La Inteligencia Artificial que hoy se cuela en móviles, coches, hospitales y aulas no nació de un único hallazgo. Es el resultado de décadas de ideas, datos y chips que, bien conectados, han cambiado cómo se investiga, cómo se fabrica y cómo se vive. Ese es el mensaje que envía el Queen Elizabeth Prize for Engineering (QEPrize) 2025, que ha distinguido a siete figuras clave por su papel en el desarrollo del machine learning moderno: Yoshua Bengio, Geoffrey Hinton, John Hopfield, Yann LeCun, Fei-Fei Li, Jensen Huang y Bill Dally. La ceremonia se celebró en el palacio de St. James, con la entrega del premio por parte del rey Carlos III.
El fallo pone en el centro una evidencia cada vez más visible: la IA no es solo algoritmos ingeniosos; es también datos de calidad y hardware acelerado capaz de ejecutar modelos gigantes con eficiencia. Por eso los premiados representan tres pilares complementarios. Hinton, LeCun y Bengio ayudaron a consolidar las redes neuronales profundas; Hopfield aportó ideas fundacionales sobre el comportamiento de estas redes; Fei-Fei Li demostró el valor de los datasets masivos y bien etiquetados; y Jensen Huang junto a Bill Dally empujaron la computación acelerada que hoy hace posible entrenar e inferir a gran escala.
Quién es quién y qué aportó cada uno
Geoffrey Hinton, Yann LeCun y Yoshua Bengio son, para muchos, los impulsores del “deshielo” del aprendizaje profundo. En tiempos en los que las redes neuronales eran vistas con escepticismo, defendieron la retropropagación del error, perfeccionaron arquitecturas (como las convolucionales en visión por computador) y demostraron que, con los datos y la capacidad de cómputo adecuados, estas técnicas podían superar con claridad a los métodos tradicionales en tareas complejas de percepción y lenguaje.
John Hopfield introdujo en los años 80 un marco para entender redes con memoria asociativa y dinámicas de energía. Aquella intuición —redes que convergen hacia estados “atractores”— abrió una forma de pensar la estabilidad y el aprendizaje que dejaría huella en la teoría y en la práctica. Décadas después, su influencia se reconoce como parte del armazón conceptual que sostiene al aprendizaje moderno.
Fei-Fei Li lideró la creación de ImageNet, el proyecto que cambió la cultura de la investigación en visión por computador. No fue solo un repositorio con millones de imágenes etiquetadas; trajo consigo una forma estandarizada de evaluar avances y comparar resultados en abierto. Ese espíritu de benchmark —“demuéstralo con datos”— aceleró el progreso, atrajo talento y marcó un antes y un después en la calidad de los modelos.
La otra cara de la moneda está en el silicio. Jensen Huang, fundador y consejero delegado de NVIDIA, y Bill Dally, su director científico, apostaron por llevar la paralelización masiva de las GPU más allá de los gráficos, adaptando sus arquitecturas a las operaciones de tensores y a la memoria de gran ancho de banda que demandan los modelos actuales. Con esa visión, la GPU dejó de ser un componente de nicho para convertirse en la piedra angular de la computación acelerada. El resultado: tiempos de entrenamiento que se acortaron drásticamente y servicios de IA que hoy responden en milisegundos para millones de usuarios.
Por qué este premio importa (también) a quien no es ingeniero
La manera más sencilla de entender la decisión del jurado es mirar alrededor. Cuando una app traduce una conversación en vivo, cuando un médico apoya un diagnóstico con imagen médica, cuando un motor de búsqueda resume una página, cuando un coche detecta peatones, hay una cadena de ingeniería trabajando a la vez: modelos que comprenden patrones, datos que les enseñan a distinguir lo relevante y chips que ejecutan cálculos a velocidades inimaginables hace solo unos años. Premiar a quienes construyeron esa cadena es reconocer el impacto social de la ingeniería.
El QEPrize es, además, un recordatorio de que la innovación funciona cuando todas las piezas encajan. El algoritmo más brillante se queda corto sin datos representativos y sin capacidad de cómputo accesible. Y la máquina más rápida no sirve de mucho sin modelos confiables y formas honestas de medir su éxito. La IA que hoy se usa —con sus luces y sus sombras— es el fruto de disciplinas que se hablan entre sí.
Una jornada con mirada de país y mensaje para la próxima generación
La edición de este año tuvo también sabor institucional. Los premiados participaron en encuentros con autoridades británicas y representantes de la comunidad científica para debatir cómo inspirar vocaciones y fortalecer capacidades en un momento de demanda creciente de perfiles STEM. Coincidió con el National Engineering Day, una cita que busca visibilizar el papel de la ingeniería en la vida cotidiana, desde las infraestructuras que no se ven hasta las innovaciones que lo impregnan todo, como la IA.
Ese mismo día, Jensen Huang recibió la Professor Stephen Hawking Fellowship en la Cambridge Union, una distinción que premia a quienes acercan la ciencia al gran público. El gesto añade una capa simbólica al reconocimiento: la IA no solo avanza por lo que logra en el laboratorio, sino por cómo se explica y cómo se enseña para que más personas puedan participar en su construcción.
El futuro que se abre: eficiencia, responsabilidad y utilidad
La fotografía de los siete premiados celebra el presente, pero apunta sobre todo al futuro inmediato. La IA crece, y con ella crecen los retos. Uno es el consumo energético, que exige diseños de chips y centros de datos más eficientes, además de modelos más compactos y entrenamientos mejor afinados. Otro es la calidad: sistemas que expliquen mejor sus decisiones, que reduzcan sesgos y errores, y que ofrezcan controles a la medida de sectores como la salud o la administración pública. Y un tercero es la utilidad social: aprovechar la IA para mejorar servicios y cerrar brechas, no para abrir nuevas desigualdades.
Los propios premiados llevan tiempo defendiendo estas líneas de trabajo. La ingeniería, vienen a decir, no es solo velocidad; es dirección. No basta con procesar más datos y más rápido: hay que escoger problemas relevantes, diseñar con ética y gobernanza, y asegurar que los beneficios llegan a muchos y no a unos pocos.
Europa, la oportunidad de un liderazgo sereno
Que la ceremonia se celebre en Londres y que el premio ponga el foco en la capacidad de inspirar también habla a Europa. El continente necesita infraestructuras potentes, programas de formación adaptados y un marco regulatorio que proteja derechos sin ahogar la innovación. Tiene, además, una ventaja competitiva: la tradición de ingeniería sólida que prioriza la calidad y la seguridad. Convertir esa tradición en plataformas y servicios de alcance global es el reto, y la historia del machine learning muestra que es posible cuando se alinean universidad, industria y sector público.
De la foto a la vida real: lo que cambia tras el QEPrize
A partir de aquí, ¿qué cabe esperar? El QEPrize no marca una meta, sino un punto de inflexión. La IA ya es infraestructura: se integra en cadenas de suministro, procesos industriales, productos de consumo y servicios públicos. Lo que vendrá —mejores asistentes, diagnósticos más tempranos, energía gestionada con precisión, educación personalizada— dependerá de mantener la colaboración entre quienes hacen algoritmos, quienes crean datasets y quienes diseñan chips y sistemas. Los siete premiados encarnan esa colaboración.
Y hay algo más: el premio envía una señal a las nuevas generaciones. La IA no es un terreno vedado; es un espacio en el que caben muchas profesiones. Se necesitan matemáticos, sí, pero también ingenieras de datos, especialistas en hardware, expertos en políticas públicas, diseñadores de experiencia y educadores. Si la IA va a organizar parte de la vida en común, hará falta que muchas voces contribuyan a decidir cómo.
Un reconocimiento que mira hacia delante
El QEPrize 2025 consagra una narrativa: la mayor transformación del cómputo desde el microprocesador no habría ocurrido sin la tercera pata —los datos— ni sin la cuarta —la arquitectura de sistemas—. Reconocer a quienes cimentaron esas patas es, en realidad, reconocer un método: pensar de forma interdisciplinar, medir con rigor y diseñar para escalar.
La IA seguirá cambiando, pero las lecciones de este premio son estables: sin curiosidad, criterio y buenas herramientas, no hay milagro. Con ellas, lo improbable se vuelve rutina. Esa, en el fondo, es la mejor definición de ingeniería.
vía: blogs.nvidia y qeprize
