La Conferencia Internacional sobre Aprendizaje Automático (ICML) es una conferencia académica internacional sobre aprendizaje automático que se celebra anualmente desde 1980. Es la más antigua y, junto con NeurIPS e ICLR, una de las tres conferencias principales de mayor impacto y reputación en la investigación de aprendizaje automático e inteligencia artificial. Organizada por la Sociedad Internacional de Aprendizaje Automático (IMLS), ICML sirve como un lugar central para presentar avances en teoría del aprendizaje estadístico, innovación algorítmica y aprendizaje por refuerzo.
Historia
ICML se originó como el Taller Internacional sobre Aprendizaje Automático, celebrado por primera vez en Universidad Carnegie Mellon en Pittsburgh en julio de 1980. El taller fue organizado por Jaime Carbonell, Ryszard S. Michalski y Tom M. Mitchell, quienes buscaban crear un foro centrado en el campo emergente del aprendizaje automático. En 1993, el evento pasó a ser una serie completa de conferencias bajo su nombre actual, basándose en más de una década de talleres.
Desde la década de 2010, las actas de ICML se publican en acceso abierto en las Actas de Investigación en Aprendizaje Automático (PMLR), que surgieron de los Talleres y Actas de Conferencias del Journal of Machine Learning Research y se renombraron como PMLR en 2015. Este cambio hacia el acceso abierto ha hecho que la investigación de ICML esté ampliamente disponible para la comunidad investigadora global.
ICML ha publicado numerosos artículos fundamentales en la inteligencia artificial moderna. Entre los trabajos notables se incluyen el agrupamiento K-means mediante PCA del Laboratorio Nacional Lawrence Berkeley (ICML 2004), la Normalización por Lotes de Google, EfficientNet de Google Brain (ICML 2019), CLIP de OpenAI (ICML 2021) y Soft Actor-Critic de UC Berkeley (ICML 2018). Estas contribuciones han influido en desarrollos posteriores en aprendizaje profundo y IA generativa.
Crecimiento y Envíos
La escala de ICML se ha expandido drásticamente en la última década. Los envíos aumentaron de 1,037 artículos (270 aceptados) en 2015 a 12,107 envíos (3,260 aceptados) en 2025. Las tasas de aceptación han promediado entre el 21% (2020) y el 30% (2024). En 2026, la conferencia estableció un nuevo récord con 24,371 artículos enviados, más del doble del total del año anterior.
Los envíos aceptados se presentan en el lugar como pósteres. Las contribuciones particularmente destacadas se seleccionan para presentaciones orales o se designan como "artículos destacados" por un comité. En 2026, el 2.2% de las contribuciones enviadas se designaron como destacadas, y el 0.7% adicionalmente recibió espacios para presentaciones orales. La mejor contribución se honra anualmente con el Premio al Artículo Sobresaliente, anteriormente conocido como Premio al Mejor Artículo, seleccionado por un jurado.
Alcance y Perfil
El alcance de ICML cubre toda la amplitud del aprendizaje automático, con un énfasis particular en el análisis teórico, la innovación algorítmica y el aprendizaje estadístico. En comparación con las otras dos conferencias principales de aprendizaje automático, NeurIPS e ICLR, ICML tradicionalmente presenta más contenido sobre teoría del aprendizaje estadístico, aprendizaje por refuerzo, robótica y teoría de optimización. Sus actas anuales se publican en el acceso abierto de PMLR.
La conferencia atrae a patrocinadores que buscan acceso a la investigación y el talento en aprendizaje automático. Empresas tecnológicas como Google, Microsoft, Amazon, Meta y Apple patrocinan regularmente el evento, publican su investigación allí y reclutan investigadores en el lugar. Firmas financieras como Citadel Securities, Jane Street Capital y D.E. Shaw también mantienen presencia en ICML, lo que refleja la creciente importancia del aprendizaje automático en las finanzas cuantitativas.
Impacto en la Inteligencia Artificial
ICML ha desempeñado un papel crítico en el avance de la investigación en inteligencia artificial. Muchas técnicas ahora centrales para los sistemas modernos de IA, incluidos redes neuronales y algoritmos de aprendizaje por refuerzo, se han presentado y refinado en ICML. El énfasis de la conferencia en fundamentos teóricos rigurosos ha ayudado a establecer el aprendizaje automático como una disciplina científica madura.
La conferencia también sirve como un puente entre la academia y la industria. Investigadores de laboratorios líderes como Google DeepMind, OpenAI y Anthropic presentan regularmente sus últimos trabajos en ICML, mientras que grupos universitarios de instituciones como Stanford, MIT y UC Berkeley contribuyen con investigación fundamental. Esta colaboración ha acelerado la traducción de conocimientos teóricos en aplicaciones prácticas.