ジェフ・ディーンが仕掛ける『Discovery Loop』って何やねん？

そもそも誰やねん、ジェフ・ディーンって

まず主役の話からいこか。

ジェフ・ディーンいうたら、Googleを代表する伝説級のエンジニアや。

1999年にGoogleへ入社して、その後は大規模分散システムからAIまで、Googleの技術基盤を長年支えてきた。

2011年にはGoogle Brainの立ち上げにも関わり、GoogleのAI基盤やTPU開発にも深く関わってきた人物や。

モダンAIの歴史を語るうえでは、まず名前が出てくる一人やな。

そのディーンが、長年務めたGoogleのチーフサイエンティストの立場を離れ、3人の同僚と一緒に新会社を立ち上げた。

その名が、

Discovery Loop

や。

発表されたのは2026年8月5日。かなり最近の話や。

で、Discovery Loopって結局なんやねん

名前だけ聞いても、いまひとつ分からん。

ざっくり言えば、

「機械学習、科学、工学の実験サイクルそのものをAIで自動化する会社」

や。

科学研究いうのは、

仮説を立てる
↓
実験する
↓
結果を見る
↓
修正する
↓
また実験する

この繰り返しや。

ところが人間が一個ずつやってたら、どうしても時間がかかる。

そこでDiscovery Loopは、この一連の流れをAIと巨大な計算資源で自動化して、何百、何千という実験を並列で回そうとしている。

会社名の「Loop」は、まさにこの部分やな。

ジェフ・ディーンらが狙っているのは、AIに答えを一発で出させることやない。

試して、失敗して、学習して、また試す。

そのループそのものを高速化することや。

ここが普通の生成AIとは、ちょっと発想が違う。

メンバーがえげつない

さらにすごいのが共同創業者や。

ジェフ・ディーンに加えて、

Sanjay Ghemawat
Quoc Le
Oriol Vinyals

が参加している。

Sanjay GhemawatはGoogleの分散システムを長年支えてきた伝説級のエンジニア。

Quoc LeはGoogle Brain黎明期の中心人物で、ディープラーニング研究をGoogleのど真ん中に持ち込んだ研究者の一人や。

Oriol VinyalsはDeepMind側で大規模AIモデルの開発を担い、Geminiの技術面でも中核を担ってきた人物や。

つまり、分散システム、ディープラーニング、大規模AIモデル。

Googleの中核技術を作ってきた人間が、一気に4人集まったようなチームや。

普通のAIスタートアップなら、

「有名研究者が一人参加しました」

だけでもニュースになる。

ところがDiscovery Loopは、Googleの技術史そのものみたいな人間が4人並んどる。

ちょっと反則やろ、というメンバー構成や。

ジェフ・ディーンがCEOを務める予定やという。

おもろいのは、古巣Googleも金を出していること

さらに面白いのがここや。

Googleを辞めて作った会社なのに、そのGoogleが創業投資家として参加している。

しかも少なくとも初期段階では、Google側が計算リソースも提供する。

「辞めるんちゃうんかい」

と言いたくなるけど、関係が切れたというより、Googleの外側に別働隊を作ったようにも見える。

Discovery Loopは、社会的な目的も重視する会社形態で設立され、Radical VenturesやKhosla Venturesをはじめ、複数の有力VCも出資に加わっている。

最初のターゲットは「AI自身」

ほんで、Discovery Loopが最初に何を研究するのか。

これがまた面白い。

最初の対象は、

機械学習そのもの

や。

つまりAIを使って、より良いAIを作る。

自分たち自身を最初の顧客にするわけやな。

ただし、ここはちょっと注意がいる。

現時点でAIが完全に自力で、

「次はこんな新しい研究をやったらええんちゃうか」

と優れたアイデアを次々に思いつけるわけではない。

ディーン自身も、モデルが「何を試すべきか」を考える部分は、まだ得意とは言えないと認めている。

せやから初期段階では、

人間とAIが一緒にアイデアを出して、AIが大量の実験を走らせ、その結果を次の実験につなげる。

そんな形になると考えた方が近い。

そこから少しずつ、「アイデアを考える」ところまでAIに任せていき、最終的にはループ全体の自動化を狙う。

つまり、

アイデアを出す
↓
実験する
↓
結果を見る
↓
改良する
↓
また試す

この全部を、できるだけ機械の側へ移していこうという話や。

うまくいけば、これまで研究者が何ヶ月もかけて回していた試行錯誤を、大幅に短縮できるかもしれへん。

そこで技術を磨いてから、将来的にはハードウェア設計、創薬、材料科学、クリーンエネルギーなどへ応用していく構想や。

本当にすごいのは「AIが賢くなること」やない

ワイがこの会社で一番おもろいと思うのは、ここや。

最近のAI競争いうたら、

「どのモデルが一番賢いか」

ばっかり注目される。

でもDiscovery Loopが狙ってるのは、少し違う。

AIに科学者の試行錯誤そのものを大量に回させることや。

人間は“ひらめき”で勝負するけど、AIは“回数”で勝負できる。

この発想の転換こそが、Discovery Loopのコアやと思う。

一発で天才的な答えを出す必要はない。

1000回試して999回失敗しても、1回すごい発見が出ればええ。

しかもコンピュータなら、人間ほど失敗にへこまへん。

ここが強い。

AI研究の本当の破壊力は、ひょっとしたら「人間より賢いAI」ではなく、

人間には到底できない回数の試行錯誤をするAI

から出てくるのかもしれへんな。

で、オチは？

とはいえ、現時点ではまだ会社が立ち上がったばかりや。

製品が完成したわけでもないし、「科学研究を自動化しました」という具体的な成果が出ているわけでもない。

せやから、

「科学革命が始まった！」

と今から騒ぐのは早い。

そもそもAIが「何を研究するべきか」を考える部分からして、まだ人間の助けが必要や。

さらに、物理実験や創薬みたいに現実世界で時間も金もかかる分野では、コンピュータの中だけで全部完結するわけでもない。

逆に言えば、だからこそ最初に機械学習から始めるんやろな。

ML研究なら、仮説を立ててコードを書き、学習を走らせ、結果を評価するところまで、かなりの部分をコンピュータの中で完結できる。

まずそこで「Discovery Loop」そのものを鍛える。

そのあと現実世界へ出ていく。

順番としては、かなり合理的や。

結局、どこまで「ループ全体」を自動化できるのか。

ここが勝負になる。

まとめ

ジェフ・ディーンらGoogleのトップ級技術者がまとめて独立して、

「次はAIモデルやなく、科学そのものを高速化する」

と言い出した。

これは結構デカい話やと思う。

これ化けたらほんまに歴史変わるかもしれへんで。😎