Ruslan Salakhutdinov

Ruslan Salakhutdinov llegó a Toronto en busca de algo que casi nadie tomaba en serio: un camino matemático para que las máquinas aprendieran a imaginar. Nacido en Tashkent, Uzbekistán, encontró en Geoffrey Hinton, el futuro Premio Nobel de Física, a su mentor y compañero de obstinación. Mientras la mayor parte del mundo académico apostaba por otros métodos, los dos seguían creyendo que las redes neuronales profundas podían capturar la estructura oculta del mundo real. Eso requería valor, porque en aquel momento a esa idea se le acababa de declarar muerta por segunda vez.

En 2009, durante su doctorado en la Universidad de Toronto, Salakhutdinov y Hinton publicaron "Deep Boltzmann Machines" en la conferencia AISTATS. El paper establecía las bases matemáticas para que una red aprendiera representaciones en múltiples capas empezando desde datos sin etiquetar: enseñarle a una máquina a entender antes de enseñarle a responder. Ese trabajo ayudó a sentar los cimientos de lo que hoy llamamos modelos generativos, los mismos que producen las imágenes, el texto y las respuestas que ves en las herramientas de IA actuales. Más de 200,000 citas en Google Scholar después, su impacto sigue creciendo.

Después del doctorado, su carrera se convirtió en el puente perfecto entre la teoría y la aplicación a escala real. En 2016 se unió al Departamento de Machine Learning de Carnegie Mellon University como Profesor UPMC, y al mismo tiempo tomó el rol de Director de AI Research en Apple, donde dirigió los equipos que llevan el aprendizaje automático a los dispositivos de cientos de millones de personas. En 2021 se mudó a Meta como VP de AI Research en FAIR, el laboratorio de investigación de IA de la compañía, enfocado en modelos multimodales de gran escala y agentes de IA. Fue co-presidente del programa de ICML 2019 y presidente general de ICML 2024, la conferencia de machine learning más importante del mundo. Entre sus reconocimientos se cuentan la Alfred P. Sloan Research Fellowship, la Microsoft Research Faculty Fellowship y el Google Faculty Award.

Lo que me parece fascinante de Russ (como le llaman en el campo) es que nunca eligió entre la academia y el mundo real: encontró la manera de vivir en ambos al mismo tiempo. Hoy, cuando abres tu teléfono y un asistente de IA entiende una foto y un texto juntos, o cuando un modelo genera una respuesta que parece haber "comprendido" tu contexto, hay ideas suyas trabajando por debajo. La lección es directa: los fundamentos matemáticos, por más abstractos que parezcan, son los que terminan cambiando el mundo. Y si quieres entender de dónde vienen estas herramientas, no hay mejor punto de partida que explorarlas tú misma, por ejemplo con Claude.