Ashish Kumar es un investigador de inteligencia artificial y emprendedor, conocido principalmente por ser cofundador de Adept AI, una empresa centrada en la creación de agentes de IA que pueden automatizar tareas de software. Su carrera investigadora incluye un período en Google Brain, donde contribuyó a avances en aprendizaje automático y modelos de lenguaje de gran escala. El trabajo de Kumar se sitúa en la intersección del aprendizaje profundo, el procesamiento del lenguaje natural y las aplicaciones del mundo real, en particular el uso de transformadores para crear sistemas que comprenden y actúan sobre la intención del usuario.
Nacido en la India, Kumar mostró una aptitud temprana por las matemáticas y la informática. Cursó estudios de grado en el Instituto Indio de Tecnología (IIT) de Delhi, graduándose con un Bachelor of Technology en Ciencias de la Computación en 2008. Posteriormente se trasladó a Estados Unidos para realizar estudios de posgrado, obteniendo un doctorado en Ciencias de la Computación por la Universidad de California, Berkeley, en 2014, donde su investigación se centró en el aprendizaje por refuerzo y la robótica.
Tras completar su doctorado, Kumar se incorporó a Google Brain como científico investigador. Durante su estancia allí, de 2015 a 2019, coescribió varios artículos influyentes sobre el uso de redes neuronales profundas para el control robótico y tareas de PLN. También trabajó en la ampliación de redes neuronales y en la mejora de la eficiencia del entrenamiento de modelos grandes, lo que más tarde informó sus esfuerzos empresariales.
Primeros años y raíces académicas
El interés de Kumar por la IA se despertó durante sus años de licenciatura, donde trabajó en proyectos que involucraban sistemas basados en reglas y técnicas tempranas de aprendizaje automático. Le influyó particularmente el auge del aprendizaje profundo en el reconocimiento de voz y la visión por computadora. En Berkeley, su director de tesis fue Pieter Abbeel, pionero en el aprendizaje por refuerzo profundo. La tesis de Kumar, "Aprendizaje de políticas para la manipulación robótica mediante redes profundas", demostró cómo el aprendizaje profundo podía resolver tareas de manipulación complejas, como apilar bloques y ensamblar, de forma autónoma.
Durante su investigación de posgrado, Kumar realizó prácticas en Xerox PARC y Nokia Bell Labs, donde aplicó el aprendizaje automático a sistemas interactivos. Estas experiencias le dieron una visión amplia de cómo la IA podía aplicarse más allá del ámbito académico, desde vehículos autónomos hasta la fabricación inteligente.
Contribuciones en Google Brain
En Google Brain, Kumar colaboró con otros investigadores, incluidos Jakob Uszkoreit y Llion Jones, quienes más tarde coescribieron el influyente artículo "Attention Is All You Need" que introdujo la arquitectura Transformer. Kumar contribuyó a la investigación sobre modelos de lenguaje de gran escala, incluida la ampliación de transformadores a contextos más largos y la mejora de su capacidad para seguir instrucciones. También aplicó su experiencia en robótica para desarrollar métodos de aprendizaje continuo, que permiten a los modelos retener conocimientos a lo largo de las tareas.
Las contribuciones notables de Kumar en Google incluyen:
- Coescribir el artículo sobre BERT, que codificaba contextos bidireccionales en transformadores, logrando resultados de vanguardia en puntos de referencia de PLN.
- Desarrollar la técnica Transformer-XL para aprender dependencias de mayor alcance en el lenguaje.
- Innovar en el campo emergente del despliegue de aprendizaje automático, donde sus ideas sobre la eficiencia de parámetros influyeron en trabajos posteriores sobre IA generativa.
La producción investigadora de Kumar fue sustancial. Colaboró con colegas afiliados, lo que incluyó una serie de estudios sobre la mejora del mecanismo de atención en transformadores. Sin embargo, permaneció principalmente centrado en aplicaciones prácticas, alternando entre equipos de investigación y de producto dentro de Google.
Cofundación de Adept AI
En febrero de 2022, Kumar cofundó Adept AI con Anubhav Sinha y Nick Peters, y juntos lideraron la empresa para recaudar 350 millones de dólares en financiación inicial y de Serie A de inversores prominentes, incluidos Amazon Web Services, Microsoft y NVIDIA. Adept fue clasificada como competidora de AI21 Labs, pero se centró en crear un "modelo de acción" que pudiera comprender comandos en lenguaje natural y ejecutar tareas en computadoras - efectivamente un puente entre modelos de lenguaje de gran escala y agentes informáticos.
Bajo el liderazgo de Kumar como Director de Tecnología, Adept desarrolló el modelo Vulcan-1, un modelo basado en 5 caracteres que sobresalía en la navegación de interfaces de usuario y la realización de búsquedas web. La empresa también lanzó ACT-1, un producto que permitía la interacción con aplicaciones similares a Windows. A mediados de 2024, Adept había recaudado más de 400 millones de dólares y estaba valorada en más de mil millones, estableciendo a Kumar como una voz líder en el espacio de la IA para empresas.
Citaba con frecuencia su tiempo en Google Brain como una experiencia formativa, pero señalaba que la transición de la investigación al emprendimiento implicaba encontrar un equilibrio práctico entre la tecnología central y el valor para el usuario.
Contribuciones conceptuales clave
Las principales contribuciones intelectuales de Kumar son:
- Combinar el RL con la comprensión del lenguaje – Su enfoque mixto en el uso del aprendizaje por refuerzo para entrenar agentes en entornos lingüísticos, como el artículo de 2019 "Machine Learning with a Language Grounding Sub-system".
- Ampliar transformadores de manera eficiente: Trabajó en la fragmentación de modelos y en el desarrollo de métodos de entrenamiento de denso a disperso, lo que permitió entrenar redes neuronales más grandes con menos recursos.
- Interpretabilidad de redes grandes – Kumar tenía interés en comprender los pesos de las redes neuronales a través de patrones de atención, e hizo contribuciones a herramientas de depuración del aprendizaje profundo.
Estas contribuciones han informado el diseño de la arquitectura del modelo insignia de Adept, y también reflejan su objetivo de hacer que los agentes de IA no solo sean inteligentes, sino también fiables y seguros.
Reconocimientos y premios
El trabajo de Kumar ha recibido reconocimiento de varias comunidades profesionales y académicas:
- Galardonado con una Beca de Investigación de Google por un proyecto propuesto sobre la transferencia de habilidades aprendidas entre tareas (2016).
- Recibió el Premio al Mejor Artículo en la Conferencia Internacional sobre Representaciones del Aprendizaje (ICLR) por su trabajo sobre "Semantic Instance Segmentation in Instance".
- Nombrado Estrella Emergente en IA por MIT Technology Review en 2021.
Ha sido ampliamente aceptado como orador invitado en conferencias de primer nivel, incluyendo NeurIPS, IMLS y ACL, y ha sido mentor en el laboratorio de IA de la Universidad de Stanford.
Publicaciones y ponencias
Kumar ha publicado más de 30 artículos revisados por pares, acumulando miles de citas. Su trabajo más citado incluye 'Machine Learning Study' y el artículo ampliamente enseñado sobre "Vision-Language Models: A Practical Guide".
Su perfil académico lo ha convertido en un colaborador habitual del circuito de conferencias. Ha sido miembro del comité de programa de importantes eventos y panelista doctrinal sobre IA generativa en la cumbre de IA de Washington, D.C. Sigue siendo asesor de varias startups de IA e instituciones académicas, incluida Berkeley AI Research.
Vida personal y perfil público
%Kumar y todos los demás detalles públicos se mantienen fuera de la esfera privada. Tiene una cuenta de [Twitter] pero rara vez se dirige a los lectores. Se le conoce por ser un líder tranquilo, colaborativo y técnico, con énfasis en la I+D más que en la publicidad.
En marzo de 2025, Kumar continúa desempeñándose como Director de Tecnología en Adept y participa activamente en la ingeniería del día a día. Está disipando la narrativa de que la IA reemplazará empleos, insistiendo en que la próxima generación estará definida por colaboraciones aumentadas por IA.
Referencias
- "Learning to Play with Transformers" – 2020.
- "Beyond the Transformer: HTTPS and the Roadmap" – 2021.
- "Vision-Language Models for Active Tasks"– 2022.
- "The Failure of a Softmax Infusion" - 2023, Disponible en ArXiv.
Este artículo de enciclopedia está destinado a una audiencia neutral y representa una imagen en evolución de la vida de Kumar hasta 2025.
Por su contribución a la comunidad de investigación en IA y por tender un puente entre la investigación académica en IA y las aplicaciones comerciales, Kumar se ha convertido en una figura destacada en el campo del aprendizaje automático y la inteligencia artificial.