Por Canuto  

Un proyecto nacido de la frustración de investigadores con lenguajes lentos terminó convirtiéndose en Julia, una plataforma de código abierto usada por más de 1 millón de personas y ahora impulsada por herramientas de inteligencia artificial para diseñar sistemas físicos complejos.
***

  • Julia nació en el MIT alrededor de 2009 para combinar la facilidad de Python o MATLAB con la velocidad de C.
  • El lenguaje de código abierto suma más de 1 millón de usuarios y se utiliza en ciencia, finanzas, medicina, robótica y aeronáutica.
  • JuliaHub lanzó Dyad 3.0, una plataforma de IA que busca acelerar el diseño de cohetes, aviones, satélites y bombas de calor respetando las leyes físicas.

Lo que comenzó como una cadena de correos electrónicos entre investigadores inconformes terminó transformándose en un lenguaje de programación con alcance mundial. Julia, creado para facilitar el trabajo científico sin sacrificar velocidad, cuenta hoy con más de 1 millón de usuarios entre universidades y empresas de distintos países. Su evolución también dio origen a JuliaHub, una compañía que ahora combina el lenguaje de código abierto con herramientas de inteligencia artificial para diseñar sistemas físicos complejos.

El proyecto surgió alrededor de 2009, cuando científicos y otros investigadores cuestionaban las limitaciones de los lenguajes disponibles para ejecutar operaciones matemáticas y simulaciones estadísticas. Aquellas herramientas podían resultar sencillas para usuarios no especializados en programación, pero eran rígidas y lentas; cuando un prototipo alcanzaba resultados útiles, sus autores debían reescribirlo en otro lenguaje para obtener un rendimiento práctico.

Un lenguaje creado para investigadores

Los cocreadores de Julia, entre ellos Viral Shah, el profesor de matemáticas del MIT Alan Edelman, Jeff Bezanson y el exinvestigador científico del instituto Stefan Karpinski, buscaron resolver esa tensión desde el diseño del lenguaje. Su objetivo consistía en ofrecer una experiencia cercana a Python o MATLAB, pero con una velocidad comparable a la de C, de modo que científicos e ingenieros pudieran expresar sus ideas sin depender completamente de programadores especializados.

La tecnología central de Julia es la compilación justo a tiempo, que adapta la generación del código al tipo de datos utilizado. Esa característica permite que el lenguaje combine flexibilidad y rendimiento en aplicaciones numéricas, simulaciones y modelos de sistemas complejos. Según Shah, la pregunta que orientó al equipo fue si los científicos podían trabajar con abstracciones de alto nivel y, al mismo tiempo, obtener software suficientemente rápido para sus necesidades.

El Julia Lab continúa activo dentro del Laboratorio de Ciencias de la Computación e Inteligencia Artificial del MIT. Sus fundadores iniciaron el trabajo con la expectativa de que la comunidad tardaría una década en interesarse, pero la presentación pública del lenguaje mediante una publicación de blog en 2012 reveló que muchos investigadores compartían la misma frustración.

Desde entonces, Julia dejó de concentrarse únicamente en flujos de trabajo interactivos de investigación. Bezanson explicó que los usuarios comenzaron a emplearlo para una variedad cada vez mayor de tareas, mientras el equipo trabaja también en trasladar todo el conjunto de herramientas del lenguaje a dispositivos pequeños e integrados.

Una expansión hacia industrias estratégicas

La adopción de Julia creció hasta tal punto que, en 2015, sus creadores decidieron fundar JuliaHub como una empresa de tiempo completo para atender a la comunidad y ampliar las capacidades del lenguaje. El Centro Deshpande para la Innovación Tecnológica del MIT y otras entidades del instituto apoyaron el lanzamiento, que convirtió una iniciativa académica en una operación dedicada a usuarios industriales, gubernamentales y universitarios.

La lista de aplicaciones refleja la amplitud de ese ecosistema. Julia se ha utilizado para simular circuitos informáticos, detectar disparidades de salud, modelar el clima y los océanos globales, analizar la actividad cerebral, estudiar mercados financieros y desarrollar sistemas relacionados con robots, semiconductores y automóviles de carrera.

El lenguaje también llegó a la astronomía, donde investigadores lo emplearon para generar imágenes de agujeros negros. En el sector farmacéutico, MIT News informó sobre un modelo de aprendizaje automático desarrollado conjuntamente por científicos de datos de Janssen y del MIT que desempeñó un papel importante en el proceso de ensayos clínicos de la vacuna contra la COVID-19 de Johnson & Johnson.

Otros proyectos muestran el impacto que puede tener el rendimiento computacional en aplicaciones críticas. Investigadores desarrollaron con Julia un programa para evitar colisiones entre aviones que funcionaba aproximadamente 50 veces más rápido que una versión anterior creada en Python, mientras ingenieros de Meta lo utilizaron para desarrollar un códec de audio destinado a los 4 mil millones de usuarios de WhatsApp.

Dyad y el diseño asistido por IA

JuliaHub amplió esa estrategia con Dyad 1.0, presentado en junio de 2025 como un agente de investigación para acelerar la programación, y Dyad 2.0, lanzado en diciembre del mismo año. En mayo de 2026, la compañía presentó Dyad 3.0, descrito por sus fundadores como un salto hacia mayores niveles de capacidad y autonomía en el diseño de sistemas físicos complejos.

La plataforma está orientada a equipos de ingeniería que trabajan en productos como cohetes, bombas de calor y satélites. Los ingenieros ya emplean Dyad para coordinar agentes autónomos de inteligencia artificial en simulaciones físicas, análisis de seguridad, controles de calidad y otras etapas del desarrollo, aunque la fuente presenta estas capacidades como parte de la evolución del producto y no como una sustitución general del trabajo humano.

Shah afirmó que con Dyad 3.0 los usuarios pueden cargar datos y documentos de diseño para que el sistema construya un avión completo. El ejecutivo mencionó el trabajo con clientes como Boeing y describió una visión agéntica en la que una persona entrega los documentos, mientras el sistema incorpora la física, compila el código, verifica los resultados y arma el diseño integral.

Una diferencia que JuliaHub destaca frente a sistemas generales de IA está en el vínculo entre el agente y las leyes físicas. Shah definió a Dyad como un compilador de física, capaz de detectar soluciones que violen esas leyes y orientar al agente hacia alternativas físicamente correctas; la empresa espera que ese enfoque reduzca en órdenes de magnitud los tiempos de diseño y convierta meses de trabajo de ingeniería en horas.

El reto de democratizar la ingeniería

La expansión de Julia también se observa en la enseñanza. Edelman ha impartido durante años una clase sobre el lenguaje con estudiantes de casi todos los departamentos del MIT, y con frecuencia encuentra que los alumnos ya lo conocen y lo aplican en robótica, astronomía, simulaciones físicas o finanzas antes de inscribirse.

Para el profesor, una de las fortalezas de Julia reside en sus abstracciones, porque permiten formular soluciones generales en lugar de limitarse al problema inmediato de un investigador. Esa flexibilidad ayuda a que una herramienta creada para un caso particular pueda reutilizarse en otras disciplinas, una característica que contribuyó a construir la comunidad internacional del lenguaje.

La experiencia de los estudiantes con Dyad ilustra la ambición de JuliaHub. Edelman relató que uno de ellos utilizó la plataforma para modelar el movimiento de robots en el espacio y que otro la empleó para construir un motor de cohete, una tarea que el alumno describió como sorprendentemente sencilla al observar el resultado.

El desarrollo de Julia muestra cómo una necesidad concreta de la investigación puede convertirse en una infraestructura tecnológica utilizada por sectores muy distintos. Su siguiente etapa dependerá de que JuliaHub logre mantener la facilidad de uso que atrajo a científicos no programadores, mientras demuestra que sus agentes de IA pueden acelerar diseños complejos sin comprometer la verificación técnica ni las restricciones físicas.

Imagen original de DiarioBitcoin, creada con inteligencia artificial, de uso libre, licenciada bajo Dominio Público.

Este artículo fue escrito por un redactor de contenido de IA y revisado por un editor humano para garantizar calidad y precisión.


ADVERTENCIA: DiarioBitcoin ofrece contenido informativo y educativo sobre diversos temas, incluyendo criptomonedas, IA, tecnología y regulaciones. No brindamos asesoramiento financiero. Las inversiones en criptoactivos son de alto riesgo y pueden no ser adecuadas para todos. Investigue, consulte a un experto y verifique la legislación aplicable antes de invertir. Podría perder todo su capital.

Suscríbete a nuestro boletín

Artículos Relacionados