Qué es Google DeepMind y qué ha creado

Google DeepMind es un equipo de investigación en inteligencia artificial de Google. Según su página oficial, reúne a dos de los laboratorios de IA más importantes del mundo, Google Brain y DeepMind, en un solo equipo dirigido por Demis Hassabis. Su misión declarada es construir IA de forma responsable para beneficiar a la humanidad. La página también dice que la IA y, en última instancia, la inteligencia artificial general (AGI) podrían impulsar una de las mayores transformaciones de la historia.

De dónde viene

Según la misma página, DeepMind empezó en 2010 con un enfoque interdisciplinario: combinaba aprendizaje automático, neurociencia, ingeniería y matemáticas para construir sistemas de IA generales. Google Brain empezó en 2011 dentro de X, a la que la página llama “la fábrica de proyectos ambiciosos”, con la idea de llevar la IA moderna a los productos de la empresa.

Hoy, ya como Google DeepMind, los dos grupos trabajan como un solo equipo.

Qué es el aprendizaje por refuerzo

Muchos logros de DeepMind combinan dos ideas. La primera es el aprendizaje profundo, que usa redes neuronales con muchas capas. La segunda es el aprendizaje por refuerzo: el programa prueba acciones, recibe una señal de premio o castigo y mejora con el tiempo, como un jugador que aprende de sus errores.

Según la empresa, sus primeros avances usaron juegos para poner a prueba estos sistemas. Un programa llamado DQN aprendió a jugar 49 juegos distintos de Atari solo a partir de los píxeles de la pantalla y de la instrucción de maximizar la puntuación.

Los hitos que la empresa destaca

El caso de AlphaGo merece detalle. El Go es un juego de tablero antiguo y, según la empresa, tiene unas 10 elevado a 170 configuraciones posibles, más que los átomos del universo conocido. En octubre de 2015 AlphaGo ganó 5 a 0 a Fan Hui, tres veces campeón europeo. Después venció a Lee Sedol en marzo de 2016. Según la empresa, en la segunda partida la jugada 37 de AlphaGo tenía una probabilidad de 1 entre 10.000 de ser elegida, y en la cuarta Lee Sedol respondió con una jugada igual de improbable que lo ayudó a ganar esa partida.

Otros logros que menciona la página son WaveNet, un modelo de voz realista que se usó en el Asistente de Google, y AlphaCode, AlphaDev y sistemas para predecir el clima y controlar plasma en reactores de fusión.

Su papel en la arquitectura Transformer

Según la página, Google Brain inventó la arquitectura Transformer en 2017. Es un tipo de red neuronal que, según la página, está detrás de casi todos los grandes modelos de lenguaje. Si quieres entenderla sin fórmulas, lee qué es un transformer.

La misma página menciona otros modelos del equipo, como LaMDA y la familia PaLM, y el asistente Bard, que describe como un experimento colaborativo. Su familia de modelos actual es Gemini: en octubre de 2026, la página anunciaba Gemini 4 Argon. Ten en cuenta que lo que una empresa dice de sus propios modelos no es una comparación independiente de rendimiento.

AlphaFold y el Nobel de Química 2024

Según la empresa, AlphaFold impulsó una nueva ola de avances en biología. Su versión AlphaFold2, presentada en 2020 por Demis Hassabis y John Jumper, predice la forma tridimensional de las proteínas a partir de la secuencia de sus aminoácidos. Las proteínas controlan las reacciones químicas de la vida, y su forma determina lo que hacen.

El 9 de octubre de 2024, la Real Academia Sueca de Ciencias otorgó la mitad del Nobel de Química a Hassabis y Jumper “por la predicción de la estructura de proteínas”. La otra mitad fue para David Baker “por el diseño computacional de proteínas”. Por eso el premio no es solo de DeepMind: Baker trabaja en la Universidad de Washington. Puedes leer más en los Nobel de 2024 que premiaron a la IA.

Qué no garantiza un logro científico

Un avance científico puede ser enorme y, aun así, no decir nada sobre el precio de una acción. Google es una empresa grande con muchas líneas de negocio, y sus acciones se mueven por resultados financieros, competencia y factores macroeconómicos que no tienen que ver con AlphaGo ni con AlphaFold.

Si alguna vez decides invertir en empresas de tecnología, ten en cuenta el riesgo. Supón que compras US$ 1.000 en acciones de una compañía y su precio cae un 20 %: te quedan US$ 800. Ninguna página ni ningún premio puede asegurarte que eso no ocurra.

Más a fondo

La arquitectura de AlphaGo combinaba dos redes neuronales. Una, la red de política, elegía el siguiente movimiento. La otra, la red de valor, estimaba quién iba a ganar la partida. La búsqueda de jugadas se apoyaba en ambas. Primero el sistema aprendió de miles de partidas de expertos y luego jugó contra versiones de sí mismo miles de veces, aprendiendo de cada error.

Si quieres ver el contexto completo de la historia, empieza por la historia de la inteligencia artificial y después revisa AlphaGo y AlphaFold.