O lendário engenheiro do Google, Jeff Dean, está deixando a gigante de buscas para fundar a Discovery Loop, uma empresa que tentará reescrever a forma como a ciência é feita, aplicando um poder de computação massivo em experimentos.
Uma Equipe de Peso do Google e do DeepMind
Dean foi o 30º funcionário do Google e ajudou a construir sua infraestrutura de busca e os modelos multimodais do Gemini. Ele será o CEO.
Ele traz um "dream team" de pesquisadores: Sanjay Ghemawat, senior fellow e renomado engenheiro; Quoc Le, um membro fundador do Google Brain; e Oriol Vinyals, cientista de pesquisa sênior no DeepMind. Seus currículos abrangem sistemas distribuídos, redes neurais e aprendizado por reforço, sinalizando que a Discovery Loop enfrentará problemas tecnicamente complexos.
Acelerando a Ciência por meio de Experimentação Automatizada
A Discovery Loop é organizada como uma corporação de benefício público (public-benefit corporation) que visa esmagar o "gargalo humano" na pesquisa. Laboratórios tradicionais passam por um ciclo lento e sequencial de hipótese, experimento, análise e decisão. A startup quer substituir isso por "algoritmos de alta octanagem" que possam lançar milhares de experimentos de uma só vez.
Sua tese central tem dois objetivos audaciosos:
- Automatização de ciclos experimentais – usar IA para gerenciar a geração de hipóteses, testes e refinamento, aumentando tanto a quantidade quanto a qualidade dos dados.
- Autoaperfeiçoamento recursivo – construir IAs que ajudem a projetar IAs ainda mais poderosas, eliminando a intervenção humana do ciclo e acelerando a inovação exponencialmente.
Apoio Massivo para a Próxima Fronteira da IA
A Alphabet está apoiando a rodada seed, que é co-liderada pela Radical Ventures e Khosla Ventures. Kleiner Perkins, Lightspeed e Doerr Capital também participaram.
O investimento reflete a crença crescente de que a próxima onda de IA irá além dos grandes modelos de linguagem, avançando para sistemas "agênticos" que conduzem pesquisas e impulsionam avanços físicos e digitais.
Por que Isso é Importante para o Cenário da IA
A saída de Dean marca uma mudança de "IA para conteúdo" para "IA para descoberta". Embora a IA generativa tenha dominado os últimos dois anos, a Discovery Loop se posiciona na interseção entre a IA e as ciências exatas. Se funcionar, a descoberta de medicamentos, a ciência dos materiais e a pesquisa de energia poderão acelerar drasticamente, remodelando a forma como a humanidade enfrenta seus desafios técnicos mais difíceis.
Principais Conclusões
- Êxodo de talentos de elite – Jeff Dean, Sanjay Ghemawat, Quoc Le e Oriol Vinyals estão deixando o Google para formar a Discovery Loop.
- Ciência automatizada – a startup executará milhares de experimentos impulsionados por IA em paralelo para contornar os gargalos humanos.
- Capital pesado – Alphabet e um conjunto de grandes VCs, incluindo Khosla Ventures e Radical Ventures, comprometeram financiamento.
O talento por trás da aposta
Dean está levando três dos engenheiros mais celebrados do Google: Sanjay Ghemawat, senior fellow que construiu os sistemas distribuídos que alimentam grande parte da web; Quoc Le, um membro fundador do Google Brain que foi pioneiro em técnicas de deep learning; e Oriol Vinyals, um cientista de pesquisa sênior no DeepMind com um histórico em aprendizado por reforço. Juntos, eles construíram o paradigma map-reduce que fundamenta o processamento de dados em larga escala e as redes neurais que alimentam os modelos de linguagem atuais.
O que a startup planeja fazer
O estatuto de benefício público da Discovery Loop a obriga a ponderar o impacto social ao lado do lucro. Sua missão é eliminar o "gargalo humano" na pesquisa. Em um laboratório típico, um cientista passa semanas ou meses passando da hipótese para o experimento, para a análise e para o próximo passo. A equipe de Dean quer que a IA gere hipóteses, projete e execute milhares de experimentos em paralelo e refine seus próprios modelos com base nos resultados.
O roteiro foca em dois objetivos interligados. Primeiro, construir uma plataforma que automatize todo o pipeline experimental — desde a geração de hipóteses até a coleta e análise de dados. Segundo, desenvolver uma IA que possa melhorar seu próprio design, criando um ciclo de feedback onde cada geração ajuda a construir um sucessor mais capaz. Se a plataforma funcionar, áreas que dependem de um massivo processo de tentativa e erro — como descoberta de medicamentos, ciência dos materiais e pesquisa de energia — poderão acelerar drasticamente.
O dinheiro por trás da visão
A participação da Alphabet na rodada seed sinaliza o interesse estratégico da empresa controladora. Radical Ventures e Khosla Ventures co-lideram a rodada, com aportes adicionais da Kleiner Perkins, Lightspeed e Doerr Capital. A lista de investidores demonstra a crença de que a próxima onda de valor da IA virá de softwares "agênticos" que podem agir de forma autônoma, e não apenas de grandes modelos de linguagem.
Por que isso é importante para o ecossistema de IA em geral
Se a Discovery Loop entregar o que promete, o impacto poderá se estender muito além de seus próprios produtos. Reduzir o tempo para identificar um candidato a medicamento viável pode economizar bilhões nos pipelines farmacêuticos e levar tratamentos que salvam vidas aos pacientes mais rapidamente. A iteração rápida na ciência dos materiais pode resultar em compósitos mais leves, fortes e sustentáveis para os setores aeroespacial e de eletrônicos de consumo. Ao transformar a IA de uma ferramenta que ajuda os humanos a pensar em um sistema que pode pensar por si só, a startup pode deslocar o poder de pesquisa para organizações que podem arcar com o custo de computação massiva.
Resumo
A saída de Jeff Dean do Google para liderar a Discovery Loop reúne uma expertise técnica rara, conexões profundas com a indústria e capital substancial. A empresa visa automatizar o ciclo de experimentos científicos e criar uma IA de autoaperfeiçoamento, potencialmente comprimindo anos de pesquisa em semanas. No entanto, ela deve superar obstáculos técnicos, logísticos e culturais significativos antes de provar que a IA pode realmente se tornar uma parceira de laboratório, em vez de apenas uma ferramenta inteligente. Os próximos meses revelarão se a "descoberta automatizada" é um próximo passo realista para a IA ou um sprint visionário que trava antes da linha de chegada.