La historia de la IA es, al final del d\u00eda, la historia de la computaci\u00f3n, ya que a medida que avanzaron las tecnolog\u00edas, tambi\u00e9n lo hizo la inteligencia artificial.<\/p>\n\n\n\n
A lo largo del tiempo que llevamos dialogando en esta columna, creo que nunca hemos abordado c\u00f3mo llegamos a donde estamos hoy en t\u00e9rminos de inteligencia artificial. \u00bfDe d\u00f3nde surgieron empresas como OpenAI? \u00bfC\u00f3mo es que la historia de la computaci\u00f3n ha desembocado en lo que hoy conocemos como la IA generativa? \u00bfPor qu\u00e9 se escuchan los t\u00e9rminos machine learning e inteligencia artificial?<\/p>\n\n\n\n\n\n\n\n
Existen varios libros sobre el tema, donde, si desean m\u00e1s detalles, seguramente pueden encontrarlos. Lo que tratar\u00e9 de hacer aqu\u00ed es resumir la historia y el estado actual de la IA en el mundo.<\/p>\n\n\n\n
Desde los a\u00f1os 70, muchas universidades y empresas buscaron desarrollar la inteligencia artificial con el objetivo de crear computadoras inteligentes, que por s\u00ed mismas, sin mayores instrucciones y comandos, lograran pensar. La historia de la IA es, al final del d\u00eda, la historia de la computaci\u00f3n, ya que a medida que avanzaron las tecnolog\u00edas, tambi\u00e9n lo hizo la inteligencia artificial.<\/p>\n\n\n\n
En los a\u00f1os 70 y 80, muchos de los esfuerzos en la IA se centraron en el desarrollo de una herramienta matem\u00e1tica llamada redes neuronales artificiales, una abstracci\u00f3n que pretend\u00eda imitar la forma en que el cerebro procesa la informaci\u00f3n. Sin embargo, en esas d\u00e9cadas, se lleg\u00f3 al consenso de que estas t\u00e9cnicas no eran \u00fatiles y carec\u00edan de un futuro claro. Esto, sumado a la falta de avance en el \u00e1rea, caus\u00f3 lo que se conoce como el invierno de la IA, evento que hizo que gran parte del financiamiento desapareciera y muchos investigadores abandonaran el campo.<\/p>\n\n\n\n
Fue entonces cuando la inteligencia artificial se alej\u00f3 de la meta de crear un ente inteligente y se enfoc\u00f3 en tareas m\u00e1s alcanzables, como el agrupamiento, la predicci\u00f3n y la clasificaci\u00f3n, dando origen al aprendizaje m\u00e1quina o machine learning.<\/p>\n\n\n\n
Muchos nos formamos en esta \u00e1rea en torno a los conceptos de machine learning, pero al mismo tiempo, varios investigadores, entre ellos Geoffrey Hinton, Yann LeCun y Yoshua Bengio, continuaron buscando que las redes neuronales fueran la soluci\u00f3n al problema de la IA.<\/p>\n\n\n\n
Hacia 2005, Hinton logr\u00f3 que las redes neuronales tuvieran resultados espectaculares, comparadas con cualquier otro tipo de modelo, y fue en esta \u00e9poca que se acu\u00f1\u00f3 el t\u00e9rmino de aprendizaje profundo o deep learning, que no es m\u00e1s que otro nombre para las redes neuronales entrenadas con grandes cantidades de datos. Es en este momento que comienza la batalla de los gigantes del software.<\/p>\n\n\n\n
Google empieza a invertir grandes cantidades de dinero en atraer talento, al mismo tiempo que desarrolla nuevo hardware capaz de entrenar estas redes gigantescas que est\u00e1n comenzando a ser entrenadas en texto, im\u00e1genes y muchos otros tipos de datos. Adem\u00e1s, compra una peque\u00f1a startup llamada DeepMind, que desarrollar\u00eda algunos de los modelos m\u00e1s avanzados de redes neuronales, como AlphaFold, capaz de predecir las prote\u00ednas.<\/p>\n\n\n\n
\u00bfCu\u00e1l fue la reacci\u00f3n de los otros gigantes tecnol\u00f3gicos? \u00bfC\u00f3mo entra Elon Musk en esto? Lamentablemente, en esta columna no nos dar\u00e1 espacio ni tiempo de verlo esta semana, pero continuaremos con esta historia la pr\u00f3xima semana.<\/p>\n\n\n\n