Jeff Dean gab am 7. August auf dem AASF-Gipfel in Stanford nach seinem Austritt bei Google – nach 27 Jahren – seine erste öffentliche Einordnung seines neuen Unternehmens Discovery Loop. Das Startup, das Dean gemeinsam mit Sanjay Ghemawat, Quoc Le und Oriol Vinyals aufbaute, fokussiert sich auf die Automatisierung des wissenschaftlichen Entdeckungsprozesses durch künstliche Intelligenz. Im Gegensatz zu aktuellen Large Language Models, die primär auf einmalige Aufgaben beschränkt sind, soll Discovery Loop KI-Systeme in einen geschlossenen Forschungszyklus integrieren. Die Modelle formulieren Hypothesen, planen und werten Experimente aus, leiten daraus neue Schritte ab und skalieren so den iterativen Forschungsprozess. Ziel ist eine Beschleunigung der Wissenschaft um Größenordnungen, indem KI mehrere Disziplinen parallel abdeckt und Ressourcen gezielt lenkt. Die Seed-Finanzierung wird von Radical Ventures und Khosla Ventures angeführt, ergänzt durch Beteiligung von Alphabet, Lightspeed und Kleiner Perkins. Google unterstützt Discovery Loop als Cloud-Infrastrukturpartner. Das Gründerteam bindet ein weit verzweigtes Netz ehemaliger Google-Brain-Expert:innen ein, darunter ehemalige Mitstreiter aus der TPU- und Gemini-Entwicklung. Deans Strategie entspricht seiner langjährigen technischen Philosophie: Skalierbare Architekturen zu identifizieren und durch systemische Innovationen zu verstärken. Seine früheren Pionierarbeiten wie TensorFlow, Sparsely-Gated Mixture-of-Experts und die Entwicklung von Gemini demonstrieren diesen Ansatz. Discovery Loop überträgt diese Logik nun auf die Forschungsmethodik selbst. Die Initiative adressiert zugleich aktuelle Debatten um die Grenzen aktueller Sprachmodelle. Kritiker verweisen darauf, dass heutige KI zwar stark in induktiven und deduktiven Mustererkenungen ist, jedoch beim springenden Erkenntnisgewinn – dem Formulieren neuer wissenschaftlicher Paradigmen – scheitert. Discovery Loop umgeht diese Limitation durch kontinuierliches Feedback aus physischen Experimenten, was den Modelltrainingsprozess von statischen Datensätzen auf dynamische, interaktive Lernschleifen überführt. Die Veranstaltung verdeutlicht zudem einen strukturellen Wandel im KI-Sektor. Cloud-Computing hat den Zugang zu Rechenleistung und Infrastruktur demokratisiert, sodass kleine, hochspezialisierte Teams heute unabhängig von großen Tech-Konzernen arbeiten können. Dies erklärt den zunehmenden Abfluss führender Forschender zu Startups, während andere gezielt zu Plattformen wie Meta wechseln, um Sicherheits- und Governance-Forschung im großen Maßstab zu verankern. Dean sieht in der Kombination aus konzentrierten Teams und cloudbasierter Skalierbarkeit den idealen Weg, um nicht nur Modelle und Daten, sondern den wissenschaftlichen Erkenntnisprozess selbst zu transformieren.