના ભૂતપૂર્વ વિદ્યાર્થી Rishabh Agarwal એ AI સ્ટાર્ટઅપ Periodic Labs ની સહ-સ્થાપના કરી છે, જેને Nvidia અને Jeff Bezos નો સપોર્ટ મળ્યો છે. રિપોર્ટ્સ અનુસાર, તેમણે Meta તરફથી $1 મિલિયનથી વધુની કોર્પોરેટ ઓફર ફગાવી દીધી છે.
IIT Bombay ના સ્નાતક Rishabh Agarwal એ કૃત્રિમ બુદ્ધિ (Artificial Intelligence - AI) ક્ષેત્રે પોતાની નવી કંપની શરૂ કરવા માટે એક મોટી કોર્પોરેટ તક છોડી દીધી છે. Agarwal, જેઓ Google Brain, DeepMind અને Waymo જેવી મોટી AI રિસર્ચ સંસ્થાઓમાં કામ કરવાનો અનુભવ ધરાવે છે, તેમણે પોતાના સ્ટાર્ટઅપ, Periodic Labs પર ધ્યાન કેન્દ્રિત કરવાનો નિર્ણય લીધો છે.
ઉદ્યોગ જગતના દિગ્ગજોનો સપોર્ટ
Periodic Labs એ પોતાના હાઈ-પ્રોફાઈલ રોકાણકારોને કારણે ધ્યાન ખેંચ્યું છે. આ સ્ટાર્ટઅપે AI ઈન્ફ્રાસ્ટ્રક્ચર માટે હાર્ડવેર પૂરા પાડતી અગ્રણી કંપની Nvidia અને અબજોપતિ Jeff Bezos પાસેથી રોકાણ મેળવ્યું છે. આવા મોટા નામોની સંડોવણી સ્ટાર્ટઅપના ચોક્કસ ફોકસ ક્ષેત્રમાં રોકાણકારોની રુચિ સૂચવે છે. કંપનીનો ઉદ્દેશ્ય એક એવો AI વૈજ્ઞાનિક બનાવવાનો છે જે વૈજ્ઞાનિક સંશોધન માટે નવી પૂર્વધારણાઓ (Hypotheses) તૈયાર કરી શકે. આ ટેકનોલોજીનો ધ્યેય દવા, મટીરિયલ્સ સાયન્સ અને ફંડામેન્ટલ ફિઝિક્સ જેવા વિશિષ્ટ ક્ષેત્રોમાં નવી શોધોને ઝડપી બનાવવામાં મદદ કરવાનો છે.
કોર્પોરેટ ભૂમિકા અને ઉદ્યોગસાહસિકતા વચ્ચેની પસંદગી
રિપોર્ટ્સ સૂચવે છે કે Agarwal એ Meta ની Superintelligence Labs તરફથી $1 મિલિયનથી વધુના વળતર પેકેજનો ઇનકાર કર્યો હતો. જ્યારે મોટી વૈશ્વિક ટેકનોલોજી ફર્મોમાં ઉચ્ચ પગારવાળી નોકરીઓ સામાન્ય રીતે કમ્પ્યુટર સાયન્સમાં કારકિર્દીની ટોચ માનવામાં આવે છે, ત્યારે આ પગલું અનુભવી સંશોધકો દ્વારા વિશિષ્ટ AI સાધનો બનાવવામાં સ્વાયત્તતા શોધવાના વધતા પ્રવાહને દર્શાવે છે. કોર્પોરેટ વળતર કરતાં સ્વતંત્ર નવીનતાને પ્રાધાન્ય આપવાના નિર્ણયની અનેક ઉદ્યોગ હસ્તીઓએ નોંધ લીધી છે.
Periodic Labs ના આગામી પગલાં
સ્વાયત્ત રીતે પૂર્વધારણાઓ સૂચવી શકે તેવી AI નો વિકાસ એ આ ક્ષેત્રમાં એક ટેકનિકલ પડકાર છે. રોકાણકારો અને ટેકનોલોજી નિરીક્ષકો સંભવતઃ સંશોધન ખ્યાલોથી લઈને વ્યવહારુ, વાસ્તવિક-વિશ્વ એપ્લિકેશનો સુધીની કંપનીની પ્રગતિ પર નજર રાખશે. આ સ્ટાર્ટઅપ માટે પ્રાથમિક નિરીક્ષણ એ તેની AI દ્વારા સતત માન્ય વૈજ્ઞાનિક પૂર્વધારણાઓ ઉત્પન્ન કરવાની ક્ષમતા દર્શાવવાની હશે જે લેબોરેટરી અથવા ઔદ્યોગિક સેટિંગ્સમાં ચકાસી શકાય તેવા પરિણામો તરફ દોરી જાય. જેમ જેમ કંપની આગળ વધશે, તેમ તેમ તેના ટેકનિકલ માઈલસ્ટોન્સ અને AI પ્લેટફોર્મની માપનીયતા (Scalability) સંબંધિત અપડેટ્સ વ્યાપક AI સંશોધન સમુદાય માટે રસપ્રદ રહેશે.