Los pioneros del machine learning reciben el Queen Elizabeth Prize for Engineering 2025 por sus contribuciones al desarrollo de la IA
Siete ingenieros y científicos han sido galardonados con el prestigioso Queen Elizabeth Prize for Engineering 2025 por sus aportaciones técnicas y conceptuales al desarrollo del machine learning, la disciplina de la inteligencia artificial que permite a las máquinas aprender y mejorar a partir de datos sin programación explícita. El premio, considerado uno de los más relevantes de la ingeniería global, reconoce tanto los avances en algoritmos y modelos como en hardware y conjuntos de datos que han posibilitado la revolución actual de la IA.
La Queen Elizabeth Prize for Engineering (QEPrize) 2025 ha sido concedida a Yoshua Bengio, Geoffrey Hinton, John Hopfield, Yann LeCun, Jensen Huang, Bill Dally y Fei-Fei Li por sus aportaciones fundamentales al campo del machine learning, una piedra angular de la inteligencia artificial que hoy impulsa aplicaciones tan diversas como vehículos autónomos, diagnóstico médico asistido por IA, procesamiento del lenguaje natural o sistemas de recomendación en servicios digitales.
Los premiados representan las tres dimensiones técnicas esenciales que han hecho viable la IA moderna: algoritmos, hardware y datos. Los investigadores Bengio, Hinton, Hopfield y LeCun son reconocidos por su papel en el desarrollo de redes neuronales artificiales y métodos de aprendizaje profundo, estructuras computacionales inspiradas en la arquitectura del cerebro humano que permiten a las máquinas reconocer patrones complejos en datos masivos. Estas arquitecturas han sustituido a los enfoques tradicionales de programación explícita, posibilitando sistemas que aprenden directamente a partir de ejemplos.
Por su parte, Jensen Huang —fundador y consejero delegado de NVIDIA— y Bill Dally han sido galardonados por su liderazgo en innovación de hardware de alto rendimiento, especialmente en unidades de procesamiento gráfico (GPUs) y sistemas de cómputo acelerado que han permitido ejecutar los algoritmos de machine learning a escalas y velocidades que antes eran inviables. Las GPUs modernas ofrecen miles de núcleos paralelos que, junto con mejoras en eficiencia energética y redes de interconexión, constituyen el motor físico sobre el que se entrena y despliega la mayoría de los modelos de IA actuales.
Finalmente, Fei-Fei Li ha sido distinguida por su liderazgo en el diseño de conjuntos de datos de referencia a gran escala, siendo especialmente célebre su contribución al proyecto ImageNet, una base de datos con millones de imágenes etiquetadas que ha sido clave para entrenar y evaluar algoritmos de visión por ordenador. La disponibilidad de datos de alta calidad no solo ha acelerado el aprendizaje de modelos complejos, sino que ha establecido estándares para comparaciones y mejoras continuas en la comunidad de investigación.
El QEPrize, que celebra innovaciones de ingeniería con impacto global, subraya con este galardón cómo las sinergias entre teoría (modelos y algoritmos), infraestructura física (computación acelerada) y big data han transformado el machine learning de una disciplina académica a una tecnología omnipresente en industrias, servicios y aplicaciones cotidianas. El reconocimiento fue otorgado en una ceremonia en Londres donde se destacó además la necesidad de continuar el desarrollo responsable y ético de la IA para abordar desafíos futuros.
Este premio no solo honra logros pasados, sino que también pone de relieve la evolución de la ingeniería del machine learning como un ámbito central de la ingeniería contemporánea, con consecuencias profundas en sectores como la salud, la educación, la energía, la fabricación y la sostenibilidad ambiental.
