Hay personas que llegan al machine learning por la puerta de las matemáticas, otras por la ingeniería. Max Welling llegó por la física cuántica. Después de terminar su doctorado en Utrecht bajo la supervisión de Gerard 't Hooft (Premio Nobel de Física), este científico neerlandés descubrió que los mismos principios que rigen las partículas subatómicas podían aplicarse para enseñarle a una computadora a aprender. Esa mezcla poco usual de física estadística y redes neuronales se convirtió en su sello personal, y es lo que lo hace diferente a casi cualquier otro investigador de su generación.
El momento que lo cambió todo llegó en 2013, cuando junto a Diederik P. Kingma publicó el paper "Auto-Encoding Variational Bayes" y co-inventó las Redes Generativas Variacionales (VAEs). En términos simples: una VAE aprende no solo a comprimir datos, sino a entender el espacio de posibilidades que los genera, y luego puede crear datos nuevos y coherentes a partir de ese espacio. Esa idea es la semilla de la que brotó toda la IA generativa que usamos hoy, desde generadores de imágenes hasta modelos de lenguaje. Antes, las redes neuronales aprendían a reconocer; después, aprendieron a crear. Welling fue uno de los arquitectos de ese giro.
Su carrera une el mundo académico y la industria con una naturalidad que pocos logran. Dirige el AMLab (Amsterdam Machine Learning Lab) en la Universidad de Amsterdam y es Científico Distinguido en Microsoft Research AI4Science, también en Amsterdam. En 2017, Qualcomm adquirió Scyfer BV, la startup que cofundó, y lo nombró VP de Tecnología para sus operaciones en Países Bajos. Ha recibido el Premio Koenderink de la ECCV en 2010 y el ICML Test of Time Award en 2021 por un trabajo cuya relevancia solo creció con los años. También es pionero en las Graph Neural Networks y las redes equivariantes de grupo, que permiten que la IA aproveche simetrías del mundo físico para aprender con menos datos.
Lo que más me llama la atención de Welling es que nunca dejó de hacer preguntas de físico aunque estuviera trabajando en IA. Esa curiosidad de fondo, de querer entender el "por qué" antes del "cómo", es lo que produce ideas que duran décadas. Cada vez que generas una imagen con IA o ajustas un modelo generativo, hay una huella invisible de esa mentalidad trabajando por debajo. La lección no es que debas estudiar física cuántica, sino que las mejores ideas suelen nacer cuando cruzas fronteras que otros no cruzan.
Enlaces oficiales de Max Welling, El arquitecto que une la física con el aprendizaje profundo
Más figuras que moldearon la IA en Leyendas de la IA, o vuelve a las noticias.