Contenido
¿Conoces la historia de la Inteligencia Artificial (AI)? Se remonta a miles de años, cuando los inventores crearon cosas llamadas “autómatas”, que eran mecánicas y se movían independientemente de la intervención humana.
La palabra “ autómata ” proviene del griego antiguo y significa “actuar por voluntad propia”. Uno de los primeros registros de un autómata data del año 400 a. C. y se refiere a una paloma mecánica creada por un amigo del filósofo Platón.
Si bien la idea de que una máquina pueda funcionar por sí sola es antigua, para los propósitos de este artículo nos centraremos en el siglo XX, cuando los ingenieros y científicos comenzaron a avanzar hacia nuestra IA moderna.
CRONOLOGÍA DE LA HISTORIA DE LA INTELIGENCIA ARTIFICIAL
Alan Turing y la Máquina Universal: en 1936, Alan Turing propuso el concepto de una “máquina universal” que podría realizar cualquier cálculo posible. Este concepto sentó las bases teóricas para la computación y la inteligencia artificial.
Primeros Experimentos
En la década de 1950, científicos como Alan Turing y John von Neumann comenzaron a trabajar en programas de computadora que intentaban simular el pensamiento humano. Aunque estos programas eran simples en comparación con la inteligencia humana, marcaron el inicio del campo de la IA.
Turing propuso el famoso “Test de Turing” en su artículo “Computing Machinery and Intelligence”. Este test propuso que una máquina podría considerarse inteligente si su desempeño fuera indistinguible del de un ser humano en una conversación.
Lógica Symbolica y Percepción
En los años 50 y 60, se desarrollaron enfoques basados en la lógica simbólica para modelar el razonamiento y la toma de decisiones. Además, se exploraron las primeras investigaciones en percepción, con Warren McCulloch y Walter Pitts trabajando en modelos de redes neuronales.
Para los años 70 y 80 la IA se dividió en dos enfoques principales: la inteligencia artificial simbólica, que se centraba en el procesamiento simbólico y el razonamiento lógico, y la inteligencia artificial conexionista, que se basaba en modelos inspirados en el funcionamiento del cerebro.
Auge de la IA aplicada
En 1990 la IA comenzó a aplicarse en la vida cotidiana con sistemas expertos y aplicaciones en áreas como el diagnóstico médico y la planificación logística. También se produjo un aumento en la investigación de algoritmos de aprendizaje automático.
A partir de la década de 2010, el aprendizaje profundo (deep learning) se convirtió en una fuerza impulsora significativa en la IA. Los avances en el procesamiento de datos y la potencia computacional permitieron a los modelos de aprendizaje profundo superar a otros en tareas como el reconocimiento de imágenes y el procesamiento del lenguaje natural.
Autores en renovación
Para el 2012, los investigadores de Google, Jeff Dean y Andrew Ng, entrenaron una red neuronal para reconocer gatos mostrándole imágenes sin etiquetar y sin información de fondo.
En 2015, Elon Musk, Stephen Hawking y Steve Wozniak (y más de 3.000 personas más) firmaron una carta abierta a los sistemas gubernamentales del mundo prohibiendo el desarrollo (y posteriormente el uso de) armas autónomas con fines bélicos.
Un año después, Hanson Robotics creó un robot humanoide llamado Sophia, que se hizo conocido como el primer “robot ciudadano” y fue el primer robot creado con una apariencia humana realista y la capacidad de ver y replicar emociones, así como de comunicarse.
En 2017, Facebook programó dos chatbots con inteligencia artificial para conversar y aprender a negociar, pero mientras iban y venían terminaron renunciando al inglés y desarrollando su propio idioma, de forma completamente autónoma.
Ahora bien, en 2018 un grupo tecnológico chino llamado IA de procesamiento del lenguaje de Alibaba venció al intelecto humano en una prueba de lectura y comprensión de Stanford.
AlphaStar de Google alcanzó en 2019 Gran Maestro en el videojuego StarCraft 2, superando a todos menos el 0,2% de los jugadores humanos.
Más tarde, 2020, OpenAI comenzó las pruebas beta de GPT-3, un modelo que utiliza el aprendizaje profundo para crear código, poesía y otras tareas similares de lenguaje y escritura. Si bien no es el primero de su tipo, es el primero que crea contenido casi indistinguible de los creados por humanos.
Después OpenAI desarrolló DALL-E en 2021, que puede procesar y comprender imágenes lo suficiente como para producir subtítulos precisos, lo que acerca la IA un paso más a la comprensión del mundo visual.
Tendencias de la Inteligencia Artifical
En cuenta que la evolución de la tecnología es rápida, y las tendencias pueden haber cambiado desde entonces. Aquí hay algunas tendencias que eran prominentes en el ámbito de la inteligencia artificial:
- Aprendizaje Profundo (Deep Learning): l aprendizaje profundo continuaba siendo una tendencia dominante. Modelos como redes neuronales profundas demostraron un rendimiento excepcional en tareas como el procesamiento del lenguaje natural y el reconocimiento de imágenes.
- IA Explicativa y Ética: se hizo hincapié en la transparencia y la interpretabilidad de los modelos de IA. La ética en la IA se convirtió en un tema crítico, con un enfoque en la equidad, la explicabilidad y la toma de decisiones éticas.
- Automatización de Procesos Robóticos (RPA): la combinación de IA y automatización de procesos robóticos (RPA) estaba en aumento, permitiendo la automatización de tareas rutinarias y la mejora de la eficiencia empresarial.
- Asistentes Virtuales y Procesamiento del Lenguaje Natural: los asistentes virtuales basados en IA, como Siri, Alexa y Google Assistant, continuaron ganando popularidad. El procesamiento del lenguaje natural mejoró significativamente, permitiendo una comunicación más fluida entre humanos y máquinas.
- IA en la Ciberseguridad: se observó un aumento en el uso de la inteligencia artificial para mejorar la seguridad cibernética, detectar amenazas y responder a ataques de manera más eficiente.
- Edge Computing y IA en Dispositivos Móviles: la capacidad de ejecutar modelos de IA en dispositivos móviles y en el borde de la red (edge computing) se volvió más prominente, lo que permitió aplicaciones más rápidas y eficientes.
- IA Cuántica: aunque en sus etapas iniciales, la investigación en la intersección de la IA y la computación cuántica estaba ganando interés, con el potencial de resolver problemas complejos de manera más eficiente.
