Antes de convertirse en una de las figuras más influyentes de la inteligencia artificial, Demis Hassabis ya había pasado por mundos aparentemente desconectados: fue prodigio del ajedrez, diseñador de videojuegos y posteriormente investigador en neurociencia. Esa combinación terminó definiendo una manera particular de entender la inteligencia.
En lugar de especializarse dentro de una sola disciplina, Hassabis construyó su trayectoria buscando conexiones entre ellas.
Del ajedrez a entender cómo pensamos
Hassabis comenzó a competir seriamente en ajedrez desde niño. El juego despertó preguntas que terminarían acompañándolo durante décadas: ¿cómo anticipamos escenarios?, ¿cómo elegimos entre múltiples posibilidades?, ¿qué permite aprender de experiencias anteriores?
Años después estudió ciencias computacionales y obtuvo un doctorado en neurociencia cognitiva, interesado precisamente en comprender los mecanismos detrás de la memoria, imaginación y toma de decisiones.
DeepMind y una ambición mucho mayor
En 2010 cofundó DeepMind con Shane Legg y Mustafa Suleyman. La compañía perseguía una idea extraordinariamente ambiciosa: desarrollar sistemas capaces de aprender y posteriormente utilizar esa inteligencia para resolver problemas complejos.
Google adquirió DeepMind en 2014. Proyectos como AlphaGo demostraron posteriormente que sus sistemas podían desarrollar estrategias que sorprendían incluso a jugadores profesionales.
Pero uno de sus mayores impactos llegó con AlphaFold, capaz de predecir estructuras de proteínas y acelerar investigaciones que tradicionalmente podían requerir largos procesos experimentales. Ese trabajo contribuyó a que Hassabis y John Jumper recibieran parte del Premio Nobel de Química 2024.
La ventaja de conectar conocimientos
La trayectoria de Hassabis ofrece una lección particularmente relevante para Mentes Brillantes: algunas innovaciones importantes aparecen precisamente en las fronteras entre disciplinas.
Ajedrez, videojuegos, neurociencia, biología e inteligencia artificial parecen campos diferentes. En su carrera terminaron formando parte de la misma pregunta: cómo aprende una inteligencia y hasta dónde puede utilizar ese aprendizaje para resolver problemas que antes parecían imposibles.
