Una breve historia de la IA en 10 momentos clave

Desde las primeras computadoras digitales construidas en la década de 1940 hasta los múltiples usos de las herramientas de aprendizaje automático de hoy en día, la inteligencia artificial (IA) ha recorrido un largo camino en un espacio de tiempo relativamente corto.

Hasta hace pocos años, los avances eran lentos en comparación con los estándares actuales, con la potencia computacional de la IA duplicándose aproximadamente cada 20 meses. Avancemos hasta 2024, el avance es vertiginoso, duplicándose cada seis meses.

He aquí un breve vistazo a algunos de los avances más significativos a lo largo de los años - y a lo que podría venir después.

Uno de los primeros ejemplos de aprendizaje automático fue un ratón robótico capaz de recorrer un laberinto "aprendiendo" mientras lo hacía. Desarrollado por Claude Shannon, un matemático e investigador estadounidense, Teseo era un pequeño dispositivo de madera con bigotes metálicos en la nariz y un imán en su cuerpo. Instalados bajo el laberinto, una serie de circuitos de relé telefónicos y un electroimán montado en un motor ayudaban a Teseo a orientarse, registrando salidas y paredes a medida que avanzaba. Como informa MIT Technology Review, Shannon dijo que la máquina era "capaz de resolver [por ensayo y error], recordar la solución y también olvidarla en caso de que la situación cambie y la solución ya no sea aplicable".

Conocida oficialmente como Proyecto de Investigación de Verano de Dartmouth sobre Inteligencia Artificial, esta conferencia celebrada en la universidad Dartmouth College de EE. UU. se considera ampliamente como el lugar de nacimiento de la IA como campo. Un pequeño equipo de científicos - entre los que se encontraba Claude Shannon - acuñó el término "inteligencia artificial" para el evento y estableció el camino para el pensamiento y la investigación futuros sobre la tecnología.

Un paso significativo en el aprendizaje automático, Perceptrón se considera la primera red neuronal artificial, que es un programa que toma decisiones de forma similar al cerebro humano. Desarrollado por el psicólogo estadounidense Frank Rosenblatt, el modelo aprendió por sí mismo a distinguir entre tarjetas perforadas marcadas a la izquierda y a la derecha. Rosenblatt lo describió como "la primera máquina capaz de tener una idea original".

El Elemento Lineal Adaptativo, o ADALINE, era una red neuronal artificial simple, o de una sola capa, desarrollada por Bernard Widrow, profesor de la Universidad de Standford en Estados Unidos, y su entonces alumno Ted Hoff. Un sistema adaptativo para el reconocimiento de patrones, sentó las bases para futuros avances en las redes neuronales y el aprendizaje automático.

Entre estas fechas aproximadas, el mundo experimentó pausas en la financiación, investigación y desarrollo de la IA, a menudo denominadas inviernos de IA. Sin embargo, se produjeron algunos avances significativos, como un programa llamado TD-Gammon, que en 1992 aprendió a jugar al backgammon a un nivel ligeramente inferior al de los mejores jugadores de la época.

Deep Blue de IBM fue más allá que TD-Gammon y todas las demás máquinas que habían existido hasta entonces: se convirtió en el primer sistema informático en derrotar a un campeón del mundo de ajedrez en una partida de torneo estándar. La tecnología subyacente de Deep Blue mejoró la capacidad de las supercomputadoras para realizar los cálculos complejos necesarios para llevar a cabo tareas como descubrir patrones en bases de datos.

La introducción de AlexNet, una red neuronal de aprendizaje profundo con muchas capas, supuso un gran avance en el reconocimiento de imágenes. Podía reconocer imágenes de objetos como perros y automóviles a un nivel muy cercano al de los humanos.

Aunque que muchas de las principales empresas tecnológicas están involucradas en la evolución de la IA, fue el lanzamiento del Generative Pre-trained Transformer 2 (o GPT-2) de la entonces poco conocida OpenAI lo que mostró el poder del procesamiento del lenguaje natural. Capaz de predecir el siguiente elemento de una secuencia, podía realizar tareas como resumir y traducir texto. "Nuestro modelo es capaz de generar respuestas a partir de una variedad de instrucciones (prompts) que resultan cercanas a la calidad humana y demuestran coherencia a lo largo de una página o más de texto", afirmó OpenAI en un blog en ese momento.

El lanzamiento del GPT-3 de OpenAI en 2020 trajo un modelo capaz de producir texto que a menudo es indistinguible del escrito por humanos. El chatbot ChatGPT, lanzado a fines de 2022, se basó en este gran modelo de lenguaje y presentó la IA generativa propiamente dicha al todo el mundo.

El lanzamiento de ChatGPT desencadenó una nueva fase de rápido desarrollo, y la IA generativa empezó rápidamente a transformar todos los aspectos de los negocios y de nuestras vidas. Paralelamente, los problemas de sesgo y alucinación llevaron a llamados para que la IA generativa se implementara y se gobernara de manera responsable. Iniciativas como la Alianza para la Gobernanza de la IA del Foro Económico Mundial trabajan para garantizar que la IA sea inclusiva, ética y sostenible a medida que impulsa el cambio en todos los sectores.

Pero además de garantizar que los beneficios de la IA lleguen a todos, ¿qué viene para esta tecnología?

Según los expertos, debemos esperar una IA interactiva -bots que pueden dar instrucciones a otro software para que realicen tareas-, IA que haga nuevos descubrimientos científicos, y modelos que entiendan el mundo físico, recuerden, razonen y planifiquen.