Джефф Дин, один из самых долгоработавших технических лидеров Google, покидает компанию после 27 лет, чтобы соосновать Discovery Loop — общественно-полезную корпорацию, сосредоточенную на автоматизации научных и инженерных исследований. Ожидается, что он будет исполнять обязанности генерального директора.

К Дину присоединяются ветераны Google Санжай Гемават, Квок Ле и Ориол Виньялс. Команда заявляет, что Discovery Loop будет использовать крупномасштабные вычисления и AI-системы для проведения и уточнения экспериментов быстрее, чем традиционные, управляемые людьми исследовательские процессы. Этот шаг происходит на фоне реорганизации AI-руководства Google и острой конкуренции за исследователей, модели и внедрение среди разработчиков.

Предлагаемый исследовательский движок Discovery Loop

Согласно материалу TechCrunch AI, Discovery Loop планирует запускать и итеративно развивать тысячи экспериментов одновременно. Первоначальная работа будет сосредоточена на экспериментах в области машинного обучения, с амбициями применить тот же подход во всех научных и инженерных дисциплинах.

Компания описывает свою цель как автоматизацию того, что она называет полным экспериментальным циклом: формирование идеи, проведение экспериментов, оценка результатов и использование этих результатов для определения следующего шага. Это вывело бы AI-системы за пределы генерации ответов или подсказок к коду и приблизило бы их к управлению воспроизводимыми исследовательскими процессами.

Основатели также заинтересованы в использовании ИИ для улучшения систем, которые создают ИИ. Эта концепция, часто называемая рекурсивным самосовершенствованием, остаётся технически и операционно неопределённой. Имеющиеся доказательства не подтверждают, что Discovery Loop достигла такой системы; они показывают лишь, что основатели рассматривают это как долгосрочную область интереса.

Discovery Loop структурирована как общественно-полезная корпорация, что указывает на то, что заявленная цель компании выходит за рамки максимизации обычной коммерческой прибыли. Компания пока публично не раскрыла подробности своей первой исследовательской программы, дорожной карты продукта, планов по найму и ожидаемых сроков развёртывания своих систем.

Значительная потеря для AI-организации Google

Уход Дина убирает фигуру высшего уровня, чья работа охватывает раннюю поисковую инфраструктуру Google и последующие усилия в области искусственного интеллекта. TechCrunch сообщил, что он вносил вклад в системы, поддерживающие Google Search, и играл важную роль в AI-исследованиях компании и мультимодальных моделях Gemini.

Другие основатели также имеют необычно долгую историю работы в Google. Гемават — старший научный сотрудник и известный инженер, работавший с Дином над базовой инфраструктурой. Квок Ле был одним из основателей Google Brain и помогал продвигать исследования в области deep learning и sequence-to-sequence. Виньялс — старший научный сотрудник Google DeepMind и занимал руководящие должности, связанные с Gemini и более ранними системами, такими как AlphaStar.

Эти уходы совпадают с более широкими изменениями в Google DeepMind. The Decoder сообщил, что Демис Хассабис отходит от ежедневного управления, чтобы стать главным научным сотрудником Alphabet, а бывший технический директор DeepMind Корай Кавукчуоглу берёт на себя операционное руководство. Ожидается, что Кавукчуоглу будет курировать разработку Gemini, frontier research, приложение Gemini и AI-платформы Google для разработчиков.

Сами по себе кадровые перестановки не доказывают ослабление исследовательских возможностей Google. Однако они делают вопросы удержания и преемственности более заметными, поскольку Google конкурирует с OpenAI, Anthropic и хорошо финансируемыми стартапами за ведущие технические кадры. Среди других уходов, упомянутых The Decoder, — исследователь DeepMind Дэвид Сильвер и бывший со-руководитель Gemini Ноам Шазир, перешедший в OpenAI.

Доказательства и заявления, стоящие за стартапом

Наиболее значимые детали о Discovery Loop исходят из заявлений компании, о которых сообщили TechCrunch AI и The Decoder, а не из независимо подтверждённых технических демонстраций. Основатели говорят, что более быстрые и более автоматизированные эксперименты могли бы увеличить и количество, и качество исследовательских итераций, но в доступных материалах не было представлено ни бенчмарка, ни результата для клиента, ни производственной системы.

Согласно TechCrunch, первоначальный раунд финансирования возглавляют Radical Ventures и Khosla Ventures при участии Kleiner Perkins, Lightspeed и Doerr Capital. Alphabet также поддерживает компанию. The Decoder сообщил, что раунд финансирования ожидается к закрытию в ближайшие недели и что Alphabet планирует оставаться вовлечённой в качестве облачного партнёра, одновременно сотрудничая в создании исследовательской рамки для систем машинного обучения и инфраструктуры.

Такие договорённости могут дать Discovery Loop доступ к значительным вычислительным ресурсам и тесную связь с её бывшей материнской компанией. Они также поднимают практические вопросы об независимости, интеллектуальной собственности, доступе к данным и о том, будет ли стартап сильно полагаться на Google Cloud. Исходный материал не содержит оценки раунда, его общего объёма, условий владения или деталей какого-либо формального соглашения о передаче технологий.

Более широкая идея привлекает внимание во всём AI-секторе. TechCrunch отметил, что научные открытия с использованием ИИ привлекают интерес уже много лет, но лишь недавно начали переходить к более крупным коммерческим применениям. Anthropic и OpenAI также говорили о более автоматизированных исследованиях в рамках своих более широких AI-стратегий, хотя источники не устанавливают прямую конкурентную связь между этими усилиями и Discovery Loop.

Почему этот шаг важен для разработчиков и компаний

Для разработчиков ИИ Discovery Loop указывает на переход от помощи на уровне задач к системам, координирующим целые рабочие процессы. Полезная реализация потребовала бы большего, чем просто способная модель: нужны планирование экспериментов, использование инструментов, доступ к симуляции или лаборатории, управление данными, проверки воспроизводимости и надёжные методы отбраковки слабых результатов.

Это делает инфраструктуру столь же важной, как и качество модели. Автоматизация исследований зависит от оркестрации, оценки, планирования вычислений и журналов аудита. В научных условиях система, которая генерирует множество экспериментов, но не может отличить надёжные результаты от шума, может увеличить расходы вместо ускорения прогресса.

Поэтому корпоративным покупателям следует воспринимать это объявление как указание на направление, а не как доказательство того, что автономные исследования готовы к массовому внедрению. В ближайшей перспективе возможности, вероятно, будут связаны с ограниченными рабочими процессами — например, запуском оценок машинного обучения, оптимизацией инженерных параметров или предложением кандидатов для проверки человеком. В областях с высокими рисками по-прежнему потребуются эксперты, валидация и управление.

Стартап также может усилить конкуренцию за исследователей, способных сочетать разработку передовых моделей с научной или инженерной экспертизой. Google сохраняет серьёзные преимущества в инфраструктуре, данных и своей исследовательской организации Google DeepMind, но небольшая команда основателей Discovery Loop может двигаться быстро, если её финансирование и облачные соглашения будут завершены, как сообщается.

За чем следить дальше

Первым сигналом станет то, раскроет ли Discovery Loop конкретную исследовательскую систему, техническую статью или демонстрацию, показывающую автоматический выбор и итерацию экспериментов. Заявления об ускорении науки будут более значимыми, если будут сопровождаться воспроизводимыми сравнениями с традиционными исследовательскими процессами.

Закрытие финансирования и условия участия Alphabet прояснят, насколько стартап независим в операционном плане. Разработчикам стоит следить за информацией о его облачном стеке, стратегии доступа к моделям, найме и о том, планирует ли он предлагать программное обеспечение внешним исследователям или работать в основном как внутренняя исследовательская организация.

В Google ключевой вопрос — как руководство Кавукчуоглу изменит приоритеты вокруг Gemini, платформ для разработчиков и frontier research. Рынок также будет следить за дальнейшими уходами старших руководителей, новыми назначениями и признаками того, что Google сможет сохранить преемственность исследований в период перехода.

Позиция Creati.ai

Discovery Loop примечательна не столько обещанием ещё одной универсальной AI-модели, сколько тем, что нацелена на саму структуру исследований. Если основателям удастся сделать автоматизированные эксперименты надёжными, важным продуктом может стать исследовательский операционный слой, соединяющий модели, инструменты, симуляции и системы оценки.

Такой исход далеко не гарантирован. Главная задача — не генерировать больше гипотез, а строить замкнутые системы, которые дают надёжные, воспроизводимые результаты при стоимости и скорости, оправдывающих внедрение. Пока же это событие лучше всего воспринимать как громкую ставку на это направление — и как напоминание о том, что самое глубокое AI-преимущество Google одновременно является источником конкуренции за таланты.