Alex Krizhevsky

En 2012, la mayoría de los investigadores de visión artificial usaba métodos tradicionales de extracción de características a mano. Alex Krizhevsky, entonces estudiante de doctorado en la Universidad de Toronto bajo la tutela de Geoffrey Hinton, apostó por algo que casi nadie tomaba en serio: entrenar una red neuronal profunda directamente en imágenes crudas, usando tarjetas gráficas (GPUs) como motor de cómputo. Esa apuesta, a contracorriente de toda la tendencia del campo, resultó ser el momento más importante de la IA moderna.

En octubre de 2012, AlexNet (bautizada informalmente en su honor) ganó el concurso ImageNet Large Scale Visual Recognition Challenge (ILSVRC) con un margen que nadie esperaba: una tasa de error del 15.3%, frente al 26.2% del segundo lugar. Era una diferencia de casi 11 puntos porcentuales, cuando la mejora típica entre años era de apenas uno o dos. El paper que presentó junto a Ilya Sutskever y Hinton en NeurIPS 2012, "ImageNet Classification with Deep Convolutional Neural Networks", acumula hoy más de 120,000 citas en Google Scholar y es uno de los trabajos científicos más influyentes del siglo XXI.

Ese mismo año, Krizhevsky, Sutskever e Hinton incorporaron DNNresearch Inc. La empresa fue adquirida por Google en marzo de 2013, y Alex se unió al equipo de Google Brain como investigador científico, donde trabajó hasta septiembre de 2017. Antes de AlexNet, también creó el dataset CIFAR-10 y CIFAR-100, dos colecciones de imágenes que todavía hoy se usan universalmente para entrenar y comparar modelos de visión artificial.

Lo que me parece fascinante de Krizhevsky no es solo el resultado, sino la claridad de la apuesta. Mientras el campo debatía teorías, él puso las manos en el código, consiguió dos GPUs GeForce y simplemente lo intentó. La lección es más vigente que nunca: a veces la revolución no viene de una idea abstracta, viene de alguien dispuesto a ejecutar lo que todos han pospuesto. Cada imagen que una IA reconoce hoy, desde tu teléfono hasta los autos que se manejan solos, tiene un poco del trabajo obstinado de este ingeniero que creyó en la fuerza bruta de las redes neuronales cuando muy pocos lo hacían.