El legendario ingeniero de Google, Jeff Dean, deja el gigante de las búsquedas para fundar Discovery Loop, una empresa que intentará reescribir la forma en que se hace la ciencia mediante el uso de una capacidad de cómputo masiva en experimentos.
Un equipo de élite de Google y DeepMind
Dean fue el empleado número 30 de Google y ayudó a construir su infraestructura de búsqueda y los modelos multimodales de Gemini. Él será el CEO.
Trae consigo un "dream team" de investigadores: Sanjay Ghemawat, senior fellow y famoso ingeniero; Quoc Le, miembro fundador de Google Brain; y Oriol Vinyals, científico de investigación senior en DeepMind. Sus currículos abarcan sistemas distribuidos, redes neuronales y aprendizaje por refuerzo, lo que indica que Discovery Loop abordará problemas técnicamente complejos.
Acelerando la ciencia mediante la experimentación automatizada
Discovery Loop está organizada como una corporación de beneficio público que tiene como objetivo eliminar el "cuello de botella humano" en la investigación. Los laboratorios tradicionales avanzan a través de un ciclo lento y secuencial de hipótesis, experimento, análisis y decisión. La startup quiere reemplazar eso con "algoritmos de alto octanaje" que puedan lanzar miles de experimentos a la vez.
Su tesis central tiene dos objetivos audaces:
- Automatizar los ciclos experimentales – utilizar la IA para gestionar la generación de hipótesis, las pruebas y el refinamiento, aumentando tanto la cantidad como la calidad de los datos.
- Automejora recursiva – construir una IA que ayude a diseñar una IA aún más potente, eliminando la intervención humana del proceso y acelerando la innovación de forma exponencial.
Respaldo masivo para la próxima frontera de la IA
Alphabet está respaldando la ronda semilla, copresidida por Radical Ventures y Khosla Ventures. Kleiner Perkins, Lightspeed y Doerr Capital también participaron.
El dinero refleja la creciente creencia de que la próxima ola de la IA irá más allá de los modelos de lenguaje extensos hacia sistemas "agénticos" que realicen investigaciones e impulsen avances físicos y digitales.
Por qué esto es importante para el panorama de la IA
La salida de Dean marca un cambio de la "IA para el contenido" a la "IA para el descubrimiento". Mientras que la IA generativa ha dominado los últimos dos años, Discovery Loop se posiciona en la intersección de la IA y las ciencias duras. Si funciona, el descubrimiento de fármacos, la ciencia de materiales y la investigación energética podrían acelerarse drásticamente, transformando la forma en que la humanidad aborda sus desafíos técnicos más difíciles.
Conclusiones clave
- Éxodo de talento de élite – Jeff Dean, Sanjay Ghemawat, Quoc Le y Oriol Vinyals dejan Google para formar Discovery Loop.
- Ciencia automatizada – la startup ejecutará miles de experimentos impulsados por IA en paralelo para evitar los cuellos de botella humanos.
- Gran capital – Alphabet y un conjunto de los principales VCs, incluidos Khosla Ventures y Radical Ventures, han comprometido financiación.
El talento detrás de la apuesta
Dean se lleva a tres de los ingenieros más célebres de Google: Sanjay Ghemawat, senior fellow que construyó los sistemas distribuidos que impulsan gran parte de la web; Quoc Le, miembro fundador de Google Brain que fue pionero en técnicas de aprendizaje profundo; y Oriol Vinyals, científico de investigación senior en DeepMind con una trayectoria en aprendizaje por refuerzo. Juntos construyeron el paradigma map-reduce que sustenta el procesamiento de datos a gran escala y las redes neuronales que impulsan los modelos de lenguaje actuales.
Qué planea hacer la startup
El estatuto de beneficio público de Discovery Loop la obliga a sopesar el impacto social junto con el beneficio. Su misión es eliminar el "cuello de botella humano" en la investigación. En un laboratorio típico, un científico pasa semanas o meses pasando de la hipótesis al experimento, al análisis y al siguiente paso. El equipo de Dean quiere que la IA genere hipótesis, diseñe y ejecute miles de experimentos en paralelo y perfeccione sus propios modelos basándose en los resultados.
La hoja de ruta se centra en dos objetivos entrelazados. Primero, construir una plataforma que automatice todo el proceso experimental, desde la generación de hipótesis hasta la recopilación y el análisis de datos. Segundo, desarrollar una IA que pueda mejorar su propio diseño, creando un ciclo de retroalimentación donde cada generación ayude a construir un sucesor más capaz. Si la plataforma funciona, los campos que dependen de un proceso masivo de ensayo y error —como el descubrimiento de fármacos, la ciencia de materiales y la investigación energética— podrían acelerarse drásticamente.
El dinero detrás de la visión
La participación de Alphabet en la ronda semilla señala el interés estratégico de la empresa matriz. Radical Ventures y Khosla Ventures codirigen la ronda, con capital adicional de Kleiner Perkins, Lightspeed y Doerr Capital. La lista de inversores muestra la convicción de que la próxima ola de valor de la IA provendrá de software "agéntico" capaz de actuar de forma autónoma, y no solo de los grandes modelos de lenguaje.
Por qué es importante para el ecosistema de la IA en general
Si Discovery Loop cumple sus promesas, el impacto podría extenderse mucho más allá de sus propios productos. Reducir el tiempo necesario para identificar un candidato a fármaco viable podría ahorrar miles de millones en las líneas de desarrollo farmacéutico y llevar tratamientos vitales a los pacientes con mayor rapidez. La iteración rápida en la ciencia de materiales podría dar lugar a compuestos más ligeros, resistentes y sostenibles para la industria aeroespacial y la electrónica de consumo. Al transformar la IA de una herramienta que ayuda a los humanos a pensar en un sistema capaz de pensar por sí mismo, la startup podría desplazar el poder de investigación hacia las organizaciones que pueden permitirse una capacidad de cómputo masiva.
Conclusión
La salida de Jeff Dean de Google para liderar Discovery Loop reúne una experiencia técnica excepcional, profundas conexiones en la industria y un capital sustancial. La empresa tiene como objetivo automatizar el ciclo de experimentos científicos y crear una IA que mejore por sí misma, comprimiendo potencialmente años de investigación en semanas. Sin embargo, debe superar importantes obstáculos técnicos, logísticos y culturales antes de demostrar que la IA puede convertirse realmente en un socio de laboratorio en lugar de ser solo una herramienta ingeniosa. Los próximos meses revelarán si el "descubrimiento automatizado" es un siguiente paso realista para la IA o un sprint visionario que se detiene antes de la línea de meta.