La herramienta secreta de Google que decidió regalar en 2015

Antes de ese día

En 2011, Google Brain, el equipo de investigación de la empresa, levantó un sistema llamado DistBelief que no salía de los muros de Google ¹. Era un sistema de aprendizaje automático basado en redes neuronales, es decir, programas que aprenden a partir de ejemplos, en la misma línea que el cerebro humano ¹⁸.

El problema era que DistBelief funcionaba bien dentro de casa y mal fuera de ella. Según el propio blog de Google, era difícil de configurar, estaba atado a la infraestructura interna y casi impedía que los investigadores compartieran su código con gente de fuera ². Cualquier proyecto nuevo tenía que pelear con esas ataduras.

Rajat Monga, que después dirigió la ingeniería del proyecto, recuerda que el grupo se puso manos a la obra con un reemplazo en 2014 ⁹. La idea era que el nuevo sistema fuera más flexible y pudiera salir del laboratorio.

Qué pasó

El anuncio llegó firmado por Jeff Dean y Rajat Monga en el blog de investigación de Google, con fecha del 9 de noviembre de 2015 ¹¹. TensorFlow salía al mundo como software de código abierto, es decir, con el código disponible para que cualquiera lo leyera y lo cambiara ².

La licencia elegida fue Apache 2.0, que permite usar el software en cualquier institución, sin importar dónde trabajes ². Esa misma licencia sigue vigente hoy ¹.

Para Google era una jugada poco habitual. Hasta entonces, la empresa mantenía este tipo de herramientas puertas adentro, así que abrirla suponía un cambio de mentalidad ⁵.

Las personas detrás

Jeff Dean entró a Google X en 2011 para estudiar las redes neuronales profundas, que volvían a estar de moda ⁸. Ese trabajo terminó en Google Brain, que fundó ese mismo año junto a Andrew Ng y Greg Corrado ⁷, y que él lideró desde 2012 ⁸.

Greg Corrado, cofundador de Google Brain, fue una de las manos que dieron forma a DistBelief antes de que existiera TensorFlow ¹³. Según Jeff Dean, Google había colaborado con unos 50 equipos internos para desplegar sistemas de este tipo en productos reales ⁴.

Mientras tanto, el equipo seguía ampliando la familia de herramientas. En mayo de 2017, Google anunció TensorFlow Lite, pensado para móviles y dispositivos embebidos, y su vista previa para desarrolladores llegó en noviembre de ese año ¹. Un año después, en marzo de 2018, llegó TensorFlow.js 1.0 para hacer machine learning en JavaScript ¹.

Cómo funcionaba

Imagina una línea de montaje de fábrica. Cada estación recibe una pieza, le hace un trabajo y la pasa a la siguiente. TensorFlow hace algo parecido con los cálculos: los describe como un mapa de pasos conectados, un grafo de flujo, y cualquier operación que pueda dibujarse así puede ejecutarse con él ².

Lo que circula por ese mapa son tensores, que son simplemente listas de números ordenadas en varias dimensiones, como una hoja de cálculo que se apila en capas. De ahí sale el nombre del programa ¹.

Otra pieza clave es la diferenciación automática. El programa calcula cuánto debe cambiar cada parámetro para que la red mejore, como un GPS que recalcula la ruta cada vez que te desvías ².

Por qué importó

La promesa era correr en todas partes, desde un teléfono hasta centros de datos completos ⁴. Sundar Pichai, director ejecutivo de Google, afirmó que el sistema permitía entrenar redes neuronales cinco veces más rápido que la primera generación ³.

Y la gente respondió. En junio de 2016, Jeff Dean contó en la conferencia Google I/O que 1.500 repositorios de GitHub mencionaban TensorFlow, y solo 5 eran de Google ¹. Es decir, la comunidad había empezado a construir sobre algo que ya no era solo de la empresa.

Google también mostró que el software tenía un lado físico. En mayo de 2016 anunció el TPU, un chip diseñado para machine learning y pensado para TensorFlow ¹. Con el tiempo, PyTorch le fue quitando terreno en los artículos de investigación, y eso empujó a Google a rehacer el programa ¹.

Qué queda hoy

TensorFlow 2.0 llegó en septiembre de 2019 e incorporó la ejecución «ansiosa» (eager), que resuelve cada operación en el momento en que se escribe, algo que facilita revisar el código paso a paso ¹. En 2024, TensorFlow Lite pasó a llamarse LiteRT ¹.

La versión estable más reciente que registra Wikipedia es la 2.21.0, publicada el 6 de marzo de 2026 ¹. Una guía de ese mismo año cuenta que el trabajo futuro se centra en seguridad, corrección de errores y actualizaciones, y recomienda Keras 3, JAX o PyTorch para nuevos proyectos de IA generativa ⁶.

El código fuente sigue en el repositorio oficial de GitHub, a la vista de cualquiera ¹. Lo que empezó como una herramienta interna terminó siendo una base de trabajo para miles de proyectos ajenos a Google.

Para que lo cuentes

• Jeff Dean propuso el nombre Gemini para el chatbot de Google DeepMind, porque, según sus palabras, es como dos gemelos que se juntan ⁸.
• Los «Jeff Dean facts», chistes exagerados sobre su genialidad inspirados en los Chuck Norris facts, son un meme de internet ⁷.
• Google afirmó que TensorFlow había mejorado un 25% el reconocimiento de voz en la aplicación de Google ².
• En sus primeras pruebas, DistBelief aprendió el concepto de «gato» a partir de imágenes de YouTube sin etiquetar ².