Jeff Dean forlader Google for at automatisere den videnskabelige metode med Discovery Loop

Jeff Dean, Googles chefsforsker og en af de centrale figurer i moderne AI-infrastruktur, forlader virksomheden efter næsten 27 år for at co-founde Discovery Loop, en startup, hvis erklærede mål er at automatisere de eksperimentelle loops i videnskabelig forskning selv. Afskeden blev meddelt den 5. august 2026 som en del af en bred omstrukturering af Googles AI-ledelse, hvor virksomheden bekræfter, at den vil støtte den nye virksomhed som grundlæggende investor og Cloud-partner.

Dean er ikke alene om at forlade. Tre andre seniorgestalter fra Google AI er med til at grundlægge virksomheden sammen med ham: Sanjay Ghemawat, en Google Senior Fellow og Deans samarbejdspartner på meget af virksomhedens grundlæggende computeringeniørarbejde; Oriol Vinyals, VP for forskning i Google DeepMind og en teknisk leder på Gemini; og Quoc Le, en medstifter af Google Brain og forskeren bag Googles AutoML-Zero-projekt. Wireds Steven Levy, der interviewede de fire grundlæggere før annonceringen, rapporterer, at idéen kom sammen kun få uger før.

Virksomheden er indregistreret som en offentlig gavnsvirksomhed. Dens mission, som beskrevet på dens egen hjemmeside, er at bygge systemer, der kan køre den fulde eksperimentelle loop af den videnskabelige metode: at foreslå et eksperiment, implementere og køre det, evaluere resultaterne og iterere, i en skala og hastighed, som sekventielt menneskeligt arbejde ikke kan matche. Grundlæggerne planlægger at køre tusinder af sådanne loops i parallel, først rettet mod maskinlæringsforskning selv, før de udvider sig til domæner, herunder chipdesign, biologi, lægemiddelforskning og materialsvidenskab.

Hvad Discovery Loop faktisk planlægger at bygge

Mekanismen, ifølge virksomhedens egen beskrivelse, har tre faser. Først vil den fokusere på at automatisere maskinlæringsforskning og -ingeniørarbejde, ved hjælp af frontiersk AI-modeller og stor skala compute til at foreslå, køre og lære fra evalueringer. Anden vil den fungere som sin egen første kunde, ved at bruge de automatiserede funktioner til at optimere sin egen teknologistak. Tredje planlægger den at generalisere til enhver læringsloop med målbare resultater i videnskab og ingeniørarbejde, med henvisning til National Academy of Engineerings Grand Challenges som dens endelige målklasse, herunder udvikling af bedre lægemidler, fremme af sundhedsinformatik og gøre solenergi økonomisk.

Le, der var pioner på teknikker til automatisering af modeldesign hos Google, ramte ambitionen i forhold til, hvad automatiserede loops måske kan finde i AI selv. “Jeg er meget begejstret for at automatisere maskinlæringsforskning,” sagde han til Wired. “Det kan være, at vi opdager en anden transformer-arkitektur.”

Vinyals pegede på den specifikke kapacitetslücke, som indsatsen hviler på: nuværende modeller er ikke stærke til at generere virkelig nye ideer til test. “En af de ting, vi vil være meget fokuserede på, er, hvordan disse modeller kommer op med nye ideer til at prøve,” sagde han. “Det er ikke noget, de er særligt stærke til lige nu.” Grundlæggerne fortalte Wired, at tidlige systemer vil udvikle ideer sammen med mennesker, med dybere automatisering som målet.

Grundlæggernes rekord og Googles stake i, hvad der kommer herefter

Grundlæggerteams kollektive rekord er den centrale aktiv. Discovery Loops hjemmeside beskriver de fire som repræsentanter for tre af de mest citerede forskere i AI og to af de mest citerede i distribuerede systemer, med bidrag, der spænder over Google Search, Google Translate, Google File System, MapReduce, BigTable, Spanner, TensorFlow, Pathways, TPUs, AlphaChip, AlphaStar, AlphaCode, AlphaFold, Gemini, sekvens-til-sekvens-modeller og chain-of-thought-reasoning, blandt andre. Dean og Ghemawat byggede meget af den infrastruktur, som Googles tidlige søge- og annonceringsforretninger kørte på; Vinyals og Le var centrale i den neurale netværksæra, der fulgte. Unite.AI har sporet Googles seneste AI-model-frigivelse, en arbejdslinje, som Vinyals var direkte med til at lede.

Afskeden falder inden for en bredere omstrukturering af Googles AI-ledelse, detaljeret i meddelelser fra CEO Sundar Pichai og DeepMind-co-founder Demis Hassabis. Hassabis træder tilbage fra dag-til-dag-ledelse af Google DeepMind for at blive dens formand og Alphabets chefsforsker, mens Koray Kavukcuoglu, enhedens CTO og Googles chef-AI-arkitekt, overtager som SVP af Google DeepMind, med ansvar for Gemini-modeludvikling, frontiersk AI-forskning og Gemini-app- og udviklerteams. Pichais meddelelse afslørede, at Gemini-appen har passeret 950 millioner månedlige brugere og at Gemma-modeller har overgået 900 millioner downloads.

Googles forhold til Discovery Loop går ud over gode ønsker. Virksomheden er en grundlæggende investor, vil fungere som startupens Cloud-partner og planlægger at samarbejde om en forskningsramme for ML-systemer og -infrastruktur. Wired rapporterede, at Google også vil levere compute-kraft til virksomhedens første år. “Over 27 år har Jeff og Sanjay hjulpet til at drive nogle af de mest betydningsfulde teknologiske overgange, fra vores tidlige søgeinfrastruktur til de neurale netværk, der hjalp med at skabe den moderne AI-æra,” sagde Pichai i en erklæring. “Vi vil fortsætte med at arbejde med Discovery Loop som grundlæggende investor og Cloud-partner og samarbejde om en forskningsramme for ML-systemer og relaterede infrastruktur-fremgang.”

På finansieringssiden rapporterede Wired, at Khosla Ventures og Radical Ventures er blandt støtterne, med Radical-managing partner Jordan Jacobs, der tiltræder bestyrelsen; grundlæggerne afslører ikke omgangens størrelse eller vurdering. Venture-tesen, som Khosla sagde til Wired, er en skift i, hvad AI er til i forskning: mennesker har brugt AI til at udføre forskning, sagde han, mens præmisserne her er, at AI er forskeren.

Hvad der sker herefter

De nærmeste observerbare begivenheder er konkrete. Discovery Loop rekrutterer et lille, fysisk grundlæggerteam gennem sin åbne stillingsliste, efter at have startet med ingen ansættelser og ingen kontor. Dens første udførbare milepæl er den automatiserede maskinlæringsloop, den planlægger at aktivere på sin egen teknologistak, og dens første års drift kører på Google-leveret compute under Cloud-partnerskabet. Den erklærede udvidelsesvej, fra ML-forskning til chipdesign, biologi, lægemiddelforskning og materialsvidenskab, vil være målbart mod virksomhedens egen kriterium: læringsloops med resultater, der kan scores. Om tilgangen producerer et resultat, som feltet anerkender som en opdagelse, og ikke en optimisering, er spørgsmålet, som virksomhedens struktur er bygget til at besvare.