#4. Demis Hassabis (IA)

Imagina un niño que no juega como juegan los niños al ajedrez. No mueve las piezas al azar, las estudia. Ve jugadas que otros no ven. Enviende el tablero como un sistema, no como un juego.

Ese niño tenía algo distinto. Veía patrones donde otros solo veían caos. Años después, usaría esa misma forma de pensar para algo mucho más grande. Enseñar a las máquinas a aprender por sí solas. En el capítulo de Octubre de Vulpen vamos a hablar de ese niño. Se llama Demis Hassabis. Nacido en Londres en 1976, su padre, chipriota griego, su madre, singapurense, una mezcla cultural que le dio una mirada distinta del mundo, descubre el ajedrez cuando tiene 4 años.

Su padre, aficionado al juego, le enseñó los primeros movimientos en la mesa del salón. Pronto, aquel pasatiempo familiar se convirtió en una obsesión metódica. A los 13 años ya era maestro internacional. Representaba en la guerra. Y era considerado uno de los mejores jugadores del mundo en su categoría. Pero más que un deporte, el ajedrez fue para él una escuela de pensamiento.

Le enseñó a planificar, evaluar escenarios, anticipar resultados. Aprendió que la inteligencia no consiste solo en mover piezas, sino en entender el sistema completo. Esa misma idea, la búsqueda de una mente capaz de aprender por sí sola, la acompañaría al resto de su vida. El ajedrez era solo un reflejo.

No se trataba de ganar partidas, sino de entrenar su mente para anticipar, imaginar y crear. Demi Hasabi creció rodeado de tableros. Durante años fue uno de los grandes prodigios del ajedrez británico. Maestro internacional a los 13, miembro del equipo nacional, segundo del mundo en su categoría. Pero su relación con el juego no fue solo de victorias.

A los 11 años perdió una partida decisiva en un torneo juvenil. Al terminar, rompió a llorar.

No por haber sido derrotado, sino porque al analizarla descubrió que podía haber empatado fácilmente. Había una jugada escondida que no vio. Esa frustración lo marcó. Entendió que la verdadera inteligencia no consiste en ganar, sino en comprender cómo piensas y por qué te equivocas.

A los 17, tras perder otra partida importante contra Michael Adams, el mejor gran maestro inglés de su generación, decidió dejar la competición. No por desánimo, sino porque sentía que al ajedrez ya le había enseñado todo lo que podía sobre estrategia y pensamiento.

Aquel mismo año quiso ingresar a la Universidad de Cambridge, pero no fue admitido en su primer intento. Demasiado joven. En lugar de esperar, buscó otro campo donde seguir aprendiendo. Y lo encontró en los videojuegos. Así fue como con apenas 17 años empezó a trabajar en Bullfrog Production, el legendario estudio británico detrás de Theme Park. Más tarde colaboró en Blatant White, un juego que mezclaba simulación, moralidad e inteligencia artificial primitiva.

A Saavis comprendió algo clave. Los videojuegos no solo entretienen, son ecosistemas de decisiones, pequeños mundos donde la inteligencia emerge de la interacción. A los 22 años fundó su propio estudio, el Xeer Studios, con una idea adelantada a su tiempo, crear personajes virtuales capaces de aprender y adaptarse. Los títulos no fueron un éxito de ventas, más bien todo lo contrario, pero sí marcaron el inicio de una obsesión científica.

Entendió que para crear la inteligencia real no bastaban algoritmos ni gráficos, había que entender cómo aprende el cerebro humano. Esa búsqueda lo llevó de nuevo a la academia. Se doctoró en neurociencia cognitiva en la University College de Londres, estudiando cómo el cerebro forma recuerdos, imagina escenarios y planifica el futuro. De ese cruce improbable, el ajedrez, los videojuegos y la neurociencia, nacería una de las ideas más ambiciosas de nuestro tiempo, DeepMind.

De DeepMind hablamos en el episodio 1 del podcast de Bullpen. Si no lo escuchaste, te recuerdo que en 2010, Demis Hassabi fundó DeepMind junto a Shane Legge y Mustafa Suleiman, del cual escribió el libro La Ola que Viene, que fue el que me dio origen a toda esta curiosidad. No era un startup más de Silicon Valley, era algo distinto, un laboratorio que aspiraba a resolver uno de los problemas más complejos de la ciencia, crear inteligencia artificial general.

No hacían programas que hacen una sola cosa bien, sino sistemas capaces de aprender cualquier tarea, de transferir conocimiento entre dominios, de razonar como lo hace un ser humano. La idea parecía ambiciosa, casi insenua, pero Hassabi tenía algo que pocos podían tener en ese momento, una visión clara de cómo llegar ahí.

Sabía que la clave estaba en que…