Sara Hooker es una científica computacional especializada en inteligencia artificial y aprendizaje automático. A partir de 2025, se desempeña como jefa de Cohere for AI, la división de investigación de la empresa de IA Cohere, donde lidera los esfuerzos para avanzar en la investigación de IA de código abierto y promover prácticas de desarrollo responsables. Hooker es ampliamente reconocida por sus contribuciones a la interpretabilidad de modelos, particularmente su trabajo para comprender cómo las redes neuronales aprenden y toman decisiones, y por abogar por una mayor transparencia en los sistemas de IA.
La investigación de Hooker se sitúa en la intersección del aprendizaje profundo, la interpretabilidad y la equidad. Ha publicado artículos influyentes sobre temas como la atribución de características, el impacto de los datos de entrenamiento en el comportamiento del modelo y los desafíos de evaluar modelos de IA a gran escala. Su trabajo ha sido fundamental para resaltar la importancia de comprender no solo lo que hacen los modelos de IA, sino también por qué lo hacen, una preocupación que se ha vuelto central en el campo de la IA responsable.
Primeros años y educación
Hooker completó sus estudios de pregrado en ciencias de la computación en la Universidad de Toronto, donde se interesó por primera vez en la inteligencia artificial. Posteriormente, cursó estudios de posgrado en la misma institución, obteniendo una maestría y un doctorado en ciencias de la computación. Durante su investigación doctoral, se centró en el aprendizaje automático y las redes neuronales, sentando las bases para su trabajo posterior sobre interpretabilidad.
Después de completar su doctorado, Hooker trabajó como científica investigadora en Google DeepMind, donde contribuyó a proyectos que involucraban modelos de aprendizaje automático a gran escala. Su tiempo en DeepMind le permitió interactuar con algunos de los sistemas de IA más avanzados del mundo y profundizó su interés en comprender su funcionamiento interno.
Contribuciones a la investigación
La investigación de Hooker ha abordado varias cuestiones fundamentales en la IA. Una de sus contribuciones notables es el concepto de "olvido" en las redes neuronales, donde investigó cómo los modelos pierden información sobre ciertos puntos de datos durante el entrenamiento. Su trabajo sobre este tema proporcionó información sobre la dinámica del aprendizaje y los posibles sesgos que pueden surgir de la selección de datos.
También ha sido una defensora vocal de la importancia de la evaluación en la investigación de IA. En un artículo ampliamente citado, argumentó que la comunidad de IA a menudo depende en exceso de unos pocos conjuntos de datos de referencia, lo que puede llevar a conclusiones engañosas sobre el rendimiento del modelo. Propuso prácticas de evaluación más rigurosas para garantizar que los sistemas de IA sean robustos y confiables.
Además de su trabajo técnico, Hooker ha escrito y hablado extensamente sobre las implicaciones sociales de la IA. Ha enfatizado la necesidad de diversidad en la investigación de IA y la importancia de considerar las perspectivas de las comunidades marginadas al desarrollar tecnologías de IA.
Liderazgo en Cohere for AI
Como jefa de Cohere for AI, Hooker ha supervisado el lanzamiento de varios modelos de código abierto, incluida la serie Command de grandes modelos de lenguaje. Ha defendido la idea de que la investigación en IA debe ser colaborativa y transparente, y ha trabajado para que los modelos y la investigación de Cohere sean accesibles públicamente. Bajo su liderazgo, Cohere for AI también se ha centrado en la IA multilingüe, desarrollando modelos que funcionan bien en una amplia gama de idiomas, un alejamiento del enfoque centrado en el inglés de muchos sistemas de IA.
Hooker también ha participado en esfuerzos para mejorar la interpretabilidad de los grandes modelos de lenguaje, que son notoriamente difíciles de analizar debido a su tamaño y complejidad. Su equipo ha desarrollado herramientas y técnicas para sondear estos modelos, con el objetivo de descubrir los mecanismos mediante los cuales generan respuestas.
Reconocimiento e impacto
Las contribuciones de Hooker le han valido el reconocimiento dentro de la comunidad de IA. Ha sido invitada a hablar en conferencias importantes, incluidas NeurIPS e ICML, y sus artículos han sido ampliamente citados. También ha aparecido en medios de comunicación como una voz destacada en la IA responsable.
Su trabajo ha influido tanto en la investigación académica como en la práctica de la industria. Muchos laboratorios de IA ahora priorizan la interpretabilidad y la equidad en sus procesos de desarrollo, en parte debido a la defensa de investigadores como Hooker. También ha sido mentora de numerosos estudiantes e investigadores en etapas tempranas de su carrera, ayudando a dar forma a la próxima generación de científicos de IA.
Vida personal y activismo
Fuera de su trabajo profesional, Hooker es conocida por su compromiso con el aumento de la diversidad en la tecnología. Ha hablado abiertamente sobre los desafíos que enfrentan las mujeres y los grupos subrepresentados en la IA y ha trabajado para crear entornos más inclusivos en los entornos de investigación. También ha participado en iniciativas para llevar la educación en IA a comunidades desatendidas.
Hooker continúa siendo una investigadora activa y una figura prominente en el panorama de la IA. Su trabajo ejemplifica el creciente reconocimiento de que construir sistemas de IA potentes requiere no solo experiencia técnica, sino también una comprensión profunda de su impacto social.