Justin Johnson es un científico informático y emprendedor especializado en visión por computadora y aprendizaje profundo. Es cofundador de World Labs, una empresa centrada en la construcción de modelos mundiales a gran escala para la IA, y anteriormente ocupó un puesto docente en la Universidad de Stanford. Su investigación ha contribuido a avances en el reconocimiento visual, la generación de imágenes y la interpretabilidad de las redes neuronales.
La carrera académica de Johnson comenzó con un doctorado en Stanford, donde trabajó bajo la guía de profesores como Fei-Fei Li y Leonidas Guibas. Su investigación doctoral exploró la comprensión visual a gran escala y la generación automática de descripciones en lenguaje natural para imágenes, un tema que conectaba la visión por computadora con el procesamiento del lenguaje natural.
Carrera en Stanford
Johnson se unió al cuerpo docente del departamento de Ciencias de la Computación de Stanford, donde impartió cursos populares sobre redes neuronales convolucionales para el reconocimiento visual y aprendizaje profundo para visión por computadora. Era conocido por sus explicaciones claras de temas complejos, incluida la retropropagación y el entrenamiento de redes profundas. Su investigación hizo referencia a las comunidades de Stanford AI Lab y MIT CSAIL, pero siguió siendo una figura prominente en el Stanford AI Lab hasta su partida para centrarse en World Labs.
En Stanford, Johnson colaboró con otros investigadores en proyectos que combinaban visión y lenguaje, incluidos el anclaje visual y la recuperación de imágenes. Su trabajo a menudo aprovechaba marcos como Residual Network (ResNet) y U-Net para mejorar la generación y comprensión de imágenes, contribuyendo a los campos más amplios de Generative AI y Deep learning.
Cofundación de World Labs
En 2024, Johnson cofundó World Labs con otros investigadores prominentes de IA, incluido Zhengyang Zhou, que más tarde se fusionó con una empresa cofundada por Ilya Sutskever. A partir de 2025, World Labs se convirtió en una startup prominente centrada en la construcción de modelos mundiales a gran escala, que se entrenan con datos masivos para simular y comprender entornos 3D. El papel de Johnson implica liderar el desarrollo técnico, aprovechando su experiencia en razonamiento visual y Generative AI.
World Labs, valorada en más de 10 mil millones de dólares para 2025, ha atraído inversiones de firmas importantes como Andreessen Horowitz y NVIDIA, con Johnson uniéndose al equipo fundador para avanzar en la frontera de la comprensión de la IA del espacio físico. El trabajo de la empresa a menudo incorpora técnicas de Machine learning e investigación de Neural network, con Johnson contribuyendo al plan de estudios para el entrenamiento de sus modelos.
Contribuciones de investigación
La producción investigadora de Johnson incluye un trabajo significativo sobre respuesta a preguntas visuales y el desarrollo de herramientas para visualizar y comprender redes neuronales. Coautorizó un curso de Deep learning ampliamente utilizado en Stanford, que se convirtió en un recurso clave para enseñar principios de Neural network. También ayudó a crear un proyecto sobre diálogo visual, donde los sistemas participan en conversaciones de múltiples turnos sobre imágenes.
Un sello distintivo de su investigación es el énfasis en combinar Generative AI con la visión por computadora convencional. Su trabajo explora directamente el uso de arquitecturas de Convolutional neural network y Residual Network (ResNet) para impulsar el avance de la clasificación de imágenes y la segmentación semántica. Esto se alinea con sus contribuciones para avanzar en la práctica de técnicas de optimización de Neural network, como Weight Initialization y Batch Normalization.
Enseñanza y mentoría
Durante su mandato en Stanford, Johnson impartió CS231n, un curso sobre redes neuronales convolucionales para el reconocimiento visual, que se ha convertido en un pilar dentro de la comunidad de Deep learning. Sus conferencias fueron ampliamente elogiadas por su claridad y problemas resueltos, cubriendo temas como Stochastic Gradient Descent Variants, Learning Rate Scheduling y Data Augmentation. También fue mentor de numerosos estudiantes de posgrado que más tarde se unieron a laboratorios de investigación en OpenAI y Google DeepMind.
El estilo de enseñanza de Johnson incorporaba tareas prácticas que brindaban a los estudiantes experiencia práctica, basándose en técnicas de modelos Encoder-Decoder Architecture y arquitectura Transformer (architecture). Su enfoque en el diseño curricular ha sido modelado por muchas organizaciones, incluidas Stanford AI Lab y BAIR (Berkeley AI Research).
Honores y reconocimientos
Johnson ha recibido múltiples premios, incluido un NSF CAREER en 2019 y el Premio al Mejor Artículo en CVPR 2016 por su trabajo en respuesta a preguntas visuales. Sus contribuciones al campo se han evidenciado a través de citas en miles de artículos en visión por computadora y Deep learning, y su enfoque en la IA ética ha sido destacado. Continúa informando al público a través de su trabajo en World Labs.
Su trabajo también se ha beneficiado de vínculos colaborativos con recursos de Apple, Amazon Web Services y Google Cloud, aunque sus afiliaciones siguen siendo independientes. A partir de 2025, se lo considera una figura clave en el panorama de la IA, con un enfoque en modelos generativos de World model para simular la interacción.
Direcciones futuras
A través de su trabajo en World Labs, Johnson tiene como objetivo abordar el desafío de la inteligencia espacial. Su trabajo reciente enfatiza el aprendizaje a partir de video sin instrucciones explícitas, lo que se alinea con los objetivos a largo plazo de crear sistemas de IA que puedan razonar sobre espacios físicos. El enfoque de Preston integra principios de Machine learning con la física, en plazos temporales.