Quién es Andrew Ng
Andrew Ng es un investigador en aprendizaje automático, docente y emprendedor. Es profesor adjunto de informática en Stanford y ha combinado trabajo universitario, dirección de equipos industriales y creación de empresas educativas. [1]
Nació en el Reino Unido en una familia procedente de Hong Kong y creció en Hong Kong y Singapur. Esa trayectoria internacional precedió a su formación universitaria en Estados Unidos y a una carrera que ha conectado centros de investigación, empresas tecnológicas y enseñanza a distancia. [8]
Formación en Carnegie Mellon, MIT y Berkeley
En 1997 obtuvo dos grados en Carnegie Mellon, en matemáticas e informática y en estadística, además de una especialización en economía. Completó un máster en ingeniería eléctrica e informática en el MIT en 1998. Su currículo fecha en 2003 el doctorado en informática de Berkeley, con la tesis Shaping and policy search in reinforcement learning. [9]
Robótica y aprendizaje a partir de demostraciones
Entre sus proyectos universitarios figuran STAIR, orientado a integrar capacidades de IA en un robot asistente; Make3D, dedicado a reconstruir escenas tridimensionales desde una imagen; y sistemas para locomoción y control robótico. Este programa relacionaba percepción, aprendizaje y acción, en lugar de estudiar únicamente la clasificación de datos ya recogidos. [10]
Con Pieter Abbeel presentó en 2004 un método de aprendizaje por refuerzo inverso. Partía de demostraciones de un experto cuando resultaba difícil escribir una función de recompensa. Bajo las hipótesis del modelo, buscaba una política de actuación próxima a la del experto, sin exigir recuperar exactamente sus preferencias internas. [11]
Con Abbeel, Adam Coates y otros colaboradores desarrolló helicópteros experimentales capaces de realizar maniobras acrobáticas bajo control computacional. El proyecto combinó demostraciones de pilotos y aprendizaje del comportamiento del vehículo. Sus publicaciones de 2008 y 2010 documentaron métodos y ensayos, con autoría compartida entre investigadores y participación de pilotos especializados. [12]
Google Brain y el aprendizaje visual a gran escala
Ng fue responsable fundador del equipo Google Brain. Esa etapa trasladó su investigación sobre redes neuronales a una infraestructura industrial, antes de su posterior trabajo como vicepresidente y científico jefe de Baidu. También dirigió el laboratorio de IA de Stanford. [5]
En un trabajo de 2012, Quoc Le, Ng y sus colaboradores entrenaron una gran red con diez millones de imágenes sin etiquetas. El sistema desarrolló detectores sensibles a caras, gatos y cuerpos humanos. El experimento examinó qué representaciones podían aprenderse mediante datos y cálculo distribuido, sin suministrar una etiqueta para cada concepto visual. [13]
Baidu y los sistemas de reconocimiento del habla
Baidu anunció su incorporación como científico jefe en mayo de 2014, coincidiendo con la apertura de su laboratorio en Silicon Valley. Ng asumió la dirección de Baidu Research, con equipos en California y Pekín. [14]
Fue coautor de Deep Speech, presentado en 2014 con Awni Hannun y otros investigadores. El sistema aprendía reconocimiento del habla mediante redes recurrentes y entrenamiento en varias GPU, reduciendo componentes diseñados manualmente. El trabajo utilizó variaciones sintéticas de los datos para afrontar ruido y diferencias entre grabaciones. [15]
Deep Speech 2, presentado en 2015 con Dario Amodei y un equipo amplio, extendió este enfoque al reconocimiento del inglés y del mandarín. Las comparaciones se realizaron sobre conjuntos de evaluación definidos. [16]
En marzo de 2017 anunció su salida de Baidu. En su explicación pública planteó continuar desarrollando aplicaciones de IA más allá de las grandes empresas tecnológicas. Esa decisión precedió a la creación de nuevas iniciativas educativas, empresariales y de inversión. [17]
El curso abierto de 2011
En 2011 impartió un curso de aprendizaje automático de Stanford en internet que reunió más de 100.000 estudiantes. Su catálogo posterior abarca aprendizaje automático, aprendizaje profundo e introducciones como AI for Everyone y Generative AI for Everyone. La oferta diferencia formación técnica de programas destinados a comprender usos y conceptos generales. [3]
Coursera y el gobierno de la plataforma
Su cofundadora en Coursera fue Daphne Koller. [28]
Cofundó Coursera en 2012 y fue codirector ejecutivo hasta abril de 2014. Desde 2014 preside su consejo. Esa responsabilidad de gobierno corporativo es distinta de la gestión ejecutiva cotidiana de la plataforma. [4]
DeepLearning.AI y nuevas competencias
Fundó DeepLearning.AI en 2017 para desarrollar educación en inteligencia artificial. La organización combina programas formativos, ejercicios prácticos y una comunidad de aprendizaje. Su actividad amplió la oferta de cursos especializados y conectó contenidos publicados en Coursera con otros recursos educativos propios. [2]
En su curso Agentic AI aborda sistemas que planifican tareas, emplean herramientas y revisan sus resultados a través de varias etapas. Este enfoque desplaza la atención desde una respuesta aislada hacia el diseño de un proceso. La reflexión del modelo es una técnica que debe evaluarse, no una garantía automática de corrección. [18]
Libros, decisiones de proyecto y calidad de los datos
Machine Learning Yearning organiza decisiones prácticas del desarrollo de aprendizaje automático: priorizar experimentos, diagnosticar errores y reconocer diferencias entre datos de entrenamiento y prueba. El libro también trata cuándo utilizar transferencia, aprendizaje multitarea o sistemas de extremo a extremo. Su foco es orientar el trabajo de un equipo ante alternativas técnicas concretas. [19]
En el AI Transformation Playbook de 2018 propuso comenzar con pilotos, desarrollar capacidad interna, formar a los equipos, definir una estrategia y comunicar los cambios. La guía dirige estas recomendaciones a la organización empresarial y presenta la adopción como un proceso sostenido, no como la simple compra de una herramienta. [20]
En 2021 defendió un enfoque centrado en los datos. Propuso pruebas en las que el código permaneciera fijo y los participantes mejoraran el conjunto de datos, invirtiendo el planteamiento habitual de comparar modelos sobre datos invariables. La propuesta hace explícita otra vía de investigación: mejorar la información utilizada para aprender. [21]
LandingAI y la extracción documental
Fundó LandingAI en 2017. La empresa identifica actualmente a Ng como responsable de la dirección técnica de Agentic Document Extraction, una plataforma de API que transforma documentos empresariales en datos estructurados. Esta línea añade procesamiento documental a una trayectoria empresarial inicialmente asociada a soluciones de visión artificial. [22]
En agosto de 2024 dejó el cargo de consejero delegado de LandingAI y pasó a presidente ejecutivo. También forma parte del consejo de Amazon desde abril de 2024. [4]
AI Fund y AI Aspire
AI Fund funciona como un estudio de creación de empresas: trabaja con emprendedores en ideas, prototipos, desarrollo y financiación inicial. En mayo de 2025 anunció el cierre de un segundo fondo de aproximadamente 190 millones de dólares. Ng firma la comunicación como socio director. [23]
En julio de 2025 Bain anunció una alianza con Ng y su firma AI Aspire. El acuerdo unía asesoramiento estratégico y conocimientos técnicos para ayudar a empresas a desarrollar su transformación con IA. [24]
LearnVector y aprendizaje personalizado
En 2026 fundó LearnVector y asumió su dirección ejecutiva. La empresa trabaja en experiencias educativas individuales apoyadas por IA. Su presentación pública sitúa las primeras muestras de producto a comienzos de 2027, por lo que esta etapa corresponde al desarrollo anunciado y no a un catálogo de productos ya disponible. [25]
Coursera invirtió 100 millones de dólares en julio de 2026 por el 33,33 % de LearnVector. Su documentación financiera identifica una operación vinculada por las funciones de Ng en ambas compañías y detalla la aprobación de un comité independiente. En octubre firmaron un marco para futuras colaboraciones comerciales. [26]
Reconocimiento científico
En 2009 recibió el premio Computers and Thought de IJCAI junto con Carlos Guestrin. El galardón reconoce a investigadores jóvenes destacados en inteligencia artificial. En su trayectoria, este reconocimiento científico precede a la expansión de sus cursos masivos y a buena parte de sus iniciativas empresariales. [27]
Visión artificial y distanciamiento en el trabajo
En 2020, Landing AI presentó una herramienta para observar el distanciamiento entre personas en el trabajo. Andrew Ng era entonces su CEO, según la declaración publicada por DeepLearning.AI. [7]
La demostración de Landing AI analizaba vídeo en tiempo real para detectar si se mantenía la separación prevista. La empresa la planteó como apoyo a los protocolos de distanciamiento de sus clientes durante la pandemia. [6]
De una detección a una medida preventiva
El caso permite examinar una aplicación concreta de IA a la organización del espacio de trabajo. Una evaluación útil podría comparar las detecciones con observaciones sobre el terreno, identificar zonas de paso que generan avisos repetidos y comprobar si modificar la distribución reduce esas situaciones. También tendría que valorar los errores cuando unas personas ocultan a otras o cambia la posición de la cámara.
El indicador observado es la separación estimada entre personas. Para valorar una medida de prevención habría que estudiar además cómo se utiliza el aviso, qué decisión provoca y qué efecto tiene sobre la exposición. La demostración documenta una función tecnológica; sus resultados sanitarios requerirían una evaluación diferente.
