El verdadero Claude sentó las bases de toda la era digital con dos trabajos geniales: una tesis de máster en 1937 y un paper de 1948. Sin él, no habría internet, compresión de datos ni IA. Este artículo explica quién fue, qué inventó, por qué no es famoso (aunque sí fue muy rico) y por qué su trabajo importa más hoy incluso que cuando lo creó.
Muchas personas se piensan que Claude, el modelo de IA de Anthropic, se llama así porque la empresa es francesa y le han dado un punto chauvinista. Pero nada más lejos de la realidad. Es una empresa estadounidense y Claude no es un nombre elegido al azar ni una sigla encubierta: es un homenaje deliberado a uno de los científicos más influyentes del siglo XX. Un hombre cuyo trabajo hace posible que estés leyendo esto ahora mismo. Y que, sin embargo, casi nadie conoce.
Eso ya debería picarte la curiosidad... Así que te vamos a contar quién era y descubrirás a un genio como pocos, divertido y excéntrico, sin el que además no existiría la mayoría de la tecnología que usamos en la actualidad.
El genio que nadie recuerda: quién fue Shannon y qué inventó
Claude Elwood Shannon nació en 1916 en Petoskey, Míchigan. Este polímata, de pequeño ya desmontaba radios y construía juguetes mecánicos. Estudió matemáticas e ingeniería eléctrica, y con apenas 22 años escribió lo que muchos consideran la tesis de máster más importante del siglo XX.
En 1937, Shannon demostró que los circuitos eléctricos de conmutación (abierto/cerrado) pueden ser analizados utilizando el álgebra booleana, fundamentando la teoría de la computación y el diseño de circuitos digitales. Este enfoque permitió la simplificación y la optimización de los circuitos lógicos, sentando las bases para el desarrollo de la computación digital y la teoría de circuitos. La tesis de Shannon es considerada un hito en la historia de la informática y la ingeniería eléctrica, ya que proporcionó las herramientas teóricas necesarias para el diseño de ordenadores y sistemas digitales.
Pero lo mejor estaba por llegar. En 1948 publicó en los Bell Labs Technical Journal un paper titulado "A Mathematical Theory of Communication". Tenía 77 páginas. Y con ellas fundó, prácticamente de la nada, la teoría de la información.
¿Qué decía ese paper? Básicamente, que la información se puede medir, cuantificar y transmitir de forma eficiente y fiable. Shannon introdujo el concepto de bit (binary digit) como unidad mínima de información. Definió la entropía como medida de la incertidumbre en un mensaje: cuanta más imprevisibilidad, más información contiene. Y demostró que cualquier canal de comunicación tiene una capacidad máxima (el llamado límite de Shannon) por debajo de la cual es posible transmitir datos sin errores, por muy ruidoso que sea el canal. Este límite demostró que cada canal tiene una velocidad máxima teórica de transmisión, y probó que se puede transmitir con cero errores incluso en canales con ruido, siempre que no superemos ese límite y usemos los códigos correctos.
Shannon tomó prestado el concepto de entropía de la termodinámica, con la bendición del otro genio total de la época, John von Neumann, quien le dijo: "Nadie sabe realmente qué es la entropía, así que en un debate siempre llevarás ventaja". La anécdota resume bien el humor de ambos.
Esas ideas no eran solo elegantes en papel. Eran el mapa de ruta de toda la era digital.
Luego veremos más cosas sobre este genio que te van a interesar. Pero haremos un pequeño desvío para que puedas ver la importancia de sus descubrimientos.
Sin Shannon, no existirían las tecnologías que usas cada día
No es una exageración. Es literalmente así. Algunos ejemplos:
- La invención del módem y el WiFi: antes de él, se creía que para eliminar el error en una transmisión ruidosa (como interferencias de radio) solo se podía subir la potencia de la señal. Shannon demostró que la solución era la codificación inteligente. Esto permite que el WiFi y el 4G/5G funcionen incluso con paredes de por medio.
- Compresión de datos: ¿Tienes fotos en el móvil? El formato JPEG, los videos de Netflix o el MP3 existen gracias a su concepto de redundancia. Él nos enseñó que no hace falta enviar cada píxel si podemos predecir el siguiente, ahorrando un espacio inmenso.
- Almacenamiento en discos: la capacidad de corregir errores permitió que los discos duros y CDs pudieran leer datos correctamente aunque hubiera pequeñas imperfecciones físicas en el soporte.
- La IA: los modelos de lenguaje (como el propio Claude de Anthropic), se entrenan minimizando una función de pérdida llamada cross-entropy, que es una generalización y una aplicación directa de su concepto de entropía.
Sin su tesis de 1937, no hay chips lógicos. Sin su paper de 1948, no hay comunicaciones digitales fiables. No hay compresión. No hay internet tal como lo conocemos. El mundo seguiría siendo analógico.
El científico más raro de Bell Labs: inventos, monociclo y malabares
Bell Labs en los años 50 era ya un lugar lleno de gente brillante y excéntrica. Shannon destacaba incluso allí.
Le gustaba recorrer los pasillos del laboratorio en monociclo, a veces haciendo malabares al mismo tiempo. No es que le gustase dar el cante: es que así pensaba mejor (o eso decía él).
Pero sus extravagancias más memorables eran los inventos que construía en su tiempo libre, sin ningún propósito práctico aparente. Algunos ejemplos:
Theseus, el ratón que "aprendía" sin software (1950)
Mucho antes de que existieran los microchips modernos, Shannon construyó a Theseus (Teseo) en 1950. Era un ratón de madera y metal con imanes en su interior, pero lo asombroso era su "cerebro".
¿Cómo funcionaba sin un ordenador central? Bueno, pues el cerebro no estaba en el ratón, sino debajo del laberinto:
- Debajo de las piezas del laberinto había una cuadrícula de imanes movidos por motores eléctricos.
- El sistema utilizaba un panel de relés telefónicos (interruptores electromecánicos que Shannon conocía de memoria gracias a su trabajo en los Laboratorios Bell).
El proceso de aprendizaje era el siguiente:
- Exploración: la primera vez, el ratón chocaba contra las paredes. El sistema de relés iba "registrando" en qué direcciones había intentado ir y dónde había fallado.
- Memoria: una vez que el ratón encontraba el queso (un contacto eléctrico), los relés quedaban configurados con la ruta correcta.
- Ejecución: si ponías el ratón en cualquier lugar del laberinto por el que ya hubiera pasado, iba directo al queso sin cometer ni un solo error.
Fue la primera demostración de que una máquina podía resolver un problema mediante ensayo y error y luego recordar la solución. Era "Inteligencia Artificial" hecha con piezas de centralita telefónica.
La Máquina Final (Ultimate Machine, 1952)
Seguro que la has visto por ahí sin saber quién estaba detrás.
Se trata de una caja con un interruptor. La encendías, la caja se abría, salía una mano mecánica, apagaba el interruptor y volvía a cerrarse. Eso era todo. Su único propósito era desactivarse a sí misma:
Era la definición física de un sistema que vuelve a su estado de equilibrio (y una joya del humor existencialista).
Shannon la llamaba "la máquina más inútil jamás construida" y le hacía una gracia enorme. Hoy es un meme de internet, pero el original lo construyó él.
La máquina de malabares
Diseñó y construyó un robot capaz de hacer malabares con tres bolas, intentando descifrar la matemática detrás del movimiento y el ritmo. Llegó a publicar las ecuaciones que describen el movimiento de las bolas en el aire, lo que hoy se conoce como el teorema de los malabares de Shannon.
Shannon tenía una colección de más de 150 monociclos y bicicletas en su casa de Winchester, Massachusetts. Su mujer, Betty, también matemática, colaboró con él en varios de sus trabajos técnicos.
Otros inventos y máquinas
También inventó muchos dispositivos, incluyendo un ordenador de números romanos llamado THROBAC, o un dispositivo capaz de resolver el cubo de Rubik. Trompetas lanzallamas, frisbees propulsados por cohetes y zapatos de espuma plástica para navegar por un lago, con los que a un observador le parecía que Shannon caminaba sobre el agua.
Shannon demostró que la curiosidad no tiene jerarquías. Para él, entender cómo transmitir un bit de información era tan importante como entender por qué un malabarista no se le caen las bolas. Esa mentalidad lúdica es la que le permitió ver conexiones que nadie más veía.
Shannon en bolsa: cómo aplicó sus teorías para ganar dinero de verdad
Y por fin, otro dato sorprendente: Shannon no solo teorizó sobre la información. A diferencia de muchos académicos, Shannon se hizo inmensamente rico. Aplicó su teoría de la Información a las finanzas, viendo el mercado de valores no como un caos de noticias, sino como un canal con ruido.
Junto con su colega y amigo Edward Thorp (el matemático que también batió a los casinos contando cartas gracias al primer wearable inventado por ambos) desarrolló estrategias cuantitativas de inversión décadas antes de que los quant funds fueran algo.
Utilizó el Criterio de Kelly (desarrollado por su colega John Larry Kelly de Bell Labs, basándose en las teorías de Shannon). Esta fórmula permite calcular exactamente qué fracción de tu capital apostar en cada operación para maximizar el crecimiento a largo plazo sin arruinarse. No lo inventó él, pero derivaba de su trabajo y fue uno de sus primeros defensores y usuarios prácticos. Utilizó variaciones de esto para gestionar su cartera de acciones, centrándose en empresas tecnológicas incipientes (como Teledyne o Hewlett-Packard) que entendía mejor que nadie.
Los resultados fueron impresionantes. Se estima que su cartera personal obtuvo retornos anuales de alrededor del 28% durante décadas, superando consistentemente al mercado. Para que te hagas una idea: Warren Buffett promedió cerca del 20% en el mismo período (desplazado unos años).
Shannon nunca se convirtió en gestor de fondos ni presumió de ello. Lo hizo porque era un problema interesante. Eso lo dice todo sobre cómo era.
Por qué Claude Shannon importa más hoy que nunca
Shannon murió en 2001, lamentablemente sufriendo el Alzheimer y en relativo anonimato popular. Nunca fue una figura pública. Rechazó entrevistas, evitó el foco mediático y desapareció gradualmente de los congresos científicos cuando la teoría de la información se puso de moda y empezó a llenarse de gente que, según él, la usaba sin entenderla.
Pero su legado no para de crecer.
Cada vez que entrenas un modelo de lenguaje, estás minimizando entropía cruzada. Cada vez que tu móvil corrige un error de transmisión, aplica un código diseñado según sus teoremas. Cada vez que comprimes un archivo, su teoría decide cuánto puedes apretarlo antes de perder información.
Y cuando Anthropic decidió llamar Claude a su IA, no eligió ese nombre por casualidad. Eligió el nombre de la persona que, antes que nadie, entendió que la información tiene estructura, que se puede medir, y que esa medida lo cambia todo.
La próxima vez que abras un chat con Claude, ya sabes a quién estás homenajeando sin saberlo 😉