Легендарный инженер Google Джефф Дин покидает поискового гиганта, чтобы основать Discovery Loop — компанию, которая попытается переосмыслить методы проведения научных исследований, направляя колоссальные вычислительные мощности на проведение экспериментов.
Мощная команда из Google и DeepMind
Дин был 30-м сотрудником Google и помогал создавать инфраструктуру поиска и мультимодальные модели Gemini. Он займет пост CEO.
Он приводит с собой «команду мечты» из исследователей: Санджая Гемавата, старшего научного сотрудника (senior fellow) и прославленного инженера; Куока Ле, одного из основателей Google Brain; и Ориоля Виньялса, старшего научного сотрудника в DeepMind. Их опыт охватывает распределенные системы, нейронные сети и обучение с подкреплением, что сигнализирует о том, что Discovery Loop будет решать технически сложные задачи.
Ускорение науки через автоматизированное экспериментирование
Discovery Loop организована как корпорация общественной пользы (public-benefit corporation), целью которой является устранение «человеческого узкого места» в исследованиях. Традиционные лаборатории работают в медленном, последовательном цикле: гипотеза, эксперимент, анализ и принятие решения. Стартап хочет заменить это «высокопроизводительными алгоритмами», способными запускать тысячи экспериментов одновременно.
Его основная концепция включает две смелые цели:
- Автоматизация экспериментальных циклов — использование ИИ для управления генерацией гипотез, их тестированием и доработкой, что повысит как количество, так и качество данных.
- Рекурсивное самосовершенствование — создание ИИ, который помогает проектировать еще более мощный ИИ, исключая вмешательство человека из цикла и обеспечивая экспоненциальное ускорение инноваций.
Масштабная поддержка нового рубежа ИИ
Alphabet поддерживает посевной раунд, который совместно возглавляют Radical Ventures и Khosla Ventures. В нем также приняли участие Kleiner Perkins, Lightspeed и Doerr Capital.
Инвестиции отражают растущую веру в то, что следующая волна ИИ выйдет за рамки больших языковых моделей в сторону «агентных» систем, которые будут проводить исследования и совершать прорывы как в физическом, так и в цифровом мирах.
Почему это важно для ландшафта ИИ
Уход Дина знаменует переход от «ИИ для контента» к «ИИ для открытий». В то время как последние два года доминировал генеративный ИИ, Discovery Loop позиционирует себя на стыке ИИ и фундаментальных наук. Если проект окажется успешным, разработка лекарств, материаловедение и исследования в области энергетики могут значительно ускориться, меняя способы, которыми человечество решает свои сложнейшие технические задачи.
Ключевые выводы
- Отток элитных талантов — Джефф Дин, Санджай Гемават, Куок Ле и Ориоль Виньялс покидают Google, чтобы создать Discovery Loop.
- Автоматизированная наука — стартап будет запускать тысячи экспериментов под управлением ИИ параллельно, чтобы обойти ограничения, связанные с человеческим фактором.
- Значительный капитал — Alphabet и ряд ведущих венчурных фондов, включая Khosla Ventures и Radical Ventures, выделили финансирование.
Таланты, стоящие за этой ставкой
Дин забирает с собой трех самых прославленных инженеров Google: Санджая Гемавата, старшего научного сотрудника, который создал распределенные системы, на которых держится большая часть интернета; Куока Ле, одного из основателей Google Brain, ставшего пионером в методах глубокого обучения; и Ориоля Виньялса, старшего научного сотрудника в DeepMind с опытом в области обучения с подкреплением. Вместе они создали парадигму MapReduce, лежащую в основе крупномасштабной обработки данных, и нейронные сети, на которых работают современные языковые модели.
Что планирует делать стартап
Устав Discovery Loop как корпорации общественной пользы обязывает её учитывать социальное воздействие наряду с прибылью. Её миссия — устранить «человеческое узкое место» в исследованиях. В типичной лаборатории ученый тратит недели или месяцы, переходя от гипотезы к эксперименту, затем к анализу и следующему шагу. Команда Дина хочет, чтобы ИИ генерировал гипотезы, проектировал и проводил тысячи экспериментов параллельно и совершенствовал собственные модели на основе полученных результатов.
Дорожная карта сосредоточена на двух взаимосвязанных целях. Во-первых, создать платформу, которая автоматизирует весь экспериментальный конвейер — от генерации гипотез до сбора и анализа данных. Во-вторых, разработать ИИ, способный улучшать собственную архитектуру, создавая петлю обратной связи, где каждое новое поколение помогает строить еще более способного преемника. Если платформа сработает, области, полагающиеся на массовые пробы и ошибки — разработка лекарств, материаловедение, исследования в области энергетики — могут продемонстрировать резкое ускорение.
Деньги, стоящие за этим видением
Участие Alphabet в посевном раунде свидетельствует о стратегическом интересе материнской компании. Раунд совместно возглавляют Radical Ventures и Khosla Ventures при участии Kleiner Perkins, Lightspeed и Doerr Capital. Состав инвесторов демонстрирует уверенность в том, что следующая волна ценности ИИ будет связана с «агентным» программным обеспечением, способным действовать автономно, а не только с большими языковыми моделями.
Почему это важно для всей экосистемы ИИ
Если Discovery Loop оправдает ожидания, эффект может выйти далеко за пределы её собственных продуктов. Сокращение времени на поиск перспективных кандидатов в лекарственные препараты может сэкономить миллиарды долларов в фармацевтических разработках и быстрее обеспечить пациентов жизненно важным лечением. Быстрая итерация в материаловедении может привести к созданию более легких, прочных и экологичных композитов для аэрокосмической отрасли и потребительской электроники. Превращая ИИ из инструмента, помогающего человеку мыслить, в систему, способную мыслить самостоятельно, стартап может сместить исследовательскую мощь в сторону организаций, способных позволить себе массивные вычислительные ресурсы.
Итог
Уход Джеффа Дина из Google для руководства Discovery Loop объединяет редкий технический опыт, глубокие отраслевые связи и значительный капитал. Компания стремится автоматизировать цикл научных экспериментов и создать самосовершенствующийся ИИ, что потенциально позволит сжать годы исследований до нескольких недель. Тем не менее, ей предстоит преодолеть серьезные технические, логистические и культурные барьеры, прежде чем она докажет, что ИИ может стать полноценным партнером в лаборатории, а не просто умным инструментом. Ближайшие месяцы покажут, является ли «автоматизированное открытие» реалистичным следующим шагом для ИИ или же это визионерский спринт, который заглохнет перед финишной чертой.