Jeff Dean verlaat Google en start Discovery Loop

TL;DR

• Wat: Jeff Dean en drie andere topwetenschappers vertrekken bij Google om Discovery Loop op te richten, een bedrijf dat wetenschappelijk onderzoek wil automatiseren.
• Waarom relevant: als AI straks zelf experimenten kan bedenken, uitvoeren en verbeteren, verandert dat op termijn hoe nieuwe producten, materialen en medicijnen ontstaan — en daarmee ook de markt waarin jij opereert.
• Wat je ermee kunt: volg de ontwikkelingen rond geautomatiseerd onderzoek; als je producten of diensten aanbiedt die afhankelijk zijn van R&D-intensieve toeleveranciers, is dit een trend om in de gaten te houden.

Vandaag maakte Jeff Dean op X bekend dat hij na 27 jaar Google verlaat om samen met drie collega's Discovery Loop op te richten. Ik viel over dit bericht omdat het niet zomaar een nieuwe AI-startup is — het gaat hier om vier van de meest geciteerde onderzoekers in de wereld die samen iets opbouwen dat de manier waarop wetenschap en techniek werken fundamenteel wil veranderen.

Wie zijn deze oprichters?

Even wat context, want de namen zeggen misschien niet meteen iets. Jeff Dean werkte 27 jaar bij Google en was de laatste jaren Chief Scientist van het hele bedrijf. Sanjay Ghemawat is zijn vaste sparringpartner — samen bouwden ze onder meer MapReduce en BigTable, technologieën die Google groot hebben gemaakt. Oriol Vinyals was VP Research bij Google DeepMind en werkte mee aan Gemini, het meest recente grote AI-model van Google. En Quoc Le was medeoprichter van Google Brain en de bedenker van AutoML, een systeem waarmee AI zichzelf kan verbeteren.

Wat mij opvalt: dit zijn geen managers die een mooi verhaal hebben. Dit zijn mensen die decennialang de fundamenten van moderne AI hebben gebouwd. Dat ze met z'n vieren tegelijk vertrekken bij Google is op zich al opvallend.

Wat wil Discovery Loop precies doen?

De kerngedachte is: wetenschappelijk onderzoek werkt in cycli. Je bedenkt een experiment, voert het uit, bekijkt de resultaten, leert ervan en begint opnieuw. Discovery Loop wil dat hele proces automatiseren met AI — niet één keer, maar duizenden keren tegelijk.

Stel het je zo voor: waar een team van onderzoekers misschien één experiment per week kan draaien, wil Discovery Loop er duizenden parallel laten lopen. De AI bedenkt hypotheses, test ze, evalueert de uitkomsten en stelt het volgende experiment voor.

Eerst AI verbeteren, dan de rest

Hun aanpak is slim opgebouwd in drie stappen:

1. Eerst automatiseren ze ML-onderzoek zelf — dus het onderzoek naar betere AI-modellen.
2. Dan gebruiken ze die verbeterde AI om hun eigen technologie te optimaliseren — een soort zelfversterkend effect.
3. Daarna breiden ze uit naar andere domeinen — denk aan medicijnontwikkeling, materiaalwetenschap, chipdesign en schone energie.

Ik vind het eerlijk gezegd knap dat ze zo open zijn over een beperking. Oriol Vinyals gaf aan dat huidige AI-modellen nog niet sterk zijn in het bedenken van écht nieuwe ideeën om te testen. In het begin werken de systemen daarom samen met mensen. Dat is een nuance die je niet vaak hoort bij nieuwe AI-bedrijven.

Een Public Benefit Corporation — wat betekent dat?

Discovery Loop is opgericht als een zogeheten Public Benefit Corporation. Dat is een specifieke Amerikaanse bedrijfsvorm waarbij het bedrijf wettelijk verplicht is om niet alleen aandeelhouderswaarde na te streven, maar ook een maatschappelijk doel. In dit geval formuleren ze dat als: AI inzetten als "een positieve, versterkende kracht voor de mensheid."

Nu moet je hier wel bij stilstaan. Een PBC-structuur klinkt mooi, maar het is geen garantie. Het bedrijf heeft alsnog investeerders en commerciële druk. Wat het wél doet: het geeft de oprichters een juridisch kader om beslissingen te nemen die niet puur op winst gericht zijn. Of dat in de praktijk verschil maakt, zal moeten blijken.

Wie investeert?

De financiering wordt geleid door Radical Ventures en Khosla Ventures, met deelname van onder meer Lightspeed, Kleiner Perkins en Doerr Capital. Wat opvalt: Alphabet — het moederbedrijf van Google — is ook investeerder en levert het eerste jaar rekenkracht via Google Cloud. Dat is een interessante constructie. De oprichters vertrekken bij Google, maar Google investeert wél in hun nieuwe bedrijf en levert de infrastructuur. Specifieke bedragen zijn niet bekendgemaakt.

Wat betekent dit voor ondernemers?

Dit is geen product dat je morgen kunt kopen. Discovery Loop heeft vandaag pas de deuren geopend en is nog bezig met het werven van een eerste team. Maar de richting is wel relevant om te begrijpen.

Kun je je voorstellen wat het betekent als de R&D-cyclus in bepaalde sectoren tien keer sneller gaat? Stel dat je als ondernemer producten verkoopt die afhankelijk zijn van nieuwe materialen, van farmaceutische innovatie, of van energietechnologie. Als de ontwikkeling van die producten versnelt, verandert dat de snelheid waarmee jouw markt beweegt.

Een concreet denkvoorbeeld

Stel dat je een groothandel runt in technische componenten. Vandaag weet je dat een nieuwe generatie materialen er gemiddeld vijf tot tien jaar over doet om van lab naar markt te komen. Als AI-systemen die onderzoekscyclus significant verkorten, kan het zijn dat je vaker en sneller te maken krijgt met nieuwe productvarianten. Dat heeft invloed op je voorraadstrategie, je kennis van het aanbod en je relatie met leveranciers.

Ik zeg niet dat dit volgend jaar al zo is. Maar het is wel de richting waar meerdere grote spelers naartoe bewegen. Google DeepMind deed het al met AlphaFold voor eiwitstructuren. Discovery Loop wil dat principe generaliseren naar veel meer domeinen.

De bredere trend

Discovery Loop staat niet op zichzelf. Er is een groeiende beweging van AI-bedrijven die zich richten op wat je "AI voor wetenschap" zou kunnen noemen — systemen die niet alleen tekst genereren of plaatjes maken, maar die het onderzoeksproces zelf proberen te versnellen. Wat hier anders is, is de combinatie van het team (moeilijk te overtreffen qua track record), de structuur (publiek belang verankerd in de bedrijfsvorm) en de strategie (eerst AI-onderzoek automatiseren als opstapje naar bredere toepassingen).

Voor mij is dit vooral een signaal dat de meest ervaren AI-onderzoekers ter wereld geloven dat we op een kantelpunt staan. Ze hadden bij Google kunnen blijven — met alle middelen die daarbij horen. Dat ze dat niet doen en opnieuw beginnen, zegt iets over hoe groot ze de kans inschatten dat deze aanpak werkt. Of ze gelijk krijgen weet niemand, maar het is op z'n minst de moeite waard om te volgen.