Pushmeet Kohli es un científico informático indobritánico y vicepresidente de investigación en Google DeepMind, donde dirige la Unidad de Ciencia e Iniciativas Estratégicas. Es conocido principalmente por liderar el desarrollo de AlphaFold, un sistema de aprendizaje profundo que predice estructuras de proteínas, y ha contribuido a numerosos otros proyectos de IA. En 2023, la revista Time lo nombró una de las 100 personas más influyentes en IA.
La investigación de Kohli abarca aprendizaje automático, visión por computadora e inteligencia artificial, con aplicaciones en biología computacional, síntesis de programas y optimización. Su trabajo ha obtenido múltiples premios al mejor artículo y reconocimientos de prueba del tiempo.
Educación
Kohli obtuvo una licenciatura en Tecnología (BTech) en Ciencias de la Computación e Ingeniería del Instituto Nacional de Tecnología de Warangal, en India. Luego se trasladó al Reino Unido, donde completó un doctorado en visión por computadora en la Universidad Oxford Brookes en 2007, supervisado por Philip Torr. Su tesis doctoral se centró en técnicas de optimización discreta para problemas de visión.
Carrera Temprana
Después de su doctorado, Kohli trabajó como asociado posdoctoral en el Centro Psicométrico de la Universidad de Cambridge, donde aplicó el aprendizaje automático a la medición psicológica. Luego se unió a Microsoft Research como científico asociado y director de investigación, liderando proyectos en visión por computadora y crowdsourcing. Durante este período, contribuyó al desarrollo del sistema de estimación de pose humana de Kinect, que utilizaba sensores de profundidad para rastrear movimientos corporales en tiempo real.
En Google DeepMind
Kohli se unió a Google DeepMind (entonces DeepMind Technologies) a mediados de la década de 2010, ascendiendo eventualmente a vicepresidente de investigación. Dirige la Unidad de Ciencia e Iniciativas Estratégicas, que se centra en aplicar IA al descubrimiento científico y abordar desafíos sociales. Bajo su supervisión, DeepMind ha producido varios sistemas emblemáticos, incluidos AlphaFold, AlphaEvolve, SynthID y Co-Scientist.
Proyectos Principales
AlphaFold
AlphaFold es un sistema de IA que predice la estructura tridimensional de proteínas a partir de sus secuencias de aminoácidos. Kohli lideró el equipo que desarrolló AlphaFold, que logró una precisión revolucionaria en las competiciones de Evaluación Crítica de la Predicción de Estructuras de Proteínas (CASP). El sistema se ha utilizado para predecir estructuras de cientos de millones de proteínas, acelerando la investigación en biología y medicina.
AlphaEvolve
AlphaEvolve es un agente de codificación evolutiva de propósito general que optimiza programas informáticos mediante mutación y selección iterativas. Se ha aplicado a la superoptimización de código, encontrando implementaciones más eficientes de algoritmos.
SynthID
SynthID es un sistema para marcar con agua y detectar contenido generado por IA, incluidas imágenes y texto. Incrusta marcas de agua imperceptibles que pueden verificarse posteriormente, ayudando a combatir la desinformación y garantizar la autenticidad del contenido.
Co-Scientist
Co-Scientist es un agente de IA diseñado para generar y probar nuevas hipótesis científicas. Utiliza modelos de lenguaje grandes para proponer experimentos y analizar resultados, lo que potencialmente acelera el ritmo del descubrimiento.
Otras Contribuciones
Kohli también ha contribuido a AlphaTensor, un agente de aprendizaje por refuerzo que descubre algoritmos más rápidos de multiplicación de matrices; AlphaCode, un sistema para generación de código a nivel de competición; FunSearch, que utiliza modelos de lenguaje grandes para buscar espacios de programas; y AlphaGenome y AlphaMissense, modelos que predicen los efectos de mutaciones genéticas. Su trabajo anterior incluye síntesis de programas neuronales, programación probabilística y análisis de comportamiento mediante redes en línea.
Temas de Investigación
La investigación de Kohli a menudo combina optimización discreta con aprendizaje profundo. Ha trabajado en arquitecturas de redes residuales y funciones de pérdida para tareas de visión, y ha explorado técnicas de aumento de datos. Su interés en la psicometría condujo a métodos para predecir la personalidad a partir de datos de redes sociales. En años recientes, se ha centrado en aplicar IA a problemas científicos, como controlar el confinamiento magnético para la fusión y resolver el problema del electrón fraccionario utilizando funcionales de densidad aprendidos.
Premios y Honores
El trabajo de Kohli ha sido reconocido con numerosos premios:
- Premio Koenderink (Premio de Prueba del Tiempo) de la Conferencia Europea de Visión por Computadora
- Premio Sullivan de la Asociación Británica de Visión por Computadora y Sociedad de Reconocimiento de Patrones (BMVA) por la mejor tesis doctoral
- Premio al Artículo de Impacto de la Conferencia IEEE de Realidad Mixta y Aumentada (ISMAR)
- Premio de Impacto Duradero del Simposio ACM sobre Tecnología de Software de Interfaz de Usuario
- Premio al mejor artículo en la Conferencia Internacional de la World Wide Web 2014
- Premio al mejor artículo en la Conferencia Europea de Visión por Computadora (ECCV) 2010
- Premio al mejor artículo en la Conferencia sobre Incertidumbre en Inteligencia Artificial (UAI)
También fue incluido en la lista Time 100 AI en 2023.
Impacto y Legado
El liderazgo de Kohli en AlphaFold ha tenido un efecto transformador en la biología estructural, con las predicciones del sistema siendo utilizadas por investigadores en todo el mundo. Su trabajo más amplio en IA para la ciencia ha ayudado a establecer un nuevo paradigma donde el aprendizaje automático acelera el descubrimiento en campos como la genómica, la ciencia de materiales y la física. A partir de 2025, continúa dirigiendo la investigación en Google DeepMind, centrándose en iniciativas estratégicas que conectan la investigación fundamental en IA con aplicaciones prácticas.