Geoffrey Hinton

Si la inteligencia artificial moderna tuviera un árbol genealógico, Geoffrey Hinton estaría cerca de la raíz. Este psicólogo cognitivo y científico de computación británico-canadiense pasó décadas trabajando en redes neuronales cuando la mayoría del campo las daba por muertas. Mientras otros decían que esa idea no llevaba a ningún lado, él siguió, terco y paciente, convencido de que una máquina podía aprender un poco como aprende un cerebro.

En 1986 ayudó a popularizar la "retropropagación", la técnica que permite que una red ajuste sus errores y mejore sola. Pero el momento que lo cambió todo llegó en 2012: junto a sus estudiantes Alex Krizhevsky e Ilya Sutskever, presentó AlexNet, una red que ganó por mucho un concurso de reconocimiento de imágenes y dejó al mundo con la boca abierta. Ese fue el chispazo que prendió la revolución del aprendizaje profundo en la que vivimos hoy.

Por ese trabajo recibió en 2018 el Premio Turing (el "Nobel de la computación") junto a Yoshua Bengio y Yann LeCun, y en 2024 un Premio Nobel de Física. En 2023 hizo algo poco común para alguien de su nivel: dejó su puesto en Google para poder hablar con libertad sobre los riesgos de la IA, sin que pareciera que defendía a una empresa.

Para mí, la lección de Hinton no es solo técnica, es humana. Creyó en una idea impopular por años, aguantó el "eso no va a funcionar", y cuando funcionó, tuvo la honestidad de advertir sobre lo que ayudó a crear. Cada vez que le escribes a Claude o generas una imagen, hay un pedacito de esa terquedad suya trabajando por debajo.