Douwe Kiela é um cientista pesquisador e empreendedor neerlando-americano que atua na área de inteligência artificial, com foco em aprendizado de máquina e processamento de linguagem natural. Ele é diretor de cientistas pesquisadores no Google DeepMind. Anteriormente, ele cofundou e atuou como CEO da Contextual AI, uma empresa de software empresarial que fornece uma plataforma para construir agentes de IA fundamentados para bases de conhecimento empresariais.
Kiela liderou a equipe de pesquisa da Meta AI que introduziu a abordagem de Geração Aumentada por Recuperação (RAG) em 2020, sendo coautor do artigo fundamental "Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks". Ele também atuou como Chefe de Pesquisa na Hugging Face e é professor adjunto em Sistemas Simbólicos na Universidade de Stanford.
Início da vida e educação
Douwe Kiela nasceu em Amsterdã, Países Baixos, em 1986. Ele obteve um Bacharelado em Artes Liberais e Ciências pela Universidade de Utrecht, com dupla especialização em Inteligência Artificial Cognitiva e Filosofia. Em seguida, obteve um mestrado em lógica (cum laude) pelo Instituto de Lógica, Linguagem e Computação (ILLC) da Universidade de Amsterdã. Kiela recebeu um MPhil e um PhD em Ciência da Computação pela Universidade de Cambridge, especializando-se em processamento de linguagem natural e aprendizado de máquina.
Carreira na Meta AI
Em 2016, Kiela ingressou na Facebook AI Research (FAIR) como pesquisador de pós-doutorado, tornando-se posteriormente cientista pesquisador em Nova York. Durante seu tempo na Meta, ele coautorou artigos em processamento de linguagem natural, com foco em aprendizado de linguagem multimodal e fundamentado. Seus projetos incluíram a criação de um assistente virtual que podia guiar turistas por uma cidade e a liderança do desenvolvimento do Dynabench, uma plataforma interativa de benchmarking lançada em 2020 que usava feedback humano para testar e melhorar modelos de linguagem.
Em 2020, Kiela liderou a equipe de pesquisa da Meta AI que introduziu a Geração Aumentada por Recuperação (RAG), sendo coautor do influente artigo "Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks" ao lado de Patrick Lewis, Ethan Perez e outros pesquisadores. A estrutura RAG transformou a forma como grandes modelos de linguagem acessam e incorporam informações externas, permitindo que eles recuperem contexto relevante de bases de conhecimento externas no momento da consulta, em vez de depender apenas de dados pré-treinados. Essa abordagem abordou limitações-chave, como alucinação, informações desatualizadas e falta de atribuição de fontes. A técnica RAG desde então foi amplamente adotada em aplicações empresariais de IA e tarefas de processamento de linguagem natural intensivas em conhecimento.
Hugging Face e Contextual AI
Após deixar a Meta, Kiela atuou como Chefe de Pesquisa na Hugging Face. Em 2023, ele cofundou a Contextual AI com Amanpreet Singh, outro ex-pesquisador da Facebook AI Research e da Hugging Face. A empresa, sediada em Mountain View, desenvolve uma plataforma para construir agentes de IA fundamentados para empresas, com foco em aplicações nos setores de tecnologia, semicondutores, logística, finanças e mídia.
A Contextual AI levantou US$ 20 milhões em financiamento inicial em junho de 2023, liderado pela Bain Capital Ventures. Em agosto de 2024, a empresa concluiu uma rodada de financiamento Série A de US$ 80 milhões liderada pela Greycroft, com participação da Bezos Expeditions, NVentures (Nvidia), HSBC Ventures e Snowflake Ventures, entre outros.
Google DeepMind e funções acadêmicas
Em maio de 2026, Kiela ingressou no Google DeepMind como parte de um acordo de licenciamento entre o Google e a Contextual AI, sob o qual mais de 20 pesquisadores da Contextual AI se juntaram ao DeepMind. Após sua saída, Jay Chen tornou-se CEO interino da Contextual AI.
Kiela atua como professor adjunto em Sistemas Simbólicos na Universidade de Stanford. Em uma entrevista de 2023 ao Stanford Daily, ele comentou sobre o desenvolvimento do Alpaca, um modelo de baixo custo ajustado por instruções baseado no LLaMA da Meta, e enfatizou a importância da pesquisa acadêmica aberta em grandes modelos de linguagem.