Khosla Ventures co-guida il round seed di Discovery Loop, la startup di AI di Jeff Dean che punta ad automatizzare la scoperta scientifica

Khosla Ventures si è unito come co-lead investor nel round seed di Discovery Loop, una startup di AI fondata da Jeff Dean e da ex ingegneri di Google. La startup afferma che chiuderà il cerchio tra la generazione di ipotesi, l'esecuzione degli esperimenti e l'analisi dei risultati, permettendo all'AI di condurre migliaia di esperimenti senza l'intervento umano.

Perché il team è importante

I fondatori portano con sé un totale di circa 80 anni di esperienza in Google, avendo costruito TensorFlow, le Tensor Processing Units e il modello linguistico di grandi dimensioni Gemini. Il loro curriculum dimostra una profonda competenza sia nel software che nell'hardware che alimenteranno la piattaforma di Discovery Loop.

Come dovrebbe funzionare il sistema a "ciclo chiuso"

  1. L'AI propone esperimenti – un modello scansiona i dati esistenti e suggerisce nuove condizioni di test.
  2. Il calcolo esegue i test – risorse su larga scala eseguono le proposte, sia in simulazione che in un laboratorio fisico.
  3. I risultati alimentano il sistema – gli esiti tornano al modello, che aggiorna la propria comprensione.
  4. Migliaia di variazioni – il ciclo si ripete, generando un flusso rapido di nuovi esperimenti.

Automatizzando ogni passaggio, la startup spera di accelerare la ricerca in settori a lento sviluppo: materiali migliori per le batterie, concetti di energia a fusione e tempi più rapidi per lo sviluppo di farmaci.

Un modello di business focalizzato

Invece di disperdersi in molteplici applicazioni di AI, Discovery Loop si concentra su scienza e ingegneria. L'ambito ristretto mira ad attrarre talenti spinti da grandi sfide scientifiche piuttosto che da roadmap commerciali. La società opera come una "public-benefit corporation", una struttura legale che mette la missione davanti al profitto e che potrebbe attrarre ingegneri orientati allo scopo.

Cosa vedono gli investitori

Khosla Ventures paragona il potenziale impatto della tecnologia di Discovery Loop a quello dei modelli linguistici di grandi dimensioni, che hanno trasformato la creazione di contenuti, la programmazione e il servizio clienti. Se il ciclo produrrà in modo affidabile intuizioni scientifiche utili, i ritorni economici e sociali potrebbero essere comparabili.

Gli ostacoli da affrontare

L'automazione della scoperta rimane una sfida irrisolta. Gli esperimenti richiedono spesso una conoscenza specialistica del dominio, attrezzature specializzate e protocolli di sicurezza difficili da codificare in un software. I critici avvertono che un approccio puramente algoritmico potrebbe perdere quelle intuizioni fortuite che la sensibilità umana può fornire. L'esecuzione di massicci cicli di calcolo per test fisici rischia inoltre di diventare proibitivamente costosa in assenza di percorsi di ricavo chiari.

Cosa osservare

  • Traguardi della demo – primi risultati di prova di concetto in qualsiasi campo target (materiali, fusione, farmaceutica).
  • Partnership – collaborazioni con laboratori accademici o gruppi di R&D industriali in grado di fornire test fisici.
  • Scrutinio normativo – specialmente per le pipeline di scoperta di farmaci, dove la supervisione è rigorosa.
  • Round di finanziamento – i finanziamenti successivi segnaleranno la fiducia degli investitori man mano che la tecnologia maturerà.

Se Discovery Loop trasformerà la sua visione a ciclo chiuso in scoperte ripetibili, potrebbe ridefinire il modo in cui viene condotta la ricerca. I prossimi mesi mostreranno se la potenza dell'AI e l'ambizione scientifica potranno mantenere questa promessa.