Investigadores del MIT entre los Fellows AI2050 2026 de Schmidt Sciences
Schmidt Sciences anunció la cohorte 2026 de Fellows AI2050, que incluye a cinco docentes del MIT y varios exalumnos. Los proyectos van desde IA centrada en las personas hasta fundamentos matemáticos y aplicaciones biológicas.
Qué es AI2050 y por qué importa
Schmidt Sciences, la iniciativa filantrópica de Eric y Wendy Schmidt, dio a conocer la cohorte 2026 de los AI2050 Fellows, un programa que busca acelerar la investigación en inteligencia artificial para resolver problemas complejos y orientar su desarrollo hacia impactos sociales positivos. El ejercicio central que plantea AI2050 es prospectivo: “Es 2050. La IA resultó enormemente beneficiosa para la sociedad. ¿Qué pasó? ¿Qué problemas clave resolvimos y qué oportunidades aprovechamos para garantizar ese resultado?”
Este tipo de enfoque no solo financia proyectos técnicos, sino que impulsa preguntas transversales sobre gobernanza, equidad y traducción del descubrimiento científico a políticas públicas y prácticas industriales. Para la región latinoamericana, observar las líneas de trabajo que financia AI2050 puede orientar prioridades en adopción responsable, capacitación y políticas públicas en IA.
Resumen de la representación del MIT en la cohorte 2026
La selección incluye a cinco profesores del MIT y a varios exalumnos vinculados a la institución. Entre ellos destaca Sendhil Mullainathan, nombrado Senior Fellow; el resto son Early Career Fellows con perfiles interdisciplinarios que combinan matemática, ciencias de la computación, biología, estudios políticos y economía aplicada.
A continuación describimos a cada uno y los objetivos de sus proyectos tal como fueron anunciados.
Sendhil Mullainathan — Senior Fellow: traducir patrones en teorías comprobables
Sendhil Mullainathan es profesor Peter de Florez con nombramientos en los departamentos de Economía y de Electrical Engineering and Computer Science (EECS) y es investigador principal en el MIT Laboratory for Information and Decision Systems (LIDS). Su investigación se sitúa en la intersección entre algoritmos y comportamiento humano.
Mullainathan lidera la iniciativa The Bike Shop@MIT, un centro que persigue una IA más centrada en las personas a través de herramientas conceptuales descritas como “bicicletas para la mente” y nuevos engranajes para algoritmos de aprendizaje automático. Es cofundador de organizaciones como ideas42 (aplicación de la ciencia del comportamiento), el Abdul Latif Jameel Poverty Action Lab (J-PAL) y Dandelion Health, que combina herramientas de IA con datos clínicos. Es coautor del libro “Scarcity: Why Having Too Little Means So Much”.
Entre sus reconocimientos figuran la beca MacArthur (“Genius Grant”), la nominación como Young Global Leader por el Foro Económico Mundial, y distinciones por publicaciones como Foreign Policy y Wired (Reino Unido). Forma parte del directorio de la MacArthur Foundation, está afiliado a NBER y BREAD, y es miembro de la American Academy of Arts and Sciences.
Su proyecto AI2050 se enfoca en cómo traducir patrones detectables por IA en teorías empíricas y comprobables, un puente crucial entre descubrimiento algorítmico y explicación científica.
Early Career Fellows: enfoques técnicos y sociales
-
Alex Damian: Profesor asistente en el Departamento de Matemáticas con una posición compartida en el MIT Schwarzman College of Computing y EECS, y PI en LIDS. Su trabajo se centra en las bases matemáticas del deep learning, especialmente en dinámica de optimización y aprendizaje de representaciones. Su proyecto AI2050 busca mejorar el entrenamiento efectivo de modelos de IA.
-
Bailey Flanigan: Asistente de profesor con una posición compartida entre EECS y Ciencias Políticas, también PI en LIDS. PhD 2024 en CS por Carnegie Mellon y fellow en la Harvard Data Science Initiative (2024-25). Combina teoría de la elección social, teoría de juegos, algoritmos, estadística y métodos de encuesta para avanzar en metodología política y fortalecer la participación ciudadana. Su proyecto se orienta a diseñar métodos para recopilar insumos públicos estructurados que los legisladores puedan usar en decisiones complejas.
-
Yunha Hwang: Profesora asistente con posición compartida entre EECS y Biología, PI en LIDS y cofundadora y científica jefe de Tatta Bio, una organización sin fines de lucro dedicada a la genómica AI para el descubrimiento biológico. Con formación en biología (PhD Harvard) y ciencias de la computación (BS Stanford), su investigación abarca machine learning para la evolución microbiana, biomanufactura y ciencia abierta. Su proyecto AI2050 apunta a determinar funciones de enzimas biológicas mediante enfoques algorítmicos.
-
Manish Raghavan: Profesor en el MIT Sloan School of Management con posición compartida en EECS y PI en LIDS. Expostdoc en el Harvard Center for Research on Computation and Society, su trabajo explora técnicas computacionales aplicadas a problemas sociales, incluyendo equidad algorítmica y economía conductual, con atención al uso de herramientas algorítmicas en procesos de contratación. Su proyecto busca mitigar efectos negativos y potenciar aspectos positivos derivados de la dependencia generalizada en IA.
Además, la cohorte incluye a exalumnos del MIT nombrados como Early Career Fellows: Irene Chen (PhD ‘22), Allison Z. Koenecke (‘14) y el expostdoc Juan Carlos Perdomo.
Relevancia práctica y conexiones para América Latina
Las áreas de investigación cubiertas por estos fellows —IA centrada en la persona, fundamentos matemáticos del aprendizaje profundo, medición y participación pública, aplicaciones biológicas y equidad algorítmica— son directamente pertinentes para desafíos estratégicos en América Latina:
-
Políticas públicas y participación: herramientas para recopilar opinión pública estructurada pueden apoyar procesos de consulta más informados y participativos en gobiernos locales y nacionales.
-
Empleo y equidad: investigaciones sobre sesgos en procesos de contratación y mitigación de efectos adversos son clave para diseñar marcos regulatorios y prácticas empresariales que protejan a trabajadores y eviten discriminación algorítmica.
-
Salud y biotecnología: avances en la determinación de funciones enzimáticas y biomanufactura pueden acelerar la investigación biomédica local y la capacidad industrial, siempre que se combinen con políticas de acceso abierto y colaboración regional.
-
Capacitación técnica: el trabajo en fundamentos del deep learning y entrenamiento efectivo de modelos contribuye a formar capital humano mejor preparado para adoptar y adaptar soluciones de IA en la región.
Para tomadores de decisión en América Latina, seguir iniciativas como AI2050 ofrece señales sobre prioridades de inversión en investigación, educación y regulación, y sobre alianzas posibles con centros académicos de alto impacto.
Conclusión
La cohorte AI2050 2026 delinea un conjunto diverso de proyectos que conectan teoría, técnica y compromiso social. La presencia destacada del MIT refleja un compromiso con una IA que no solo avance técnicamente, sino que también genere explicaciones verificables, prácticas democráticas más sólidas y aplicaciones biológicas responsables. Para la región latinoamericana, estos trabajos ofrecen referencias útiles para orientar políticas, formación y colaboración internacional en inteligencia artificial responsable.
Schmidt Sciences continúa, con AI2050, impulsando preguntas estratégicas sobre cómo la investigación en IA debe orientarse hoy para asegurar que en 2050 los beneficios tecnológicos estén ampliamente distribuídos y cimentados en principios científicos y sociales verificables.
Fuente original: MIT News AI