Zoubin Ghahramani (persa: زوبین قهرمانی; nacido el 8 de febrero de 1970) es un investigador británico-iraní en aprendizaje automático e inteligencia artificial. Es Vicepresidente de Investigación en Google DeepMind y Profesor de Ingeniería de la Información en la Universidad de Cambridge, donde ha sido miembro del St John's College desde 2009. Su trabajo se ha centrado en métodos bayesianos, modelado probabilístico y algoritmos de aprendizaje escalables, con aplicaciones que van desde redes neuronales hasta neurociencia computacional.
Ghahramani ha ocupado puestos académicos en el University College London y la Universidad Carnegie Mellon, y ha servido como Científico Jefe en Uber y director de Google Brain. Ha publicado más de 300 artículos con más de 100,000 citas, y ha sido reconocido con becas y premios, incluyendo su elección a la Royal Society y el Premio Milner de la Royal Society.
Educación
Ghahramani fue educado en la American School of Madrid en España y en la Universidad de Pensilvania, donde obtuvo un título dual en Ciencias Cognitivas y Ciencias de la Computación en 1990. Luego realizó estudios de posgrado en el Instituto Tecnológico de Massachusetts, obteniendo un doctorado en Neurociencia Cognitiva del Departamento de Ciencias del Cerebro y Cognitivas. Su investigación doctoral fue supervisada por Michael I. Jordan y Tomaso Poggio, ambos figuras prominentes en aprendizaje automático y neurociencia computacional.
Primeros años y trabajo posdoctoral
Después de completar su doctorado, Ghahramani se trasladó a la Universidad de Toronto en 1995 como Becario Posdoctoral en el Laboratorio de Inteligencia Artificial, trabajando con Geoffrey Hinton, un pionero en aprendizaje profundo. Este período fue formativo para sus contribuciones posteriores al aprendizaje automático probabilístico. De 1998 a 2005, fue miembro del cuerpo docente en la Unidad de Neurociencia Computacional Gatsby en el University College London, donde desarrolló métodos variacionales para inferencia bayesiana aproximada y exploró modelos gráficos.
Nombramientos académicos
Ghahramani ocupó un nombramiento conjunto como Profesor Asociado de Investigación en el Departamento de Aprendizaje Automático de la Universidad Carnegie Mellon de 2003 a 2012. Durante este tiempo, continuó avanzando en modelos bayesianos no paramétricos y aprendizaje semisupervisado. En 2009, se convirtió en miembro del St John's College, Cambridge, y más tarde asumió una cátedra en Ingeniería de la Información en la Universidad de Cambridge. También sirvió como Director de Enlace fundador de Cambridge en el Instituto Alan Turing y como Director Adjunto fundador del Centro Leverhulme para el Futuro de la Inteligencia, reflejando su interés en las implicaciones sociales de la IA.
Contribuciones al aprendizaje automático
La investigación de Ghahramani ha influido significativamente en varias áreas del aprendizaje automático. Es conocido por contribuciones fundamentales al modelado probabilístico, incluyendo métodos de inferencia variacional que hacen escalable el aprendizaje bayesiano. Pionero en algoritmos de aprendizaje semisupervisado y aprendizaje activo, que reducen la necesidad de datos etiquetados. Su desarrollo de procesos gaussianos dispersos y modelos de características latentes infinitas, como el proceso de buffet indio, ha sido muy influyente en la estadística bayesiana no paramétrica. Su trabajo también abarca la neurociencia computacional, la bioinformática y la recuperación de información, proporcionando fundamentos matemáticos para manejar la incertidumbre y la toma de decisiones.
Su investigación ha sido ampliamente citada, con más de 100,000 citas y un índice h de 132, colocándolo entre los investigadores más influyentes en el campo. Ha contribuido a informes de políticas, incluyendo el Informe de Aprendizaje Automático de la Royal Society en 2017 y la Revisión del Futuro de la Computación del Reino Unido en 2023, que abordaron la infraestructura computacional necesaria para la investigación en IA.
Liderazgo industrial
En 2014, Ghahramani cofundó Geometric Intelligence con Gary Marcus, Doug Bemis y Ken Stanley, una startup centrada en la investigación en IA. La empresa fue adquirida por Uber en 2016, después de lo cual Ghahramani se trasladó a los Laboratorios de IA de Uber. Más tarde se convirtió en Vicepresidente de IA y Científico Jefe en Uber, un cargo que ocupó hasta 2020. Durante su mandato, supervisó la aplicación del aprendizaje automático a la contratación de viajes, el enrutamiento y la seguridad.
En 2020, Ghahramani se unió a Google Brain como Director Senior de Investigación. Fue promovido a Vicepresidente de Investigación en 2021 y se convirtió en director de Google Brain, liderando el equipo hasta su fusión con DeepMind en abril de 2023 para formar Google DeepMind. Ha continuado como Vicepresidente de Investigación en la organización combinada, contribuyendo a la investigación fundamental en IA.
Premios y honores
Ghahramani fue elegido Miembro de la Royal Society (FRS) en 2015. Su certificado de elección destaca su liderazgo en aprendizaje automático, particularmente sus contribuciones al modelado probabilístico, enfoques bayesianos no paramétricos y algoritmos de inferencia variacional. También señala su trabajo pionero en aprendizaje semisupervisado, aprendizaje activo y procesos gaussianos dispersos. En 2021, recibió el Premio Milner de la Royal Society en reconocimiento a sus contribuciones fundamentales al aprendizaje automático probabilístico.
Legado y trabajo en curso
La influencia de Ghahramani se extiende más allá de su propia investigación a través de la mentoría y la colaboración. Ha supervisado a numerosos estudiantes y posdoctorados que se han convertido en líderes en la academia y la industria. Su defensa del razonamiento probabilístico riguroso ha moldeado el desarrollo de la IA moderna, incluyendo la integración de la cuantificación de la incertidumbre en sistemas de aprendizaje profundo. A partir de 2025, continúa liderando la investigación en Google DeepMind, centrándose en métodos bayesianos escalables y el futuro de la infraestructura computacional.