Gabriele Farina creció en un pequeño pueblo de una región vinícola montañosa del norte de Italia. Ninguno de sus padres tenía títulos universitarios y, aunque ambos estaban convencidos de que “no entendían matemáticas”, dice Farina, le compraron los libros técnicos que quería y no lo disuadieron de asistir a la escuela secundaria orientada a las ciencias, en lugar de a la clásica.
Alrededor de los 14 años, Farina se había centrado en una idea que resultaría fundamental para su carrera.
“Desde el principio me fascinó la idea de que una máquina pudiera hacer predicciones o tomar decisiones mucho mejor que los humanos”, dice. “El hecho de que las matemáticas y los algoritmos creados por humanos puedan crear sistemas que, en cierto sentido, superen a sus creadores, al mismo tiempo que se basan en bloques de construcción simples, siempre ha sido una gran fuente de asombro para mí”.
A los 16 años, Farina escribió código para resolver un juego de mesa que jugaba con su hermana de 13 años.
“Utilicé partida tras partida para calcular el movimiento óptimo y demostrarle a mi hermana que ella ya había perdido mucho antes de que cualquiera de nosotros pudiera verlo”, dice Farina, y agrega que su hermana estaba menos cautivada con su nuevo sistema.
Ahora profesor asistente en el Departamento de Ingeniería Eléctrica y Ciencias de la Computación (EECS) del MIT e investigador principal en el Laboratorio de Sistemas de Información y Decisión (LIDS), Farina combina conceptos de la teoría de juegos con herramientas como el aprendizaje automático, la optimización y la estadística para avanzar en los fundamentos teóricos y algorítmicos para la toma de decisiones.
Al matricularse en el Politecnico di Milano para la universidad, Farina estudió ingeniería de control y automatización. Sin embargo, con el tiempo se dio cuenta de que lo que activaba su interés no era “sólo aplicar técnicas conocidas, sino comprender y ampliar sus fundamentos”, afirma. “Gradualmente me acerqué cada vez más a la teoría, sin dejar de preocuparme profundamente por demostrar aplicaciones concretas de esa teoría”.
El asesor de Farina en el Politecnico di Milano, Nicola Gatti, profesor e investigador en ciencias e ingeniería informática, presentó a Farina cuestiones de investigación en teoría de juegos computacionales y lo animó a solicitar un doctorado. En ese momento, siendo el primero en su familia inmediata en obtener un título universitario y viviendo en Italia, donde los títulos de doctorado se manejan de manera diferente, Farina dice que ni siquiera sabía qué era un doctorado.
Sin embargo, un mes después de graduarse con su título universitario, Farina comenzó un doctorado en informática en la Universidad Carnegie Mellon. Allí ganó distinciones por su investigación y disertación, así como una beca Facebook en Economía y Computación.
Mientras terminaba su doctorado, Farina trabajó durante un año como investigador científico en los laboratorios de investigación de IA fundamental de Meta. Uno de sus principales proyectos fue ayudar a desarrollar Cicero, una IA que podía vencer a jugadores humanos en un juego que implica formar alianzas, negociar y detectar cuando otros jugadores están mintiendo.
Farina dice: “Cuando construimos Cicero, lo diseñamos de manera que no aceptara formar una alianza si no era de su interés, y también entendía si un jugador probablemente estaba mintiendo, porque si hiciera lo que proponía iría en contra de sus propios incentivos”.
Un artículo de 2022 en MIT Technology Review dijo que Cicero podría representar un avance hacia las IA que pueden resolver problemas complejos que requieren compromisos.
Después de su año en Meta, Farina se unió a la facultad del MIT. En 2025, fue distinguido con el Premio CARRERA de la Fundación Nacional de Ciencias. Su trabajo, basado en la teoría de juegos y su lenguaje matemático que describe lo que sucede cuando diferentes partes tienen objetivos diferentes y luego cuantifica el “equilibrio” donde nadie tiene una razón para cambiar su estrategia, apunta a simplificar escenarios masivos y complejos del mundo real donde calcular tal equilibrio podría tomar mil millones de años.
“Investigo cómo podemos utilizar la optimización y los algoritmos para encontrar estos puntos estables de manera eficiente”, dice. “Nuestro trabajo intenta arrojar nueva luz sobre los fundamentos matemáticos de la teoría, controlar y predecir mejor estos sistemas dinámicos complejos, y utiliza estas ideas para calcular buenas soluciones para grandes interacciones de múltiples agentes”.
Farina está especialmente interesada en entornos con “información imperfecta”, lo que significa que algunos agentes tienen información que otros participantes desconocen. En tales escenarios, la información tiene valor y los participantes deben ser estratégicos al actuar sobre la información que poseen para no revelarla y reducir su valor. Un ejemplo cotidiano ocurre en el juego de póquer, donde los jugadores farolean para ocultar información sobre sus cartas.
Según Farina, “ahora vivimos en un mundo en el que las máquinas son mucho mejores para farolear que los humanos”.
Una situación con “enormes cantidades de información imperfecta” ha devuelto a Farina a sus inicios en los juegos de mesa. Stratego es un juego de estrategia militar que ha inspirado esfuerzos de investigación que han costado millones de dólares para producir sistemas capaces de vencer a jugadores humanos. Al requerir cálculos de riesgo complejos y desviaciones, o faroles, fue posiblemente el único juego clásico en el que grandes esfuerzos no lograron producir un rendimiento sobrehumano, dice Farina.
Con nuevos algoritmos y entrenamiento que costaron menos de 10.000 dólares, en lugar de millones, Farina y su equipo de investigación pudieron vencer al mejor jugador de todos los tiempos, con 15 victorias, cuatro empates y una derrota. Farina dice que está encantado de haber producido resultados tan económicos y espera que “estas nuevas técnicas se incorporen a futuros oleoductos”, afirma.
“Hemos visto un progreso constante hacia la construcción de algoritmos que pueden razonar estratégicamente y tomar decisiones acertadas a pesar de los grandes espacios de acción o la información imperfecta. Me entusiasma ver estos algoritmos incorporados a la revolución más amplia de la IA que está ocurriendo a nuestro alrededor”.