En homenaje al CEO de NVIDIA, ¿qué dijo el Consejo del Premio VinFuture?

El premio principal de VinFuture 2024, dotado con 3 millones de dólares, se entregó en la noche del 6 de diciembre a 5 personas, entre ellas el profesor Yoshua Bengio (Universidad de Montreal, Canadá), el profesor Geoffrey E. Hinton (Vector Institute, Canadá), el Sr. Jensen Huang (NVIDIA Corporation, EE. UU.), el profesor Yann LeCun (Universidad de Nueva York, EE. UU.) y el profesor Fei-Fei Li (Universidad de Stanford, EE. UU.) por sus contribuciones innovadoras en la promoción del avance del aprendizaje profundo.

Esta es también una ocasión rara para que un representante de la industria sea honrado en un premio internacional de ciencia y tecnología, considerado la etapa cumbre de la comunidad de investigación. Al explicar la decisión de otorgar el premio a un emprendedor, el profesor Kostya S. Novoselov, de la Universidad de Manchester (Reino Unido), miembro del Consejo del Premio VinFuture durante los últimos cuatro años, admitió que decidir el proyecto ganador fue un proceso difícil. El Consejo Científico de VinFuture logró un alto nivel de consenso para tomar la decisión correcta de reconocer la tecnología que ha transformado el mundo en los últimos tiempos. «Sin la potencia combinada de la computación, las GPU y TPU modernas, las bases de datos y los algoritmos específicos, semejante logro no habría sido posible», explicó el ganador del Premio Nobel de Física 2010 al expresar su voto a favor del emprendedor Jensen Huang.

El Dr. Xuedong David Huang, Director de Tecnología de Zoom Corporation (EE. UU.), miembro de la Academia Nacional de Ingeniería de EE. UU. y del Consejo del Premio VinFuture, afirmó que el aprendizaje profundo representa un avance para la humanidad, logrado gracias a tres factores. En primer lugar, está el algoritmo de aprendizaje profundo. Este es el problema que los profesores Geoffrey Hinton, Yann LeCun y Yoshua Bengio han investigado incansablemente para superar los límites. El principal experto mundial en IA enfatizó que los algoritmos por sí solos no son suficientes. La revolución del aprendizaje profundo que el mundo está presenciando requiere una enorme cantidad de datos y una plataforma de computación acelerada (GPU). Por lo tanto, el Premio VinFuture de este año también reconoce al profesor Fei-Fei Li, quien realizó contribuciones fundamentales a ImageNet y al conjunto de datos que lo acompaña. En particular, el Dr. Huang valoró altamente la contribución del Sr. Jensen Huang, quien fue pionero en acercar el poder de las GPU a toda la comunidad. "La contribución del CEO de NVIDIA es extremadamente importante para el auge de la revolución del aprendizaje profundo", enfatizó el Dr. Huang.

Compartiendo la misma opinión, la profesora Soumitra Dutta, de la Universidad de Oxford (Reino Unido) y miembro del Consejo del Premio VinFuture, evaluó que sin los recursos pioneros de NVIDIA, las aplicaciones computacionales no podrían ejecutarse ni producir cálculos o predicciones extraordinarios, ni el rápido desarrollo de la IA que hemos presenciado. La profesora Monica Lam (Universidad de Stanford, EE. UU.), quien nominó directamente al CEO de NVIDIA, afirmó que nominar a expertos en hardware es una forma de reconocer las contribuciones destacadas de la industria tecnológica. El Nobel ha reconocido a quienes investigan en IA, pero para que esta logre un impacto tan profundo, es imposible sin hardware. Según la profesora Lam, el éxito comercial del empresario Jensen Huang es una clara demostración de la importancia de poner la ciencia en práctica. Por su parte, el profesor Richard Henry Friend, presidente del Consejo del Premio VinFuture, señaló en una ocasión una "nueva anomalía" que ha surgido en los últimos 50 años: la tendencia a separar a quienes trabajan en la industria de quienes se dedican exclusivamente a la investigación. Según él, para que el mundo funcione bien, es necesario conectar ambos. VinFuture ha demostrado una visión y un enfoque diferentes al evaluar la investigación de forma integral, en una relación multidimensional, en lugar de simplemente valorar estudios individuales.