Dimitri Bertsekas: referente en optimización y aprendizaje por refuerzo, fallece a los 83

Un legado intelectual y educativo

Dimitri Bertsekas, profesor emérito y figura central en áreas como optimización, control, cómputo a gran escala y aprendizaje por refuerzo, falleció el 3 de junio en su casa en Belmont, Massachusetts. Tenía 83 años. Su carrera combinó investigación rigurosa, docencia influyente y una producción editorial que convirtió complejos temas matemáticos en textos claros y accesibles para varias generaciones de estudiantes e investigadores.

Trayectoria académica y profesional

Bertsekas obtuvo su formación inicial en la Universidad Técnica Nacional de Atenas y luego se trasladó a Estados Unidos, donde cursó una maestría en ingeniería eléctrica en George Washington University en 1969 y un doctorado en system science en el MIT en 1971. Tras pasos por Stanford y la Universidad de Illinois en Urbana-Champaign, regresó al MIT en 1979 y permaneció en el Departamento de Ingeniería Eléctrica y Ciencias de la Computación hasta 2019. Posteriormente se incorporó como profesor a tiempo completo en Arizona State University, en Tempe.

Además de su labor académica, Bertsekas actuó como consultor para diversas empresas, fundó la editorial Athena Scientific y fue asesor científico principal de Bayforest Technologies, una firma londinense de inversión cuantitativa. También fue investigador principal en el Laboratory for Information and Decision Systems (LIDS) del MIT y ocupó la cátedra Jerry McAfee Emeritus en ingeniería.

Contribuciones científicas clave

A lo largo de su carrera, Bertsekas trabajó en problemas centrales para la toma de decisiones computacional: optimización no lineal, teoría de control, métodos para problemas de gran escala y dinámicas estocásticas. Su trabajo ayudó a formalizar y difundir métodos prácticos y teóricos que hoy son pilares en aplicaciones que van desde la logística y las telecomunicaciones hasta algoritmos modernos de aprendizaje automático.

Parte de su impacto reside no solo en resultados técnicos concretos, sino en su capacidad para organizar campos completos de estudio, presentar ideas complejas con claridad y conectar teoría con problemas relevantes del mundo real. Esto facilitó la adopción de técnicas avanzadas por parte de ingenieros, científicos y tomadores de decisión.

Obras y estilo pedagógico

Bertsekas fue autor y coautor de más de 20 libros, monografías y textos docentes que se convirtieron en referencias obligadas. Su enfoque pedagógico —caracterizado por la claridad conceptual y el rigor matemático— ayudó a muchos estudiantes a dominar áreas complejas. Entre sus obras más reconocidas se encuentran el manuscrito que dio lugar a ‘Dynamic Programming and Stochastic Control’ y, en colaboración, ‘Stochastic Optimal Control: The Discrete Time Case’. También coescribió ‘Data Networks’ con Robert Gallager y produjo, junto a John Tsitsiklis, una obra influyente sobre neuro-dynamic programming, precursora de muchos desarrollos en aprendizaje por refuerzo.

Compañeros y discípulos recuerdan su habilidad para transformar temas fragmentados y en rápida evolución en exposiciones coherentes y didácticas. Su manera de trabajar con estudiantes —involucrándolos en manuscritos, desafíos de investigación y coautorías— fue decisiva para la formación de nuevas generaciones de investigadores.

Mentoría y formación de investigadores

Varios de sus antiguos estudiantes y colaboradores se convirtieron en figuras destacadas en academia e industria. Anécdotas de su práctica docente muestran un estilo de mentoría que estimulaba la autonomía intelectual: invitaba a estudiantes a leer borradores, resolver problemas fundamentales y contribuir al proceso de escritura académica. Esa metodología no solo fortaleció su propia producción científica sino que también enseñó a sus discípulos a comunicar resultados con claridad y a presentar investigaciones que otros quisieran leer.

Influencia en aprendizaje por refuerzo y aplicaciones actuales

El trabajo de Bertsekas sobre programación dinámica y métodos aproximados anticipó y alimentó conceptos que hoy son centrales en el aprendizaje por refuerzo. Los textos que publicó con Tsitsiklis y otros colegas ayudaron a establecer un marco teórico que, décadas después, sirve de base para algoritmos que se emplean en robótica, optimización de operaciones y sistemas de decisión automatizados.

Aunque sus contribuciones son de naturaleza teórica y metodológica, su impacto se traducen en aplicaciones tangibles: planificación en entornos inciertos, optimización de redes y modelos de control que se usan en sectores industriales y financieros.

Relevancia para América Latina

En América Latina, donde la adopción de técnicas de optimización y aprendizaje automático crece en sectores como energía, transporte, finanzas y salud, la obra de Bertsekas sigue siendo una referencia. Sus libros y enfoques metodológicos son herramientas valiosas para investigadores, docentes y equipos técnicos que deben enfrentar problemas de toma de decisión bajo incertidumbre con recursos limitados. Además, su énfasis en la claridad expositiva facilita la enseñanza en ambientes universitarios de la región, donde la demanda de formación en temas avanzados de inteligencia artificial y optimización sigue en aumento.

Memoria y continuidad

Más allá de publicaciones y cargos académicos, la huella de Bertsekas perdura en la red de estudiantes, colegas y colaboradores que continúa desarrollando y aplicando sus ideas. Su capacidad para integrar teoría y práctica, y para convertir problemas técnicos en textos comprensibles, es parte sustantiva de su legado.

Para la comunidad científica y tecnológica, y también para quienes trabajan en la adopción de IA y métodos de optimización en América Latina, la partida de Bertsekas es una ocasión para reconocer la importancia de la enseñanza rigurosa y la construcción de marcos conceptuales sólidos que permitan avanzar en soluciones reales y escalables.

Lecturas recomendadas

Quienes deseen profundizar en su obra pueden comenzar por sus libros sobre programación dinámica, control estocástico y neuro-dynamic programming, que permanecen como textos de referencia en cursos avanzados y en investigación aplicada.

Su fallecimiento deja una comunidad de investigadores con la tarea de conservar y ampliar las ideas que ayudó a formalizar, adaptándolas a los retos tecnológicos y sociales de las próximas décadas.