Niki Parmar y las arquitectas ocultas: mujeres que transforman la IA tras bambalinas

Cuando se habla de los avances revolucionarios que han moldeado la inteligencia artificial moderna, pocos pueden resistirse a mencionar a Demis Hassabis, Sam Altman o Elon Musk. Sin embargo, por cada nombre conocido que capta la atención de los medios, existen individuos discretamente excepcionales cuyas contribuciones resultaron igualmente—si no más—fundamentales para la evolución del campo. Entre estos pioneros pasados por alto hay varias mujeres notables cuyo trabajo ha reescrito literalmente lo que es posible en IA. Niki Parmar es un ejemplo destacado: como una de las ocho autoras principales de la arquitectura Transformer, sus huellas están presentes en casi todos los grandes modelos de lenguaje actuales, desde ChatGPT hasta GPT-4, aunque su nombre rara vez aparece en las discusiones tecnológicas mainstream.

El patrón histórico no es nuevo. Ada Lovelace escribió el primer programa de computadora en la historia humana, pero ¿cuántos conocen su nombre? Elaine Rich fue la autora del primer libro de texto sobre inteligencia artificial, y aún así sigue siendo en gran medida olvidada en la conciencia popular. El “Efecto Matilda”—la tendencia sistemática a atribuir los logros científicos a colegas masculinos en lugar de a las investigadoras que realizaron el trabajo—continúa distorsionando nuestra comprensión de quiénes han moldeado el progreso tecnológico. Por eso, reconocer a estas mujeres importa tanto.

ImageNet y el amanecer del Deep Learning: El legado fundamental de Fei-Fei Li

La revolución moderna de la IA tiene un momento de génesis claro: 2012, cuando una red de deep learning llamada AlexNet logró un éxito sin precedentes en tareas de reconocimiento de imágenes. Sin embargo, pocos rastrean este avance hasta su verdadera fuente. En 2009, Fei-Fei Li, entonces profesora asistente en la Universidad de Princeton, propuso ImageNet—una idea radical que cambiaría la forma en que los investigadores abordaban el aprendizaje automático. En lugar de codificar manualmente algoritmos específicos para reconocer perros versus gatos, intuyó que el cuello de botella no era la capacidad algorítmica; era la cantidad de datos.

Nacida en Pekín en 1976 y criada en Chengdu, Fei-Fei Li emigró a Estados Unidos a los 12 años sin hablar prácticamente inglés. En dos años, logró la fluidez y demostró un talento matemático excepcional. Entró en Princeton con una beca y casi todos los fines de semana volvía a casa para ayudar a gestionar el negocio de limpieza en seco de su familia. Para 2007, a pesar de estos desafíos, ya era profesora asistente.

Su visión para ImageNet era simple y audaz: crear una base de datos masiva, etiquetada sistemáticamente, de imágenes—que eventualmente alcanzara los 15 millones de muestras—para permitir a los investigadores comparar enfoques algorítmicos de manera justa. Sin embargo, la ejecución requirió innovación. Los primeros esfuerzos de crowdsourcing sufrían por trabajadores que clickeaban aleatoriamente en tareas. Fei-Fei incorporó imágenes de control—como fotos pre-verificadas de golden retrievers—para verificar la precisión de los trabajadores. Este mecanismo de control de calidad transformó el crowdsourcing en una producción de datos confiable.

El impacto no puede ser subestimado. La victoria de AlexNet en 2012 en la competencia ImageNet no fue casualidad; fue posible gracias a la infraestructura que Fei-Fei Li había construido. Hoy, cuando los investigadores describen momentos de avance en IA, a menudo preguntan: “¿Es este su momento ImageNet?”—una frase que se ha convertido en sinónimo de conjuntos de datos transformadores. Vehículos autónomos, reconocimiento facial y detección de objetos trazan su linaje a este trabajo.

Niki Parmar: Ingeniera de la revolución Transformer

La ola de grandes modelos de lenguaje pareció alcanzar su cenit con la aparición de ChatGPT, pero su verdadera génesis se encuentra en un solo artículo de 2017: “Attention is All You Need”, escrito por ocho ingenieros de Google. La arquitectura Transformer descrita en ese documento se convirtió en la base sobre la cual se construyen casi todos los sistemas de IA contemporáneos. Sin embargo, sorprendentemente, muchos desconocen que una de las autoras principales del artículo es una mujer: Niki Parmar.

Niki Parmar vino de India, estudió en el College of Computer Technology en Pune y luego realizó una maestría en ciencias de la computación en la Universidad del Sur de California a partir de 2013. Durante su carrera universitaria, descubrió su pasión a través de los MOOCs revolucionarios de Andrew Ng y Peter Norvig sobre aprendizaje automático e IA. “Tenía curiosidad por el poder combinado de los datos, el reconocimiento de patrones y la optimización”, recordaría después. Esa curiosidad intelectual definiría su trayectoria profesional.

Tras graduarse en 2015, Niki Parmar se unió a la división de investigación de Google, inicialmente centrada en desafíos de investigación pura. Para 2017, ya formaba parte de los arquitectos clave que estaban redefiniendo la tecnología fundamental de la IA. Sobre su enfoque hacia la investigación de avances, ofreció una visión valiosa: “Al principio, la gran cantidad de información a mi alrededor me abrumaba. Enfocarse en un problema específico y explorarlo en profundidad con colegas ayuda a hacer las preguntas correctas.” Esta filosofía—profundidad sobre amplitud, colaboración sobre aislamiento—caracterizaría sus proyectos posteriores.

El artículo sobre Transformer no fue solo un logro académico para Niki Parmar; sirvió como trampolín para el emprendimiento. Cofundó Adept AI junto con el también autor Ashish Vaswani, quien fue listado como primer autor del artículo. La compañía recaudó 350 millones de dólares—una señal de confianza significativa en su visión. Reconociendo sus áreas de interés, Niki Parmar también cofundó Essential AI, gestionándola como su principal emprendimiento. Essential AI levantó 56,5 millones de dólares en fondos de pesos pesados tecnológicos como AMD, Google y Nvidia, validando la dirección estratégica de los fundadores dentro de la comunidad de infraestructura e investigación en IA.

Daniela Amodei: Co-fundadora de Anthropic con enfoque en seguridad

Mientras la cobertura mediática de Anthropic suele enfatizar que fue fundada por “siete investigadores que dejaron OpenAI”, este marco oculta un hecho crucial: Daniela Amodei, presidenta y cofundadora de la compañía, ha sido sistemáticamente minimizada en los medios a pesar de su papel instrumental en su visión y estrategia. En realidad, Anthropic fue fundada por dos hermanos—Daniela y Dario Amodei—cuya combinación de habilidades creó una estructura de liderazgo inusualmente equilibrada.

El recorrido profesional de Daniela revela un camino atípico para una ejecutiva tecnológica. Obtuvo licenciaturas en literatura inglesa, política y literatura musical—una formación humanista que influyó en su posterior enfoque en la alineación de valores humanos en IA. Su carrera temprana en política y trabajo en organizaciones sin fines de lucro desarrolló su pensamiento estratégico y capacidades organizativas. En 2013, cuando Stripe aún era una startup relativamente desconocida, Daniela se unió como empleada temprana, y eventualmente la convirtió en una potencia (valorada en más de 50 mil millones de dólares en su pico).

En Stripe, asumió roles que luego serían esenciales en OpenAI y Anthropic: reclutamiento de equipos, gestión de riesgos y coordinación transversal. Lideró equipos que analizaban más de 7000 casos potenciales de fraude y violaciones de políticas anualmente, logrando una reducción del 72% en las tasas de pérdida—llevando a la compañía a su nivel más bajo histórico. Esta excelencia operacional y disciplina en riesgos serían su marca distintiva.

En 2018, se unió a OpenAI como Vicepresidenta de Seguridad y Políticas, trabajando no solo en equipos de seguridad técnica sino también supervisando recursos humanos, reclutamiento, aprendizaje y desarrollo, y iniciativas de diversidad, equidad e inclusión—sirviendo como una verdadera generalista en un campo especializado. En 2021, cofundó Anthropic con su hermano, llevando esta filosofía de seguridad primero a una organización construida explícitamente en torno al principio de que los sistemas de IA deben alinearse con los valores humanos.

Mira Murati: La líder silenciosa en tecnología de OpenAI

Desde 2022, Mira Murati es la Directora de Tecnología de OpenAI—un reconocimiento que muchos en el mundo tecnológico aún desconocen. Murati se unió a OpenAI en 2018, fue promovida a Vicepresidenta Senior supervisando investigación, producto y alianzas en 2020, y desde entonces ha liderado el desarrollo de ChatGPT, DALL-E y GPT-4.

Nacida en Albania en 1988 y educada en Canadá, su formación es en ingeniería. En Dartmouth College, se destacó por construir un coche híbrido como parte de un proyecto escolar—una señal temprana de su mentalidad práctica y resolutiva. Tras un breve paso por la aeroespacial, se unió a Tesla como Gerente de Producto Senior para Model X, donde su exposición a Autopilot despertó un profundo interés en la inteligencia artificial.

Sobre su motivación intelectual, una vez comentó: “El aburrimiento es un motivador poderoso para explorar y avanzar en los límites de cualquier cosa.” Esta filosofía ha guiado su trayectoria en OpenAI, donde sigue muy involucrada en los proyectos más ambiciosos de la compañía. El desarrollo de ChatGPT, quizás el logro más emblemático de OpenAI, ocurrió bajo su liderazgo técnico. En 2023, cuando Microsoft comprometió 13 mil millones de dólares con OpenAI—una asociación que Murati negoció y gestionó—el CEO Satya Nadella la elogió públicamente por demostrar “la capacidad de armar un equipo con experiencia técnica, visión empresarial y una profunda comprensión de la importancia de la misión de IA.”

Su influencia va más allá del desarrollo de productos. Durante crisis internas—incluyendo conflictos de liderazgo que amenazaron la estabilidad de la organización—su voz en temas críticos tuvo un peso significativo. Sin embargo, a diferencia de algunos colegas que se vieron marginados, Mira ha mantenido su posición dentro de OpenAI, continuando a moldear la dirección técnica y las decisiones estratégicas de la empresa.

Timnit Gebru: La ethicista que se negó a permanecer en silencio

La reciente decisión de Google de retirar su modelo de texto a imagen Gemini por preocupaciones éticas en IA remite a un enfrentamiento más dramático: la disputa de 2020 con Timnit Gebru, entonces investigadora de IA en Google, quien criticó públicamente a la compañía por lo que describió como su despido en represalia por plantear preocupaciones sobre sesgos algorítmicos.

Nacida en 1983 en Eritrea y Etiopía, Timnit Gebru completó su doctorado en ingeniería eléctrica en Stanford en 2014, especializándose en visión por computadora y aprendizaje automático. En lugar de seguir la ruta convencional de optimizar el rendimiento de modelos, se dedicó a investigar la equidad, la responsabilidad, la transparencia y la ética en los sistemas de IA.

Su trabajo pionero demostró que los sistemas comerciales de reconocimiento facial tenían una precisión significativamente menor al identificar mujeres y personas de color—un descubrimiento con profundas implicaciones. Su investigación influyó directamente en la decisión de Amazon de discontinuar su servicio de reconocimiento facial Rekognition, ilustrando cómo la investigación ética rigurosa puede impulsar la responsabilidad corporativa en el mundo real.

En 2020, coescribió un artículo de investigación criticando el impacto ambiental y la falta de diversidad en el desarrollo de grandes modelos de lenguaje. La dirección de IA de Google rechazó la publicación, alegando que “no cumplía con nuestros estándares de publicación.” Durante un conflicto posterior con la compañía, el correo corporativo de Gebru fue desactivado mientras ella estaba de vacaciones—una acción que provocó una reacción internacional. Más de 1500 empleados de Google firmaron una petición en apoyo a ella, sumándose más de 2000 investigadores externos, líderes de ONG y colegas de la industria.

A pesar de esta muestra sin precedentes de solidaridad, Gebru finalmente dejó Google. En lugar de desaparecer del foco público, fundó DAIR (Distributed AI Research Institute), una organización independiente diseñada explícitamente para contrarrestar la influencia desproporcionada de las grandes empresas tecnológicas en la investigación y despliegue de IA. Sobre su misión, afirmó claramente: “No puedo esperar a que las grandes empresas tecnológicas finalmente resuelvan los problemas que trae la IA.”