Pedro Domingos (nacido en 1965) es profesor emérito de informática e ingeniería en la Universidad de Washington. Es investigador en aprendizaje automático, conocido por su trabajo en redes lógicas de Markov, que permiten la inferencia incierta al combinar la lógica de primer orden con la probabilidad. Domingos también ha contribuido al análisis de flujos de datos, la clasificación sensible al costo y el aprendizaje adversarial, y es autor del libro de divulgación científica The Master Algorithm (2015).
Educación
Domingos obtuvo una licenciatura y una maestría en ciencias en el Instituto Superior Técnico (IST) de Portugal. Luego se trasladó a la Universidad de California, Irvine, donde completó una segunda maestría en ciencias seguida de un doctorado. Su investigación doctoral se centró en el aprendizaje automático y la minería de datos, sentando las bases para sus contribuciones posteriores en el campo.
Investigación y carrera
Tras completar su doctorado, Domingos pasó dos años como profesor asistente en el IST antes de incorporarse a la Universidad de Washington como profesor asistente de Informática e Ingeniería en 1999. Se convirtió en profesor titular en 2012 y posteriormente pasó a ser profesor emérito. En 2018, fundó un grupo de investigación en aprendizaje automático en el fondo de cobertura D. E. Shaw & Co., pero lo dejó al año siguiente para regresar a la actividad académica.
Domingos cofundó la Sociedad Internacional de Aprendizaje Automático, una organización profesional dedicada a avanzar en el campo. Hasta 2018, formó parte del consejo editorial de la revista Machine Learning. Su investigación ha unido fundamentos teóricos y aplicaciones prácticas, incluidos trabajos en marketing viral e integración de información.
Publicaciones
Domingos es más conocido por su libro de 2015 The Master Algorithm: How the Quest for the Ultimate Learning Machine Will Remake Our World, publicado por Basic Books (ISBN 978-0-465-06570-7). En el libro, sostiene que todos los paradigmas del aprendizaje automático pueden unificarse en un solo algoritmo, basándose en ideas de redes neuronales, computación evolutiva, inferencia bayesiana y otros enfoques.
También escribió "Our Digital Doubles: AI will serve our species, not control it", publicado en Scientific American en septiembre de 2018. En ese ensayo, describió los sistemas de inteligencia artificial como "sabios autistas" que carecen de sentido común y pueden tomar instrucciones demasiado literalmente, pero mantuvo que seguirán siendo herramientas al servicio de las necesidades humanas. En 2024, publicó una novela satírica, 2040: A Silicon Valley Satire (BookBaby, ISBN 979-8-350-96334-2).
Premios y honores
Domingos recibió el Premio a la Innovación ACM SIGKDD 2014 por su investigación fundacional en análisis de flujos de datos, clasificación sensible al costo, aprendizaje adversarial y redes lógicas de Markov, así como por aplicaciones en marketing viral e integración de información. En 2010, fue elegido miembro de la Asociación para el Avance de la Inteligencia Artificial (AAAI) por sus contribuciones significativas al aprendizaje automático y a la unificación de la lógica de primer orden y la probabilidad. También recibió una beca Sloan en 2003 y una beca Fulbright de 1992 a 1997.
Legado e influencia
El trabajo de Domingos sobre redes lógicas de Markov ha influido en investigaciones posteriores sobre aprendizaje relacional estadístico, un subcampo que combina aprendizaje automático con razonamiento lógico. Su defensa de un algoritmo de aprendizaje unificado ha suscitado debates entre investigadores sobre la dirección futura del campo. Como profesor, orientó a numerosos estudiantes que han seguido carreras en el ámbito académico e industrial, contribuyendo al crecimiento más amplio del aprendizaje profundo y áreas relacionadas.
Sus escritos de divulgación han ayudado a comunicar ideas complejas en inteligencia artificial a un público general, destacando tanto el potencial como las limitaciones de los sistemas actuales. Aunque sus predicciones sobre el cronograma de un algoritmo maestro siguen siendo especulativas, sus contribuciones a métodos fundacionales continúan citándose en la literatura académica.