Demis Hassabis

wiki
, , , ,
1

Investigador y empresario británico de IA; cofundador y director ejecutivo de Google DeepMind, arquitecto de AlphaGo y AlphaFold, y Premio Nobel de Química 2024.

Información básica / Perfil

Campo Detalles
Nombre completo Sir Demis Hassabis CBE FRS FREng
Nacimiento 27 de julio de 1976, Londres, Inglaterra, Reino Unido
Nacionalidad Británica
Instituciones actuales Google DeepMind (director ejecutivo); Isomorphic Labs (cofundador)
Campos de investigación Inteligencia artificial, aprendizaje por refuerzo, aprendizaje profundo, predicción de la estructura de proteínas, neurociencia cognitiva
Asesor de doctorado Eleanor Maguire
Tesis doctoral Neural Processes Underpinning Episodic Memory (University College London, 2009)
Blog de Google DeepMind blog.google/authors/demis-hassabis
X / Twitter @demishassabis
Premio Nobel nobelprize.org/prizes/chemistry/2024/hassabis/facts
Google Scholar scholar.google.com/citations?user=dYpPMQEAAAAJ

Resumen

Sir Demis Hassabis es un investigador y empresario británico de inteligencia artificial, y director ejecutivo de Google DeepMind, el laboratorio de investigación en IA más grande del mundo por número de empleados y producción de publicaciones. Niño prodigio del ajedrez, diseñador profesional de juegos, neurocientífico y pionero de la IA a lo largo de cinco décadas de vida, cofundó DeepMind en Londres en 2010 con la misión de «resolver la inteligencia y luego usarla para resolver todo lo demás». Los logros del laboratorio bajo su dirección —aprendizaje por refuerzo profundo, AlphaGo y AlphaFold— marcaron cada uno una frontera distinta: demostrar que un sistema de aprendizaje único y de propósito general podía dominar juegos que antes se consideraban fuera de su alcance, y luego aplicar ese enfoque a uno de los problemas no resueltos más antiguos de la biología. En 2024, Hassabis y su colega de DeepMind, John Jumper, recibieron el Premio Nobel de Química por la solución de AlphaFold al problema de la predicción de la estructura de las proteínas. Es autor de nueve artículos en la portada de Nature, fue nombrado caballero en 2024 por sus servicios a la inteligencia artificial y fue reconocido junto a otros arquitectos de la IA como parte de la Persona del Año 2025 de la revista Time.

Primeros años y educación

Infancia y prodigio del ajedrez

Hassabis nació el 27 de julio de 1976 en el norte de Londres, hijo de un padre grecochipriota, Costas, y una madre singapurense de origen chino, Angela. Creció en el norte de Londres, asistiendo inicialmente a la Queen Elizabeth’s School de Barnet, luego recibió educación en casa por un breve período y después estudió en el Christ’s College de Finchley. Completó sus A-levels dos años antes, a los 16 años. Su primer contacto con la informática fue a los ocho años, cuando usó las ganancias del ajedrez para comprar un ZX Spectrum 48K y aprendió a programar por sí mismo con libros. Posteriormente escribió una IA de reversi en un Commodore Amiga. En ajedrez, Hassabis alcanzó el nivel de maestro a los 13 años, con un Elo FIDE de 2300, siendo capitán de los equipos juveniles ingleses y representando a Cambridge en los partidos anuales Oxford-Cambridge. Es cinco veces ganador del Pentamind, un campeonato multidisciplinario de juegos de mesa que se celebra en la Olimpiada de Deportes Mentales, y ha obtenido premios en la Serie Mundial de Póquer en seis ocasiones.

Bullfrog Productions y año sabático (1993–1994)

Tras pedirle Cambridge que aplazara un año por su edad, Hassabis participó y ganó un concurso en la revista Amiga Power para trabajar en Bullfrog Productions. A los 17 años se convirtió en el programador principal de Theme Park (1994), codiseñando la simulación con Peter Molyneux. El juego vendió varios millones de copias y estableció el género de simulación de gestión. Durante el año sabático ganó suficiente dinero para financiar su propia educación universitaria.

Universidad de Cambridge — Ciencias de la Computación (1994–1997)

Hassabis estudió Ciencias de la Computación en el Queens’ College de Cambridge, graduándose en 1997 con matrícula de honor. Durante sus años de licenciatura, cofundó la comunidad de game jams con sede en Cambridge y trabajó con varios compañeros de clase que luego se unirían a DeepMind, incluido David Silver.

Lionhead Studios (1997–1998)

Después de Cambridge, Hassabis se unió a Lionhead Studios, fundada recientemente por Peter Molyneux, como programador principal de IA en el juego de dioses Black & White (2001). El rol profundizó su interés técnico en los sistemas de IA que rigen el comportamiento de agentes complejos.

Elixir Studios — Fundador (1998–2005)

Hassabis dejó Lionhead en 1998 para fundar Elixir Studios, una desarrolladora independiente de juegos con sede en Londres, firmando acuerdos con Eidos, Vivendi Universal y Microsoft. Fue diseñador ejecutivo de Republic: The Revolution (2003), una ambiciosa simulación política de IA de un país entero ficticio, y de Evil Genius (2004), un juego de estrategia irónico. Ambos recibieron nominaciones a los premios BAFTA por sus bandas sonoras interactivas. Tras el prolongado desarrollo de Republic y su tibia recepción comercial, el estudio fue disuelto en abril de 2005.

UCL — Doctorado en Neurociencia Cognitiva (2005–2009)

Tras el cierre de Elixir, Hassabis regresó al mundo académico para completar un doctorado en el Instituto de Neurología Queen Square de la UCL bajo la supervisión de Eleanor Maguire. Su tesis, Neural Processes Underpinning Episodic Memory, exploró la base hipocampal de la memoria y la imaginación. Su primer artículo académico —publicado en PNAS en 2007 y considerado por Science como uno de los diez principales avances científicos de ese año— demostró por primera vez que los pacientes con amnesia hipocampal no solo eran incapaces de recordar el pasado, sino también de imaginar nuevas experiencias futuras, estableciendo un vínculo formal entre la memoria episódica y la imaginación constructiva. Posteriormente desarrolló la teoría de la «construcción de escenas» de la memoria, proponiendo que el hipocampo apoya tanto el recuerdo como la imaginación mediante la construcción y el mantenimiento de escenas mentales coherentes.

MIT / Harvard y beca postdoctoral en la Gatsby Unit (2009–2010)

Después de su doctorado, Hassabis ocupó un puesto de científico visitante en el Centro para Cerebros, Mentes y Máquinas del MIT, en el laboratorio de Tomaso Poggio, y en Harvard, antes de recibir una beca postdoctoral Henry Wellcome en la Gatsby Computational Neuroscience Unit de la UCL, trabajando con Peter Dayan en aprendizaje por refuerzo y neurociencia computacional. Fue en Gatsby donde conoció a Shane Legg, su futuro cofundador.

Carrera

DeepMind — Cofundador y director ejecutivo (2010–presente)

Hassabis cofundó DeepMind Technologies en Londres en septiembre de 2010 junto a Shane Legg y Mustafa Suleyman. Legg era un posdoctorado de Gatsby; Suleyman, un amigo de la infancia. Hassabis también reclutó a David Silver, su amigo de Cambridge, como investigador clave temprano. La tesis fundacional de DeepMind era combinar los conocimientos de la neurociencia de sistemas con el aprendizaje automático y el hardware informático para construir algoritmos de aprendizaje de propósito general cada vez más potentes que avanzaran hacia la inteligencia artificial general. Los primeros inversores incluyeron a Horizons Ventures y varios empresarios tecnológicos prominentes.

En enero de 2014, Google adquirió DeepMind por aproximadamente 400 millones de libras, una de las mayores adquisiciones tecnológicas europeas hasta ese momento, y Hassabis permaneció como director ejecutivo bajo el compromiso de independencia científica. El laboratorio permaneció en Londres.

El primer resultado emblemático llegó en diciembre de 2013, cuando la Deep Q-Network (DQN) de DeepMind aprendió a jugar 49 videojuegos de Atari a nivel sobrehumano utilizando solo píxeles en bruto y una señal de recompensa, la primera demostración de que un único algoritmo de aprendizaje podía dominar una amplia gama de tareas distintas sin ingeniería específica para cada tarea. Esto se publicó en Nature en 2015.

En marzo de 2016, AlphaGo de DeepMind derrotó al campeón mundial Lee Sedol en el juego de Go por 4-1 en una partida seguida por unos 200 millones de espectadores, un resultado considerado adelantado una década a las predicciones de los expertos. Go era considerado el último juego de mesa donde el juego profesional humano era inalcanzable para las máquinas, dado su enorme factor de ramificación. Posteriormente, AlphaGo derrotó al número uno del mundo, Ke Jie, por 3-0 en mayo de 2017, tras lo cual Hassabis retiró a AlphaGo de la competición. El sucesor AlphaZero (2017) aprendió a dominar el ajedrez, el shogi y el Go mediante autoaprendizaje en solo 24 horas, sin ningún conocimiento humano del juego.

En 2016, Hassabis redirigió un importante programa de investigación hacia la predicción de la estructura de las proteínas, un desafío de 50 años en biología estructural. AlphaFold 1 ganó la competición CASP13 en diciembre de 2018 por el margen más amplio en la historia de la competición. AlphaFold 2, anunciado en noviembre de 2020, logró una precisión GDT media del 87,0 en los objetivos de modelado libre, comparable a la cristalografía experimental, lo que llevó a los organizadores de CASP a declarar el problema del plegamiento de proteínas «esencialmente resuelto». DeepMind publicó posteriormente las estructuras predichas de los 200 millones de proteínas conocidas a través de la Base de Datos de Estructuras de Proteínas de AlphaFold, desarrollada con el EMBL-EBI, y están disponibles gratuitamente para todos los investigadores del mundo.

Otras contribuciones significativas de DeepMind bajo el liderazgo de Hassabis incluyen: la aplicación de IA para reducir el consumo de energía en la refrigeración de los centros de datos de Google en un 40%; la Neural Turing Machine y el Computador Neural Diferenciable; AlphaStar (StarCraft II); AlphaCode (programación competitiva); AlphaDev (descubrimiento de algoritmos); GNoME (ciencia de materiales); AlphaProteo (diseño de uniones proteicas); y WeatherBench / GraphCast para la mejora de la predicción meteorológica.

En abril de 2023, Alphabet anunció la fusión de Google Brain y DeepMind en una sola unidad —Google DeepMind— con Hassabis como director ejecutivo, reportando directamente a Sundar Pichai. Jeff Dean se convirtió en científico jefe. La organización fusionada emplea a varios miles de investigadores e ingenieros.

Isomorphic Labs — Cofundador (2021–presente)

En noviembre de 2021, Hassabis cofundó Isomorphic Labs como una filial independiente de Alphabet que aplica IA (específicamente la tecnología derivada de AlphaFold) al descubrimiento de fármacos. Forma parte del equipo de liderazgo junto con el director ejecutivo Karl Köllisch (a partir de 2024). Isomorphic ha firmado acuerdos de colaboración plurianuales para el descubrimiento de fármacos con Eli Lilly y Novartis, y está siguiendo enfoques basados en IA para el diseño molecular y la identificación de dianas terapéuticas.

Contribuciones clave

  • Deep Q-Network (DQN) (Nature, 2015) — Un agente de aprendizaje por refuerzo que combina el aprendizaje Q con redes neuronales convolucionales profundas, que aprendió a jugar 49 juegos de Atari a nivel sobrehumano a partir de píxeles en bruto; estableció el aprendizaje por refuerzo profundo como campo y apareció en la portada de Nature.
  • AlphaGo (Nature, 2016) — El primer programa en derrotar a un jugador profesional de Go en condiciones de torneo; combinó redes neuronales profundas con la búsqueda en árbol de Monte Carlo y el autoaprendizaje; recibió el título honorario de 9-dan por parte de las asociaciones de Go de Corea, China y Japón.
  • AlphaZero (2017) — Generalizó AlphaGo al autoaprendizaje desde cero (tabula rasa) en Go, ajedrez y shogi, logrando un nivel sobrehumano en cada uno en 24 horas sin ningún conocimiento humano del juego, lo que demuestra la universalidad del algoritmo subyacente.
  • AlphaFold 2 (Nature, 2021) — Predijo las estructuras tridimensionales de las proteínas a partir de secuencias de aminoácidos con precisión atómica, resolviendo efectivamente el problema del plegamiento de proteínas de 50 años de antigüedad; la base de datos resultante de 200 millones de estructuras publicadas de forma gratuita transformó la biología estructural, el descubrimiento de fármacos y la investigación biológica fundamental. Reconocido por el Comité Nobel como una contribución «en beneficio de toda la humanidad».
  • Memoria episódica e imaginación (PNAS, 2007; Trends in Cognitive Sciences, 2007) — Demostró que el daño hipocampal perjudica la capacidad de imaginar nuevas experiencias futuras, además de recordar el pasado, estableciendo la teoría de la construcción de escenas de la memoria episódica; incluido entre los diez principales avances científicos de 2007 según Science.
  • AlphaDev (Nature, 2023) — Utilizó el aprendizaje por refuerzo para descubrir nuevos algoritmos de ordenación más rápidos que cualquier otro conocido anteriormente, lo que representa el primer algoritmo de ciencias de la computación descubierto por IA que se adopta en un compilador de producción.
  • GNoME (Nature, 2023) — Un sistema de IA que predijo 2,2 millones de nuevos materiales cristalinos estables, ampliando el número de materiales inorgánicos estables conocidos en un factor de diez y abriendo nuevas direcciones en la ciencia de los materiales.
  • Agenda de IA neurosimbólica — Defendió y operacionalizó la visión de investigación de fundamentar los sistemas de IA en principios de la neurociencia de sistemas (memoria, atención, imaginación, planificación), un programa que dio forma a la agenda de investigación de DeepMind desde sus inicios.

Premios y reconocimientos

  • Premio Nobel de Química (2024, con John Jumper) — Otorgado por la predicción computacional de la estructura de proteínas mediante AlphaFold; el primer Nobel otorgado principalmente por un descubrimiento científico impulsado por IA.
  • Premio Albert Lasker de Investigación Médica Básica (2023) — A menudo descrito como el Nobel estadounidense; otorgado por AlphaFold.
  • Premio Breakthrough en Ciencias de la Vida (2023) — Por la contribución de AlphaFold a la biología estructural.
  • Premio Internacional Canadá Gairdner (2023) — Por AlphaFold.
  • Premio Princesa de Asturias de Investigación Científica y Técnica (2022, junto con Bengio, Hinton y LeCun)
  • Nombrado caballero (Knight Bachelor) (2024) — Por sus servicios a la inteligencia artificial.
  • CBE (2017) — Por sus servicios a la ciencia y la tecnología.
  • Miembro de la Royal Society (FRS) (2018)
  • Miembro de la Real Academia de Ingeniería (FREng) (2017)
  • Premio Dan David (2020)
  • Medalla Pius XI, Academia Pontificia de las Ciencias (2020)
  • Medalla Lovelace de la BCS (2023)
  • Time 100 (2017, 2025); Persona del Año de Time (2025, «Arquitectos de la IA»)
  • Nature’s 10 (2016)
  • Nueve artículos en la portada de Nature (2015, 2016, 2019, 2020, dos en 2021, 2022, 2024, 2026)
  • Avance del Año de Science (incluido en cuatro ocasiones distintas)
  • Miembro Internacional de la Academia Nacional de Ingeniería de EE. UU. (2026)

Relaciones clave

  • Shane Legg — Cofundador de DeepMind; se conocieron en la Gatsby Computational Neuroscience Unit durante sus respectivos posdoctorados; el trabajo de Legg sobre medidas universales de inteligencia proporcionó parte de la base teórica para la misión de AGI de DeepMind.
  • Mustafa Suleyman — Cofundador de DeepMind y amigo de la infancia; dejó DeepMind en 2022 y ahora es director ejecutivo de Microsoft AI; ambos han diferido públicamente sobre el encuadre de la seguridad de la IA desde la partida de Suleyman.
  • David Silver — Amigo de Cambridge reclutado tempranamente en DeepMind; investigador principal de AlphaGo, AlphaZero y AlphaCode; su colaboración representa una de las más productivas en la investigación moderna de IA.
  • John Jumper — Investigador sénior en DeepMind y co-laureado del Nobel; lideró el desarrollo técnico de AlphaFold 2, particularmente la arquitectura de transformers basada en atención aplicada a alineamientos de secuencias múltiples.
  • Eleanor Maguire — Supervisora de doctorado en la UCL; bajo cuya guía Hassabis realizó el trabajo fundacional en neurociencia del hipocampo que moldeó su marco teórico para la memoria y la imaginación.
  • Peter Dayan — Supervisor postdoctoral en la Gatsby Unit; figura destacada en neurociencia computacional cuyo trabajo sobre la base neuronal del aprendizaje por refuerzo informó directamente la orientación investigadora fundacional de DeepMind.
  • Jeff Dean — Científico jefe de Google y contraparte de Hassabis en la fusión de 2023 que creó Google DeepMind; ambos dirigen ahora conjuntamente la organización unificada de investigación en IA de Alphabet.
  • Sundar Pichai — Director ejecutivo de Alphabet y superior directo de Hassabis desde la fusión de Google DeepMind; supervisó tanto la adquisición de 2014 como la consolidación de 2023.

Estilo personal

Hassabis es inusual entre los fundadores tecnológicos por haber perseguido una profundidad científica —un doctorado en neurociencia cognitiva, un cuerpo de trabajo publicado sobre memoria e imaginación— antes de regresar para construir un laboratorio comercial. Su comunicación pública es mesurada, técnicamente precisa y consistentemente enmarcada en torno al programa científico a largo plazo: mientras que sus contemporáneos discuten hitos trimestrales, él habla en décadas y en términos de apuestas civilizatorias. Ha descrito AlphaFold no como un producto, sino como «un proyecto faro» —una señal sobre qué tipos de problemas podría abordar la IA— y con frecuencia enmarca las capacidades actuales de la IA como pasos tempranos hacia un sistema que podría acelerar genuinamente el descubrimiento científico. En cuanto a seguridad, su posición es cautelosa pero no catastrofista: firmó la declaración de 2023 del CAIS sobre el riesgo de extinción por IA, al tiempo que argumentaba que una pausa global en el desarrollo sería inaplicable y haría perder los beneficios potenciales de la tecnología en salud y clima. Ha dicho que la IA será «diez veces más grande que la Revolución Industrial — y quizás diez veces más rápida». Fuera de la investigación, su compromiso de por vida con los juegos —ajedrez, Go, póquer, Diplomacia— no es incidental: ha articulado que los juegos proporcionaban los bancos de pruebas más limpios posibles para los algoritmos de aprendizaje y planificación, y que esta intuición impulsó el programa temprano de DeepMind.

Referencias