Geoffrey Hinton, ‘padrino de la IA’, cree que no hay que abandonar la educación y se debe aprender a programar

Mientras la inteligencia artificial multiplica sus capacidades, muchos se preguntan si aún es relevante seguir una carrera en ciencias de la computación o dedicar tiempo a aprender a programar, para Geoffrey Hinton, conocido mundialmente como el ‘padrino de la IA’, este “no es momento de abandonar” esas disciplinas.

Hinton, quien trabajó en Google, considera que la amplitud y la profundidad de las competencias que las carreras tecnológicas desarrollan más allá de la simple codificación es clave para el futuro, por eso se debe seguir buscando el desarrollo de esta profesión.

Por qué se debe aprender a programar en tiempos de IA

La irrupción de agentes inteligentes y modelos de IA que programan por sí solos ha sacudido el mercado laboral tecnológico y generado dudas sobre el futuro de muchas profesiones. No obstante, Hinton, en declaraciones a Business Insider, subraya el valor de las licenciaturas en ciencias de la computación.

“Muchas personas creen que un título en ciencias de la computación se resume a programar”, aseguró. Según su perspectiva, limitar la formación universitaria a la producción de código resulta una visión reduccionista y poco realista del verdadero aporte académico y profesional de la carrera.

Afirma que “ser un programador de nivel medio ya no será una carrera viable por mucho más tiempo, porque la IA puede hacer eso”. Para Hinton, el diferencial de un graduado en ciencias de la computación reside en los cimientos conceptuales y metodológicos que desarrolla, como el pensamiento sistémico, matemáticas aplicadas y la capacidad para resolver problemas complejos en contextos multidisciplinarios.

“Un título en ciencias de la computación seguirá siendo valioso durante mucho tiempo”, sentencia el especialista.

El efecto IA en el mercado laboral y la educación

El avance imparable de la inteligencia artificial replantea el panorama profesional de la industria tecnológica. Empresas y universidades discuten la adaptación de los planes de estudio de ciencias de la computación. Bret Taylor, presidente de OpenAI, coincide con Hinton al afirmar que “hay mucho más en la programación que escribir código” y que la carrera resulta fundamental para aprender a pensar en sistemas complejos.

Desde Google, Sameer Samat apunta que la enseñanza debería centrarse en “la ciencia de resolver problemas”, y expertos como Hany Farid, de la Universidad de California en Berkeley, sugieren que los campos con mayor potencial para los graduados se encuentran en la intersección de la computación con otras áreas como la biomedicina, la neurociencia computacional, la economía y las humanidades digitales.

Las grandes tecnológicas, como Facebook, Google y Amazon, ya no son el destino ineludible para los nuevos profesionales, mientras crecen las oportunidades en investigación, finanzas, arte digital o políticas públicas apoyadas en análisis de datos.

Satya Nadella, CEO de Microsoft, aporta otra mirada, enfatizando la importancia de comprender los fundamentos del software: “Saber los fundamentos del software sigue siendo muy relevante si eres ingeniero en software. Tener la capacidad de pensar computacionalmente importa mucho”.

Cuáles son las habilidades claves para superar el reto de la IA

Hinton es enfático en señalar que, ante la automatización de tareas técnicas, lo realmente invaluable a largo plazo son los saberes fundamentales. “Algunas competencias siempre resultarán valiosas, como el conocimiento en matemáticas, estadística, teoría de la probabilidad y álgebra lineal. Ese saber no va a desaparecer”, asegura el experto.

La formación en ciencias de la computación no solo otorga dominio en algoritmos y estructuras de datos, sino que cultiva la habilidad de analizar, descomponer y resolver problemas inéditos, anticipando cambios tecnológicos.

Para Hinton, el futuro de la educación superior pasa por fortalecer el pensamiento crítico y los conceptos transversales, por encima del entrenamiento en habilidades técnicas susceptibles de automatización.