Christopher Manning

Hay personas cuyo trabajo no ves, pero sientes cada vez que le escribes a una IA y ella te entiende. Christopher Manning es una de esas personas. Este investigador australiano-estadounidense lleva más de treinta años trabajando en el procesamiento del lenguaje natural (PLN), esa disciplina que le enseña a las computadoras a leer, entender y generar texto humano. Su tesis fue sencilla pero revolucionaria: el lenguaje tiene estructura matemática, y si la modelas bien, las máquinas pueden aprender a manejarlo.

En 1999, junto a Hinrich Schütze, publicó "Foundations of Statistical Natural Language Processing" (MIT Press), el libro de texto que definió el campo del PLN durante más de una década. Luego, en 2014, lideró junto a Jeffrey Pennington y Richard Socher la publicación de GloVe (Global Vectors for Word Representation), un modelo de representación de palabras en vectores que se volvió estándar y que abrió la puerta a todo el aprendizaje por transferencia que hace posibles los modelos de lenguaje de hoy. La idea central de GloVe es elegante: las palabras que aparecen en contextos similares tienen significados similares, y eso se puede capturar con algebra lineal.

Manning es el primer Thomas M. Siebel Professor in Machine Learning en las áreas de Lingüística y Ciencias de la Computación de Stanford, director del Laboratorio de Inteligencia Artificial de Stanford (SAIL) y director asociado del Instituto HAI (Human-Centered AI). También es Past President de la ACL (Association for Computational Linguistics, 2015), Fellow de ACM, AAAI y ACL, y ha recibido dos ACL Test of Time Awards por trabajos que resistieron la prueba del tiempo. En 2024, el IEEE le otorgó la Medalla John von Neumann "por sus avances en la representación computacional y el análisis del lenguaje natural", uno de los reconocimientos mas prestigiosos en computación. Su curso CS224N de Stanford, "NLP con Deep Learning", ha formado a miles de ingenieros e investigadores que hoy construyen los grandes modelos de lenguaje.

Lo que me parece fascinante de Manning es que trabajó en un campo que durante mucho tiempo fue visto como demasiado fuzzy, demasiado ambiguo, para que las matematicas lo dominaran. El lenguaje humano es desordenado, lleno de excepciones y contexto. El apostó de todas formas, y ayudó a construir las herramientas que hicieron posible que las maquinas aprendan a "leer" antes de hablar. Cada vez que Claude entiende lo que le escribes, hay un poco del trabajo de Manning operando por debajo.