Laudatio del Dr. D. Edwin R. Hancock por el profesor D. Francisco

Laudatio del Dr. D. Edwin R. Hancock por el profesor D. Francisco
Escolano Ruiz
Con cierta frecuencia, no demasiada, se nos permite rendir homenaje a los grandes
hombres y mujeres sobre los que se apoya el conocimiento. A ese ejercicio de síntesis, a menudo
injusta, que termina en el ruego del grado supremo de Doctor Honoris Causa se le llama laudatio.
Yendo más allá de un análisis de los méritos que concurren, algunos de los cuales constan
en el Bio sketch de sus programas de mano, permítanme que me centre en el hombre para
entender la obra en lugar de actuar en sentido contrario.
A la hora de realizar este ejercicio he contado con la complicidad de algunos de sus más
estrechos colaboradores, algunos de los cuales se encuentran en esta sala. Creo hablar por todos
ellos al afirmar que aún no sabemos si existe un único Edwin Hancock, una misma realidad
inmutable a cuyas aristas hemos tenido acceso desde nuestras limitaciones, o bien hemos
comprado billete para asistir a la evolución lógica de un científico excepcional.
Conocí al prof. Hancock en mi primera conferencia internacional, allá por el año 1997. Él
me llevaba más de 20 años haciendo ciencia en el campo de la física de altas energías, y casi una
década en “pattern recognition” (la ciencia que explica la comprensión humana de los patrones
por las computadoras e incluso por los propios humanos). Muchos años de ventaja, y por lo tanto
de madurez, en el análisis de la estructura básica de la propagación de información. El tándem
“estructura + propagación” se mostró un binomio muy potente desde los inicios del
Reconocimiento de Patrones (Pattern Recognition).
En aquella conferencia, figuras consagradas de la talla de Alan L. Yuille (también Honoris
Causa por esta universidad), Shimon Ullman o Steven Zucker jugaban con ese binomio bajo
distintas formas (minimización de energía, optimización poblacional, teoría bayesiana…). Otros
científicos, entonces emergentes, como Anand Rangarajan, manifestaban los lazos evidentes entre
la resolución de problemas complejos —la verdadera razón de ser de la computación—, y los
procesos neuronales y cognitivos.
Aquella visión se mostró potente y fértil, pero los planteamientos matemáticos de base
eran tan elevados que subirse a aquel carro fue una tarea ardua para todos. En el centro estaba el
empeño de Edwin Hancock: “debemos proponer soluciones principled, esto es, apoyadas en
principios teóricos sólidos”. Esa parece haber sido la constante en sus cerca de 160 artículos en
revistas de prestigio y sus 600 ponencias en congresos. Si hemos de destilar esa ingente
producción científica en unas cuantas gotas de inspiración, podemos decir sin temor a
equivocarnos, que la obra del prof. Hancock transpira un emocionado empeño en que el
reconocimiento de formas sea una rama de la ciencia y no una muleta de la ingeniería.
Solo así se puede explicar su empeño en descubrir la magia de la formación de patrones
por intercesión de la luz, el desarrollo de complejas formulaciones probabilísticas para emparejar
grafos, el protagonismo explícito de los métodos espectrales en problemas de naturaleza discreta
y sus inmersiones en el mundo cuántico.
Por detenerme un momento en un problema concreto. Veamos el problema del
emparejamiento de grafos. Imaginen por un momento dos estructuras (por ejemplo dos redes de
interacción de proteínas, cada una de las cuales corresponde a una cepa de virus del SARS). El
problema de determinar una de esas dos redes esta total o parcialmente contenida en la otra
exige, en principio, examinar todas las posibles combinaciones (formas de emparejar proteínas de
una red con las de otra, no solo por sus propiedades sino por sus interacciones locales). A eso en
computación le llamamos un problema NP-completo (no existe algoritmo sencillo que lo resuelva).
Eso justifica el desarrollo de fórmulas tales que al optimizarlas logramos una aproximación
convincente (en la práctica) al problema. A día de hoy ese problema sigue sin resolverse a nivel
general en un tiempo razonable, salvo cuando el conocimiento acerca del campo de aplicación es
capaz de descartar combinaciones imposibles. Edwin Hancock y su equipo hicieron destacados
avances en este campo y aún seguimos a vuelta con el “graph matching”.
La influencia del prof. Hancock en la definición del campo mixto de la visión artificial (o
visión por computador) y el reconocimiento de patrones se puede concretar en su participación en
los comités de edición de los principales journals del campo (IEEE TPAMI, Pattern Recognition,
Computer Vision and Image Understanding, Image and Vision Computing) su ingente actividad
como Area Chair de las conferencias internacionales más prestigiosas (ICCV, CVPR), su
participación en la creación de series de conferencias específicas (EMMCVPR y SIMBAD) y su gran
labor práctica en proyectos internacionales. Fellow de la IAPR (Asociación Internacional para el
Reconocimiento de Patrones) en 2000 y miembro del Governing Board de la IAPR desde 2006 su
influencia se ha dejado sentir desde que sus contribuciones en “relaxation labeling” tomaron vuelo
a mitad de los 90.
Las responsabilidades académicas e institucionales de Edwin Hancock van parejas al
período de maduración de su aproximación al reconocimiento de patrones y la visión artificial,
siempre desde métodos originales y fundamentados. Este proceso de maduración también va
asociado a la creación de una escuela formada por post-docs y colaboradores internacionales y se
acerca, sin pretensiones, a la estructuración de todos sus trabajos bajo la forma de una teoría del
reconocimiento de patrones. Dicha teoría comprende no solamente los aspectos estructurales que
provienen de interpretar los patrones objeto de estudio en la visión artificial, sino aquellas
estructuras, aquellas redes, que emergen de todos los campos del saber.
En el momento en que Hancock y su equipo se aperciben de que su enfoque es
directamente transferible, al menos como punto de partida, al campo de las redes y sistemas
complejos, sus trabajos cobran un nuevo sentido, una especie de dualidad si se quiere.
Preguntas como ¿pueden las estructuras aprenderse automáticamente? encuentran su
dual en cuestionar la validez de los modelos, algunos de ellos sorprendentemente simples, de
emergencia de las redes complejas a partir de interacciones. Si tenemos en cuenta que dichos
modelos dominan hoy en día el campo de las redes complejas y que ese campo pretende explicar
el funcionamiento de órganos tan complejos como el cerebro, o el desarrollo de fenómenos como
la propagación de epidemias, la dinámica de las redes sociales o el cáncer, conseguiremos calibrar
en su justa medida la importancia de este aire fresco que proviene del reconocimiento de
patrones.
Como ejemplo más concreto, la experiencia del prof. Hancock en física cuántica le ha
permitido entender los métodos que explican la propagación de una partícula en una red bajo las
leyes de la mecánica cuántica y llevarlos a un nuevo nivel de comprensión. Las ecuaciones que
explican la exploración cuántica de una red son bien conocidas cuando se trata de redes o
tipologías bien sencillas, pero dichas redes raramente se dan en la naturaleza o en la economía o
en la realidad en definitiva, por lo que el desarrollo de ecuaciones generales, y su resolución
eficiente, resulta imprescindible. Más aún, la visión artificial, inmersa en un tremendo impasse
experimental ha sido poco permeable, hasta el momento, a los métodos cuánticos, no así el
aprendizaje automático que empieza a mirar a estos métodos con buenos ojos.
En el núcleo de todo está aquel binomio que se me mostró al principio (estructura y
propagación) y la concepción o el convencimiento de que capturar las simetrías del sistema es
esencial para comprenderlo. La misma esencia de la información como tal quedaría al descubierto.
Volviendo al capítulo de honores y reconocimientos, el prof. Hancock también es fellow (miembro
de honor) del IET (2007), de la British Computing Society (2008) y del Instituto de Física (2008), en
2009 la Royal Society le concedió el Royal Society Wolfson Research Merit Award (premio al
mérito científico).
Es por ello que son más que sobrados los méritos académicos para que el prof. Edwin Hancock se
incorpore a la familia de doctores honoris causa por la Universidad de Alicante.
Para terminar, y antes de pedirles formalmente este supremo grado, permítanme que dirija al
candidato unas breves palabras en inglés:
“Dear Edwin, your achievements have shaped the science of Pattern Recognition forever. For you
these contributions define a whole life dedicated to science. For many of us they are a source of
inspiration. For the community as a whole this is a giant leap made from hard work and
intelligence. Congratulations from the bottom of my heart!”
Así pues, considerados y expuestos todos estos hechos, dignísimas autoridades y claustrales,
solicito con toda consideración y encarecidamente ruego que se ortorge y confiera al Excmo. Sr.
Prof. Edwin Hancock el supremo grado de doctor honoris causa por la Universidad de Alicante.
Muchas gracias.