Fei-Fei Li, la madrina de la inteligencia artificial 

En 2007, un colega le advirtió a Fei-Fei Li que había llevado su idea demasiado lejos. Ella quería armar una base de datos de imágenes tan grande que a casi todos les parecía absurda: el campo entero creía que el problema de la visión por computadora estaba en los algoritmos, no en los datos. Cinco años después, un modelo entrenado con esa base pulverizó todos los resultados anteriores y arrancó el boom del aprendizaje profundo. Hoy Li dirige una startup valuada en más de mil millones de dólares, asesora a gobiernos y carga con un apodo que le incomoda.

De Chengdu a una tintorería en Nueva Jersey

Nació en Pekín en 1976 y se crió en Chengdu. A los quince años emigró con sus padres a Parsippany, un suburbio de Nueva Jersey, con poco inglés y menos dinero. Los padres consiguieron trabajos de caja; ella trabajó en restaurantes chinos.

Cuando entró a Princeton, la salud de su madre empeoró y la familia necesitó una fuente de ingresos más estable. Abrieron una tintorería. Li era la única que hablaba inglés, así que se ocupó de todo: atender el teléfono, tratar con los clientes, pasar las inspecciones, manejar la facturación. Bromeaba con que era la CEO del local mientras resolvía problemas de física en el campus.

El trabajo no terminó cuando se fue a Caltech a hacer el doctorado. Siguió administrando la tintorería a distancia hasta la mitad del posgrado. De esa etapa se quedó con una conclusión que hoy repite: la ciencia no es un camino lineal y nadie tiene todas las respuestas de entrada.

La pregunta audaz

En Princeton eligió Física porque le permitía hacerse las preguntas más grandes posibles sobre el universo. Con el tiempo su propia pregunta audaz cambió de terreno: qué es la inteligencia, cómo aparece, si una máquina podría aprenderla.

Se doctoró en Caltech en 2005, dirigida por Pietro Perona y Christof Koch. Fue profesora asistente en la Universidad de Illinois en Urbana-Champaign y en Princeton antes de llegar a Stanford en 2009. Consiguió el cargo permanente en 2012 y la titularidad en 2017.

Mientras tanto, el campo de la visión por computadora estaba empantanado. Los algoritmos no funcionaban y nadie entendía bien por qué. Li salió a buscar respuestas fuera de la informática —en la psicología, en la lingüística, en cómo los humanos organizan el mundo— y notó algo que estaba a la vista: las personas aprenden de una cantidad enorme de experiencia, mientras que a las computadoras se les daban conjuntos de unos pocos cientos de imágenes.

ImageNet, o cómo cambiar un campo entero por terquedad

El resultado fue ImageNet: 15 millones de imágenes etiquetadas repartidas en 22.000 categorías, organizadas con criterios tomados de la cognición humana. En 2010 la convirtió en una competencia anual que obligaba a los investigadores a medir sus algoritmos contra el mismo conjunto de datos.

El punto de quiebre llegó en 2012. Una red neuronal llamada AlexNet, entrenada sobre ImageNet, arrasó con todos los resultados previos. Ahí el campo entendió que el aprendizaje profundo funcionaba de verdad. Todo lo que vino después —el reconocimiento de objetos, los sistemas autónomos, el análisis de imágenes médicas, buena parte de la industria— sale de esa bisagra.

Li insiste en describir el proyecto en términos modestos: querían construir un lenguaje común y una vara de medir confiable para la comunidad. De ahí salió el apodo de madrina de la inteligencia artificial.

El apodo que no pidió

El mote la incomoda y lo dijo en público. Su razonamiento, expuesto en la cumbre Most Powerful Women de Fortune en 2024, es que la historia de la ciencia y la tecnología está llena de hombres llamados padres fundadores o padrinos, y que si las mujeres rechazan de entrada ese tipo de título, terminan cediendo la voz. Lo aceptó por esa vía, más política que personal.

En paralelo construyó una línea de trabajo que no aparece en los papers. En 2015 creó con su exalumna Olga Russakovsky un campamento de verano en Stanford para chicas de secundaria interesadas en IA. En 2017 ese programa se transformó en AI4ALL, una organización que se propone diversificar quién construye estos sistemas. Ese mismo año cofundó el instituto que hoy la define casi tanto como ImageNet.

Stanford HAI y la política de la inteligencia artificial

En 2019 fundó, junto al exrector de Stanford John Etchemendy, el Institute for Human-Centered AI. La premisa es que la tecnología no existe en el vacío y que para construir sistemas confiables hacen falta ingenieros, científicos sociales, especialistas en ética y comunidades sentados en la misma mesa.

Desde ahí pasó a la arena pública. Declaró ante el Congreso de Estados Unidos, asesoró al presidente Biden, se sumó en 2023 a la junta asesora científica del secretario general de la ONU y publicó sus memorias, The Worlds I See.

Dónde discrepa con los padrinos

Acá está el desacuerdo que la define frente a sus pares. Geoffrey Hinton, Yoshua Bengio y otras figuras del campo vienen advirtiendo sobre el riesgo existencial de la IA: la posibilidad de que estos sistemas terminen amenazando a la humanidad. Li no comparte esa jerarquía de preocupaciones. Respeta el debate, pero su atención está puesta en los daños que ya están ocurriendo: sesgos, desplazamiento laboral, desinformación, concentración de poder.

En 2024 esa posición la puso en el centro de una pelea concreta. Publicó una columna en Fortune contra el proyecto de ley californiano SB 1047, que buscaba regular los modelos de frontera. Su argumento: la norma castigaría a los desarrolladores, ahogaría el desarrollo de código abierto y perjudicaría sobre todo a los actores más débiles del ecosistema —el sector público, la academia, las empresas chicas— sin resolver los problemas que decía atacar.

La respuesta fue dura. Bengio le contestó en el mismo medio sosteniendo que el proyecto era un piso mínimo y no una carga. Gary Marcus le escribió una carta abierta señalando que la ley no exigía anticipar todos los usos posibles, sino cubrir daños críticos específicos. Y varios señalaron un punto incómodo: World Labs, su startup, había sido financiada por Andreessen Horowitz, uno de los fondos que hacía lobby contra el proyecto. El gobernador Newsom terminó vetando la ley.

Li nunca se movió de su encuadre: está a favor de gobernar la IA, en contra de hacerlo con instrumentos que considera mal calibrados.

Inteligencia espacial

Su apuesta actual es que el lenguaje no alcanza. World Labs, la empresa que cofundó y dirige, trabaja sobre lo que llama inteligencia espacial: la capacidad de un sistema de entender e interactuar con el mundo físico de manera visual, como hacen las personas. La compañía superó los mil millones de dólares de valuación en apenas cuatro meses y en noviembre de 2025 lanzó Marble, una herramienta que permite generar mundos tridimensionales descargables a partir de descripciones escritas.

El premio de Carlos III

El 5 de noviembre de 2025, en el Palacio de St James, el rey Carlos III le entregó el Queen Elizabeth Prize for Engineering. Lo compartió con Yoshua Bengio, Bill Dally, Geoffrey Hinton, John Hopfield, Jensen Huang y Yann LeCun: el mismo Hinton y el mismo Bengio con los que discute públicamente sobre riesgos.

El galardón, que en ediciones anteriores distinguió a los arquitectos de internet, a los creadores del GPS y a los desarrolladores de la energía eólica moderna, reconoció esta vez los cimientos ingenieriles del aprendizaje automático moderno.