Terrence Joseph Sejnowski (nacido el 13 de agosto de 1947) es un neurocientífico computacional estadounidense y catedrático Francis Crick en el Instituto Salk de Estudios Biológicos, donde dirige el Laboratorio de Neurobiología Computacional y ejerce como director del Centro Crick-Jacobs de Biología Teórica y Computacional. También es profesor de ciencias biológicas y profesor adjunto en los departamentos de neurociencias, psicología, ciencia cognitiva, informática e ingeniería de la Universidad de California en San Diego, donde codirige el Instituto de Computación Neural. Sejnowski es ampliamente reconocido por su investigación pionera en redes neuronales y neurociencia computacional, incluida la coinvención de la máquina de Boltzmann con Geoffrey Hinton y el desarrollo del algoritmo infomax para el análisis de componentes independientes.
El trabajo de Sejnowski ha tendido puentes entre la biología y el aprendizaje automático, influyendo en campos que van desde la inteligencia artificial hasta el procesamiento de señales. Ha ocupado numerosos cargos académicos y ha recibido muchos honores, incluida su elección a las cuatro academias nacionales de Estados Unidos. En 2025, fue elegido miembro de la Sociedad Filosófica Estadounidense y nombrado miembro extranjero de la Royal Society.
Primeros años y educación
Sejnowski nació en Cleveland, Ohio, en 1947. Obtuvo una licenciatura en ciencias en física por la Universidad Case Western Reserve en 1968. Posteriormente asistió a la Universidad de Princeton, donde recibió una maestría en física bajo la supervisión de John Archibald Wheeler y un doctorado en filosofía en física en 1978, asesorado por John Hopfield.
Durante sus estudios de maestría, Sejnowski analizó la fuerza de las ondas gravitacionales de todas las fuentes conocidas en ese momento y la sensibilidad requerida para su detección. Concluyó que todos los detectores de ondas gravitacionales existentes eran unas 1000 veces demasiado insensibles, y estimó que los detectores necesarios no se construirían hasta dentro de otros 30 años. Esta constatación lo llevó a cambiar su enfoque de investigación, alejándose de la física y acercándose a la biología y la neurociencia.
Carrera e investigación
Sejnowski comenzó su formación posdoctoral en 1978 en el Departamento de Biología de la Universidad de Princeton, trabajando con Alan Gelperin. De 1979 a 1981, fue becario posdoctoral en el Departamento de Neurobiología de la Facultad de Medicina de Harvard con Stephen Kuffler. En 1982, se incorporó al cuerpo docente del Departamento de Biofísica de la Universidad Johns Hopkins, donde ascendió al rango de profesor antes de mudarse a San Diego en 1988.
Mantuvo una larga afiliación con el Instituto de Tecnología de California, donde fue profesor visitante Wiersma de Neurobiología en 1987, académico distinguido Sherman Fairchild en 1993 y profesor visitante a tiempo parcial de 1995 a 1998. En 2004, fue nombrado catedrático Francis Crick en el Instituto Salk y director del Centro Crick-Jacobs de Biología Teórica y Computacional.
Sejnowski fue investigador del Instituto Médico Howard Hughes de 1991 a 2018. Su investigación se ha centrado en comprender los recursos computacionales de los cerebros y en construir principios de vinculación entre el cerebro y la conducta mediante modelos computacionales. Ha explorado cómo las dendritas integran las señales sinápticas, cómo las redes de neuronas generan patrones dinámicos, cómo se representa la información sensorial en la corteza cerebral, cómo se forman y consolidan las representaciones de la memoria durante el sueño y cómo se organizan las transformaciones visomotoras.
Su laboratorio ha desarrollado nuevos métodos para analizar señales eléctricas y magnéticas registradas en el cuero cabelludo y señales hemodinámicas procedentes de neuroimagen funcional. También ha contribuido al modelado biofísico del procesamiento de señales eléctricas y químicas dentro de las neuronas y ha desarrollado el software MCell para el modelado Monte Carlo de la señalización celular.
Redes neuronales y la máquina de Boltzmann
A principios de la década de 1980, tras el trabajo de John Hopfield, las simulaciones informáticas de redes neuronales se generalizaron. Sejnowski y Geoffrey Hinton demostraron que las redes neuronales simples podían aprender tareas de cierta sofisticación. Juntos, coinventaron la máquina de Boltzmann, una red neuronal estocástica que se convirtió en un modelo fundacional en el aprendizaje profundo. La capacidad de la máquina de Boltzmann para aprender distribuciones de probabilidad complejas influyó en desarrollos posteriores del aprendizaje automático y la IA generativa.
Sejnowski también fue pionero en la aplicación de algoritmos de aprendizaje a problemas difíciles en el habla y la visión. Desarrolló NETtalk, una red neuronal que aprendió a leer texto en inglés en voz alta. Con su becario posdoctoral Tony Bell, desarrolló el algoritmo infomax para el análisis de componentes independientes (ICA), que ha sido ampliamente adoptado en el aprendizaje automático, el procesamiento de señales y la minería de datos.
En 1989, Sejnowski fundó la revista Neural Computation, publicada por MIT Press, que se convirtió en una revista líder en redes neuronales y neurociencia computacional. También ejerce como presidente de la Fundación Neural Information Processing Systems, que supervisa la conferencia anual NeurIPS, un importante encuentro interdisciplinario que reúne a investigadores de biología, física, matemáticas e ingeniería.
Docencia y divulgación pública
Sejnowski cocreó e impartió el curso en línea "Learning How to Learn: Powerful mental tools to help you master tough subjects" con Barbara Oakley. El curso, disponible en Coursera, se ha convertido en el curso en línea más popular del mundo. Enseña técnicas de aprendizaje basadas en la evidencia, incluida la repetición espaciada y la intercalación, y ha llegado a millones de estudiantes en todo el mundo.
Sus esfuerzos docentes y de divulgación pública han ayudado a popularizar la neurociencia y la ciencia del aprendizaje, haciendo accesibles temas complejos a un público amplio.
Honores y premios
Sejnowski ha recibido numerosos honores a lo largo de su carrera. En 1984, recibió un Premio Presidencial a Jóvenes Investigadores de la Fundación Nacional de Ciencias. Recibió el Premio Wright del Harvey Mudd College en 1996 por su excelencia en la investigación interdisciplinaria y el Premio Hebb de la Sociedad Internacional de Redes Neuronales en 1999 por sus contribuciones a los algoritmos de aprendizaje.
Se convirtió en miembro del Instituto de Ingenieros Eléctricos y Electrónicos en 2000 y recibió su Premio Pionero en Redes Neuronales en 2002. En 2003, fue elegido miembro de la Sociedad de Académicos de Johns Hopkins. Es miembro sénior del Consejo de Futuros del Diseño.
Sejnowski fue elegido miembro de la Academia Nacional de Medicina en 2008, de la Academia Nacional de Ciencias en 2010, de la Academia Nacional de Ingeniería en 2011 y de la Academia Nacional de Inventores en 2017. Esto lo sitúa en un grupo de solo tres personas vivas elegidas para las cuatro academias nacionales de Estados Unidos. Fue elegido miembro de la Academia Estadounidense de las Artes y las Ciencias en 2013 y se convirtió en miembro de la Sociedad Estadounidense de Física en 2014.
Recibió el Premio Swartz de Neurociencia Teórica y Computacional de la Sociedad de Neurociencia en 2015, un doctorado honoris causa de la Universidad de Zúrich en 2017 y el Premio Gruber de Neurociencia en 2022. En 2024, recibió el Premio Cerebro por su trabajo pionero en neurociencia teórica, compartido con Larry Abbott y Haim Sompolinsky, y recibió un doctorado honoris causa en ciencias de la Universidad de Princeton. En 2025, fue nombrado miembro extranjero de la Royal Society y elegido miembro de la Sociedad Filosófica Estadounidense.
Legado e influencia
Las contribuciones de Sejnowski han tenido un impacto duradero tanto en la neurociencia como en la inteligencia artificial. Su trabajo sobre redes neuronales sentó las bases del aprendizaje profundo moderno, y sus conocimientos sobre el funcionamiento del cerebro han informado los modelos computacionales utilizados en el aprendizaje automático. Su investigación sobre el análisis de componentes independientes tiene aplicaciones en el procesamiento de señales y la minería de datos.
Como mentor y educador, ha influido en una generación de investigadores en neurociencia computacional. Su enfoque interdisciplinario, que combina biología, física e informática, ha ayudado a dar forma al campo de la neurociencia computacional. Su trabajo actual en el Instituto Salk continúa explorando los recursos computacionales de los cerebros, con el objetivo de construir principios de vinculación entre el cerebro y la conducta.