Cronología de IA
Una línea de tiempo que muestra: la IA fue declarada muerta al menos tres veces — y volvió cada vez.
La Analytical Engine de Babbage: la idea del ordenador
La historia de la IA no comienza con los ordenadores, sino con su idea. En la década de 1830, el matemático británico Charles Babbage diseñó la Analytical Engine y la describió por primera vez en detalle en 1837: sobre el papel, el primer ordenador universal y programable del mundo. Su diseño estaba un siglo por delante de su tiempo: ya contaba con una unidad aritmética, que Babbage llamó mill, una memoria (store), programación mediante tarjetas perforadas e incluso saltos condicionales, los bloques constructivos de cualquier ordenador moderno. La máquina nunca llegó a construirse en vida de su autor, pues era demasiado compleja para la mecánica del siglo XIX. Sin embargo, es la antepasada lejana de toda máquina calculadora y, por tanto, del hardware en el que la inteligencia artificial puede funcionar. Para ser honestos: la Analytical Engine quedó como un diseño inconcluso y era un calculador, no una máquina pensante. Proporcionó el fundamento, el cálculo, no la inteligencia.
Ada Lovelace: el primer programa y una visión audaz
Charles Babbage había diseñado la máquina, pero fue Ada Lovelace quien comprendió de verdad lo que podría llegar a hacer. En 1843, la matemática británica tradujo un artículo sobre la Analytical Engine de Babbage y añadió sus propias notas, que superaron con creces el texto original en extensión y profundidad. En su nota G describió un procedimiento para que la máquina calculase los llamados números de Bernoulli, considerado a menudo el primer programa informático publicado. Aún más visionaria fue su segunda intuición: la máquina no tendría que limitarse a los números, sino que podría procesar símbolos de cualquier tipo e incluso componer música. Con ello, Lovelace anticipó la idea del procesamiento universal de datos un siglo antes de su tiempo. Para ser honestos: si fue realmente la primera programadora está en debate, pues el propio Babbage había esbozado programas anteriormente y la rutina de Bernoulli surgió en intercambio con él. Al mismo tiempo, Lovelace sostuvo que la máquina no podía crear nada verdaderamente nuevo por sí misma, objeción a la que Alan Turing respondió expresamente en 1950.
La máquina de Turing: qué significa calcular
Antes de poder preguntarse si las máquinas podían pensar, había que aclarar primero qué puede calcular una máquina en absoluto. A esta pregunta respondió el matemático británico Alan Turing en 1936 con su artículo 'On Computable Numbers'. En él describía un modelo conceptual sorprendentemente sencillo: una cinta, un cabezal lector-escritor, unas pocas reglas, lo que más tarde recibiría el nombre de máquina de Turing. Con ella, Turing estableció con precisión qué es computable y qué no. Su intuición más importante: una sola máquina de Turing universal puede imitar a cualquier otra. Ese es el plano teórico del ordenador universal, una máquina que, con el programa adecuado, puede realizar todo lo computable. Con ello, Turing se convirtió en el fundador de la informática y creó el fundamento que hizo posible la idea de las máquinas pensantes. Para ser precisos: la máquina de Turing es una idea matemática, no un dispositivo construido, y el tema era la computabilidad, no la inteligencia. La pregunta de si las máquinas podían pensar la formuló Turing recién en 1950. Además, el nombre 'máquina de Turing' lo acuñaron otros.
McCulloch y Pitts: la primera neurona artificial
Trece años antes de la Conferencia de Dartmouth, en plena guerra, apareció el verdadero certificado de nacimiento de las redes neuronales artificiales. El neurofisiólogo Warren McCulloch y el lógico autodidacta Walter Pitts — con apenas veinte años y sin ningún título académico — publicaron en 1943 en el Bulletin of Mathematical Biophysics el artículo 'A Logical Calculus of the Ideas Immanent in Nervous Activity'. Su idea era radicalmente simple: se puede describir una neurona como un elemento de conmutación binario que se activa siguiendo el principio de todo o nada, en cuanto la suma de sus entradas supera un umbral. Partiendo de la lógica proposicional pura, demostraron que las redes formadas por esas unidades pueden calcular cualquier función lógica, y que las redes con bucles de retroalimentación poseen incluso una forma de memoria. En la conclusión señalaron que sus redes pueden calcular lo mismo que una máquina de Turing. Con ello aportaron el primer modelo matemático de la neurona como unidad de cómputo lógico. El problema que marcaría la siguiente década: su neurona no podía aprender.
La teoría de la información de Shannon: nace el bit
En 1948, en los Bell Labs apareció un artículo que fundó el mundo digital: 'A Mathematical Theory of Communication' de Claude Shannon. Shannon mostró cómo puede medirse la información de forma matemática, con independencia de su significado. Introdujo el bit como unidad mínima de información y acuñó el concepto de entropía: una medida de cuánta incertidumbre resuelve de media un mensaje. Con ello sentó los cimientos de la compresión de datos, la transmisión sin errores y, en última instancia, de todos los ordenadores. Para la IA esto es más que prehistoria: conceptos como la entropía cruzada y la divergencia de Kullback-Leibler, que hoy sirven como objetivos de entrenamiento de las redes neuronales, proceden directamente de la teoría de Shannon. Para ser precisos: Shannon describía la transmisión de mensajes, no el pensamiento. La teoría de la información es una herramienta matemática sobre la que se construye la IA; no es en sí misma inteligencia artificial.
La regla de Hebb: cómo surge el aprendizaje en el cerebro
En 1949, el psicólogo canadiense Donald Hebb publicó el libro The Organization of Behavior y propuso una idea sencilla pero de enorme alcance: cuando dos neuronas conectadas se activan juntas repetidamente, su conexión se refuerza. Con ello, Hebb ofreció por primera vez un mecanismo concreto de cómo podría funcionar el aprendizaje a nivel de las sinapsis individuales. Para la IA, esto se convirtió en un principio fundamental: aprender significa ajustar la fuerza de las conexiones, exactamente lo que hacen las redes neuronales artificiales, como las posteriores redes de Hopfield. Para ser honestos: la célebre frase de que las neuronas que se activan juntas se conectan juntas no es de Hebb, sino que se atribuye a la neurocientiífica Carla Shatz (1992). Y la regla de Hebb por sí sola no explica el aprendizaje profundo moderno, pues carece de corrección de errores dirigida.
Test de Turing: el juego de la imitación
La base filosófica de la inteligencia artificial y el primer benchmark de IA. En 1950, Alan Turing publicó el artículo 'Computing Machinery and Intelligence' en la revista Mind y reformuló la pregunta '¿Pueden pensar las máquinas?'. En lugar de definiciones filosóficas, Turing propuso el práctico 'juego de la imitación': un evaluador humano valora transcripciones de texto de conversaciones entre un ser humano y una máquina. El evaluador intenta identificar a la máquina; esta supera el test cuando el evaluador no puede distinguirla de forma fiable. Lo decisivo no es la corrección de las respuestas, sino en qué medida se asemejan a las respuestas humanas. Este test de indistinguibilidad puede generalizarse a todas las capacidades humanas, tanto verbales como no verbales (robótica). El enfoque conductual de Turing estableció el fundamento conceptual de toda la investigación en IA e influyó en ELIZA, ChatGPT y todos los sistemas modernos de IA conversacional.
Logic Theorist: el primer programa que razona
En el mismo verano en que en Dartmouth se acuñaba el término 'inteligencia artificial', Allen Newell, Herbert Simon y el a menudo olvidado programador Cliff Shaw presentaron lo que suele llamarse 'el primer programa de IA', aunque con un matiz. Su Logic Theorist demostraba teoremas matemáticos: tomaba la lógica proposicional de 'Principia Mathematica' de Whitehead y Russell, y encontraba por sí solo pruebas para 38 de los primeros 52 teoremas. Lo notable era el cómo: en lugar de probar todas las posibilidades por la fuerza bruta, el programa buscaba de forma heurística, estimando qué pasos merecían la pena y trabajando hacia atrás desde el objetivo. Para uno de los teoremas encontró incluso una prueba más corta que la original; según se cuenta, Russell reaccionó con agrado, mientras que una revista especializada rechazó la prueba enviada. Todo estaba escrito en IPL, un lenguaje de listas que anticipó el LISP de McCarthy. La limitación: programas de juegos como el de Samuel con las damas ya funcionaban antes; el Logic Theorist fue el primero en intentar reproducir deliberadamente el razonamiento humano en una tarea abierta de pensamiento.
Conferencia de Dartmouth: el nacimiento de la IA
El momento histórico en que la inteligencia artificial nació como campo de investigación. Del 18 de junio al 17 de agosto de 1956 se celebró en el Dartmouth College la primera AI Summer Research Conference. John McCarthy, Marvin Minsky, Nathaniel Rochester y Claude Shannon tenían una audaz visión: 'Cada aspecto del aprendizaje o cualquier otra característica de la inteligencia puede describirse con tanta precisión que una máquina puede simularlo.' En este taller de ocho semanas, McCarthy acuñó el término 'Artificial Intelligence' y sentó así las bases de una nueva disciplina científica. Algunos participantes vinieron solo unas pocas semanas, otros permanecieron todo el tiempo: Herbert Simon y Allen Newell, por ejemplo, demostraron en las primeras semanas su Logic Theorist, mientras que Ray Solomonoff estuvo las ocho semanas completas — los debates tenían lugar en el piso superior del Departamento de Matemáticas. De esta conferencia surgieron los tres históricos centros de IA: Carnegie Mellon con Newell y Simon, el MIT con Minsky y Stanford con McCarthy.
Perceptrón: la primera red neuronal que aprende
El nacimiento del aprendizaje automático a través de la primera neurona artificial entrenable. En 1957, Frank Rosenblatt desarrolló en el Cornell Aeronautical Laboratory el perceptrón: la primera red neuronal capaz de aprender de la experiencia. En enero de 1957 publicó el informe técnico 'The Perceptron: A Perceiving and Recognizing Automaton' (Project PARA, Report 85-460-1). La publicación científica formal tuvo lugar en noviembre de 1958 en Psychological Review. Inspirado en las neuronas biológicas, el perceptrón combinaba entradas ponderadas mediante una función escalón de Heaviside para producir salidas binarias. La innovadora regla de aprendizaje del perceptrón corregía los pesos cada vez que un ejemplo era clasificado incorrectamente, un precursor temprano del aprendizaje en las redes neuronales modernas (que no debe confundirse con la posterior regla delta de Widrow y Hoff, 1960). Simulado inicialmente en un IBM 704 y anunciado públicamente en 1958, el hardware Mark-I Perceptron no se terminó hasta alrededor de 1960. Aunque limitado a problemas linealmente separables, el perceptrón sentó el fundamento conceptual de todas las arquitecturas neuronales posteriores.
LISP: el lenguaje de la IA
En 1958, John McCarthy diseñó en el MIT un lenguaje de programación que ponía el cálculo simbólico en el centro: LISP, abreviatura de List Processing. En lugar de procesar principalmente números, LISP manipulaba listas de símbolos, exactamente lo que necesitaba la IA simbólica. Durante décadas, LISP fue el lenguaje de la investigación en IA: los sistemas expertos, el procesamiento del lenguaje y los sistemas de planificación se desarrollaron en él. El lenguaje de McCarthy introdujo además ideas que hoy son habituales: la recursión, la recolección automática de basura (garbage collection), las funciones como datos y la evaluación interactiva. Steve Russell implementó el mecanismo teórico eval de McCarthy como primer intérprete y con ello hizo que LISP fuera ejecutable. Para ser honestos: LISP no fue el primer lenguaje de programación de alto nivel (Fortran llegó en 1957), pero es el segundo más antiguo todavía en uso y el más influyente para la IA.
Arthur Samuel: IA que aprende sola y el término 'machine learning'
Algunos años antes de la Conferencia de Dartmouth, Arthur Samuel enseñó a una máquina de IBM a jugar a las damas y, al mismo tiempo, a aprender. Su programa funcionó a partir de 1952 en la IBM 701; lo decisivo, sin embargo, estaba en lo que escribió en 1959 en su artículo 'Some Studies in Machine Learning Using the Game of Checkers'. El programa mejoraba por sí solo: jugaba decenas de miles de partidas contra sí mismo y ajustaba los pesos de su función de evaluación en función de los resultados. En el título de ese artículo aparece por primera vez documentado el término 'machine learning' con su significado actual; Samuel es considerado su creador. Richard Sutton reconoció más tarde el juego contra sí mismo de Samuel como la primera aplicación del aprendizaje por diferencia temporal (Temporal Difference), que está en el núcleo del aprendizaje por refuerzo moderno. La demostración televisiva de 1956 y una victoria muy citada contra un supuesto jugador experto acapararon titulares, pero ambas fueron muy exageradas: contra los jugadores realmente fuertes el programa perdía claramente, y las damas no se resolvieron de forma completa hasta décadas después.
DENDRAL: pionero de los sistemas expertos
A mediados de la década de 1960, la IA tomó una bifurcación decisiva. En la Universidad de Stanford, Edward Feigenbaum y el genetista y premio Nobel Joshua Lederberg comenzaron a desarrollar DENDRAL, un programa considerado a menudo el primer sistema experto y que, en cualquier caso, fue el primero en aplicar la IA al razonamiento científico. En lugar de buscar de forma general como los sistemas anteriores, DENDRAL empleaba el conocimiento especializado de químicos humanos: a partir de los datos de un espectrómetro de masas, deducía la estructura de moléculas orgánicas. La lección extraída marcó una década de la IA: el conocimiento es poder. No gana el algoritmo general más ingenioso, sino aquel que posee más conocimiento especializado. DENDRAL allanó así el camino para el auge de los sistemas expertos en los años 1980. Para ser honestos: el propio DENDRAL fue un proyecto de investigación exitoso que se prolongó durante muchos años, no un producto único. Sin embargo, su método de introducir todo el conocimiento laboriosamente a mano se convirtió más tarde en su talón de Aquiles: hizo que los sistemas expertos comerciales de los 1980 fueran frágiles y costosos, y contribuyó así al invierno de la IA.
Fuzzy Logic: la lógica de la imprecisión
Un avance matemático importante para el tratamiento de la incertidumbre y el razonamiento aproximado. En 1965, Lotfi Zadeh publicó en la UC Berkeley el artículo fundamental 'Fuzzy Sets', una respuesta a la incapacidad de la lógica clásica para manejar información vaga e incompleta. Su innovación residía en el reconocimiento de que las personas toman decisiones basándose en información imprecisa y no numérica. La Fuzzy Logic permite grados de pertenencia entre 0 y 1, a diferencia de la lógica binaria de sí/no. Con más de 100.000 citas hasta la fecha, el trabajo de Zadeh se convirtió en la base del Soft Computing y de los enfoques modernos de IA. La 'lógica precisa de la imprecisión' permitió modelar matemáticamente la incertidumbre, la incompletitud y la información contradictoria. La Fuzzy Logic encontró aplicación en sistemas expertos, sistemas de control y, posteriormente, en arquitecturas modernas de IA para procesos de decisión difusos.
ELIZA: el primer chatbot
El nacimiento de la conversación entre humanos y máquinas, y un experimento involuntario sobre la psicología humana. Aproximadamente entre 1964 y 1966, Joseph Weizenbaum desarrolló en el MIT ELIZA — el primer programa diseñado explícitamente para conversar con personas. Con un código asombrosamente compacto y una sencilla tecnología de reconocimiento de patrones, ELIZA simulaba conversaciones, especialmente en la variante DOCTOR como terapeuta rogeriano. La sorpresa no estaba en la tecnología, sino en la reacción humana: los usuarios, incluida la propia secretaria de Weizenbaum, desarrollaban vínculos emocionales con el programa e incluso exigían privacidad para sus 'sesiones de terapia'. Weizenbaum describió y criticó este fenómeno desde el principio — la tendencia a atribuir cualidades humanas a programas rudimentarios. El término 'efecto ELIZA' en sí no fue acuñado y popularizado hasta más tarde, en la década de 1990. ELIZA demostró el poder de la ilusión más simple y sentó las bases de todos los chatbots modernos.
Perceptrons: el libro que contribuyó al invierno de la IA
En 1969, los investigadores del MIT Marvin Minsky y Seymour Papert publicaron el libro Perceptrons. Con rigor matemático demostraron qué puede y qué no puede hacer un perceptrón de una sola capa, la forma más sencilla de red neuronal. Su resultado más célebre: esa red no puede aprender ni siquiera la sencilla función XOR, porque no es linealmente separable con una única línea. El impacto fue enorme: la confianza en las redes neuronales se desplomó y la financiación se agotó durante más de una década, una contribución importante al primer invierno de la IA. Para ser precisos: Minsky y Papert no refutaron las redes neuronales en absoluto. Solo analizaron la variante de una sola capa; las redes multicapa resuelven XOR sin problema, lo que más adelante, a partir de 1986, se hizo prácticamente utilizable con el algoritmo de retropropagación. La narrativa de que el libro mató en solitario la investigación es en parte un mito. Pero el desplome en financiación y atención fue muy real.
Shakey: el primer robot móvil inteligente
El nacimiento de la robótica autónoma mediante la integración de razonamiento, planificación y acción física. De 1966 a 1972, el equipo de Charles Rosen en SRI International desarrolló Shakey, el primer robot móvil capaz de reflexionar sobre sus propias acciones. El robot de 2 metros de altura combinaba una cámara de televisión, un telémetro de sonar, procesadores y 'bigotes de gato' como detectores de impacto en un sistema autónomo. Las notables capacidades de Shakey incluían la percepción del entorno, la deducción a partir de hechos implícitos, la creación de planes y la compensación de errores, todo controlable mediante lenguaje inglés natural. El proyecto financiado por la ARPA (hoy DARPA) fue el primero en combinar el razonamiento lógico con la acción física y sentó las bases de los sistemas autónomos. Las innovaciones de Shakey condujeron al algoritmo de búsqueda A*, a los métodos de grafo de visibilidad y a la influyente variante computacional de la transformada de Hough (Duda y Hart, SRI 1972). En 1970, la revista Life llamó a Shakey 'la primera persona electrónica'.
SHRDLU: comprender el lenguaje en el mundo de los bloques
Hacia 1970, Terry Winograd construyó en el MIT un programa que asombró a los expertos: SHRDLU. Era posible darle instrucciones en inglés sencillo, por ejemplo colocar el cubo rojo sobre el bloque verde, y las ejecutaba en un mundo virtual de bloques de colores. SHRDLU comprendía más que simples órdenes: resolvía ambigüedades en las frases, recordaba lo que se había dicho, respondía preguntas sobre su mundo e incluso podía explicar por qué había hecho algo. Para muchos fue el punto culminante más impresionante de la IA simbólica: la prueba de que las máquinas podían comprender el lenguaje de forma sorprendentemente buena. Para ser precisos: la comprensión de SHRDLU solo funcionaba en su pequeño y cerrado mundo de bloques. No podía trasladarse al mundo real, desordenado, con su infinito conocimiento cotidiano. Así, con el tiempo, SHRDLU se convirtió en una lección sobre los límites de esos micromundos; el propio Winograd se alejó más tarde de este enfoque.
Modelos ocultos de Markov establecidos
El fundamento matemático para el reconocimiento del habla y la modelización de secuencias. Desde finales de los años sesenta hasta 1970, Leonard Baum, Lloyd Welch y Ted Petrie desarrollaron los Hidden Markov Models en el Institute for Defense Analyses y establecieron el algoritmo de Baum-Welch. Estos modelos estadísticos modelizaban estados ocultos en secuencias y proporcionaron uno de los primeros enfoques prácticos para capturar estados latentes en datos dependientes del tiempo. A mediados de los años setenta, los HMM encontraron su primera aplicación práctica en el reconocimiento del habla, de la mano de James Baker en la Universidad Carnegie Mellon y posteriormente en IBM. El método transformó el reconocimiento automático del habla, pasando de simples procedimientos de comparación de plantillas a enfoques estadísticos. Los HMM se convirtieron en el estándar para la modelización de secuencias en numerosos ámbitos: desde la bioinformática y el análisis financiero hasta el reconocimiento de gestos. El algoritmo de Baum-Welch, reconocido posteriormente como caso especial del algoritmo de Expectation-Maximization formulado de manera general en 1977, sentó las bases de los modernos métodos probabilísticos de aprendizaje automático.
Prolog: programar con lógica
En 1972, en la Universidad de Marsella surgió un lenguaje de programación que pensaba de forma totalmente diferente a todos los demás: Prolog, abreviatura de Programmation en Logique. Sus creadores Alain Colmerauer y Philippe Roussel, apoyados en la teoría de Robert Kowalski, perseguían una idea brillante. En lugar de decirle al ordenador paso a paso cómo debe hacer algo, en Prolog uno se limita a describir los hechos y las reglas de un mundo. El sistema extrae entonces las conclusiones lógicas por sí mismo. Prolog se convirtió en el lenguaje más importante de la IA simbólica: en los sistemas expertos, en el procesamiento del lenguaje y como núcleo del ambicioso proyecto japonés de la quinta generación. Para ser precisos: la programación lógica nunca llegó a ser el paradigma dominante de la IA. El gran proyecto japonés, que apostó todo por Prolog, quedó muy por debajo de sus promesas. Y el avance se debe tanto a la teoría de Robert Kowalski como al propio lenguaje.
El primer invierno de la IA
Un periodo de drásticos recortes en los fondos de investigación y de creciente desconfianza en la inteligencia artificial. Tras las exageradas promesas de los años sesenta llegó la amarga realidad: los programas de IA solo podían resolver versiones triviales de los problemas que se suponía debían resolver. En el Reino Unido, el informe Lighthill de 1973 emitió una crítica devastadora, tras la cual el Science Research Council redujo la financiación de la investigación en IA no dirigida. En los Estados Unidos, la DARPA, impulsada por la Enmienda Mansfield, se alejó durante varios años de la investigación sin aplicación concreta; el drástico recorte en la financiación de la comprensión del habla afectó en 1974/75 al proyecto de la Universidad Carnegie Mellon y llevó a la cancelación de un contrato de 3 millones de dólares. Este invierno duró hasta aproximadamente 1980 y enseñó a la comunidad de la IA una lección importante: las expectativas realistas son la clave para un progreso sostenible.
Neocognitron: el antecesor de las CNN
En 1980, el investigador japonés Kunihiko Fukushima presentó una red neuronal muy adelantada a su tiempo: el Neocognitron. Su inspiración fue la naturaleza, más concretamente la corteza visual, tal como la habían estudiado en gatos los premios Nobel Hubel y Wiesel. En ella, las células simples y complejas procesan los estímulos visuales de forma escalonada. Fukushima reprodujo ese principio: una red de múltiples capas que reconoce características capa a capa, con independencia del lugar del imagen donde aparezcan. Con ello, el Neocognitron anticipó las ideas centrales de las redes neuronales convolucionales (CNN) actuales, las redes que desde 2012 dominan el reconocimiento de imágenes. Para ser precisos: el Neocognitron aún no empleaba retropropagación y no podía entrenarse como las CNN modernas. Solo la retropropagación (1986) y la LeNet de Yann LeCun (1989) convirtieron esa arquitectura en redes que aprenden de forma práctica. El papel pionero de Fukushima sigue siendo a menudo subestimado.
La era de los sistemas expertos de los años 80
Los años 80 marcan el apogeo de los sistemas expertos, cuando la IA logra por primera vez un éxito comercial. Empresas de todo el mundo adoptan estos programas de IA basados en reglas que reproducen el conocimiento de expertos humanos en dominios especializados. La industria de la IA crece de unos pocos millones de dólares en 1980 a miles de millones en 1988. Dos tercios de las empresas de la lista Fortune 500 emplean la tecnología. Sistemas como MYCIN alcanzan en estudios una tasa de aceptación de sus recomendaciones terapéuticas de alrededor del 65% — a la altura de los expertos de facultad, aunque MYCIN nunca se utiliza clínicamente. Pero el auge termina siguiendo el patrón clásico de una burbuja económica, cuando docenas de empresas fracasan y los límites de la tecnología se hacen evidentes.
Redes de Hopfield: Memoria Asociativa
El renacimiento de las redes neuronales a traves de capacidades de memoria asociativa. En 1982, John Hopfield publico el articulo pionero 'Neural networks and physical systems with emergent collective computational abilities' en PNAS. Su innovacion radico en conectar la neurobiologia con la fisica estadistica: las redes de Hopfield funcionan como memoria direccionable por contenido que reconstruye patrones completos a partir de entradas incompletas o ruidosas. La arquitectura recurrente con conexiones bidireccionales simetricas converge a atractores de punto fijo a traves de una funcion de energia de Lyapunov. El sistema 'rueda cuesta abajo' hacia la memoria almacenada mas cercana. El trabajo de Hopfield reavivoó el interes en las redes neuronales y establecio la base teorica para las RNNs modernas. El aprendizaje hebbiano permitio el almacenamiento asociativo de patrones - un avance para entender los sistemas de memoria biologicos y artificiales.
Algoritmo de retropropagación
El nacimiento del aprendizaje automático moderno mediante un elegante algoritmo de entrenamiento. En octubre de 1986, David Rumelhart, Geoffrey Hinton y Ronald Williams publicaron en Nature el artículo 'Learning representations by back-propagating errors'. Este algoritmo transformó considerablemente el entrenamiento de las redes neuronales al proporcionar un método eficiente para ajustar los pesos en redes de múltiples capas. El procedimiento ajusta repetidamente los pesos de las conexiones para minimizar la diferencia entre la salida real y la deseada. La innovación decisiva radicó en la capacidad de entrenar capas ocultas que reconocen automáticamente características importantes de la tarea. Los fundamentos matemáticos ya habían sido desarrollados con anterioridad, por ejemplo por Paul Werbos (1974) y Seppo Linnainmaa (1970), pero fue este artículo el que dio a conocer la retropropagación de forma generalizada y demostró de manera convincente su eficacia. La retropropagación se convirtió en el caballo de batalla del aprendizaje automático y hace posibles hoy todas las aplicaciones modernas de aprendizaje profundo.
El segundo invierno de la IA
El colapso del mercado especializado de hardware para IA y el fracaso de los sistemas expertos. En 1987 se hundió el mercado de las máquinas Lisp, cuando los ordenadores de Apple e IBM se volvieron más económicos y potentes que los costosos sistemas específicos para IA. Los sistemas expertos como XCON resultaron ser demasiado costosos de mantener e inflexibles para las aplicaciones reales. Jack Schwartz, el nuevo director del IPTO, calificó los sistemas expertos de 'programación ingeniosa' y recortó la financiación de la IA 'de forma profunda y brutal'. La caída de los fabricantes de máquinas Lisp se prolongó durante los años siguientes: el líder del mercado Symbolics no declaró la insolvencia hasta 1993, lo que condujo a un invierno más largo y profundo que el primero de 1974. Este invierno duró hasta aproximadamente 1993 y puso fin al auge comercial de los sistemas expertos y el hardware especializado para IA, aunque la IA simbólica como línea de investigación siguió existiendo.
UCI ML Repository: la biblioteca de conjuntos de datos
La democratización de la investigación en aprendizaje automático mediante conjuntos de datos de referencia estandarizados. En 1987, el estudiante de doctorado de la UCI David Aha, junto con sus compañeros, fundó el UCI Machine Learning Repository como archivo FTP: una colección de bases de datos, teorías de dominio y generadores de datos para el análisis empírico de algoritmos de aprendizaje automático. Esta iniciativa abordó la crítica escasez de conjuntos de datos estandarizados y de libre acceso para la creciente comunidad de aprendizaje automático. El repositorio se convirtió en la fuente principal de conjuntos de datos de aprendizaje automático en todo el mundo y permitió a estudiantes, docentes e investigadores acceder a benchmarks de alta calidad. A lo largo de los años ha sido citado decenas de miles de veces y se encuentra entre los recursos más utilizados de toda la informática. Gestionado hoy por el Center for Machine Learning and Intelligent Systems, el UCI ML Repository ofrece conjuntos de datos de sanidad, finanzas y muchos otros ámbitos. El repositorio democratizó de forma fundamental la educación y la investigación en aprendizaje automático.
Redes bayesianas: razonamiento bajo incertidumbre
Mientras las redes neuronales y los sistemas expertos competían por la atención, Judea Pearl en la UCLA construía un tercer gran pilar de la IA: el razonamiento bajo incertidumbre. En su libro Probabilistic Reasoning in Intelligent Systems (1988) popularizó las redes bayesianas: grafos en los que los nodos representan variables y las aristas sus dependencias probabilísticas. En lugar de las rígidas reglas si-entonces y los factores de certeza ad hoc de los sistemas expertos, permitían combinar conocimiento e incertidumbre de forma rigurosa y extraer inferencias de manera eficiente. Las redes bayesianas marcaron la IA y el aprendizaje automático de las décadas de 1990 y 2000; Pearl recibió el Premio Turing en 2011 y se dedicó después a la inferencia causal, el porqué que subyace a los datos. Para ser honestos: el teorema de Bayes data del siglo XVIII; el mérito de Pearl no fue inventar la probabilidad, sino hacer que el razonamiento probabilístico fuese estructurado y computable para la IA.
Teorema de aproximación universal
La demostración matemática del poder teórico de las redes neuronales. En 1989, Kurt Hornik, Maxwell Stinchcombe y Halbert White publicaron el artículo fundamental 'Multilayer feedforward networks are universal approximators' en Neural Networks. Su rigurosa demostración mostró que incluso una única capa oculta con suficientes neuronas puede aproximar con precisión arbitraria cualquier función medible según Borel. Esta base teórica justificó matemáticamente el uso de redes neuronales y aseguró a los investigadores que redes suficientemente grandes pueden modelar relaciones complejas y no lineales de los datos reales. De forma paralela, aparecieron trabajos similares de George Cybenko y Funahashi con distintas técnicas. El teorema estableció la universalidad mediante la ampliación de la capa oculta y se convirtió en el pilar teórico de todos los desarrollos posteriores del aprendizaje profundo. Hornik et al. crearon la confianza matemática que posibilitó el renacimiento de las redes neuronales en la década de 1990.
World Wide Web: la invención de la WWW
La invención que conectó el mundo y creó la base de las fuentes de datos para la IA moderna. El 12 de marzo de 1989, Tim Berners-Lee presentó en el CERN su propuesta para un 'Sistema de Gestión de la Información', denominado originalmente 'Mesh' y posteriormente 'World Wide Web'. Como científico británico, reconoció la necesidad de un intercambio automatizado de información entre científicos de todo el mundo. Hasta finales de 1990 desarrolló las tres tecnologías web fundamentales: HTML (HyperText Markup Language), HTTP (HyperText Transfer Protocol) y URI/URL. El primer servidor web, info.cern.ch, funcionaba en un ordenador NeXT junto con el primer navegador y editor 'WorldWideWeb.app'. En 1991 la web se hizo accesible al público. El crecimiento exponencial de unos 10 sitios web (1992) a varios cientos de miles (1996) creó la base de datos para los sistemas de IA posteriores. Sin la web no existirían los conjuntos de datos de Common Crawl ni los modelos de lenguaje grandes.
LeNet y el nacimiento de las CNN
La primera aplicación exitosa de redes neuronales convolucionales en la práctica. En 1989, Yann LeCun en AT&T Bell Labs combinó por primera vez la retropropagación con una arquitectura CNN para el reconocimiento de escritura a mano. Este sistema — conocido posteriormente como el antecesor de la familia LeNet — reconocía códigos postales escritos a mano para el Servicio Postal de los EE. UU. con una precisión notable: alrededor de un 1% de error en los datos de entrenamiento y aproximadamente un 5% en datos de prueba no vistos previamente; cuando se permitía al sistema rechazar los casos dudosos, el error sobre los dígitos restantes bajaba hasta aproximadamente el 1%. Este rendimiento demostró la superioridad práctica de las CNN frente a los enfoques convencionales y sentó las bases de la visión artificial moderna. Evidenció que las redes neuronales no eran meros constructos teóricos, sino que podían resolver problemas empresariales reales. La arquitectura pasó por varias iteraciones de mejora y desembocó en 1998 en LeNet-5, con un 99,05% de precisión en MNIST. Este trabajo sentó los cimientos de todas las arquitecturas CNN modernas.
TD-Gammon: aprender jugando contra sí mismo
Mucho antes de AlphaGo, un programa de IBM mostró de qué era capaz el aprendizaje por refuerzo: en 1992, Gerald Tesauro presentó TD-Gammon, una red neuronal que aprendió a jugar al backgammon. Lo notable era el método de aprendizaje. TD-Gammon se entrenó casi exclusivamente jugando cientos de miles de partidas contra sí mismo y aprendiendo del resultado, con el método de diferencia temporal (Temporal Difference), que corrige las predicciones de forma progresiva. Nadie necesitó mostrarle buenas jugadas. La red alcanzó un nivel casi de clase mundial e incluso descubrió aperturas que los profesionales humanos adoptaron a continuación. Para ser precisos: por impresionante que fuera el éxito, durante mucho tiempo no pudo trasladarse a otros juegos. Una de las razones reside en el dado: el backgammon es un juego de azar, y el azar genera por sí solo variedad durante el entrenamiento, una ventaja para el juego autónomo que los juegos deterministas como el ajedrez o el go no ofrecen.
Q-Learning: fundamento del aprendizaje por refuerzo
En 1992, Chris Watkins y Peter Dayan publicaron la demostración matemática del Q-Learning, un algoritmo que cambiaría considerablemente el mundo de la IA. Watkins había desarrollado la idea fundamental ya en 1989 en su tesis doctoral 'Learning from Delayed Rewards' en el King's College Cambridge. El Q-Learning resolvió un problema fundamental: ¿cómo puede un agente actuar de manera óptima sin necesitar un modelo de su entorno? La respuesta era elegante: mediante la optimización gradual de una función Q que asigna un valor a cada par estado-acción. La demostración de convergencia de 1992 mostró que, con exploración infinita, el Q-Learning encuentra garantizadamente la estrategia óptima para cualquier problema de decisión de Markov finito. Este método sin modelo se convirtió en la piedra angular del aprendizaje por refuerzo moderno. Desde la robótica hasta los mercados financieros, desde los juegos hasta los sistemas autónomos: el Q-Learning está en todas partes. A finales de 2013, DeepMind presentó una variante profunda con Deep Q-Networks (DQN), publicada en Nature en 2015, que alcanzó un nivel humano o sobrehumano en la mayoría de los juegos de Atari. Hasta hoy, el Q-Learning, especialmente en su forma de Deep Q-Network, es un componente fundamental de innumerables sistemas de IA.
Penn Treebank: la anotación sintáctica transforma el PLN
La creación del corpus fundamental para la investigación moderna sobre análisis sintáctico. En 1993, Mitchell Marcus, Beatrice Santorini y Mary Ann Marcinkiewicz publicaron el influyente artículo 'Building a Large Annotated Corpus of English: The Penn Treebank' en Computational Linguistics. Con más de 4,5 millones de palabras de inglés americano anotadas con categorías gramaticales, y alrededor de 3 millones de ellas con anotación sintáctica detallada (análisis esquelético), el Penn Treebank transformó considerablemente la lingüística computacional. El procedimiento en dos fases combinaba el etiquetado automático de categorías gramaticales con la corrección humana para lograr una calidad de anotación excepcional. A lo largo de toda la duración del proyecto, de unos siete años (1989-1996), y en el Penn Treebank II ampliado, se generaron en total 7 millones de palabras etiquetadas con categorías gramaticales, 3 millones de textos con análisis esquelético y 2 millones de estructuras de predicado-argumento. El Penn Treebank consolidó los métodos empíricos en la lingüística computacional y se convirtió en la base de los algoritmos de análisis sintáctico modernos. Hasta hoy, el Penn Treebank sirve a los sistemas modernos de PLN como referencia de evaluación para el análisis sintáctico y el modelado del lenguaje.
AdaBoost: los aprendices débiles se vuelven fuertes
En 1995, Yoav Freund y Robert Schapire desarrollaron AdaBoost (Adaptive Boosting), un algoritmo que cambió considerablemente el aprendizaje automático. Su idea central: combinar muchos 'aprendices débiles' para obtener un modelo de predicción de alta precisión. Un aprendiz débil solo es ligeramente mejor que el azar, pero cientos de ellos juntos pueden lograr resultados notables. AdaBoost se adapta de forma adaptativa: las predicciones erróneas reciben mayor peso en la siguiente iteración, de modo que el sistema se enfoca automáticamente en los casos difíciles. La elegancia teórica convenció a todos: Freund y Schapire demostraron que el error de entrenamiento cae de forma exponencialmente rápida hacia cero, siempre que cada aprendiz débil supere al azar. En 2003 recibieron por esta fundamentación de la teoría del boosting el Premio Gödel, uno de los reconocimientos más prestigiosos de la informática teórica. AdaBoost encontró aplicación práctica en biología, visión por ordenador y reconocimiento del habla. El método sentó las bases de los métodos de conjunto modernos e inspiró a toda una generación de algoritmos de boosting, hasta llegar a XGBoost.
Máquinas de vectores soporte: clasificación por margen máximo
El establecimiento de enfoques geométricos elegantes para una clasificación robusta. En 1995, Corinna Cortes y Vladimir Vapnik publicaron en AT&T Bell Labs el artículo fundamental 'Support-Vector Networks' en Machine Learning. Las SVM ampliaron el enfoque de margen máximo de Vapnik y Chervonenkis de 1964 (el 'Generalized Portrait') hasta convertirlo en una solución práctica para datos de entrenamiento no separables, gracias a la innovación del 'margen blando' (Soft Margin). El principio clave reside en la construcción de superficies de decisión lineales en espacios de características de muy alta dimensión mediante transformaciones no lineales de la entrada. El truco del kernel de 1992 permitió un cálculo eficiente sin necesidad de transformación explícita. Las SVM maximizan el margen entre clases y ofrecen así una alta capacidad de generalización. Con decenas de miles de citas, el artículo se convirtió en una de las obras más citadas del aprendizaje automático y dominó las tareas de clasificación hasta la revolución del aprendizaje profundo. Las SVM siguieron siendo robustas, interpretables y eficaces para problemas de alta dimensionalidad.
WordNet: la red semántica del lenguaje
El primer diccionario léxico estructurado como red semántica para la lingüística computacional. En noviembre de 1995, George Miller publicó el artículo fundamental 'WordNet: A Lexical Database for English' en Communications of the ACM y presentó su visión desarrollada desde 1986. WordNet organiza sustantivos, verbos, adjetivos y adverbios del inglés en synsets, grupos de sinónimos cognitivos vinculados por relaciones semánticas y léxicas. Esta estructura refleja la memoria semántica humana y permite navegar por redes significativas de palabras y conceptos. Aunque ya existían diccionarios legibles por máquina, WordNet fue el primero en modelar el vocabulario de forma sistemática como una red de synsets y relaciones de significado, combinando así la información lexicográfica tradicional con el procesamiento moderno de datos. Con el inicio de su desarrollo en 1986 por Miller y su equipo de Princeton, WordNet se convirtió en la base de las jerarquías de ImageNet y los sistemas modernos de procesamiento del lenguaje natural. La estructura de red semántica influyó en todos los grafos de conocimiento y técnicas de embeddings posteriores.
PageRank: el algoritmo que vale miles de millones
En 1996, dos doctorandos de Stanford desarrollaron un algoritmo que cambiaría considerablemente internet. Larry Page y Sergey Brin pusieron en marcha el proyecto 'BackRub' con una idea novedosa: la importancia de una página web no se mide solo por su contenido, sino por los enlaces que apuntan a ella. Como en las citas científicas, cuanto más veces se enlaza una página, más importante es. El algoritmo PageRank simula un 'navegante aleatorio' que hace clic al azar por la web. Cuanto más frecuentemente llega el navegante aleatorio a una página a través de la estructura de enlaces, más importante se considera. El rastreador web de Page empezó en marzo de 1996 desde su propia página de inicio en Stanford. La publicación formal del artículo sobre PageRank tuvo lugar en enero de 1998 como Stanford Technical Report. Hasta agosto de 1996, BackRub ya había descubierto alrededor de 75 millones de URLs, es decir, direcciones encontradas a través de enlaces, de las cuales solo una parte había sido rastreada realmente. Ya el primer prototipo de Stanford ofrecía resultados más relevantes que los servicios de búsqueda contemporáneos como Excite o Yahoo!. Stanford obtuvo la patente y vendió sus 1,8 millones de acciones de Google en 2005 por 336 millones de dólares. De un proyecto universitario surgió uno de los motores de búsqueda más exitosos y la base de la IA web moderna.
Deep Blue vence a Kasparov
La primera victoria de una máquina sobre un campeón mundial de ajedrez en activo en condiciones de torneo. El 11 de mayo de 1997, Deep Blue hizo historia cuando el superordenador de IBM venció a Garry Kasparov en el partido de revancha en Nueva York por 3,5:2,5. Tras la derrota de 1996, IBM había renovado el sistema de manera fundamental: nuevos chips de ajedrez duplicaron la velocidad hasta 200 millones de posiciones por segundo, y mejores bases de datos de finales junto con el asesoramiento de grandes maestros refinaron la fuerza de juego. La decisiva sexta partida duró solo una hora — tras un sacrificio de caballo, Kasparov cayó rápidamente en una posición objetivamente perdida y abandonó ya en el movimiento 19, un momento sin precedentes en su carrera. La victoria demostró por primera vez la superioridad de los ordenadores en el pensamiento estratégico complejo y marcó un punto de inflexión en la percepción pública de la IA. El premio de 700.000 dólares para Deep Blue subrayó la importancia histórica de este triunfo de la inteligencia de las máquinas.
LSTM: Memoria de Largo Plazo a Corto Plazo
La solucion al problema del gradiente que desaparece y el nacimiento del modelado efectivo de secuencias. El 15 de noviembre de 1997, Sepp Hochreiter y Juergen Schmidhuber publicaron el articulo pionero 'Long Short-Term Memory' en Neural Computation. Su innovacion resolvio un problema fundamental de las redes recurrentes: la desaparicion de gradientes sobre secuencias mas largas. LSTM introdujo celulas de memoria especiales con mecanismos de compuerta que permiten un flujo de error constante sobre miles de pasos de tiempo. Las compuertas multiplicativas aprenden a abrir y cerrar el acceso al carrusel de error constante. Con complejidad O(1) por paso de tiempo y aprendizaje local, LSTM supero claramente todos los metodos RNN contemporaneos. El sistema resolvio problemas complejos de desfase temporal largo por primera vez que antes eran irresolubles. LSTM se convirtio en la base para el reconocimiento de voz moderno, traduccion y analisis de series temporales.
MNIST: el estándar del aprendizaje automático
La creación de uno de los conjuntos de datos de referencia más importantes para los principiantes en visión por ordenador. En 1998, Yann LeCun, Corinna Cortes y Christopher Burges presentaron el conjunto de datos MNIST, una colección curada de dígitos escritos a mano que se convertiría en el 'Hello World' del aprendizaje automático. Basado en la Special Database 3 y la Special Database 1 del NIST, MNIST contiene 70.000 imágenes normalizadas de 28x28 píxeles en escala de grises: 60.000 para entrenamiento y 10.000 para pruebas. El cuidadoso preprocesamiento y el antialiasing convirtieron a MNIST en el conjunto de datos ideal para el aprendizaje sin necesidad de una costosa preparación de datos. MNIST apareció en el artículo 'Gradient-based learning applied to document recognition' (Proceedings of the IEEE, noviembre de 1998). El conjunto de datos se convirtió en el punto de referencia estándar para innumerables algoritmos de aprendizaje automático y permitió a generaciones de estudiantes lograr sus primeros éxitos en visión por ordenador. MNIST democratizó la educación en aprendizaje automático en todo el mundo.
Random Forest: avance en los métodos de conjunto
En 2001, Leo Breiman, de la UC Berkeley, publicó uno de los artículos de aprendizaje automático más citados de todos los tiempos: 'Random Forests'. Su algoritmo transformó considerablemente el concepto de los métodos de conjunto y se convirtió en una de las herramientas más importantes de la estadística moderna. La idea fundamental era genialmente sencilla: en lugar de un árbol de decisión, se entrenan cientos de árboles aleatorios y se les hace votar. Cada árbol ve solo una parte aleatoria de los datos y las características: 'bagging' combinado con aleatorización de características. El resultado: una reducción drástica de los problemas de sobreajuste y una precisión predictiva excepcional. Breiman también proporcionó la base teórica con errores de generalización basados en la fortaleza y la correlación de los árboles. Random Forest se convirtió en uno de los algoritmos de aprendizaje automático de tipo 'plug-and-play' con menos mantenimiento: ajuste mínimo, rendimiento máximo. Desde la bioinformática hasta el análisis de mercados financieros, Random Forest domina hasta hoy innumerables aplicaciones e hizo de los métodos de conjunto la herramienta estándar, en paralelo a la línea del boosting, de la que surgió posteriormente XGBoost.
Fundación del Future of Humanity Institute
La institucionalización de la investigación en seguridad de la IA y la evaluación de riesgos existenciales. En 2005, Nick Bostrom fundó el Future of Humanity Institute en la Universidad de Oxford como grupo de investigación multidisciplinar. Comenzando con solo tres investigadores, el FHI se convirtió en un centro intelectual de atracción para pensadores brillantes, a menudo excéntricos, y creció hasta alcanzar unos 40 empleados. El instituto estableció nuevos campos de investigación: riesgos existenciales, AI Alignment, AI Governance y Longtermism. Las primeras publicaciones de Bostrom, como 'The fable of the dragon tyrant' (2005) y 'What is a singleton?' (2006), marcaron el pensamiento sobre la seguridad de la IA. A pesar de su relativamente breve existencia de 19 años hasta su cierre en 2024, el FHI produjo avances notables y una nueva forma de pensar sobre las grandes cuestiones de la humanidad. La legitimación académica de la investigación en AI Safety por parte de Oxford otorgó al campo credibilidad científica.
DARPA Grand Challenge: el nacimiento del vehículo autónomo
El 8 de octubre de 2005, un Volkswagen Touareg azul llamado 'Stanley' hizo historia. Bajo la dirección de Sebastian Thrun, el Stanford Racing Team ganó la DARPA Grand Challenge — la primera competición de vehículos autónomos ganada con éxito en el mundo. Tras el fracaso total de todos los participantes en 2004 (el mejor: 7,4 millas, es decir, 11,9 km), Stanley recorrió la totalidad del trayecto desértico de 212 km en 6 horas y 53 minutos. Cinco vehículos alcanzaron la meta, cuatro de ellos dentro del límite de tiempo — un avance notable en comparación con los cero del año anterior. Stanley navegó por tres túneles estrechos, más de 100 curvas pronunciadas y el peligroso Beer Bottle Pass con sus precipicios. La innovación fue el software, no el hardware: sensores LiDAR, aprendizaje automático y un registro de decisiones de conducción humanas dotaron a Stanley de capacidades que ningún robot había tenido antes. Los 2 millones de dólares en premios fueron solo el principio — Stanley sentó las bases del Tesla Autopilot, Google Waymo y toda la industria de los vehículos autónomos. Hoy, Stanley se expone en el Smithsonian Museum.
Redes de creencia profunda: el renacimiento del aprendizaje profundo
Geoffrey Hinton transformó el mundo de la IA en 2006 con su importante artículo sobre las redes de creencia profunda. Tras años de impopularidad de las redes neuronales, demostró cómo entrenar de forma eficiente redes neuronales profundas. Su innovación: el preentrenamiento capa a capa con máquinas de Boltzmann restringidas (RBM). Esta estrategia de aprendizaje 'voraz' resolvió el problema de la inicialización de pesos y hizo que el aprendizaje profundo fuera prácticamente aplicable. El método apila RBM una encima de otra y entrena cada capa por separado antes de refinar la red completa. El trabajo de Hinton puso fin a los años de oscuridad de las redes neuronales e inició su renacimiento. Ya en 2009, las DBN redujeron considerablemente las tasas de error en el reconocimiento de voz. En 2012, el equipo de Hinton ganó el ImageNet Challenge (ILSVRC) con AlexNet — una red neuronal convolucional profunda que utilizaba entrenamiento en GPU, ReLU y Dropout, y ya no dependía del preentrenamiento con RBM de las DBN. AlexNet alcanzó una tasa de error top-5 del 15,3% frente al 26,2% del segundo mejor equipo — una mejora notable. Este momento marca el renacimiento de las redes neuronales y el inicio del actual auge de la IA.
Netflix Prize: el algoritmo del millón de dólares
La democratización del aprendizaje automático a través de un concurso de crowdsourcing de una magnitud sin precedentes, con un conjunto de datos público y un premio de un millón de dólares. El 2 de octubre de 2006, Netflix lanzó este desafío de un millón de dólares: ¿quién puede mejorar en un 10% el algoritmo de recomendación Cinematch? Con más de 100 millones de valoraciones de 480.000 usuarios para 17.770 películas, Netflix puso a disposición uno de los mayores conjuntos de datos públicos de ML. Se registraron más de 40.000 equipos de 186 países; de ellos, más de 5.000 lograron acceder al marcador de clasificación y presentaron conjuntamente unas 44.000 soluciones válidas. Cuando el equipo 'BellKors Pragmatic Chaos' superó el 26 de junio de 2009 el umbral del 10% como primero en hacerlo, se activó el último plazo de 30 días, que concluyó el 26 de julio de 2009; el ganador, con una mejora del 10,06%, fue proclamado oficialmente en la ceremonia de entrega de premios del 21 de septiembre de 2009. Su fórmula de éxito: una combinación de conjuntos de factorización matricial y máquinas de Boltzmann restringidas. El concurso transformó considerablemente el filtrado colaborativo y demostró el poder del crowdsourcing para resolver problemas complejos de ML. Aunque Netflix nunca puso en producción los algoritmos ganadores (el coste de implementación era demasiado elevado), el concurso inspiró de forma duradera la industria moderna de los sistemas de recomendación.
Fundación de Common Crawl
La democratización de internet como datos de entrenamiento para la inteligencia artificial. En 2007, Gil Elbaz fundó la Common Crawl Foundation con la misión de archivar la totalidad de la web pública y ponerla a disposición de forma gratuita. A partir de 2008 comenzó la actividad sistemática de rastreo, cuyo corpus crece mes a mes con miles de millones de páginas y que actualmente (a fecha de 2024) supera las 100.000 millones de páginas web y varios petabytes de datos. Esta colección se convirtió en la fuente de entrenamiento más importante para los modelos de lenguaje de gran escala y posibilitó el desarrollo de GPT-3, ChatGPT, LLaMA y otros sistemas de IA modernos. Common Crawl se distinguió de los enfoques comerciales por su carácter sin ánimo de lucro y su libre disponibilidad. La colección de datos brutos sin filtrar requiere un procesamiento posterior, pero democratizó el acceso a datos lingüísticos exhaustivos e hizo la investigación en IA menos dependiente de conjuntos de datos propietarios.
CUDA: la tarjeta gráfica se convierte en el motor de la IA
La revolución de la IA de 2012 no funcionó solo gracias a los algoritmos, sino también a las tarjetas gráficas. El terreno lo preparó NVIDIA en 2007 con CUDA: una plataforma que permitía ejecutar programas ordinarios escritos en un lenguaje similar a C directamente en la GPU, no solo gráficos. Presentada con el chip G80 a finales de 2006, lanzada en beta pública en febrero de 2007 y como versión 1.0 en junio de 2007, CUDA hizo accesible por primera vez de forma masiva el enorme paralelismo de los procesadores gráficos. Esto encajaba perfectamente con las redes neuronales, cuyo núcleo computacional son las multiplicaciones de matrices: miles de pequeñas operaciones simultáneas. Cinco años más tarde, Krizhevsky, Sutskever y Hinton entrenaron AlexNet en dos tarjetas NVIDIA GTX 580 con CUDA, el avance que detonó el aprendizaje profundo. A partir de 2014, cuDNN de NVIDIA proporcionó los bloques optimizados sobre los que hoy corren TensorFlow, PyTorch y otros. Para contextualizar: CUDA no inventó el GPGPU (los shaders programables existían desde 2001 y BrookGPU desde 2004) y no fue la causa única del aprendizaje profundo, pero hizo accesible la potencia de cómputo necesaria, sin la cual nada de lo demás habría sido posible.
Zero-Shot Learning: aprender sin datos
La formalización del aprendizaje de clases no vistas mediante descripciones semánticas. En julio de 2008, Hugo Larochelle, Dumitru Erhan y Yoshua Bengio publicaron en la conferencia AAAI su trabajo 'Zero-data Learning of New Tasks', que proporcionó la formalización teórica precursora. El nombre 'Zero-Shot Learning' fue acuñado en 2009 por dos grupos distintos: Palatucci y colaboradores con 'Zero-Shot Learning with Semantic Output Codes' en NIPS 2009, y Lampert y colaboradores con su enfoque basado en atributos en CVPR 2009. El problema fundamental: ¿cómo puede un modelo clasificar clases para las que no hay datos de entrenamiento disponibles, sino solo descripciones? La solución residía en los embeddings semánticos y el aprendizaje por transferencia, es decir, la reutilización de modelos entrenados para nuevas tareas. La formalización de Larochelle abordaba conjuntos de clases muy grandes que no pueden cubrirse completamente con datos de entrenamiento. Los análisis experimentales demostraron una capacidad de generalización significativa en este contexto. Este trabajo sentó las bases conceptuales de las modernas capacidades Few-Shot y Zero-Shot en GPT-3, GPT-4 y otros modelos de lenguaje grandes. El Zero-Shot Learning se convirtió en una tecnología clave para los sistemas de IA escalables.
Se establecen los datasets CIFAR
La creación de un benchmark fundamental para visión por computadora. En 2009, Alex Krizhevsky, Vinod Nair y Geoffrey Hinton en la Universidad de Toronto desarrollaron los datasets CIFAR-10 y CIFAR-100. Estos emergieron como subconjuntos etiquetados del dataset 'Tiny Images' de 80 millones de imágenes. CIFAR-10 comprende 60,000 imágenes a color de 32x32 píxeles en diez categorías como aviones, autos y animales, mientras CIFAR-100 distribuye el mismo número de imágenes en cien clases más finas. Los datasets se convirtieron en uno de los benchmarks más importantes en investigación de visión por computadora y permitieron comparaciones estandarizadas entre diferentes algoritmos. Notable es la conexión con AlexNet: Krizhevsky usó CIFAR-10 antes de 2011 para entrenar CNNs pequeñas en GPUs individuales - un precursor de su posterior éxito en ImageNet de 2012.
ImageNet: el conjunto de datos que lo cambió todo
La creación del conjunto de datos que hizo posible el desarrollo del aprendizaje profundo. En 2009, Fei-Fei Li y su equipo presentaron el artículo de ImageNet e introdujeron una base de datos visual destinada a transformar la visión por ordenador; en el momento de su lanzamiento contaba con unos 3,2 millones de imágenes anotadas manualmente en unas 5.200 categorías. En su dimensión completa, ImageNet llegó a incluir más de 14 millones de imágenes anotadas manualmente y unas 22.000 categorías, basadas en las jerarquías de WordNet, y abordó así el cuello de botella crítico: la escasez de datos de entrenamiento de gran escala y alta calidad. La anotación fue realizada a lo largo del proyecto por unos 49.000 trabajadores de 167 países a través de Amazon Mechanical Turk, un proyecto colaborativo sin precedentes. Lo que comenzó como un póster en un rincón de un centro de conferencias en Miami Beach se convirtió en el desafío anual ImageNet (ILSVRC) y pasó a ser uno de los tres motores del desarrollo moderno de la IA. ImageNet hizo posible el avance de AlexNet en 2012 y sentó las bases para los vehículos autónomos, el reconocimiento facial y el diagnóstico médico por imagen.
DeepMind es fundada
El nacimiento de un laboratorio de IA que haría titulares mundiales. En septiembre de 2010, Demis Hassabis, Shane Legg y Mustafa Suleyman fundaron DeepMind Technologies en Londres. Su objetivo: desarrollar inteligencia artificial general combinando conocimientos de neurociencia y aprendizaje automático. Hassabis, un ex prodigio del ajedrez y desarrollador de juegos, trajo una visión única: la IA debería aprender como el cerebro humano. En 2014, Google adquirió la startup por un estimado de $500 millones – una de las mayores adquisiciones de IA en la historia. DeepMind posteriormente asombraría al mundo con AlphaGo, AlphaFold y otros avances.
ImageNet Challenge: empieza la competición
El establecimiento del punto de referencia más importante en visión por ordenador de toda la historia de la IA. En 2010 arrancó la primera ImageNet Large Scale Visual Recognition Challenge (ILSVRC) y creó una competición estandarizada que marcaría la investigación en visión por ordenador durante la siguiente década. Con 1.000 categorías de objetos y 1,2 millones de imágenes de entrenamiento, la Challenge superaba con creces los puntos de referencia disponibles hasta entonces, como PASCAL VOC, que solo contaba con 20 clases. La evaluación se realizó mediante las tasas de error Top-1 y Top-5, métricas que siguen siendo estándar hoy en día. De 2010 a 2017, la precisión Top-5 de los ganadores mejoró de forma notable, pasando del 71,8% al 97,3%, y finalmente superó el rendimiento humano. La competición anual atrajo a más de 50 instituciones de todo el mundo y catalizó avances que culminaron en 2012 con el significativo avance de AlexNet: una tasa de error Top-5 de solo el 15,3% (una precisión de aproximadamente el 84,7%).
Watson vence a los campeones de Jeopardy
El triunfo de IBM en el procesamiento del lenguaje natural y la demostración de la comprensión lingüística por parte de las máquinas. El 16 de febrero de 2011, el sistema Watson de IBM venció en el desafío televisado de Jeopardy a los dos campeones más exitosos de todos los tiempos: Ken Jennings (74 victorias consecutivas) y Brad Rutter (3,25 millones de dólares en premios hasta 2005). Watson, desarrollado por el equipo DeepQA de David Ferrucci, constaba de 90 servidores IBM Power 750 (en 10 racks) con 16 terabytes de RAM y 2.880 núcleos de procesador POWER7. La innovación residía en el procesamiento del lenguaje natural: Watson comprendía preguntas en lenguaje natural y respondía con mayor precisión que cualquier tecnología de búsqueda estándar, sin conexión a internet. Con 77.147 dólares en premios (donados a obras benéficas), Watson dominó a sus rivales humanos por más de 50.000 dólares. El famoso comentario final de Ken Jennings, 'I for one welcome our new computer overlords', subrayó la importancia histórica de este hito en el procesamiento del lenguaje natural.
Lanzamiento de Siri: el asistente de voz llega al gran público
El 4 de octubre de 2011, Apple transformó notablemente la interacción entre humanos y ordenadores con la introducción de Siri en el iPhone 4S. Como primera asistente de voz de masas integrada de forma profunda en un smartphone, Siri acercó la IA al bolsillo de millones de personas. ¿Qué tiempo hace hoy? o Encuéntrame un buen restaurante griego: de repente los usuarios podían hablar con su teléfono de forma natural. Siri no era una invención completamente nueva: existía desde 2010 como aplicación iOS independiente de Siri Inc. (adquirida por Apple), y Google ya ofrecía búsqueda por voz con Voice Actions. Pero fue la integración fluida de Apple en el sistema operativo lo que convirtió al asistente de voz en un fenómeno de masas. Siri se basaba en décadas de investigación en SRI International y en el proyecto CALO de DARPA. Susan Bennett había grabado sin saberlo la voz original en 2005. Steve Jobs, gravemente enfermo en sus últimos días, ya no apareció en el acto de presentación; fue Tim Cook quien presentó el iPhone 4S. Un día después de la presentación de Siri, Jobs falleció. Siri no era perfecta: los críticos señalaron sus comandos rígidos y su falta de flexibilidad. Pero el objetivo estaba logrado: la IA se había convertido en algo masivo. Siri inspiró a Amazon Alexa, Google Assistant y Microsoft Cortana. La era de los asistentes de voz había comenzado.
Regularización Dropout
Geoffrey Hinton, Nitish Srivastava, Alex Krizhevsky, Ilya Sutskever y Ruslan Salakhutdinov transformaron en julio de 2012 el entrenamiento de redes neuronales con la invención de la regularización Dropout. Esta elegante técnica previene el sobreajuste desactivando aleatoriamente aproximadamente la mitad de todas las neuronas durante el entrenamiento, lo que evita las complejas co-adaptaciones. En lugar de combinaciones específicas de características, cada neurona aprende patrones de reconocimiento robustos y de utilidad general. El método, publicado el 3 de julio de 2012 en arXiv, se convirtió pocos meses después en uno de los componentes clave del triunfo de AlexNet en ImageNet en la ILSVRC 2012, cuyos resultados se presentaron en octubre de 2012 — junto al entrenamiento en GPU, la activación ReLU y la profundidad de la red — y se establece como estándar en la mayoría de las arquitecturas modernas de aprendizaje profundo. Dropout bate nuevos récords en reconocimiento de voz y de objetos, y resuelve el problema central del sobreajuste en redes profundas.
El éxito de AlexNet
El punto de inflexión para el aprendizaje profundo y la IA moderna. El 30 de septiembre de 2012 se publicaron los resultados del ImageNet Challenge, que AlexNet ganó con una ventaja tal que transformó de forma duradera la visión por ordenador. Alex Krizhevsky, Ilya Sutskever y Geoffrey Hinton de la Universidad de Toronto desarrollaron una arquitectura CNN que superó a su competencia en notables 10,9 puntos porcentuales, una mejora que la comunidad científica considera extraordinaria. Con 60 millones de parámetros y técnicas innovadoras como las activaciones ReLU y las capas de dropout, AlexNet demostró de forma convincente la superioridad práctica del aprendizaje profundo. Ese fue el momento en que una teoría interesante se convirtió en una tecnología dominante. Yann LeCun lo llamó 'un punto de inflexión indudable en la historia de la visión por ordenador'. La implementación basada en GPU allanó el camino para el desarrollo moderno de la IA.
La revolución del aprendizaje profundo
El año que inauguró la era moderna de la IA mediante la convergencia de conjuntos de datos, potencia de GPU y arquitecturas neuronales. 2012 marcó el ascenso del aprendizaje profundo como tecnología de IA dominante, catalizado por la impresionante victoria de AlexNet en ImageNet. La convergencia de tres avances lo hizo posible: el conjunto de datos ImageNet de Fei-Fei Li proporcionó masivos datos de entrenamiento etiquetados, la computación con GPU alcanzó la potencia de cálculo necesaria para redes profundas, y los métodos de entrenamiento mejorados como las activaciones ReLU y la regularización Dropout superaron las antiguas limitaciones. El equipo de Geoffrey Hinton — Alex Krizhevsky, Ilya Sutskever y el propio Hinton — demostró en la casa de los padres de Krizhevsky con dos tarjetas Nvidia que las redes neuronales profundas eran viables. AlexNet resultó ser un punto de inflexión para la visión artificial. Este éxito aumentó considerablemente el interés por el aprendizaje profundo y allanó el camino para VGG, ResNet y, finalmente, el desarrollo actual de la IA generativa.
Word2Vec: palabras como vectores
La transformación de la representación de palabras mediante espacios vectoriales semánticos. El 16 de enero de 2013, Tomas Mikolov y su equipo de Google publicaron el influyente artículo 'Efficient Estimation of Word Representations in Vector Space'. Word2Vec transformó el procesamiento del lenguaje natural al representar las palabras como vectores densos y de baja dimensionalidad (típicamente entre 100 y 300 dimensiones) que capturan relaciones semánticas y sintácticas, una ruptura con los enormes vectores dispersos one-hot de los métodos anteriores. Las dos variantes arquitectónicas, CBOW (Continuous Bag of Words) y Skip-Gram, aprendían a partir de grandes corpus de texto que palabras similares aparecen en contextos similares. El célebre ejemplo ilustraba la aritmética vectorial: rey - hombre + mujer = reina. Con más de 49.000 citas, el trabajo de Mikolov se convirtió en uno de los artículos más influyentes del procesamiento del lenguaje natural. Word2Vec sentó las bases de todas las técnicas modernas de embeddings y permitió el razonamiento semántico en espacios vectoriales. Esta innovación allanó el camino para las arquitecturas Transformer y los modelos de lenguaje grandes modernos.
VAE: Autoencoders variacionales
El desarrollo de modelos generativos probabilísticos mediante la modelización del espacio latente. El 20 de diciembre de 2013, Diederik Kingma y Max Welling publicaron el artículo 'Auto-Encoding Variational Bayes'. Los VAE conectan redes de codificador y decodificador a través de un espacio latente probabilístico, normalmente una distribución gaussiana multivariante. A diferencia de los autoencoders deterministas, el codificador codifica los datos como distribuciones en lugar de puntos individuales, lo que permite la interpolación continua y la generación de datos. El truco de reparametrización hace que la aleatoriedad sea diferenciable como entrada del modelo y permite la optimización estándar por gradiente. En sus experimentos, los VAE generaron dígitos escritos a mano (MNIST) e imágenes pequeñas de rostros (Frey Faces), aún borrosas, pero demostrando la viabilidad de la inferencia variacional. Este trabajo sentó las bases de la IA generativa moderna e influyó en enfoques probabilísticos posteriores, incluidos los modelos de difusión.
Adam: el optimizador estándar del aprendizaje profundo
Para que una red neuronal aprenda, un optimizador debe ajustar paso a paso sus millones de parámetros en la dirección correcta. En 2014, Diederik Kingma y Jimmy Ba presentaron un procedimiento que pronto se convirtió en el más utilizado del sector: Adam, nombre derivado de la expresión inglesa Adaptive Moment Estimation (y no es un acrónimo). El truco de Adam consiste en mantener una tasa de aprendizaje propia y ajustada automáticamente para cada parámetro individual. Para ello combina dos ideas contrastadas: el momentum, que incorpora la dirección anterior, y los pasos adaptativos al estilo de RMSProp. El resultado: las redes se entrenan de forma robusta y sin tener que experimentar laboriosamente con la tasa de aprendizaje. El artículo se convirtió en uno de los más citados de la investigación en IA. Para ser honestos: Adam no es una panacea. En algunos casos, el más sencillo SGD generaliza mejor a datos nuevos. Además, Adam se apoya en precursores como AdaGrad y RMSProp, y variantes posteriores como AdamW (2017) tuvieron que corregir debilidades del original.
MS COCO: el estándar de oro en visión por ordenador
En 2014, un equipo de investigadores de Microsoft Research, la Cornell University y la UC Berkeley transformó considerablemente la investigación en visión por ordenador con el conjunto de datos COCO (Common Objects in Context). A diferencia de ImageNet, que mostraba objetos de forma aislada, COCO presentaba los objetos en su contexto natural, tal como aparecen en el mundo real. 2,5 millones de anotaciones en 328.000 imágenes, organizadas en 91 categorías según el artículo original, de las cuales 80 conforman el punto de referencia de detección que sigue vigente hoy en día; todas ellas son objetos cotidianos que un niño de 4 años podría reconocer. La innovación radicaba en el detalle: máscaras de segmentación con precisión de píxel en lugar de simples bounding boxes. COCO hizo posible por primera vez la localización precisa de objetos y la comprensión de escenas complejas. El conjunto de datos se convirtió en el estándar de oro para la detección de objetos, la segmentación de instancias y el subtitulado de imágenes. Desde YOLO hasta Mask R-CNN, todos los grandes modelos de visión por ordenador se evalúan con COCO. Las métricas estandarizadas, como la precisión media promedio (mAP), permitieron realizar comparaciones objetivas entre modelos. Más de una década después, COCO sigue siendo el punto de referencia más importante de la comunidad de visión por ordenador. Sin COCO no existirían los modernos sistemas de reconocimiento de objetos en vehículos autónomos, vigilancia o realidad aumentada.
GANs - Redes Generativas Adversariales
Ian Goodfellow inventa en 2014 las Generative Adversarial Networks (GANs) durante una noche en Montreal tras visitar un bar. Su innovador framework enfrenta dos redes neuronales en un juego minimax: un generador crea datos artificiales y un discriminador intenta distinguir los reales de los falsos. Este entrenamiento adversarial transforma fundamentalmente la IA generativa. La GAN original de 2014 solo generaba imágenes pequeñas y borrosas (de dígitos y rostros, por ejemplo), pero allanó el camino hacia la generación de imágenes fotorrealistas posterior. El artículo publicado en arXiv en 2014 se convirtió en uno de los papers de IA más influyentes y consagró a Goodfellow como una celebridad de la IA. Cientos de variantes de GAN le siguieron.
Mecanismo de atención: la clave para los LLM modernos
Septiembre de 2014: Dzmitry Bahdanau, Kyunghyun Cho y Yoshua Bengio publicaron un artículo que cambiaría de forma duradera el mundo del PLN. 'Neural Machine Translation by Jointly Learning to Align and Translate' resolvió un problema fundamental de los modelos secuencia a secuencia. Las arquitecturas codificador-decodificador anteriores comprimían cada oración de entrada en un único vector de longitud fija, un cuello de botella informativo en el caso de oraciones largas. La atención de Bahdanau fue un avance significativo: en lugar de un vector fijo, el modelo utilizaba una atención dinámica sobre distintas partes de la oración de entrada. Al igual que el ojo humano al leer, la atención de la IA salta entre las palabras relevantes. Esta 'atención aditiva' se convirtió en el precursor conceptual de los sistemas de PLN modernos. El Transformer posterior (2017) se basó en la idea de la atención, pero sustituyó la variante aditiva por la más eficiente Scaled-Dot-Product-Attention. Sin el concepto de atención de Bahdanau no habría Transformer; sin Transformer no habría familia GPT ni BERT. Este avance tuvo lugar tres años antes de 'Attention Is All You Need'.
Lanzamiento de Amazon Alexa y Echo
Amazon transforma considerablemente la interacción entre el ser humano y la tecnología con la presentación de Alexa y el altavoz inteligente Echo el 6 de noviembre de 2014. El Echo comenzó con acceso solo por invitación y exclusivamente para miembros Prime; no fue hasta las ventas al público general en 2015 cuando la IA de voz se volvió accesible para el gran consumidor y transformó el hogar en un entorno controlado por voz. Aprovechando la tecnología de síntesis de voz polaca Ivona, adquirida el 24 de enero de 2013, Amazon creó una experiencia de usuario completamente nueva. El Echo comenzó como dispositivo para controlar la música, pero se desarrolló rápidamente hasta convertirse en un hub universal para el hogar inteligente. Esta innovación fundó una categoría de masas y marcó el inicio de un desarrollo de amplio alcance en el mercado de los altavoces inteligentes, inspirando a numerosos competidores.
Deep Q-Networks: la IA aprende Atari a partir de píxeles
Mucho antes de que AlphaGo acaparara los titulares, DeepMind consiguió en 2015 que una IA aprendiese videojuegos de Atari únicamente a partir de los píxeles en bruto, sentando así las bases del aprendizaje por refuerzo profundo. En febrero de 2015, el equipo liderado por Volodymyr Mnih publicó en Nature 'Human-level control through deep reinforcement learning' (un primer precursor había aparecido en 2013). Una red neuronal que solo veía la pantalla y la puntuación aprendió 49 juegos de Atari distintos con la misma arquitectura y sin ajustes por juego. Técnicamente, DeepMind combinó una red convolucional con Q-learning, un almacén de experiencias (experience replay, introducido por Lin a principios de los 1990) y una red objetivo estabilizadora. Para contextualizar con precisión: el sistema alcanzó el nivel humano en aproximadamente la mitad de los juegos y superó a todos los métodos anteriores en 43 de 49, pero fracasó casi por completo en juegos con recompensa escasa como Montezuma's Revenge. Aun así, fue la prueba de que las redes profundas y el aprendizaje por refuerzo encajaban a gran escala: el puente desde el Q-learning de los 1990 hasta AlphaGo y AlphaZero.
Batch Normalization: un avance importante en el entrenamiento de redes neuronales
El 11 de febrero de 2015, Sergey Ioffe y Christian Szegedy de Google publicaron un artículo que transformó de forma duradera el entrenamiento de redes neuronales profundas. Su diagnóstico: el 'Internal Covariate Shift' — la distribución de entrada de cada capa se desplaza durante el entrenamiento, lo que desestabiliza el aprendizaje. Su elegante solución: Batch Normalization normaliza las activaciones de cada capa para cada mini-batch. El efecto fue notable: alrededor de 14 veces menos pasos de entrenamiento para alcanzar la misma precisión. Se hicieron posibles tasas de aprendizaje más altas, el Dropout resultó a menudo innecesario y la inicialización menos crítica. El método actuaba a la vez como regularizador y como acelerador. Su ensemble en ImageNet alcanzó una tasa de error Top-5 del 4,8%, superando a los evaluadores humanos (aprox. 5,1%). Algo interesante: investigaciones posteriores (Santurkar et al. 2018) demostraron que el mecanismo real reside menos en el dominio del Covariate Shift que en un paisaje de pérdida más suavizado — la explicación original se considera hoy relativizada. Con más de 60.000 citas, el artículo ha inspirado numerosos métodos de normalización: GroupNorm, LayerNorm, InstanceNorm. Hoy en día, Batch Normalization es un estándar en muchas arquitecturas modernas, desde ResNet hasta las CNN actuales — mientras que los Transformers suelen optar por la Layer Normalization, en parte inspirada por este trabajo.
YOLO: Solo Miras Una Vez
La transformación de la detección de objetos en tiempo real a través de arquitectura unificada de una sola pasada. El 8 de junio de 2015, Joseph Redmon, Santosh Divvala, Ross Girshick y Ali Farhadi presentaron el artículo fundamental 'You Only Look Once: Unified, Real-Time Object Detection'. YOLO rompió el paradigma tradicional de dos etapas de detección de objetos y formuló la detección como un problema de regresión para cajas delimitadoras espacialmente separadas. Una sola red neuronal predice cajas delimitadoras y probabilidades de clase directamente desde imágenes completas en una evaluación. Con rendimiento base de 45 fps y Fast YOLO a asombrosos 155 fps, el sistema era cientos a miles de veces más rápido que detectores existentes. La arquitectura basada en cuadrícula dividía imágenes en celdas, con cada celda prediciendo objetos en su centro. YOLO aprendió representaciones generalizantes de objetos y superó significativamente otros métodos en transferencia de dominio.
Desarrollo de DeepMind AlphaGo
En octubre de 2015, DeepMind logra un avance histórico: AlphaGo se convierte en el primer sistema de IA que vence a un jugador de Go profesional en un tablero completo sin handicap. AlphaGo derrota al campeón europeo de Go Fan Hui por 5:0 y conquista así el juego de mesa clásico más complejo del mundo — una década antes de lo que los expertos habían pronosticado. El partido permanece en secreto al principio; el éxito se hace público el 27 de enero de 2016, junto con la publicación en la revista científica Nature. El Go es astronómicamente más complejo que el ajedrez — aproximadamente un googol (10^100) veces más posiciones legales, con más configuraciones posibles del tablero que átomos en el universo conocido. Este notable éxito demuestra el poder de las redes neuronales y la búsqueda en árbol de Monte Carlo.
Tesla Autopilot: sistemas de asistencia a la conducción para el gran público
El 14 de octubre de 2015, Tesla publicó la versión de software 7.0 y activó por primera vez el Autopilot en los vehículos Model S. El hardware ya estaba instalado en los vehículos desde septiembre de 2014, un año antes de la habilitación del software. El sistema utilizaba tecnología Mobileye con una cámara frontal, radar y 12 sensores ultrasónicos. Los conductores podían utilizar ahora el control de crucero adaptativo, el asistente de mantenimiento de carril y el aparcamiento automático, funciones que hasta entonces estaban reservadas a los vehículos de gama alta. Tesla lo calificó como automatización de nivel 2: el sistema asiste al conductor, pero no lo sustituye. Musk subrayó en la presentación: 'Recomendamos a los conductores que mantengan las manos en el volante.' Ya en el primer año, la flota de Tesla acumuló cientos de millones de kilómetros con el Autopilot activado; a finales de 2016, Tesla informó de unas 222 millones de millas recorridas. El concepto de instalar el hardware de antemano y activar las funciones mediante actualizaciones de software mostró a la industria automovilística un nuevo camino. Desde Mercedes hasta proveedores de tecnología puros como Mobileye, numerosos actores impulsaron sus propios sistemas de asistencia a la conducción.
TensorFlow: el framework de ML de Google se hace código abierto
La democratización del aprendizaje automático a través de la poderosa herramienta interna de Google. El 9 de noviembre de 2015, Google liberó TensorFlow bajo licencia Apache 2.0 e hizo su sistema de ML de segunda generación disponible para todos. TensorFlow reemplazó el sistema interno DistBelief y ofreció el doble de velocidad con escalabilidad mejorada y preparación para producción. Como procesador universal de grafos de flujo computacional, TensorFlow permitió no solo deep learning sino cualquier computación diferenciable. La interfaz flexible de Python, auto-diferenciación y optimizadores de primera clase revolucionaron el desarrollo de ML. La estrategia de Google: el desarrollo basado en comunidad acelera el progreso de la IA para todos. Desarrollado con más de 30 autores del equipo Google Brain, TensorFlow se convirtió en una de las plataformas de ML líderes y permitió a millones de desarrolladores crear aplicaciones avanzadas de IA.
ResNet: las redes residuales transforman el aprendizaje profundo
La solución al problema de degradación de las redes muy profundas y el nacimiento de las redes ultraprofundas. El 10 de diciembre de 2015, el equipo de Kaiming He en Microsoft Research publicó el artículo 'Deep Residual Learning for Image Recognition' y transformó considerablemente el aprendizaje profundo. Hasta entonces, la precisión de entrenamiento empeoraba al apilar redes cada vez más profundas, no principalmente por los gradientes que desaparecen, sino porque las redes profundas simplemente eran más difíciles de optimizar. ResNet introdujo las conexiones residuales, conexiones de salto que transmiten las entradas directamente a capas posteriores y permiten el entrenamiento de redes ultraprofundas. Con 152 capas, ResNet era ocho veces más profundo que VGG, pero menos complejo. El resultado fue notable: una tasa de error Top-5 del 3,57% del conjunto de modelos en ImageNet, un triunfo que dominó todas las categorías. ResNet ganó la clasificación, detección y localización de ImageNet, así como la detección y segmentación de COCO en 2015. El marco de aprendizaje residual reformuló las capas como aprendizaje de funciones residuales en lugar de funciones sin referencia. Esta innovación permitió el entrenamiento de redes con cientos de capas.
Fundación de OpenAI
La organización que quería hacer la IA accesible para todos, y que cambió el mundo. El 11 de diciembre de 2015, Sam Altman, Elon Musk y otras personalidades destacadas del sector tecnológico anunciaron la fundación de OpenAI. Con un compromiso de financiación de mil millones de dólares, distribuido a lo largo de varios años, del que al principio solo fluyó una pequeña parte, y con el objetivo de desarrollar una IA general segura que beneficie a toda la humanidad, OpenAI entró en escena como organización de investigación sin ánimo de lucro. Lo que comenzó como un proyecto idealista se convirtió en el laboratorio de IA más influyente del mundo. En 2019 se fundó una filial con ánimo de lucro. Con GPT-3 y ChatGPT, OpenAI redefinió lo que la IA puede lograr.
AlphaGo derrota a Lee Sedol
El momento histórico cuando la IA derrotó por primera vez a un campeón mundial en el juego de mesa más complejo. Del 9 al 15 de marzo de 2016, el DeepMind Challenge Match tuvo lugar en Seúl: cinco partidas entre Lee Sedol, uno de los mejores jugadores de Go del mundo, y AlphaGo. El resultado asombró al mundo: 4:1 para la máquina. Particularmente el famoso 'Movimiento 37' en la partida dos demostró creatividad de máquina, un movimiento con probabilidad de 1:10,000 que volteó siglos de sabiduría del Go. AlphaGo combinó deep learning con búsqueda de árbol Monte Carlo y entrenó tanto con partidas humanas como mediante auto-juego. La respuesta de Lee Sedol en la partida cuatro con su 'Movimiento divino 78' mostró, sin embargo, que la intuición humana aún puede sorprender. Más de 200 millones de personas en todo el mundo siguieron estas partidas.
XGBoost: El gradient boosting extremo domina ML
La perfección del gradient boosting y la conquista de problemas de datos estructurados. El 9 de marzo de 2016, Tianqi Chen y Carlos Guestrin publicaron en arXiv el artículo XGBoost: A Scalable Tree Boosting System, presentado en agosto de 2016 en la conferencia KDD. Desarrollado del proyecto de doctorado de Chen en la Universidad de Washington, XGBoost mejoró significativamente el gradient boosting tradicional a través de optimizaciones extremas: regularización L1 y L2 prevenían sobreajuste, gradientes de segundo orden proporcionaban información de dirección más precisa, y la paralelización aceleraba significativamente la construcción de árboles. XGBoost dominó las competencias de aprendizaje automático de los 2010s y se convirtió en la opción estándar para equipos ganadores en Kaggle. En el Higgs Boson ML Challenge, Tianqi Chen ganó un premio especial y XGBoost fue adoptado por muchos participantes destacados, estableciendo su dominio para datos estructurados. El sistema escalable de tree boosting de extremo a extremo soporta C++, Java, Python, R y otros lenguajes. XGBoost demostró la relevancia continua de métodos tradicionales de ML en paralelo a la revolución del deep learning.
Google Assistant: la estrategia IA-First se hace realidad
El 18 de mayo de 2016, Sundar Pichai presentó Google Assistant en el Google I/O — la respuesta de Google a Siri y Alexa. Tras años de retraso en el ámbito de los asistentes de voz, Google recuperó el terreno con plena energía. El Assistant era más que una actualización de Google Now — era el pilar de la estrategia 'IA-First' de Pichai. 'Queremos que los usuarios mantengan un diálogo continuo con Google', explicó Pichai. 'Estamos construyendo un Google individual para cada usuario.' El Assistant estaba llamado a convertirse en una 'experiencia ambiental' que se extendiera por todos los dispositivos — desde smartphones hasta Google Home y automóviles. A diferencia de los competidores basados en comandos, Google apostó por la conversación natural y la comprensión del contexto. En un principio, el Assistant solo fue anunciado; su primer hogar llegó pocos meses después en la aplicación de mensajería Allo, seguida del altavoz Google Home a finales de 2016. El lanzamiento marcó la entrada seria de Google en el desarrollo de IA de voz y sentó las bases del dominio actual de la empresa en IA.
Partnership on AI: los gigantes tecnológicos se unen
Una alianza importante de las principales empresas tecnológicas para el desarrollo responsable de la IA. El 28 de septiembre de 2016, Amazon, Facebook, Google, DeepMind, IBM y Microsoft fundaron la 'Partnership on Artificial Intelligence to Benefit People and Society', una inusual coalición de antiguos competidores. Con Eric Horvitz (Microsoft Research) y Mustafa Suleiman (DeepMind) como co-presidentes interinos, la Partnership arrancó con un consejo compuesto exclusivamente por empresas y anunció que lo ampliaría hasta un órgano paritario con el mismo número de miembros no corporativos. La misión abarca la investigación y las mejores prácticas en materia de ética, equidad, transparencia, privacidad y colaboración entre humanos e IA. Destacable: Apple estuvo inicialmente ausente, pero se incorporó en 2017. La Partnership renuncia deliberadamente a actividades de lobby y se centra en la cooperación en investigación. Esta iniciativa marcó el comienzo de la autorregulación industrial estructurada en el desarrollo de la IA.
El reconocimiento de voz alcanza el nivel humano
El 18 de octubre de 2016, Microsoft logró un hito histórico: su sistema de reconocimiento de voz fue la primera empresa en alcanzar un rendimiento a nivel humano en el benchmark Switchboard para el habla conversacional. Tras 25 años de investigación, el objetivo estaba cumplido: una tasa de error de palabra del 5,9%, tan buena como la de los transcriptores profesionales en esa tarea. (En 2017, Microsoft revisó la tasa de comparación humana al 5,1% y tuvo que volver a mejorar el sistema.) Xuedong Huang, director científico de reconocimiento de voz de Microsoft, anunció: 'Hemos alcanzado la paridad con el ser humano. Es un logro histórico.' El sistema utilizaba la tecnología más avanzada de aprendizaje profundo: redes neuronales convolucionales, arquitecturas LSTM y modelos de lenguaje neuronal con vectores de palabras continuos. Su fortaleza residía en la combinación sistemática de componentes probados: un conjunto de modelos acústicos CNN y BLSTM, adaptación de locutor mediante i-vector y reordenación con un modelo de lenguaje. Esto fue posible gracias a la convergencia de tres avances: grandes conjuntos de datos (Switchboard Corpus), computación con GPU y métodos de entrenamiento mejorados. Este logro allanó el camino para los asistentes de voz modernos, aunque acredita la paridad únicamente en una tarea de transcripción bien definida, no en las capacidades cognitivas humanas en general.
Principios de Asilomar: la comunidad científica establece sus propias directrices
A principios de 2017, mucho antes de ChatGPT, los principales investigadores en IA se reunieron en Asilomar, en la costa californiana, el mismo lugar donde en 1975 los biólogos habían debatido los riesgos de la ingeniería genética. El Future of Life Institute los había convocado a una conferencia sobre IA beneficiosa. El resultado fue los 23 Principios de IA de Asilomar: directrices sobre investigación, valores como la seguridad y la transparencia, y riesgos a largo plazo. Más de mil especialistas en IA y firmantes destacados como Stephen Hawking y Elon Musk los respaldaron. Fue uno de los primeros intentos amplios de la comunidad científica de establecer sus propias directrices, años antes de que los gobiernos descubrieran el tema. Para ser honestos: los principios eran voluntarios y no vinculantes. Marcaron el debate, pero carecían de fuerza jurídica.
MobileNet: IA para smartphones
Google Research transforma considerablemente la IA móvil en abril de 2017 con MobileNet, uno de los primeros modelos de aprendizaje profundo diseñado específicamente para smartphones, IoT y sistemas embebidos (ya existían precursores como SqueezeNet). Gracias a su innovadora arquitectura de convoluciones separables en profundidad (Depthwise Separable Convolutions), MobileNet reduce el coste computacional a aproximadamente un octavo respecto a las convoluciones convencionales, manteniendo la misma eficacia. Esta notable eficiencia, con alrededor de nueve veces menos operaciones de cómputo para kernels de 3x3, allana el camino para el procesamiento de imágenes en tiempo real en dispositivos móviles. MobileNet democratiza la visión por ordenador para miles de millones de smartphones y establece el edge computing como nuevo paradigma de la IA más allá de las soluciones basadas en la nube.
Se publica el artículo de investigación RLHF
La técnica que hizo posible ChatGPT - años antes del avance. En junio de 2017, investigadores de OpenAI y DeepMind publicaron el artículo 'Deep Reinforcement Learning from Human Preferences'. La idea: En lugar de entrenar sistemas de IA con funciones de recompensa perfectamente definidas, aprenden directamente de la retroalimentación humana. Los humanos califican diferentes salidas de IA, y el sistema aprende qué comportamiento se prefiere. Este método, más tarde conocido como RLHF (Reinforcement Learning from Human Feedback), se convirtió en la tecnología clave detrás de ChatGPT y otros modelos de lenguaje modernos. RLHF hizo posible hacer los sistemas de IA más útiles, honestos y seguros.
Transformer: 'Attention Is All You Need'
El 12 de junio de 2017, ocho investigadores, en su mayoría de Google y entre ellos un estudiante en prácticas de la Universidad de Toronto, publicaron en arXiv el artículo 'Attention Is All You Need', la base de los modelos de lenguaje grandes modernos. Ashish Vaswani, Noam Shazeer y sus colegas propusieron una nueva arquitectura: el Transformer. A diferencia de los modelos de secuencias anteriores, el Transformer prescinde de capas recurrentes y convolucionales. En su lugar, emplea mecanismos de atención puros. La autoatención captura las relaciones entre todas las posiciones de una secuencia en paralelo, sin necesidad de procesamiento secuencial. La atención multicabezal utiliza múltiples cabezales de atención en paralelo que aprenden distintos aspectos de las relaciones entre palabras. En WMT 2014, el modelo alcanzó 28,4 BLEU para inglés-alemán y 41,8 BLEU para inglés-francés, nuevos mejores resultados. La arquitectura demostró tener un alcance amplio: GPT, BERT, ChatGPT y muchos otros modelos se basan en variantes del Transformer. Con más de 100.000 citas y una tendencia en constante aumento, el artículo se encuentra entre los más citados del siglo XXI.
El plan maestro de IA de China: la lucha por el liderazgo mundial
El 20 de julio de 2017, el Consejo de Estado de China anunció el 'Plan de Desarrollo de Inteligencia Artificial de Nueva Generación' — la primera estrategia nacional de IA integral a esta escala. El objetivo: convertirse en la potencia líder mundial en IA para 2030. El plan en tres etapas era nítido: competir a escala global en 2020, alcanzar el nivel líder mundial en áreas parciales y lograr grandes avances en la teoría fundamental de IA en 2025, y en 2030 ser la superpotencia de IA dominante con una producción industrial de 1 billón de yuanes. China reconoció explícitamente la IA como 'foco de la competencia internacional' y 'tecnología estratégica para la seguridad nacional'. Las inversiones son cuantiosas — decenas de miles de millones de dólares fluyen hacia la investigación, la infraestructura y el desarrollo del talento. El plan abarca aplicaciones militares y civiles: desde armas autónomas hasta ciudades inteligentes. Los principios de código abierto deben fomentar la colaboración internacional, mientras China aspira simultáneamente a la independencia tecnológica. Esta estrategia transformó de forma notable el panorama global de la IA y desencadenó una ola de iniciativas nacionales de IA en EE. UU. y Europa.
Declaración de Montreal para una IA responsable
La primera iniciativa internacional que elaboró principios éticos de IA mediante la participación democrática ciudadana. El 3 de noviembre de 2017, la Université de Montréal puso en marcha el proceso de codecreación de la Declaración de Montreal para el desarrollo responsable de la IA. El foro sobre el desarrollo socialmente responsable de la IA reunió a más de 400 participantes de distintos sectores y disciplinas. A lo largo de 15 talleres deliberativos celebrados durante tres meses, más de 500 ciudadanos, expertos y partes interesadas debatieron los retos sociales de la IA. La Declaración, publicada el 4 de diciembre de 2018, presenta 10 principios y 59 recomendaciones basados en valores como el bienestar, la autonomía, la justicia, la privacidad y la democracia. Con más de 500 firmantes, la Declaración de Montreal estableció un enfoque participativo para la gobernanza de la IA e influyó en los esfuerzos internacionales posteriores en favor de un desarrollo responsable de la IA.
AlphaZero domina tres juegos
El nacimiento de una IA de juego universal mediante el puro autoaprendizaje. En diciembre de 2017, DeepMind presentó AlphaZero: un sistema que dominó tres juegos de estrategia completamente distintos sin ningún conocimiento previo: el ajedrez, el shogi y el go. El enfoque tabula rasa significaba que no había bases de datos de aperturas, ni estrategias humanas, solo las reglas del juego como punto de partida. En 24 horas, AlphaZero alcanzó un rendimiento sobrehumano: en ajedrez tras solo 4 horas, en shogi tras 2 horas. En el match de 100 partidas contra Stockfish ganó 28, no perdió ninguna y logró 72 tablas. El aspecto destacado fue su eficiente comportamiento de búsqueda: mientras Stockfish evalúa 60 millones de posiciones por segundo, AlphaZero analiza solo 60.000, pero de forma mucho más selectiva gracias a su red neuronal profunda. Este logro demostró de forma convincente la generalización y la independencia de dominio del aprendizaje por refuerzo puro.
Premio Turing para el aprendizaje profundo
En 2019, la IA recibió su máximo reconocimiento de la informática: el Premio A.M. Turing 2018, a menudo calificado como el Nobel de la informática, fue otorgado a Yoshua Bengio, Geoffrey Hinton y Yann LeCun, los tres padrinos del aprendizaje profundo. La ACM reconoció sus avances conceptuales y técnicos que convirtieron las redes neuronales profundas en un componente central de la informática: desde la retropropagación hasta las redes convolucionales, pasando por las ideas que sustentaron el avance de 2012. El galardón fue el tardío reconocimiento oficial de una revolución que durante décadas había sido menospreciada. Para ser precisos: el aprendizaje profundo tiene muchos padres y madres; investigadores como Jürgen Schmidhuber criticaron públicamente que importantes contribuciones recibían poco reconocimiento. El premio honra el papel central del trío, no una autoría exclusiva.
GDPR: punto de inflexión en protección de datos con impacto en la IA
El 25 de mayo de 2018 entró en vigor el Reglamento General de Protección de Datos de la UE (GDPR/DSGVO) — un punto de inflexión para la IA y la protección de datos en todo el mundo. Como 'madre de todas las leyes de protección de datos', sustituyó a la obsoleta Directiva 95/46/CE de 1995, nacida en la prehistoria de internet. El GDPR introdujo la 'Privacidad desde el diseño' como obligación: la protección de datos debe integrarse en los sistemas de IA desde el principio. El efecto de alcance global fue de largo alcance — incluso los gigantes tecnológicos estadounidenses deben cumplir los estándares europeos cuando procesan datos europeos. Para la IA, esto supuso un reto fundamental: ¿cómo se explican los algoritmos de 'caja negra' cuando el GDPR exige transparencia? Los analistas vieron un incentivo para desarrollar la IA con menos datos, y métodos como el Transfer Learning ganaron importancia. El GDPR inspiró leyes de protección de datos en todo el mundo, desde California hasta Singapur. La regulación preparó el terreno para la Ley de IA de la UE de 2024 — de la protección de datos a la regulación de la IA fue solo un paso lógico.
GPT-1: el nacimiento del preentrenamiento generativo
La base de todos los modelos de lenguaje grandes modernos mediante el preentrenamiento no supervisado. El 11 de junio de 2018, Alec Radford y su equipo de OpenAI publicaron el artículo fundamental 'Improving Language Understanding by Generative Pre-Training'. Este trabajo combinó por primera vez la arquitectura Transformer con el preentrenamiento no supervisado y estableció el paradigma en dos etapas: primero el entrenamiento generativo en grandes corpus de texto y luego el ajuste fino para tareas específicas. Con 117 millones de parámetros y entrenamiento en el conjunto de datos BooksCorpus — más de 7.000 libros inéditos de distintos géneros — GPT-1 demostró que el Transfer Learning funciona para la comprensión del lenguaje. La arquitectura Transformer de solo decodificador con doce capas y atención enmascarada estableció la plantilla para toda la serie GPT. Esta innovación convirtió la arquitectura Transformer de 2017 en una herramienta práctica para diversas tareas de PLN y fundó la era de los modelos de lenguaje grandes.
BERT mejora considerablemente la comprensión del lenguaje
Un avance importante de los modelos de lenguaje bidireccionales y el nacimiento del NLP moderno. En octubre de 2018, Jacob Devlin y su equipo en Google Research publicaron el artículo sobre BERT — Bidirectional Encoder Representations from Transformers. Esta innovación transformó el procesamiento del lenguaje de forma significativa al entrenar por primera vez representaciones bidireccionales profundas a partir de textos sin etiquetar. A diferencia de los modelos anteriores, BERT tiene en cuenta el contexto izquierdo y derecho en todas las capas de forma simultánea. El resultado fue notable: BERT alcanzó nuevas marcas en once tareas de NLP y mejoró la puntuación GLUE en 7,7 puntos porcentuales, hasta 80,5%. El preentrenamiento propiamente dicho requirió varios días en muchas TPUs — pero la publicación en código abierto democratizó la tecnología punta: el modelo ya preentrenado podía ajustarse a una tarea propia (fine-tuning) en unos 30 minutos sobre una única TPU en la nube. BERT estableció el paradigma de preentrenamiento y fine-tuning que hoy constituye la base de todos los grandes modelos de lenguaje.
GPT-2 - "Demasiado Peligroso para Publicar"
OpenAI publica GPT-2 en febrero de 2019 pero toma la sorprendente decision de retener el modelo completo de 1.5 mil millones de parametros - afirmando que es "demasiado peligroso" para la publicacion completa. Esta decision sin precedentes divide a la comunidad de IA: los partidarios elogian la postura responsable dados los riesgos de mal uso como noticias falsas y spam automatizado. Los criticos acusan a OpenAI de "cerrar" la investigacion y alimentar miedos infundados. Despues de nueve meses sin evidencia fuerte de mal uso, OpenAI publica el modelo completo, marcando un punto de inflexion en el debate sobre el desarrollo responsable de IA.
AlphaStar alcanza el nivel Grandmaster
La conquista de la estrategia en tiempo real más compleja por la inteligencia artificial. En julio y agosto de 2019, AlphaStar de DeepMind jugó de forma anónima en el modo clasificatorio de Battle.net; el 30 de octubre de 2019, DeepMind informó en la revista Nature que el sistema se había convertido en la primera IA en alcanzar el nivel Grandmaster en StarCraft II, un juego considerado demasiado complejo para las máquinas. AlphaStar superó al 99,8% de todos los jugadores activos de Battle.net y dominó las tres razas: Protoss, Terran y Zerg. Previamente, AlphaStar ya había derrotado a los jugadores profesionales Grzegorz 'MaNa' Komincz y Dario 'TLO' Wünsch con un marcador de 5:0 en cada caso. El aspecto destacado fue su arquitectura de aprendizaje por refuerzo multiagente, que entrenó diversas estrategias y contraestrategias en una liga. Con una media de 280 acciones por minuto, AlphaStar se situó incluso por debajo de los profesionales humanos, pero demostró una ejecución más precisa. Este logro marcó un hito para la IA en los videojuegos y en la toma de decisiones en tiempo real.
T5 - Text-to-Text Transfer Transformer
Google AI transforma significativamente el NLP en octubre de 2019 con T5, el Text-to-Text Transfer Transformer, que transforma todas las tareas de procesamiento de lenguaje natural en un formato unificado de "texto a texto". Con el innovador enfoque "Todo es Texto", traducción, resumen, respuesta a preguntas y clasificación pueden manejarse con el mismo modelo, función de pérdida e hiperparámetros. T5 introduce el completo conjunto de datos C4 y logra rendimiento casi humano en benchmarks SuperGLUE. Como modelo base con hasta 11 mil millones de parámetros, T5 abre el camino para los modelos de lenguaje grande modernos y establece el paradigma unificado de texto a texto como estándar.
RAG: los modelos de lenguaje buscan antes de responder
Un modelo de lenguaje solo sabe lo que contenía su entrenamiento y, en caso de duda, inventa algo con total confianza. En 2020, Patrick Lewis y sus colegas de Facebook AI mostraron una salida: la generación aumentada por recuperación, conocida como RAG (Retrieval-Augmented Generation). La idea es brillante en su sencillez. Antes de responder, el modelo busca en una fuente de conocimiento externa, por ejemplo en Wikipedia, los fragmentos de texto relevantes, y basa entonces su respuesta en lo encontrado. Así es posible actualizar el conocimiento sin necesidad de volver a entrenar el modelo, y la respuesta puede verificarse. Tras el éxito de ChatGPT, RAG se convirtió en el método estándar para conectar los modelos de lenguaje con fuentes actuales y verificables: la base de casi todas las aplicaciones con las que se puede conversar con los propios documentos. Para ser precisos: RAG reduce las alucinaciones, pero no las elimina. Si lo que se busca es incorrecto o el modelo malinterpreta el hallazgo, sigue equivocándose. Proporciona referencias, no comprensión real, y se apoya en investigaciones previas de recuperación de información.
Leyes de escala neuronal
Jared Kaplan, Sam McCandlish, Tom Brown y Dario Amodei descubren en enero de 2020 las leyes matemáticas fundamentales del escalado neuronal y transforman considerablemente el desarrollo de los grandes modelos de lenguaje. El trabajo pionero de OpenAI y la Johns Hopkins University demuestra que el rendimiento sigue leyes de potencia en función del tamaño del modelo, el volumen del conjunto de datos y la potencia de cómputo, con tendencias que abarcan siete órdenes de magnitud. Las elegantes ecuaciones permiten por primera vez realizar predicciones sistemáticas sobre la asignación de recursos y establecen el paradigma 'cuanto más grande, mejor'. Estos fundamentos matemáticos conducen directamente al éxito de GPT-3 y transforman el desarrollo de la IA, que pasa del ensayo y error experimental a una escala científicamente fundamentada y predecible. La regla de asignación concreta de Kaplan, que propugnaba escalar agresivamente el tamaño del modelo con un aumento moderado de los datos, fue corregida en 2022 por el artículo Chinchilla de DeepMind: el entrenamiento óptimo en términos de cómputo requiere bastantes más datos de entrenamiento de los que se recomendaban inicialmente.
GPT-3: el modelo de 175.000 millones de parámetros
El gran avance hacia el aprendizaje con pocos ejemplos y las capacidades emergentes de la IA. El 28 de mayo de 2020, el equipo de OpenAI encabezado por Tom Brown presentó el artículo relevante 'Language Models are Few-Shot Learners' — GPT-3 con 175.000 millones de parámetros, más de 100 veces mayor que GPT-2. El escalado reveló capacidades emergentes: el modelo podía resolver nuevas tareas con solo unos pocos ejemplos, sin ajuste fino. Desde traducciones hasta acertijos de palabras y aritmética de 3 cifras, GPT-3 demostró una versatilidad notable. Los evaluadores humanos apenas podían distinguir los artículos de noticias generados por GPT-3 de los reales. Únicamente mediante el aprendizaje en contexto, GPT-3 se aproximó al estado del arte en algunas subtareas de SuperGLUE — aunque en el benchmark global se quedó con unos 71,8 puntos, muy por debajo de los modelos de vanguardia con ajuste fino (alrededor de 89). 31 investigadores de OpenAI (Tom Brown y 30 coautores) demostraron que el escalado masivo de parámetros puede generar capacidades cualitativamente nuevas. GPT-3 sentó los cimientos de ChatGPT y de la era moderna de los LLM.
DDPM: Modelos de difusión establecidos
La base matemática de la generación de imágenes moderna a través de procesos de eliminación de ruido. En junio de 2020, Jonathan Ho, Ajay Jain y Pieter Abbeel publicaron el influyente artículo 'Denoising Diffusion Probabilistic Models' – una clase de modelos de variables latentes inspirados en la termodinámica de no equilibrio. Su innovación residía en un límite variacional ponderado y la conexión entre modelos de difusión y coincidencia de puntuación de eliminación de ruido con dinámicas de Langevin. Los resultados fueron impresionantes: puntuación FID de 3.17 en CIFAR-10 y puntuación Inception de 9.46. Los DDPMs establecieron un enfoque de descompresión progresiva con pérdida que puede interpretarse como una generalización de la decodificación autorregresiva. Este trabajo sentó las bases matemáticas para Stable Diffusion y toda la generación moderna de texto a imagen.
Vision Transformer: 'An Image is Worth 16x16 Words'
La arquitectura Transformer aplicada a la visión por ordenador. El 22 de octubre de 2020, el equipo de Alexey Dosovitskiy en Google Research publicó el artículo 'An Image is Worth 16x16 Words: Transformers for Image Recognition at Scale'. Vision Transformer (ViT) demostró que las CNN no son necesarias: los Transformers puros pueden aplicarse directamente a secuencias de parches de imagen. El hallazgo clave ('at Scale') es que solo tras un preentrenamiento a gran escala en conjuntos de datos masivos (ImageNet-21k o JFT-300M) alcanza ViT resultados comparables o superiores a las CNN de última generación; en conjuntos de datos de tamaño intermedio sin ese preentrenamiento, ViT obtiene resultados inferiores. El sistema divide las imágenes en parches, típicamente de 16x16 píxeles aunque con variantes de otros tamaños, los trata como secuencias de tokens y aplica la arquitectura Transformer estándar. La universalidad de la arquitectura Transformer quedó clara: la misma tecnología que transformó el procesamiento del lenguaje natural funciona también en visión por ordenador. ViT inspiró una nueva generación de modelos de visión basados en atención y demostró el poder de las arquitecturas unificadas.
Logro de AlphaFold
La solución a un rompecabezas biológico de 50 años mediante inteligencia artificial. En noviembre de 2020, AlphaFold 2 de DeepMind dominó la competición CASP14 con una precisión que los científicos describieron como 'asombrosa' y 'transformacional'. El sistema logró una puntuación GDT de 92.4 sobre 100 puntos en predicción de estructuras de proteínas, una precisión que iguala métodos experimentales como la cristalografía de rayos X. AlphaFold superó claramente a otros 145 equipos y resolvió un problema que había ocupado a la biología desde los años 1970. La arquitectura de red neuronal basada en atención puede predecir cómo se pliegan las proteínas en días, un proceso fundamental para comprender la vida. Por este logro, Demis Hassabis y John Jumper recibieron el Premio Nobel de Química 2024.
CLIP: el puente entre imagen y lenguaje
El mismo día en que OpenAI presentó DALL-E, el 5 de enero de 2021, apareció el modelo quizás más influyente: CLIP. No aprendió a generar imágenes, sino a comprender imagen y lenguaje en el mismo espacio. A partir de unos 400 millones de pares imagen-texto extraídos de la web, el equipo liderado por Alec Radford entrenó de forma contrastiva dos codificadores hasta que las imágenes y los pies de foto correspondientes quedaban en el mismo punto de un espacio vectorial compartido. El efecto fue sorprendente: CLIP podía clasificar imágenes de forma zero-shot; bastaba con describir las categorías en palabras, sin ningún entrenamiento específico en la tarea. Así alcanzó un 76,2 % en ImageNet, a la par de una ResNet-50 entrenada con 1,28 millones de ejemplos etiquetados, sin que CLIP hubiese visto ninguno de ellos. Para la visión de conjunto, lo decisivo es que CLIP se convirtió en el fundamento de la oleada de generación de imágenes a partir de texto: DALL-E 2 se basa en sus incrustaciones y Stable Diffusion usa directamente su codificador de texto. Para contextualizar: los modelos contrastivos imagen-texto no eran nuevos (ConVIRT llegó meses antes); la aportación de CLIP fue la escala, la amplitud zero-shot y los pesos abiertos, que desencadenaron todo un ecosistema.
DALL-E crea imágenes a partir de texto
Un avance pionero en la generación de imágenes a partir de texto y un importante progreso en la creatividad de la IA. El 5 de enero de 2021, OpenAI presentó DALL-E — un sistema que genera imágenes coherentes y, a menudo, sorprendentemente creativas a partir de descripciones textuales. Ya existían modelos de texto a imagen con anterioridad (como alignDRAW en 2015 o enfoques GAN como StackGAN y AttnGAN), pero DALL-E elevó la coherencia y la versatilidad a un nuevo nivel. Basado en una versión de GPT-3 con 12.000 millones de parámetros, DALL-E demostró que la frontera entre la comprensión del lenguaje y la de las imágenes puede superarse. El sistema se entrenó con 250 millones de pares imagen-texto procedentes de internet y desarrolló capacidades notables: puede antropomorfizar animales, combinar de forma plausible conceptos no relacionados e incluso renderizar texto en imágenes. Mark Riedl, del Georgia Tech, comentó que los resultados eran 'considerablemente más coherentes' que todos los sistemas de texto a imagen anteriores. DALL-E amplió con éxito la comprensión lingüística de GPT al ámbito visual y abrió una dimensión completamente nueva en la creatividad de la IA.
Fundación de Anthropic
Cuando exdirectivos de OpenAI quisieron hacer realidad su propia visión de una IA segura. En enero de 2021, Dario y Daniela Amodei, junto con otros cinco exinvestigadores de OpenAI, entre ellos Tom Brown, Jared Kaplan y Chris Olah, fundaron Anthropic; en total, siete cofundadoras y cofundadores. Los hermanos habían ocupado anteriormente puestos clave en OpenAI: Dario como VP of Research. Su nueva empresa debía centrarse en la seguridad de la IA y en el desarrollo de sistemas fiables e interpretables. Con la Constitutional AI, Anthropic desarrolló un enfoque innovador para entrenar sistemas de IA mediante principios en lugar de solo mediante retroalimentación humana. Claude, su asistente de IA, se convirtió en uno de los principales competidores de ChatGPT.
GitHub Copilot: El programador par de IA
La democratización del desarrollo de software asistido por IA para millones de desarrolladores. El 29 de junio de 2021, GitHub anunció la vista previa técnica de Copilot - el primer programador par de IA, impulsado por OpenAI Codex. Basado en una variante de GPT-3 entrenada con miles de millones de líneas de código público de repositorios de GitHub, Copilot podía generar completaciones de código y funciones enteras a partir de comentarios. El modelo Codex subyacente logró una tasa de éxito del 28.8% en el primer intento en el benchmark HumanEval - significativamente mejor que el 0% de GPT-3. Particularmente impresionante: Con 100 intentos de muestreo, la tasa de éxito aumentó al 70.2%. Copilot funcionaba especialmente bien con Python, JavaScript, TypeScript, Ruby y Go. La vista previa técnica limitada generó un interés enorme y estableció la programación asistida por IA como una herramienta viable. Copilot cambió fundamentalmente la experiencia del desarrollador y allanó el camino para una nueva generación de herramientas de codificación impulsadas por IA.
OpenAI Codex: la IA programa para las personas
El 10 de agosto de 2021, OpenAI publicó Codex a través de una API y cambió considerablemente el desarrollo de software: una IA a gran escala para la generación de código. Basado en GPT-3, pero entrenado con 159 gigabytes de código Python procedentes de 54 millones de repositorios de GitHub, Codex transformaba el lenguaje natural en código funcional. 'Crea una función para números primos' se convertía en código Python real en cuestión de segundos. Ya antes, el 29 de junio de 2021, de la colaboración con GitHub había surgido la Technical Preview de Copilot, un asistente de programación con IA que ya funcionaba con una versión temprana de Codex. Codex dominaba más de una docena de lenguajes de programación: Python, JavaScript, Go, Ruby, Swift y más. En el benchmark HumanEval, el Codex-S ajustado para código resolvía alrededor del 37% de las tareas en el primer intento (pass@1); el modelo base llegaba a cerca del 29%: notable, pero no una medida para solicitudes arbitrarias. GitHub Copilot demostró ser un aumento de productividad notable para los desarrolladores. Codex probó que la IA puede apoyar trabajo cognitivo creativo y complejo. Desde la generación de código hasta la comprensión del código, Codex abrió la puerta al desarrollo de software asistido por IA.
InstructGPT: el puente hacia ChatGPT
Entre el método y el éxito mundial hubo un paso intermedio decisivo: InstructGPT. A principios de 2022, OpenAI mostró en el artículo 'Training language models to follow instructions with human feedback' cómo hacer que GPT-3 hiciera realmente lo que los usuarios quieren: mediante aprendizaje por refuerzo a partir de retroalimentación humana (RLHF). El resultado sorprendente: un InstructGPT con solo 1.300 millones de parámetros fue preferido por las personas a las respuestas del GPT-3 cien veces más grande (175.000 millones). No el tamaño bruto, sino la alineación con la intención marcó la diferencia. InstructGPT fue el puente técnico directo entre la idea del RLHF (2017) y ChatGPT, que a finales de 2022 popularizó el mismo método. Para ser honestos: InstructGPT no inventó el RLHF, eso lo hizo un artículo de 2017, pero demostró por primera vez a gran escala cuánto más útil vuelve la alineación a un modelo de lenguaje.
Chinchilla: repensar el escalado
En 2022, DeepMind planteó una pregunta incómoda: ¿estamos construyendo mal nuestros modelos de IA? En el artículo Training Compute-Optimal Large Language Models, el equipo liderado por Jordan Hoffmann demostró que los modelos de lenguaje más grandes de la época, GPT-3 y Gopher, tenían muchos parámetros pero muy pocos datos de entrenamiento. Su corrección, conocida hoy como las leyes de escala de Chinchilla, establece que para un presupuesto de cómputo dado, el tamaño del modelo y la cantidad de datos deben crecer aproximadamente al mismo ritmo. Para demostrarlo, entrenaron Chinchilla con 70.000 millones de parámetros sobre 1,4 billones de tokens y superaron así a Gopher (280.000 millones), cuatro veces más grande. Esto transformó el modo en que prácticamente todos los modelos punteros posteriores se entrenan. Para ser honestos: Chinchilla no inventó las leyes de escala, sino que corrigió las anteriores de Kaplan (2020); modelos posteriores como Llama sobreentrenan deliberadamente para ser más eficientes en la inferencia.
PaLM: el gigante de Google con 540.000 millones de parámetros
En 2022, Google mostró hasta dónde podían escalarse los modelos de lenguaje: PaLM, el Pathways Language Model, contaba con 540.000 millones de parámetros y fue entrenado con el sistema Pathways de Google a través de miles de chips TPU. Lo impresionante no era tanto el tamaño en sí como lo que PaLM lograba con él. Con los llamados prompts de cadena de pensamiento (chain-of-thought), en los que el modelo escribe paso a paso su proceso de resolución, resolvía tareas textuales de varios pasos e incluso explicaba el remate de chistes. PaLM se convirtió así en el emblema de la idea de las capacidades emergentes, habilidades que aparecen de forma repentina a partir de un determinado tamaño de modelo. Fue el punto culminante de la era de escalado de Google y un precursor de PaLM 2 y Gemini. Para ser precisos: 540.000 millones de parámetros resultaban enormemente costosos, y PaLM nunca se publicó como modelo abierto. Además, la tesis de las capacidades emergentes es controvertida: algunos de esos saltos son en parte un artefacto del método de medición elegido.
Stable Diffusion: generación de imágenes de código abierto
La democratización de la generación de imágenes con IA a través del primer modelo potente de código abierto. El 22 de agosto de 2022, Stability AI lanzó Stable Diffusion y transformó significativamente el acceso a la tecnología avanzada de texto a imagen. Como primer modelo de código abierto de su clase, Stable Diffusion podía generar imágenes fotorrealistas de 512x512 píxeles en GPUs de consumo, un avance importante en velocidad y accesibilidad. Basado en Modelos de Difusión Latente (LDMs), el sistema itera a través del 'des-ruido' en espacios latentes en lugar de manipulación directa de píxeles. Con 860 millones de parámetros en la U-Net y 123 millones en el codificador de texto, permaneció relativamente ligero a pesar del alto rendimiento. El código fuente disponible en GitHub permitió a una comunidad explosivamente creciente desarrollar innumerables variantes y herramientas. Stable Diffusion rompió el monopolio de los sistemas propietarios e hizo accesible a todos la generación de imágenes con IA de alta calidad.
OpenAI publica Whisper
Cuando el reconocimiento de voz se volvió verdaderamente fiable y accesible para todos. El 21 de septiembre de 2022, OpenAI publicó Whisper, un sistema de reconocimiento de voz entrenado para funcionar de forma robusta en distintos idiomas, acentos y ruidos ambientales. A diferencia de sistemas anteriores entrenados con datos de audio limpios, Whisper utilizó 680.000 horas de datos multilingües procedentes de internet. El resultado: un sistema capaz de transcribir en 99 idiomas que compite con soluciones comerciales. OpenAI puso Whisper a disposición como código abierto, un regalo para desarrolladores de todo el mundo que hizo posibles innumerables aplicaciones.
ChatGPT marca un punto de inflexión en el uso de la IA
El momento en que la IA se volvió accesible para todos y comenzó una nueva era. El 30 de noviembre de 2022, OpenAI publicó ChatGPT como un Research Preview gratuito — sin grandes campañas de marketing y con pocas expectativas. Lo que siguió superó todas las previsiones: en 5 días, ChatGPT alcanzó un millón de usuarios; en dos meses, 100 millones — el crecimiento de usuarios más rápido que una aplicación de consumo había registrado hasta entonces (superado en julio de 2023 por Threads de Meta). Basado en GPT-3.5, ChatGPT ofreció por primera vez a un público amplio acceso directo a una IA potente sin barreras técnicas. Kevin Roose, del New York Times, lo calificó de 'el mejor chatbot de IA jamás puesto a disposición del público'. ChatGPT democratizó la inteligencia artificial y convirtió un campo de investigación en una herramienta cotidiana. Esta publicación marcó el inicio de la actual ola de IA generativa.
Constitutional AI - Seguridad de la IA mediante una constitución
En diciembre de 2022, Anthropic presenta Constitutional AI (CAI), un nuevo método para desarrollar sistemas de IA inofensivos, útiles y honestos. Una 'constitución' de principios éticos permite a la IA autocriticarse y mejorar ante contenidos dañinos — sin necesitar etiquetas humanas para evaluar específicamente ese daño. (El anclaje explícito de estos principios en la Declaración Universal de Derechos Humanos de la ONU y otros documentos de derechos fundamentales lo describió Anthropic por primera vez en mayo de 2023 en 'Claude's Constitution'; el artículo original empleaba un conjunto de principios reunidos de forma pragmática.) El innovador método RLAIF (Reinforcement Learning from AI Feedback) sustituye el feedback humano, aunque únicamente para la inofensividad mediante la autocrítica de la IA — la utilidad siguió entrenándose con datos de preferencias humanas (RLHF). Así, CAI establece un enfoque de seguridad prioritaria (safety-first) como alternativa al enfoque centrado puramente en el rendimiento de ChatGPT y allana el camino hacia el desarrollo responsable de la IA.
NIST AI Framework: EE. UU. define la IA confiable
El 26 de enero de 2023, el Instituto Nacional de Estándares y Tecnología de EE. UU. publicó el primer marco integral de gestión de riesgos de IA (AI RMF 1.0), la respuesta de América a la regulación global de la IA. Tras 18 meses de desarrollo con más de 240 organizaciones de la industria, la academia y la sociedad civil, NIST definió por primera vez estándares federales para una IA confiable. El marco establece cuatro funciones clave: Govern, Map, Measure, Manage, y siete características de la IA confiable: segura, resiliente, explicable, respetuosa de la privacidad, justa, transparente y fiable. Como estándar voluntario, tiene como objetivo minimizar los riesgos de la IA para individuos, organizaciones y la sociedad. La publicación siguió a la AI Bill of Rights de Biden (2022) y fue complementada posteriormente por su Orden Ejecutiva sobre IA (octubre de 2023). El AI RMF surgió por mandato legal de la National AI Initiative Act de 2020, donde NIST continuó su papel consolidado como organismo federal de estándares. El marco se convirtió en la base para estándares industriales y coordinación internacional, un contrapeso al control estatal chino sobre la IA y al enfoque regulador de Europa.
LLaMA: modelo base de código abierto
La democratización de los modelos de lenguaje grandes mediante modelos de investigación abiertos. El 24 de febrero de 2023, Meta AI publicó LLaMA (Large Language Model Meta AI), una colección de modelos base con entre 7B y 65B parámetros, entrenados exclusivamente con datos de acceso público. El influyente artículo 'LLaMA: Open and Efficient Foundation Language Models' demostró que es posible alcanzar un rendimiento de última generación sin recurrir a conjuntos de datos propietarios. LLaMA permitió a investigadores sin acceso a grandes infraestructuras estudiar modelos de lenguaje avanzados. El código de inferencia se publicó bajo licencia GPLv3, mientras que el acceso a los modelos se concedió caso por caso para la investigación académica. Al estar entrenado con billones de tokens y disponible en distintos tamaños, LLaMA se adaptaba a diferentes requisitos de hardware. Este trabajo catalizó una oleada de investigación abierta sobre LLM e inspiró numerosos modelos derivados en la comunidad de código abierto.
Claude y Constitutional AI
La introducción de una IA con sistema de valores incorporado y principios éticos. En marzo de 2023, Anthropic presentó Claude - un asistente de IA basado en Constitutional AI que estableció un enfoque novedoso para la seguridad de IA. A diferencia de sistemas convencionales, Claude aprende mediante un método de dos fases: primero el modelo critica y mejora sus propias respuestas basándose en una constitución de principios éticos, luego se refina mediante retroalimentación generada por IA - sin evaluaciones humanas para prevención de daños. El resultado es un sistema que actúa de manera útil e inofensiva. Anthropic lanzó Claude y Claude Instant simultáneamente, siendo este último una variante más rápida y rentable. Este método de Constitutional AI demostró ser una mejora de Pareto sobre la retroalimentación humana y abrió nuevos caminos para la supervisión escalable de IA.
GPT-4: modelo de IA multimodal
El gran avance hacia el rendimiento humano en benchmarks profesionales y académicos. El 14 de marzo de 2023, OpenAI presentó GPT-4 — un Large Multimodal Model que procesa entradas de texto e imagen y alcanza el nivel humano en diversas disciplinas. Las mejoras fueron considerables: mientras GPT-3.5 superó el examen de baremo (bar exam) en el 10% inferior, GPT-4 alcanzó el 10% superior. En la prueba de matemáticas del SAT, el rendimiento mejoró del percentil 70 al 89. Tras seis meses de alineamiento iterativo con los resultados del programa de pruebas adversariales y el feedback de ChatGPT, se reconstruyó íntegramente la pila de Deep Learning. Las capacidades multimodales permiten procesar documentos, diagramas y capturas de pantalla con la misma calidad que las entradas de texto puro. GPT-4 estableció nuevos estándares de seguridad y rendimiento para la IA.
Midjourney V5: arte con IA fotorrealista
La generación de imágenes fotorrealistas con IA alcanza un nuevo nivel de calidad y transforma considerablemente la industria creativa. El 15 de marzo de 2023, Midjourney publicó la versión 5 y logró un salto de calidad que los usuarios describieron como 'inquietante' y 'demasiado perfecto'. La versión alpha fue capaz por primera vez de generar imágenes fotorrealistas prácticamente indistinguibles de fotografías reales. Especialmente destacable: el crónico problema de las manos defectuosas mejoró de forma notable; V5 era capaz de representar correctamente cinco dedos en la mayoría de los casos. Julie Wieland, diseñadora gráfica, comparó la experiencia con 'ponerse por fin unas gafas después de ignorar demasiado tiempo una mala visión': de repente todo se ve en calidad 4K [Fuente: Ars Technica, marzo de 2023]. La mayor sensibilidad a los prompts permitió un control creativo más preciso, mientras que el escalado automático ampliaba las imágenes base de 1024x1024 píxeles sin costes adicionales de GPU. V5 desencadenó intensos debates sobre el futuro de la creatividad humana.
Decreto de IA de Biden - Primera regulación integral de IA en EE. UU.
El presidente Biden firmó el 30 de octubre de 2023 la Orden Ejecutiva 14110 sobre el 'desarrollo y uso seguros, protegidos y fiables de la inteligencia artificial' — la primera regulación integral de IA de los EE. UU. y, con 110 páginas, la Orden Ejecutiva más extensa de la historia. El amplio decreto obliga a los desarrolladores de sistemas de IA de gran potencia a divulgar los resultados de sus pruebas de seguridad y establece estrictos estándares de red team a través del NIST. Protege frente al fraude basado en IA mediante la autenticación de contenidos y el marcado de agua (watermarking), aborda los riesgos en infraestructuras críticas y las amenazas biológicas. En el momento de su firma, esta Orden fijó estándares globales para el desarrollo responsable de la IA y posicionó a los EE. UU. como pioneros en la gobernanza de la IA. Sin embargo, su vigencia fue limitada: el 20 de enero de 2025, el presidente Trump revocó la EO 14110 mediante la Orden Ejecutiva 14148 — el documento refleja, por tanto, el estado regulatorio de 2023.
Carta de pausa y Bletchley: la seguridad de la IA se convierte en asunto global
En 2023, tras el primer impacto de ChatGPT, el mundo debatía cómo regular una tecnología de repente muy poderosa. En marzo, miles de firmantes, entre ellos Yoshua Bengio y Elon Musk, pedían en una carta abierta del Future of Life Institute una pausa de seis meses en el entrenamiento de sistemas de IA más potentes que GPT-4. No hubo pausa, pero la carta puso el tema en la agenda mundial. En noviembre tuvo lugar la primera cumbre mundial de seguridad en IA en Bletchley Park, en el Reino Unido, escogido conscientemente por ser el lugar donde Turing descifró códigos en su día. 28 países y la UE, incluidos EE. UU. y China, firmaron la Declaración de Bletchley sobre los riesgos de la IA avanzada. Fue la primera vez que potencias rivales hablaron juntas sobre seguridad en IA, dando inicio a una serie de cumbres (Seúl 2024, París 2025). Para ser honestos: la pausa nunca llegó y la Declaración de Bletchley no era vinculante; ambas pusieron temas en la agenda pero no crearon normas exigibles.
Mistral y Mixtral: los modelos abiertos de Europa
Mientras que en 2023 los grandes titulares los acaparaban sobre todo las empresas estadounidenses, desde París surgió un competidor: Mistral AI, fundada en la primavera de 2023 por Arthur Mensch (antes en Google DeepMind) junto con Guillaume Lample y Timothée Lacroix (antes en Meta). Ya en septiembre, el pequeño modelo Mistral 7B sorprendió al mundo académico: disponible libremente bajo licencia Apache 2.0 y más potente que el mucho más grande Llama 2 13B. En diciembre llegó Mixtral 8x7B: un modelo abierto de mezcla de expertos (Mixture of Experts) que en muchas tareas alcanzaba el nivel de GPT-3.5, pero solo activaba una fracción de sus parámetros por solicitud (unos 13 de 47.000 millones). Mistral se convirtió en el emblema europeo de los modelos abiertos y recaudó miles de millones. Para ser precisos: los pesos abiertos no son lo mismo que el código abierto (open source): los datos y el código de entrenamiento permanecen cerrados. Y Mixtral alcanzó GPT-3.5, no el modelo puntero de entonces, GPT-4; además, la propia arquitectura Mixture of Experts es considerablemente más antigua.
Google Gemini: familia de IA multimodal
La respuesta de Google a ChatGPT y el gran avance hacia la multimodalidad nativa. El 6 de diciembre de 2023, Google anunció Gemini 1.0 — una familia de IA desarrollada desde cero para la multimodalidad. La colaboración entre DeepMind y Google Brain dio como resultado tres tamaños de modelo: Gemini Ultra para tareas de alta complejidad, Gemini Pro como solución equilibrada y Gemini Nano para aplicaciones en dispositivos. A diferencia de los sistemas ampliados a posteriori, Gemini fue concebido de forma nativa con comprensión de lenguaje, audio, código y vídeo. En seis de ocho benchmarks, Gemini Pro superó el estándar de GPT-3.5, incluidas las pruebas MMLU. El día del anuncio, el Bard habitual recibió nuevas capacidades con Gemini Pro; Google anunció el más potente Bard Advanced con Gemini Ultra para principios de 2024. Gemini marcó la respuesta estratégica de Google a la dominancia de OpenAI y estableció la IA multimodal como nuevo estándar para los modelos de lenguaje grandes.
IA incorporada: los modelos adquieren un cuerpo
Durante años, los grandes modelos de IA vivieron solo en las pantallas: escribían textos, generaban imágenes, mantenían conversaciones. En 2024 eso comenzó a cambiar: fue el año de la IA incorporada. La idea consiste en instalar los mismos modelos de base que comprenden lenguaje e imágenes en cuerpos reales, sobre todo en robots humanoides. La empresa Figure se asoció con OpenAI y mostró un robot que habla, ve y manipula objetos. NVIDIA presentó con Project GR00T un modelo de base específico para humanoides, y empresas emergentes como Physical Intelligence fueron valoradas en miles de millones. Muchos ya hablaban del ChatGPT moment de la robótica. Para ser honestos: la mayor parte de lo visto hasta ahora han sido demostraciones y anuncios, no máquinas que trabajen de forma fiable en el día a día. El mundo físico es enormemente más difícil de dominar para un robot que una pantalla; la destreza, la seguridad y la fiabilidad siguen siendo problemas sin resolver.
Waymo: el taxi sin conductor se convierte en cotidiano
Durante más de una década, la conducción autónoma fue el ejemplo por excelencia de las promesas de la IA que no dejaban de retrasarse. En 2024 se hizo tangible: Waymo, la filial de coches robot de Google, puso por primera vez taxis sin conductor a disposición del público en gran escala, en San Francisco, Los Ángeles y Phoenix. En el verano de 2024, la empresa informó de más de 100.000 viajes pagados por semana, completamente sin conductor de seguridad al volante. Tras años de anuncios, fue la primera prueba concreta de que la conducción autónoma puede funcionar como un servicio real y cotidiano. Para ser precisos: Waymo solo circula en zonas urbanas muy delimitadas y minuciosamente cartografiadas, no en cualquier lugar ni con cualquier tiempo. Siguen produciéndose averías y vehículos parados, y la explotación es costosa. La conducción autónoma completa en cualquier entorno sigue sin resolverse; la retirada del competidor Cruise tras un grave accidente en 2023 mostró lo frágil que sigue siendo la tecnología.
Sora: vídeos generados por IA a partir de texto
El avance hacia vídeos fotorrealistas generados por IA y sus repercusiones en la industria cinematográfica. El 15 de febrero de 2024, OpenAI presentó Sora, un modelo de texto a vídeo capaz de generar vídeos HD detallados de hasta un minuto de duración a partir de breves descripciones. Nombrado a partir de la palabra japonesa que significa 'cielo', Sora simboliza un 'potencial creativo ilimitado'. Como Diffusion Transformer, Sora adapta la tecnología de DALL-E 3 para la consistencia temporal y simula a menudo, aunque no de forma fiable, movimientos físicamente plausibles. Los vídeos de demostración superaron a todos los sistemas existentes de texto a vídeo y establecieron nuevos estándares para la creatividad de la IA. El director Tyler Perry detuvo una expansión de estudios valorada en 800 millones de dólares ante la preocupación por el impacto de Sora en el sector. OpenAI adoptó un enfoque cauteloso con pruebas de Red Team para detectar desinformación y sesgos antes de proceder a una publicación más amplia.
Familia Claude 3 con capacidades multimodales
La introducción de una familia de IA con visión y tres modelos especializados. El 4 de marzo de 2024, Anthropic presentó la familia Claude 3: Opus, Sonnet y Haiku – tres modelos con diferentes fortalezas para varios casos de uso. La característica central fue el sofisticado procesamiento de visión que puede analizar fotos, gráficos, diagramas y dibujos técnicos. Claude 3 Opus logró nuevos mejores resultados en tareas cognitivas y superó a los competidores en benchmarks como MMLU y GPQA. Sonnet ofreció el equilibrio ideal entre inteligencia y velocidad para empresas, mientras que Haiku impresionó con tiempos de respuesta casi instantáneos. Con una ventana de contexto de 200,000 tokens (expandible a 1 millón) y disponibilidad en 159 países, Claude 3 estableció nuevos estándares de referencia para sistemas de IA multimodal.
Devin: el primer ingeniero de software autónomo con IA
El nacimiento del desarrollo de software completamente autónomo mediante inteligencia artificial. El 12 de marzo de 2024, Cognition Labs presentó Devin — comercializado por la empresa como el primer ingeniero de software con IA completamente autónomo del mundo. El sistema puede planificar de forma independiente, clonar repositorios, escribir código, depurar, probar e incluso desplegar aplicaciones. En el exigente SWE-Bench, Devin alcanzó una tasa de éxito del 13,86% en problemas reales de GitHub — un salto enorme frente al anterior mejor resultado del 1,96%. La startup fue valorada en una ronda de financiación temprana en torno a 350 millones de dólares; poco después del lanzamiento circularon informes de una valoración de alrededor de 2.000 millones de dólares. A pesar de los impresionantes resultados, las pruebas también mostraron limitaciones: solo 3 de 20 tareas se resolvieron con éxito, a menudo con fallos impredecibles.
AlphaFold 3: la IA predice la interacción entre moléculas
Cuatro años después del avance de AlphaFold 2, Google DeepMind presentó en mayo de 2024 una nueva versión, junto con su empresa hermana Isomorphic Labs. AlphaFold 2 había predicho cómo una proteína individual se pliega en su forma tridimensional. AlphaFold 3 va un paso decisivo más allá: modela cómo las proteínas interactúan con otras moléculas, incluidas el ADN, el ARN, los iones y las pequeñas moléculas de fármacos. Precisamente esta interacción resulta crucial para la investigación farmacéutica, ya que permite estimar en el ordenador cómo un fármaco se une a su proteína objetivo. Para ser honestos: las predicciones son notables, pero no están exentas de errores; su precisión varía según el tipo de molécula y siguen siendo necesarias comprobaciones en el laboratorio. Además, AlphaFold 3 apareció inicialmente sin código abierto, solo como servicio web limitado, lo que generó críticas en el ámbito investigador por falta de transparencia.
AlphaProof: la IA gana la medalla de plata en la Olimpiada de Matemáticas
Durante mucho tiempo, las matemáticas se consideraron la disciplina regia en la que la IA fracasaba: demasiado creativa, demasiado dependiente de una comprensión real. En julio de 2024, Google DeepMind marcó un hito: el sistema AlphaProof, junto con AlphaGeometry 2, resolvió cuatro de las seis tareas de la Olimpiada Internacional de Matemáticas. Eso equivalió al nivel de una medalla de plata, a un solo punto del oro. Lo especial es su método de trabajo: AlphaProof formula sus demostraciones en el lenguaje formal Lean, que permite verificar cada paso de forma automática, de modo que la IA no puede hacer trampa. Lo aprendió mediante aprendizaje por refuerzo. Por primera vez, una IA alcanzó el nivel de medalla en esta prestigiosa competición. Para ser honestos: no fueron condiciones de competición reales. Mientras los humanos disponen de cuatro horas y media, la IA necesitó en algunos casos varios días, y los especialistas debieron traducir previamente los problemas al lenguaje formal. Las dos tareas de combinatoria quedaron sin resolver.
Reglamento europeo de IA: la primera ley integral sobre IA
La primera regulación integral de la inteligencia artificial del mundo entra en vigor. El 1 de agosto de 2024, el Reglamento europeo de IA adquirió fuerza legal — un marco normativo basado en el riesgo con 180 considerandos y 113 artículos que abarca todo el ciclo de vida de la IA. La ley clasifica los sistemas de IA en cuatro niveles de riesgo: las aplicaciones inaceptables quedan prohibidas, los sistemas de alto riesgo en educación, empleo y justicia están sujetos a detalladas obligaciones de cumplimiento, los sistemas con riesgo limitado deben cumplir obligaciones de transparencia, y el resto con riesgo mínimo queda en gran medida sin restricciones. Al mismo tiempo, se aplican normas propias para los modelos de base GPAI como GPT, que impulsan aplicaciones como ChatGPT. El efecto extraterritorial alcanza también a los proveedores fuera de la UE con usuarios europeos. Las infracciones pueden acarrear multas de hasta 35 millones de euros o el 7% de la facturación anual mundial. Al igual que el RGPD en 2018, el Reglamento de IA podría establecer estándares globales y determinar cómo la IA influye en nuestras vidas. La aplicación escalonada comienza en 2025 y será plenamente efectiva en 2027.
OpenAI O1: avance en el razonamiento
OpenAI publica el 12 de septiembre de 2024 primero o1-preview (y o1-mini) y amplía considerablemente el razonamiento de la IA mediante Chain-of-Thought, cuya cadena de pensamiento se entrena con aprendizaje por refuerzo. O1 es el primer modelo de lenguaje ampliamente disponible que 'piensa' de forma sistemática antes de responder: con una cadena de pensamiento privada analiza los problemas paso a paso. Este nuevo enfoque abre una nueva dimensión de escalado: el Test-Time-Scaling, donde pensar más tiempo conduce a mejores resultados. El modelo o1 completo alcanza en pruebas de benchmark un rendimiento de nivel doctoral en física, química y biología, y resuelve el 83% de las tareas de la American Invitational Mathematics Examination (GPT-4o: 13%). La tecnología demuestra que la IA puede desarrollar capacidades de resolución de problemas significativamente mejoradas mediante el razonamiento estructurado.
Los premios Nobel de IA de 2024
En octubre de 2024 ocurrió algo sin precedentes: dos premios Nobel de ciencias naturales reconocieron los fundamentos de la IA moderna. El 8 de octubre, el Premio Nobel de Física recayó en John Hopfield y Geoffrey Hinton por los descubrimientos fundamentales que permiten el aprendizaje automático con redes neuronales artificiales. Que precisamente la física premiara las redes neuronales generó debate, aunque las redes de Hopfield inspiradas en la física (1982) y los métodos de aprendizaje de Hinton sentaron en realidad los cimientos. Un día después, el Premio Nobel de Química fue compartido por David Baker (por el diseño de proteínas asistido por ordenador) y Demis Hassabis y John Jumper de DeepMind, por AlphaFold, que resolvió el problema de plegamiento de proteínas pendiente desde hace 50 años. Por primera vez, la investigación fundamental en IA fue reconocida al más alto nivel de la ciencia. Lo notable: Hinton, recién galardonado, aprovechó el escenario para advertir a la vez sobre los riesgos de la tecnología que él mismo había contribuido a fundar.
OpenAI o3: un salto en ARC-AGI
Poco antes de fin de año, el 20 de diciembre de 2024, OpenAI anunció o3, el sucesor de o1 y la prueba de que el razonamiento en tiempo de inferencia (test-time scaling) puede seguir escalando. Lo que más llamó la atención fue un resultado concreto: o3 alcanzó el 87,5 % en ARC-AGI, una prueba diseñada deliberadamente para no poder superarse memorizando; los modelos anteriores se habían quedado cerca de cero. Con ello, o3 se acercó por primera vez a regiones de rendimiento humano en ese benchmark y destacó también en matemáticas y programación. Junto con o1 y el R1 de DeepSeek, o3 marcó la era de los modelos de razonamiento (o3-mini llegó a finales de enero de 2025, y el o3 completo en abril). Para ser precisos: el 87,5 % se obtuvo en modo de máximo rendimiento con un coste computacional enorme y muy elevado por tarea; los organizadores del ARC Prize subrayaron expresamente que o3 no es una AGI y que su rendimiento cae de forma notable en el test sucesor más difícil, ARC-AGI-2.
La IA agéntica se convierte en tendencia dominante
En 2024 y 2025 se produjo un cambio en lo que la IA hace: pasó de responder a actuar. El pistoletazo de salida lo dio Anthropic en octubre de 2024 con Computer Use; fue el primero de los grandes laboratorios de IA en ofrecer un modelo que maneja un ordenador por sí solo: ver la pantalla, mover el ratón, hacer clic, escribir. En enero de 2025 llegó Operator de OpenAI, un agente que navega de forma autónoma por la web y completa tareas; poco después llegó Deep Research, que investiga en varios pasos y redacta informes documentados. Del chatbot que genera texto se pasó a un sistema que actúa en nombre del usuario, el giro cualitativo que ya había apuntado Devin (2024). Para ser honestos: las primeras versiones eran lentas, propensas a errores y a menudo limitadas a tareas muy definidas; los sistemas comercializados como agentes recibieron en 2025 una gran promoción, pero su fiabilidad todavía no estaba a la altura del marketing.
DeepSeek-R1: el shock de la IA china
A finales de enero de 2025, un modelo de IA movió por primera vez de manera visible las bolsas mundiales. El laboratorio chino DeepSeek publicó el 20 de enero de 2025 R1, un modelo de razonamiento a la altura de o1 de OpenAI, pero con pesos abiertos (licencia MIT) y entrenado a una fracción del coste esperado. Lo hizo posible el aprendizaje por refuerzo a gran escala sobre el modelo base DeepSeek-V3. Cuando una semana después la aplicación de DeepSeek encabezó las listas de EE. UU., el ambiente cambió: el 27 de enero, Nvidia perdió alrededor del 17 % de su valor, unos 600.000 millones de dólares en un solo día, la mayor pérdida individual de la historia bursátil estadounidense, porque los inversores temían que la IA punta quizás no necesitase chips infinitamente caros. R1 sacudió varias certezas a la vez: que solo los grandes centros de datos de EE. UU. compiten en la cima, que los modelos de razonamiento permanecen cerrados y que más potencia de cómputo es el único camino hacia adelante. Para ser honestos: la cifra de unos pocos millones de dólares que circuló se refiere solo al ciclo de entrenamiento final del modelo base V3, no a R1 en sí ni a la investigación y el hardware en su conjunto, y R1 no fue mejor que o1 en todas las disciplinas.
Stargate: la IA como infraestructura a escala nacional
El 21 de enero de 2025, la inteligencia artificial ocupó el escenario de la Casa Blanca como un proyecto de infraestructura a escala nacional. OpenAI, SoftBank, Oracle y el inversor MGX anunciaron el proyecto Stargate: hasta 500.000 millones de dólares a lo largo de cuatro años para centros de datos de IA en EE. UU., de los cuales la inversión de 100.000 millones debía comenzar de inmediato. Con ello quedó patente que la próxima fase de la IA es menos una cuestión de algoritmos y más una cuestión de energía y construcción: potencia de cómputo a la escala de plantas eléctricas y parques industriales. Para un campo cuyo hilo conductor desde AlexNet ha sido la capacidad de cómputo (véase CUDA 2007), eso representaba el siguiente paso lógico, aunque colosal, y una señal de que la IA se ha convertido en una prioridad nacional y geopolítica. Para ser precisos: un anuncio no es un centro de datos terminado. Desde el principio fue objeto de debate si los 500.000 millones llegarían a reunirse por completo; incluso personas involucradas y observadores manifestaron públicamente sus dudas sobre la financiación.
Cumbre de Acción de IA de París
Los días 10 y 11 de febrero de 2025, jefes de Estado y de Gobierno, grandes empresas tecnológicas e investigadores se reunieron en el Grand Palais de París para la Cumbre de Acción de IA, la tercera gran cumbre sobre IA tras Bletchley (2023) y Seúl (2024), codirigida por el presidente francés Macron y el primer ministro indio Modi. Lo más destacado fue el cambio de tono: si la primera cumbre había centrado la atención en la seguridad de la IA, en París el protagonismo lo tuvieron las oportunidades, las inversiones y la competitividad; el vicepresidente de EE. UU. abogó abiertamente contra una regulación excesiva. Al final, 58 Estados, la UE y la Unión Africana firmaron una declaración a favor de una IA inclusiva y sostenible, pero EE. UU. y el Reino Unido se negaron a firmarla. Con ello, la cumbre puso de manifiesto la fractura transatlántica en la gobernanza de la IA. Para ser precisos: la declaración no era vinculante y los críticos calificaron la cumbre de ocasión perdida en materia de seguridad.
Los modelos de frontera en 2025
En 2025, la capacidad de razonamiento que o1 y R1 habían impulsado se convirtió en el estándar de los modelos punteros, a un ritmo difícil de seguir. En marzo Google presentó Gemini 2.5 Pro; en mayo le siguió Anthropic con Claude 4 (Opus 4 y Sonnet 4); en agosto, OpenAI con GPT-5; entremedias llegaron Claude 3.7 (el primer modelo híbrido que responde rápido o se toma su tiempo para pensar), GPT-4.5, Llama 4 de Meta y Grok de xAI. La nueva generación fusionó dos líneas: el razonamiento paso a paso de los modelos de razonamiento y la capacidad de actuar de forma autónoma (agentik). El protagonismo lo ganó especialmente la programación autónoma de larga duración. Para ser honestos: los laboratorios se superaban semana a semana con récords en benchmarks y cada uno reclamaba la cima para sí; avances reales, pero la tan invocada palabra AGI siguió siendo más marketing que realidad.
La Analytical Engine de Babbage: la idea del ordenador
La historia de la IA no comienza con los ordenadores, sino con su idea. En la década de 1830, el matemático británico Charles Babbage diseñó la Analytical Engine y la describió por primera vez en detalle en 1837: sobre el papel, el primer ordenador universal y programable del mundo. Su diseño estaba un siglo por delante de su tiempo: ya contaba con una unidad aritmética, que Babbage llamó mill, una memoria (store), programación mediante tarjetas perforadas e incluso saltos condicionales, los bloques constructivos de cualquier ordenador moderno. La máquina nunca llegó a construirse en vida de su autor, pues era demasiado compleja para la mecánica del siglo XIX. Sin embargo, es la antepasada lejana de toda máquina calculadora y, por tanto, del hardware en el que la inteligencia artificial puede funcionar. Para ser honestos: la Analytical Engine quedó como un diseño inconcluso y era un calculador, no una máquina pensante. Proporcionó el fundamento, el cálculo, no la inteligencia.
Ada Lovelace: el primer programa y una visión audaz
Charles Babbage había diseñado la máquina, pero fue Ada Lovelace quien comprendió de verdad lo que podría llegar a hacer. En 1843, la matemática británica tradujo un artículo sobre la Analytical Engine de Babbage y añadió sus propias notas, que superaron con creces el texto original en extensión y profundidad. En su nota G describió un procedimiento para que la máquina calculase los llamados números de Bernoulli, considerado a menudo el primer programa informático publicado. Aún más visionaria fue su segunda intuición: la máquina no tendría que limitarse a los números, sino que podría procesar símbolos de cualquier tipo e incluso componer música. Con ello, Lovelace anticipó la idea del procesamiento universal de datos un siglo antes de su tiempo. Para ser honestos: si fue realmente la primera programadora está en debate, pues el propio Babbage había esbozado programas anteriormente y la rutina de Bernoulli surgió en intercambio con él. Al mismo tiempo, Lovelace sostuvo que la máquina no podía crear nada verdaderamente nuevo por sí misma, objeción a la que Alan Turing respondió expresamente en 1950.
La máquina de Turing: qué significa calcular
Antes de poder preguntarse si las máquinas podían pensar, había que aclarar primero qué puede calcular una máquina en absoluto. A esta pregunta respondió el matemático británico Alan Turing en 1936 con su artículo 'On Computable Numbers'. En él describía un modelo conceptual sorprendentemente sencillo: una cinta, un cabezal lector-escritor, unas pocas reglas, lo que más tarde recibiría el nombre de máquina de Turing. Con ella, Turing estableció con precisión qué es computable y qué no. Su intuición más importante: una sola máquina de Turing universal puede imitar a cualquier otra. Ese es el plano teórico del ordenador universal, una máquina que, con el programa adecuado, puede realizar todo lo computable. Con ello, Turing se convirtió en el fundador de la informática y creó el fundamento que hizo posible la idea de las máquinas pensantes. Para ser precisos: la máquina de Turing es una idea matemática, no un dispositivo construido, y el tema era la computabilidad, no la inteligencia. La pregunta de si las máquinas podían pensar la formuló Turing recién en 1950. Además, el nombre 'máquina de Turing' lo acuñaron otros.
McCulloch y Pitts: la primera neurona artificial
Trece años antes de la Conferencia de Dartmouth, en plena guerra, apareció el verdadero certificado de nacimiento de las redes neuronales artificiales. El neurofisiólogo Warren McCulloch y el lógico autodidacta Walter Pitts — con apenas veinte años y sin ningún título académico — publicaron en 1943 en el Bulletin of Mathematical Biophysics el artículo 'A Logical Calculus of the Ideas Immanent in Nervous Activity'. Su idea era radicalmente simple: se puede describir una neurona como un elemento de conmutación binario que se activa siguiendo el principio de todo o nada, en cuanto la suma de sus entradas supera un umbral. Partiendo de la lógica proposicional pura, demostraron que las redes formadas por esas unidades pueden calcular cualquier función lógica, y que las redes con bucles de retroalimentación poseen incluso una forma de memoria. En la conclusión señalaron que sus redes pueden calcular lo mismo que una máquina de Turing. Con ello aportaron el primer modelo matemático de la neurona como unidad de cómputo lógico. El problema que marcaría la siguiente década: su neurona no podía aprender.
La teoría de la información de Shannon: nace el bit
En 1948, en los Bell Labs apareció un artículo que fundó el mundo digital: 'A Mathematical Theory of Communication' de Claude Shannon. Shannon mostró cómo puede medirse la información de forma matemática, con independencia de su significado. Introdujo el bit como unidad mínima de información y acuñó el concepto de entropía: una medida de cuánta incertidumbre resuelve de media un mensaje. Con ello sentó los cimientos de la compresión de datos, la transmisión sin errores y, en última instancia, de todos los ordenadores. Para la IA esto es más que prehistoria: conceptos como la entropía cruzada y la divergencia de Kullback-Leibler, que hoy sirven como objetivos de entrenamiento de las redes neuronales, proceden directamente de la teoría de Shannon. Para ser precisos: Shannon describía la transmisión de mensajes, no el pensamiento. La teoría de la información es una herramienta matemática sobre la que se construye la IA; no es en sí misma inteligencia artificial.
La regla de Hebb: cómo surge el aprendizaje en el cerebro
En 1949, el psicólogo canadiense Donald Hebb publicó el libro The Organization of Behavior y propuso una idea sencilla pero de enorme alcance: cuando dos neuronas conectadas se activan juntas repetidamente, su conexión se refuerza. Con ello, Hebb ofreció por primera vez un mecanismo concreto de cómo podría funcionar el aprendizaje a nivel de las sinapsis individuales. Para la IA, esto se convirtió en un principio fundamental: aprender significa ajustar la fuerza de las conexiones, exactamente lo que hacen las redes neuronales artificiales, como las posteriores redes de Hopfield. Para ser honestos: la célebre frase de que las neuronas que se activan juntas se conectan juntas no es de Hebb, sino que se atribuye a la neurocientiífica Carla Shatz (1992). Y la regla de Hebb por sí sola no explica el aprendizaje profundo moderno, pues carece de corrección de errores dirigida.
Test de Turing: el juego de la imitación
La base filosófica de la inteligencia artificial y el primer benchmark de IA. En 1950, Alan Turing publicó el artículo 'Computing Machinery and Intelligence' en la revista Mind y reformuló la pregunta '¿Pueden pensar las máquinas?'. En lugar de definiciones filosóficas, Turing propuso el práctico 'juego de la imitación': un evaluador humano valora transcripciones de texto de conversaciones entre un ser humano y una máquina. El evaluador intenta identificar a la máquina; esta supera el test cuando el evaluador no puede distinguirla de forma fiable. Lo decisivo no es la corrección de las respuestas, sino en qué medida se asemejan a las respuestas humanas. Este test de indistinguibilidad puede generalizarse a todas las capacidades humanas, tanto verbales como no verbales (robótica). El enfoque conductual de Turing estableció el fundamento conceptual de toda la investigación en IA e influyó en ELIZA, ChatGPT y todos los sistemas modernos de IA conversacional.
Logic Theorist: el primer programa que razona
En el mismo verano en que en Dartmouth se acuñaba el término 'inteligencia artificial', Allen Newell, Herbert Simon y el a menudo olvidado programador Cliff Shaw presentaron lo que suele llamarse 'el primer programa de IA', aunque con un matiz. Su Logic Theorist demostraba teoremas matemáticos: tomaba la lógica proposicional de 'Principia Mathematica' de Whitehead y Russell, y encontraba por sí solo pruebas para 38 de los primeros 52 teoremas. Lo notable era el cómo: en lugar de probar todas las posibilidades por la fuerza bruta, el programa buscaba de forma heurística, estimando qué pasos merecían la pena y trabajando hacia atrás desde el objetivo. Para uno de los teoremas encontró incluso una prueba más corta que la original; según se cuenta, Russell reaccionó con agrado, mientras que una revista especializada rechazó la prueba enviada. Todo estaba escrito en IPL, un lenguaje de listas que anticipó el LISP de McCarthy. La limitación: programas de juegos como el de Samuel con las damas ya funcionaban antes; el Logic Theorist fue el primero en intentar reproducir deliberadamente el razonamiento humano en una tarea abierta de pensamiento.
Conferencia de Dartmouth: el nacimiento de la IA
El momento histórico en que la inteligencia artificial nació como campo de investigación. Del 18 de junio al 17 de agosto de 1956 se celebró en el Dartmouth College la primera AI Summer Research Conference. John McCarthy, Marvin Minsky, Nathaniel Rochester y Claude Shannon tenían una audaz visión: 'Cada aspecto del aprendizaje o cualquier otra característica de la inteligencia puede describirse con tanta precisión que una máquina puede simularlo.' En este taller de ocho semanas, McCarthy acuñó el término 'Artificial Intelligence' y sentó así las bases de una nueva disciplina científica. Algunos participantes vinieron solo unas pocas semanas, otros permanecieron todo el tiempo: Herbert Simon y Allen Newell, por ejemplo, demostraron en las primeras semanas su Logic Theorist, mientras que Ray Solomonoff estuvo las ocho semanas completas — los debates tenían lugar en el piso superior del Departamento de Matemáticas. De esta conferencia surgieron los tres históricos centros de IA: Carnegie Mellon con Newell y Simon, el MIT con Minsky y Stanford con McCarthy.
Perceptrón: la primera red neuronal que aprende
El nacimiento del aprendizaje automático a través de la primera neurona artificial entrenable. En 1957, Frank Rosenblatt desarrolló en el Cornell Aeronautical Laboratory el perceptrón: la primera red neuronal capaz de aprender de la experiencia. En enero de 1957 publicó el informe técnico 'The Perceptron: A Perceiving and Recognizing Automaton' (Project PARA, Report 85-460-1). La publicación científica formal tuvo lugar en noviembre de 1958 en Psychological Review. Inspirado en las neuronas biológicas, el perceptrón combinaba entradas ponderadas mediante una función escalón de Heaviside para producir salidas binarias. La innovadora regla de aprendizaje del perceptrón corregía los pesos cada vez que un ejemplo era clasificado incorrectamente, un precursor temprano del aprendizaje en las redes neuronales modernas (que no debe confundirse con la posterior regla delta de Widrow y Hoff, 1960). Simulado inicialmente en un IBM 704 y anunciado públicamente en 1958, el hardware Mark-I Perceptron no se terminó hasta alrededor de 1960. Aunque limitado a problemas linealmente separables, el perceptrón sentó el fundamento conceptual de todas las arquitecturas neuronales posteriores.
LISP: el lenguaje de la IA
En 1958, John McCarthy diseñó en el MIT un lenguaje de programación que ponía el cálculo simbólico en el centro: LISP, abreviatura de List Processing. En lugar de procesar principalmente números, LISP manipulaba listas de símbolos, exactamente lo que necesitaba la IA simbólica. Durante décadas, LISP fue el lenguaje de la investigación en IA: los sistemas expertos, el procesamiento del lenguaje y los sistemas de planificación se desarrollaron en él. El lenguaje de McCarthy introdujo además ideas que hoy son habituales: la recursión, la recolección automática de basura (garbage collection), las funciones como datos y la evaluación interactiva. Steve Russell implementó el mecanismo teórico eval de McCarthy como primer intérprete y con ello hizo que LISP fuera ejecutable. Para ser honestos: LISP no fue el primer lenguaje de programación de alto nivel (Fortran llegó en 1957), pero es el segundo más antiguo todavía en uso y el más influyente para la IA.
Arthur Samuel: IA que aprende sola y el término 'machine learning'
Algunos años antes de la Conferencia de Dartmouth, Arthur Samuel enseñó a una máquina de IBM a jugar a las damas y, al mismo tiempo, a aprender. Su programa funcionó a partir de 1952 en la IBM 701; lo decisivo, sin embargo, estaba en lo que escribió en 1959 en su artículo 'Some Studies in Machine Learning Using the Game of Checkers'. El programa mejoraba por sí solo: jugaba decenas de miles de partidas contra sí mismo y ajustaba los pesos de su función de evaluación en función de los resultados. En el título de ese artículo aparece por primera vez documentado el término 'machine learning' con su significado actual; Samuel es considerado su creador. Richard Sutton reconoció más tarde el juego contra sí mismo de Samuel como la primera aplicación del aprendizaje por diferencia temporal (Temporal Difference), que está en el núcleo del aprendizaje por refuerzo moderno. La demostración televisiva de 1956 y una victoria muy citada contra un supuesto jugador experto acapararon titulares, pero ambas fueron muy exageradas: contra los jugadores realmente fuertes el programa perdía claramente, y las damas no se resolvieron de forma completa hasta décadas después.
DENDRAL: pionero de los sistemas expertos
A mediados de la década de 1960, la IA tomó una bifurcación decisiva. En la Universidad de Stanford, Edward Feigenbaum y el genetista y premio Nobel Joshua Lederberg comenzaron a desarrollar DENDRAL, un programa considerado a menudo el primer sistema experto y que, en cualquier caso, fue el primero en aplicar la IA al razonamiento científico. En lugar de buscar de forma general como los sistemas anteriores, DENDRAL empleaba el conocimiento especializado de químicos humanos: a partir de los datos de un espectrómetro de masas, deducía la estructura de moléculas orgánicas. La lección extraída marcó una década de la IA: el conocimiento es poder. No gana el algoritmo general más ingenioso, sino aquel que posee más conocimiento especializado. DENDRAL allanó así el camino para el auge de los sistemas expertos en los años 1980. Para ser honestos: el propio DENDRAL fue un proyecto de investigación exitoso que se prolongó durante muchos años, no un producto único. Sin embargo, su método de introducir todo el conocimiento laboriosamente a mano se convirtió más tarde en su talón de Aquiles: hizo que los sistemas expertos comerciales de los 1980 fueran frágiles y costosos, y contribuyó así al invierno de la IA.
Fuzzy Logic: la lógica de la imprecisión
Un avance matemático importante para el tratamiento de la incertidumbre y el razonamiento aproximado. En 1965, Lotfi Zadeh publicó en la UC Berkeley el artículo fundamental 'Fuzzy Sets', una respuesta a la incapacidad de la lógica clásica para manejar información vaga e incompleta. Su innovación residía en el reconocimiento de que las personas toman decisiones basándose en información imprecisa y no numérica. La Fuzzy Logic permite grados de pertenencia entre 0 y 1, a diferencia de la lógica binaria de sí/no. Con más de 100.000 citas hasta la fecha, el trabajo de Zadeh se convirtió en la base del Soft Computing y de los enfoques modernos de IA. La 'lógica precisa de la imprecisión' permitió modelar matemáticamente la incertidumbre, la incompletitud y la información contradictoria. La Fuzzy Logic encontró aplicación en sistemas expertos, sistemas de control y, posteriormente, en arquitecturas modernas de IA para procesos de decisión difusos.
ELIZA: el primer chatbot
El nacimiento de la conversación entre humanos y máquinas, y un experimento involuntario sobre la psicología humana. Aproximadamente entre 1964 y 1966, Joseph Weizenbaum desarrolló en el MIT ELIZA — el primer programa diseñado explícitamente para conversar con personas. Con un código asombrosamente compacto y una sencilla tecnología de reconocimiento de patrones, ELIZA simulaba conversaciones, especialmente en la variante DOCTOR como terapeuta rogeriano. La sorpresa no estaba en la tecnología, sino en la reacción humana: los usuarios, incluida la propia secretaria de Weizenbaum, desarrollaban vínculos emocionales con el programa e incluso exigían privacidad para sus 'sesiones de terapia'. Weizenbaum describió y criticó este fenómeno desde el principio — la tendencia a atribuir cualidades humanas a programas rudimentarios. El término 'efecto ELIZA' en sí no fue acuñado y popularizado hasta más tarde, en la década de 1990. ELIZA demostró el poder de la ilusión más simple y sentó las bases de todos los chatbots modernos.
Perceptrons: el libro que contribuyó al invierno de la IA
En 1969, los investigadores del MIT Marvin Minsky y Seymour Papert publicaron el libro Perceptrons. Con rigor matemático demostraron qué puede y qué no puede hacer un perceptrón de una sola capa, la forma más sencilla de red neuronal. Su resultado más célebre: esa red no puede aprender ni siquiera la sencilla función XOR, porque no es linealmente separable con una única línea. El impacto fue enorme: la confianza en las redes neuronales se desplomó y la financiación se agotó durante más de una década, una contribución importante al primer invierno de la IA. Para ser precisos: Minsky y Papert no refutaron las redes neuronales en absoluto. Solo analizaron la variante de una sola capa; las redes multicapa resuelven XOR sin problema, lo que más adelante, a partir de 1986, se hizo prácticamente utilizable con el algoritmo de retropropagación. La narrativa de que el libro mató en solitario la investigación es en parte un mito. Pero el desplome en financiación y atención fue muy real.
Shakey: el primer robot móvil inteligente
El nacimiento de la robótica autónoma mediante la integración de razonamiento, planificación y acción física. De 1966 a 1972, el equipo de Charles Rosen en SRI International desarrolló Shakey, el primer robot móvil capaz de reflexionar sobre sus propias acciones. El robot de 2 metros de altura combinaba una cámara de televisión, un telémetro de sonar, procesadores y 'bigotes de gato' como detectores de impacto en un sistema autónomo. Las notables capacidades de Shakey incluían la percepción del entorno, la deducción a partir de hechos implícitos, la creación de planes y la compensación de errores, todo controlable mediante lenguaje inglés natural. El proyecto financiado por la ARPA (hoy DARPA) fue el primero en combinar el razonamiento lógico con la acción física y sentó las bases de los sistemas autónomos. Las innovaciones de Shakey condujeron al algoritmo de búsqueda A*, a los métodos de grafo de visibilidad y a la influyente variante computacional de la transformada de Hough (Duda y Hart, SRI 1972). En 1970, la revista Life llamó a Shakey 'la primera persona electrónica'.
SHRDLU: comprender el lenguaje en el mundo de los bloques
Hacia 1970, Terry Winograd construyó en el MIT un programa que asombró a los expertos: SHRDLU. Era posible darle instrucciones en inglés sencillo, por ejemplo colocar el cubo rojo sobre el bloque verde, y las ejecutaba en un mundo virtual de bloques de colores. SHRDLU comprendía más que simples órdenes: resolvía ambigüedades en las frases, recordaba lo que se había dicho, respondía preguntas sobre su mundo e incluso podía explicar por qué había hecho algo. Para muchos fue el punto culminante más impresionante de la IA simbólica: la prueba de que las máquinas podían comprender el lenguaje de forma sorprendentemente buena. Para ser precisos: la comprensión de SHRDLU solo funcionaba en su pequeño y cerrado mundo de bloques. No podía trasladarse al mundo real, desordenado, con su infinito conocimiento cotidiano. Así, con el tiempo, SHRDLU se convirtió en una lección sobre los límites de esos micromundos; el propio Winograd se alejó más tarde de este enfoque.
Modelos ocultos de Markov establecidos
El fundamento matemático para el reconocimiento del habla y la modelización de secuencias. Desde finales de los años sesenta hasta 1970, Leonard Baum, Lloyd Welch y Ted Petrie desarrollaron los Hidden Markov Models en el Institute for Defense Analyses y establecieron el algoritmo de Baum-Welch. Estos modelos estadísticos modelizaban estados ocultos en secuencias y proporcionaron uno de los primeros enfoques prácticos para capturar estados latentes en datos dependientes del tiempo. A mediados de los años setenta, los HMM encontraron su primera aplicación práctica en el reconocimiento del habla, de la mano de James Baker en la Universidad Carnegie Mellon y posteriormente en IBM. El método transformó el reconocimiento automático del habla, pasando de simples procedimientos de comparación de plantillas a enfoques estadísticos. Los HMM se convirtieron en el estándar para la modelización de secuencias en numerosos ámbitos: desde la bioinformática y el análisis financiero hasta el reconocimiento de gestos. El algoritmo de Baum-Welch, reconocido posteriormente como caso especial del algoritmo de Expectation-Maximization formulado de manera general en 1977, sentó las bases de los modernos métodos probabilísticos de aprendizaje automático.
Prolog: programar con lógica
En 1972, en la Universidad de Marsella surgió un lenguaje de programación que pensaba de forma totalmente diferente a todos los demás: Prolog, abreviatura de Programmation en Logique. Sus creadores Alain Colmerauer y Philippe Roussel, apoyados en la teoría de Robert Kowalski, perseguían una idea brillante. En lugar de decirle al ordenador paso a paso cómo debe hacer algo, en Prolog uno se limita a describir los hechos y las reglas de un mundo. El sistema extrae entonces las conclusiones lógicas por sí mismo. Prolog se convirtió en el lenguaje más importante de la IA simbólica: en los sistemas expertos, en el procesamiento del lenguaje y como núcleo del ambicioso proyecto japonés de la quinta generación. Para ser precisos: la programación lógica nunca llegó a ser el paradigma dominante de la IA. El gran proyecto japonés, que apostó todo por Prolog, quedó muy por debajo de sus promesas. Y el avance se debe tanto a la teoría de Robert Kowalski como al propio lenguaje.
El primer invierno de la IA
Un periodo de drásticos recortes en los fondos de investigación y de creciente desconfianza en la inteligencia artificial. Tras las exageradas promesas de los años sesenta llegó la amarga realidad: los programas de IA solo podían resolver versiones triviales de los problemas que se suponía debían resolver. En el Reino Unido, el informe Lighthill de 1973 emitió una crítica devastadora, tras la cual el Science Research Council redujo la financiación de la investigación en IA no dirigida. En los Estados Unidos, la DARPA, impulsada por la Enmienda Mansfield, se alejó durante varios años de la investigación sin aplicación concreta; el drástico recorte en la financiación de la comprensión del habla afectó en 1974/75 al proyecto de la Universidad Carnegie Mellon y llevó a la cancelación de un contrato de 3 millones de dólares. Este invierno duró hasta aproximadamente 1980 y enseñó a la comunidad de la IA una lección importante: las expectativas realistas son la clave para un progreso sostenible.
Neocognitron: el antecesor de las CNN
En 1980, el investigador japonés Kunihiko Fukushima presentó una red neuronal muy adelantada a su tiempo: el Neocognitron. Su inspiración fue la naturaleza, más concretamente la corteza visual, tal como la habían estudiado en gatos los premios Nobel Hubel y Wiesel. En ella, las células simples y complejas procesan los estímulos visuales de forma escalonada. Fukushima reprodujo ese principio: una red de múltiples capas que reconoce características capa a capa, con independencia del lugar del imagen donde aparezcan. Con ello, el Neocognitron anticipó las ideas centrales de las redes neuronales convolucionales (CNN) actuales, las redes que desde 2012 dominan el reconocimiento de imágenes. Para ser precisos: el Neocognitron aún no empleaba retropropagación y no podía entrenarse como las CNN modernas. Solo la retropropagación (1986) y la LeNet de Yann LeCun (1989) convirtieron esa arquitectura en redes que aprenden de forma práctica. El papel pionero de Fukushima sigue siendo a menudo subestimado.
La era de los sistemas expertos de los años 80
Los años 80 marcan el apogeo de los sistemas expertos, cuando la IA logra por primera vez un éxito comercial. Empresas de todo el mundo adoptan estos programas de IA basados en reglas que reproducen el conocimiento de expertos humanos en dominios especializados. La industria de la IA crece de unos pocos millones de dólares en 1980 a miles de millones en 1988. Dos tercios de las empresas de la lista Fortune 500 emplean la tecnología. Sistemas como MYCIN alcanzan en estudios una tasa de aceptación de sus recomendaciones terapéuticas de alrededor del 65% — a la altura de los expertos de facultad, aunque MYCIN nunca se utiliza clínicamente. Pero el auge termina siguiendo el patrón clásico de una burbuja económica, cuando docenas de empresas fracasan y los límites de la tecnología se hacen evidentes.
Redes de Hopfield: Memoria Asociativa
El renacimiento de las redes neuronales a traves de capacidades de memoria asociativa. En 1982, John Hopfield publico el articulo pionero 'Neural networks and physical systems with emergent collective computational abilities' en PNAS. Su innovacion radico en conectar la neurobiologia con la fisica estadistica: las redes de Hopfield funcionan como memoria direccionable por contenido que reconstruye patrones completos a partir de entradas incompletas o ruidosas. La arquitectura recurrente con conexiones bidireccionales simetricas converge a atractores de punto fijo a traves de una funcion de energia de Lyapunov. El sistema 'rueda cuesta abajo' hacia la memoria almacenada mas cercana. El trabajo de Hopfield reavivoó el interes en las redes neuronales y establecio la base teorica para las RNNs modernas. El aprendizaje hebbiano permitio el almacenamiento asociativo de patrones - un avance para entender los sistemas de memoria biologicos y artificiales.
Algoritmo de retropropagación
El nacimiento del aprendizaje automático moderno mediante un elegante algoritmo de entrenamiento. En octubre de 1986, David Rumelhart, Geoffrey Hinton y Ronald Williams publicaron en Nature el artículo 'Learning representations by back-propagating errors'. Este algoritmo transformó considerablemente el entrenamiento de las redes neuronales al proporcionar un método eficiente para ajustar los pesos en redes de múltiples capas. El procedimiento ajusta repetidamente los pesos de las conexiones para minimizar la diferencia entre la salida real y la deseada. La innovación decisiva radicó en la capacidad de entrenar capas ocultas que reconocen automáticamente características importantes de la tarea. Los fundamentos matemáticos ya habían sido desarrollados con anterioridad, por ejemplo por Paul Werbos (1974) y Seppo Linnainmaa (1970), pero fue este artículo el que dio a conocer la retropropagación de forma generalizada y demostró de manera convincente su eficacia. La retropropagación se convirtió en el caballo de batalla del aprendizaje automático y hace posibles hoy todas las aplicaciones modernas de aprendizaje profundo.
El segundo invierno de la IA
El colapso del mercado especializado de hardware para IA y el fracaso de los sistemas expertos. En 1987 se hundió el mercado de las máquinas Lisp, cuando los ordenadores de Apple e IBM se volvieron más económicos y potentes que los costosos sistemas específicos para IA. Los sistemas expertos como XCON resultaron ser demasiado costosos de mantener e inflexibles para las aplicaciones reales. Jack Schwartz, el nuevo director del IPTO, calificó los sistemas expertos de 'programación ingeniosa' y recortó la financiación de la IA 'de forma profunda y brutal'. La caída de los fabricantes de máquinas Lisp se prolongó durante los años siguientes: el líder del mercado Symbolics no declaró la insolvencia hasta 1993, lo que condujo a un invierno más largo y profundo que el primero de 1974. Este invierno duró hasta aproximadamente 1993 y puso fin al auge comercial de los sistemas expertos y el hardware especializado para IA, aunque la IA simbólica como línea de investigación siguió existiendo.
UCI ML Repository: la biblioteca de conjuntos de datos
La democratización de la investigación en aprendizaje automático mediante conjuntos de datos de referencia estandarizados. En 1987, el estudiante de doctorado de la UCI David Aha, junto con sus compañeros, fundó el UCI Machine Learning Repository como archivo FTP: una colección de bases de datos, teorías de dominio y generadores de datos para el análisis empírico de algoritmos de aprendizaje automático. Esta iniciativa abordó la crítica escasez de conjuntos de datos estandarizados y de libre acceso para la creciente comunidad de aprendizaje automático. El repositorio se convirtió en la fuente principal de conjuntos de datos de aprendizaje automático en todo el mundo y permitió a estudiantes, docentes e investigadores acceder a benchmarks de alta calidad. A lo largo de los años ha sido citado decenas de miles de veces y se encuentra entre los recursos más utilizados de toda la informática. Gestionado hoy por el Center for Machine Learning and Intelligent Systems, el UCI ML Repository ofrece conjuntos de datos de sanidad, finanzas y muchos otros ámbitos. El repositorio democratizó de forma fundamental la educación y la investigación en aprendizaje automático.
Redes bayesianas: razonamiento bajo incertidumbre
Mientras las redes neuronales y los sistemas expertos competían por la atención, Judea Pearl en la UCLA construía un tercer gran pilar de la IA: el razonamiento bajo incertidumbre. En su libro Probabilistic Reasoning in Intelligent Systems (1988) popularizó las redes bayesianas: grafos en los que los nodos representan variables y las aristas sus dependencias probabilísticas. En lugar de las rígidas reglas si-entonces y los factores de certeza ad hoc de los sistemas expertos, permitían combinar conocimiento e incertidumbre de forma rigurosa y extraer inferencias de manera eficiente. Las redes bayesianas marcaron la IA y el aprendizaje automático de las décadas de 1990 y 2000; Pearl recibió el Premio Turing en 2011 y se dedicó después a la inferencia causal, el porqué que subyace a los datos. Para ser honestos: el teorema de Bayes data del siglo XVIII; el mérito de Pearl no fue inventar la probabilidad, sino hacer que el razonamiento probabilístico fuese estructurado y computable para la IA.
Teorema de aproximación universal
La demostración matemática del poder teórico de las redes neuronales. En 1989, Kurt Hornik, Maxwell Stinchcombe y Halbert White publicaron el artículo fundamental 'Multilayer feedforward networks are universal approximators' en Neural Networks. Su rigurosa demostración mostró que incluso una única capa oculta con suficientes neuronas puede aproximar con precisión arbitraria cualquier función medible según Borel. Esta base teórica justificó matemáticamente el uso de redes neuronales y aseguró a los investigadores que redes suficientemente grandes pueden modelar relaciones complejas y no lineales de los datos reales. De forma paralela, aparecieron trabajos similares de George Cybenko y Funahashi con distintas técnicas. El teorema estableció la universalidad mediante la ampliación de la capa oculta y se convirtió en el pilar teórico de todos los desarrollos posteriores del aprendizaje profundo. Hornik et al. crearon la confianza matemática que posibilitó el renacimiento de las redes neuronales en la década de 1990.
World Wide Web: la invención de la WWW
La invención que conectó el mundo y creó la base de las fuentes de datos para la IA moderna. El 12 de marzo de 1989, Tim Berners-Lee presentó en el CERN su propuesta para un 'Sistema de Gestión de la Información', denominado originalmente 'Mesh' y posteriormente 'World Wide Web'. Como científico británico, reconoció la necesidad de un intercambio automatizado de información entre científicos de todo el mundo. Hasta finales de 1990 desarrolló las tres tecnologías web fundamentales: HTML (HyperText Markup Language), HTTP (HyperText Transfer Protocol) y URI/URL. El primer servidor web, info.cern.ch, funcionaba en un ordenador NeXT junto con el primer navegador y editor 'WorldWideWeb.app'. En 1991 la web se hizo accesible al público. El crecimiento exponencial de unos 10 sitios web (1992) a varios cientos de miles (1996) creó la base de datos para los sistemas de IA posteriores. Sin la web no existirían los conjuntos de datos de Common Crawl ni los modelos de lenguaje grandes.
LeNet y el nacimiento de las CNN
La primera aplicación exitosa de redes neuronales convolucionales en la práctica. En 1989, Yann LeCun en AT&T Bell Labs combinó por primera vez la retropropagación con una arquitectura CNN para el reconocimiento de escritura a mano. Este sistema — conocido posteriormente como el antecesor de la familia LeNet — reconocía códigos postales escritos a mano para el Servicio Postal de los EE. UU. con una precisión notable: alrededor de un 1% de error en los datos de entrenamiento y aproximadamente un 5% en datos de prueba no vistos previamente; cuando se permitía al sistema rechazar los casos dudosos, el error sobre los dígitos restantes bajaba hasta aproximadamente el 1%. Este rendimiento demostró la superioridad práctica de las CNN frente a los enfoques convencionales y sentó las bases de la visión artificial moderna. Evidenció que las redes neuronales no eran meros constructos teóricos, sino que podían resolver problemas empresariales reales. La arquitectura pasó por varias iteraciones de mejora y desembocó en 1998 en LeNet-5, con un 99,05% de precisión en MNIST. Este trabajo sentó los cimientos de todas las arquitecturas CNN modernas.
TD-Gammon: aprender jugando contra sí mismo
Mucho antes de AlphaGo, un programa de IBM mostró de qué era capaz el aprendizaje por refuerzo: en 1992, Gerald Tesauro presentó TD-Gammon, una red neuronal que aprendió a jugar al backgammon. Lo notable era el método de aprendizaje. TD-Gammon se entrenó casi exclusivamente jugando cientos de miles de partidas contra sí mismo y aprendiendo del resultado, con el método de diferencia temporal (Temporal Difference), que corrige las predicciones de forma progresiva. Nadie necesitó mostrarle buenas jugadas. La red alcanzó un nivel casi de clase mundial e incluso descubrió aperturas que los profesionales humanos adoptaron a continuación. Para ser precisos: por impresionante que fuera el éxito, durante mucho tiempo no pudo trasladarse a otros juegos. Una de las razones reside en el dado: el backgammon es un juego de azar, y el azar genera por sí solo variedad durante el entrenamiento, una ventaja para el juego autónomo que los juegos deterministas como el ajedrez o el go no ofrecen.
Q-Learning: fundamento del aprendizaje por refuerzo
En 1992, Chris Watkins y Peter Dayan publicaron la demostración matemática del Q-Learning, un algoritmo que cambiaría considerablemente el mundo de la IA. Watkins había desarrollado la idea fundamental ya en 1989 en su tesis doctoral 'Learning from Delayed Rewards' en el King's College Cambridge. El Q-Learning resolvió un problema fundamental: ¿cómo puede un agente actuar de manera óptima sin necesitar un modelo de su entorno? La respuesta era elegante: mediante la optimización gradual de una función Q que asigna un valor a cada par estado-acción. La demostración de convergencia de 1992 mostró que, con exploración infinita, el Q-Learning encuentra garantizadamente la estrategia óptima para cualquier problema de decisión de Markov finito. Este método sin modelo se convirtió en la piedra angular del aprendizaje por refuerzo moderno. Desde la robótica hasta los mercados financieros, desde los juegos hasta los sistemas autónomos: el Q-Learning está en todas partes. A finales de 2013, DeepMind presentó una variante profunda con Deep Q-Networks (DQN), publicada en Nature en 2015, que alcanzó un nivel humano o sobrehumano en la mayoría de los juegos de Atari. Hasta hoy, el Q-Learning, especialmente en su forma de Deep Q-Network, es un componente fundamental de innumerables sistemas de IA.
Penn Treebank: la anotación sintáctica transforma el PLN
La creación del corpus fundamental para la investigación moderna sobre análisis sintáctico. En 1993, Mitchell Marcus, Beatrice Santorini y Mary Ann Marcinkiewicz publicaron el influyente artículo 'Building a Large Annotated Corpus of English: The Penn Treebank' en Computational Linguistics. Con más de 4,5 millones de palabras de inglés americano anotadas con categorías gramaticales, y alrededor de 3 millones de ellas con anotación sintáctica detallada (análisis esquelético), el Penn Treebank transformó considerablemente la lingüística computacional. El procedimiento en dos fases combinaba el etiquetado automático de categorías gramaticales con la corrección humana para lograr una calidad de anotación excepcional. A lo largo de toda la duración del proyecto, de unos siete años (1989-1996), y en el Penn Treebank II ampliado, se generaron en total 7 millones de palabras etiquetadas con categorías gramaticales, 3 millones de textos con análisis esquelético y 2 millones de estructuras de predicado-argumento. El Penn Treebank consolidó los métodos empíricos en la lingüística computacional y se convirtió en la base de los algoritmos de análisis sintáctico modernos. Hasta hoy, el Penn Treebank sirve a los sistemas modernos de PLN como referencia de evaluación para el análisis sintáctico y el modelado del lenguaje.
AdaBoost: los aprendices débiles se vuelven fuertes
En 1995, Yoav Freund y Robert Schapire desarrollaron AdaBoost (Adaptive Boosting), un algoritmo que cambió considerablemente el aprendizaje automático. Su idea central: combinar muchos 'aprendices débiles' para obtener un modelo de predicción de alta precisión. Un aprendiz débil solo es ligeramente mejor que el azar, pero cientos de ellos juntos pueden lograr resultados notables. AdaBoost se adapta de forma adaptativa: las predicciones erróneas reciben mayor peso en la siguiente iteración, de modo que el sistema se enfoca automáticamente en los casos difíciles. La elegancia teórica convenció a todos: Freund y Schapire demostraron que el error de entrenamiento cae de forma exponencialmente rápida hacia cero, siempre que cada aprendiz débil supere al azar. En 2003 recibieron por esta fundamentación de la teoría del boosting el Premio Gödel, uno de los reconocimientos más prestigiosos de la informática teórica. AdaBoost encontró aplicación práctica en biología, visión por ordenador y reconocimiento del habla. El método sentó las bases de los métodos de conjunto modernos e inspiró a toda una generación de algoritmos de boosting, hasta llegar a XGBoost.
Máquinas de vectores soporte: clasificación por margen máximo
El establecimiento de enfoques geométricos elegantes para una clasificación robusta. En 1995, Corinna Cortes y Vladimir Vapnik publicaron en AT&T Bell Labs el artículo fundamental 'Support-Vector Networks' en Machine Learning. Las SVM ampliaron el enfoque de margen máximo de Vapnik y Chervonenkis de 1964 (el 'Generalized Portrait') hasta convertirlo en una solución práctica para datos de entrenamiento no separables, gracias a la innovación del 'margen blando' (Soft Margin). El principio clave reside en la construcción de superficies de decisión lineales en espacios de características de muy alta dimensión mediante transformaciones no lineales de la entrada. El truco del kernel de 1992 permitió un cálculo eficiente sin necesidad de transformación explícita. Las SVM maximizan el margen entre clases y ofrecen así una alta capacidad de generalización. Con decenas de miles de citas, el artículo se convirtió en una de las obras más citadas del aprendizaje automático y dominó las tareas de clasificación hasta la revolución del aprendizaje profundo. Las SVM siguieron siendo robustas, interpretables y eficaces para problemas de alta dimensionalidad.
WordNet: la red semántica del lenguaje
El primer diccionario léxico estructurado como red semántica para la lingüística computacional. En noviembre de 1995, George Miller publicó el artículo fundamental 'WordNet: A Lexical Database for English' en Communications of the ACM y presentó su visión desarrollada desde 1986. WordNet organiza sustantivos, verbos, adjetivos y adverbios del inglés en synsets, grupos de sinónimos cognitivos vinculados por relaciones semánticas y léxicas. Esta estructura refleja la memoria semántica humana y permite navegar por redes significativas de palabras y conceptos. Aunque ya existían diccionarios legibles por máquina, WordNet fue el primero en modelar el vocabulario de forma sistemática como una red de synsets y relaciones de significado, combinando así la información lexicográfica tradicional con el procesamiento moderno de datos. Con el inicio de su desarrollo en 1986 por Miller y su equipo de Princeton, WordNet se convirtió en la base de las jerarquías de ImageNet y los sistemas modernos de procesamiento del lenguaje natural. La estructura de red semántica influyó en todos los grafos de conocimiento y técnicas de embeddings posteriores.
PageRank: el algoritmo que vale miles de millones
En 1996, dos doctorandos de Stanford desarrollaron un algoritmo que cambiaría considerablemente internet. Larry Page y Sergey Brin pusieron en marcha el proyecto 'BackRub' con una idea novedosa: la importancia de una página web no se mide solo por su contenido, sino por los enlaces que apuntan a ella. Como en las citas científicas, cuanto más veces se enlaza una página, más importante es. El algoritmo PageRank simula un 'navegante aleatorio' que hace clic al azar por la web. Cuanto más frecuentemente llega el navegante aleatorio a una página a través de la estructura de enlaces, más importante se considera. El rastreador web de Page empezó en marzo de 1996 desde su propia página de inicio en Stanford. La publicación formal del artículo sobre PageRank tuvo lugar en enero de 1998 como Stanford Technical Report. Hasta agosto de 1996, BackRub ya había descubierto alrededor de 75 millones de URLs, es decir, direcciones encontradas a través de enlaces, de las cuales solo una parte había sido rastreada realmente. Ya el primer prototipo de Stanford ofrecía resultados más relevantes que los servicios de búsqueda contemporáneos como Excite o Yahoo!. Stanford obtuvo la patente y vendió sus 1,8 millones de acciones de Google en 2005 por 336 millones de dólares. De un proyecto universitario surgió uno de los motores de búsqueda más exitosos y la base de la IA web moderna.
Deep Blue vence a Kasparov
La primera victoria de una máquina sobre un campeón mundial de ajedrez en activo en condiciones de torneo. El 11 de mayo de 1997, Deep Blue hizo historia cuando el superordenador de IBM venció a Garry Kasparov en el partido de revancha en Nueva York por 3,5:2,5. Tras la derrota de 1996, IBM había renovado el sistema de manera fundamental: nuevos chips de ajedrez duplicaron la velocidad hasta 200 millones de posiciones por segundo, y mejores bases de datos de finales junto con el asesoramiento de grandes maestros refinaron la fuerza de juego. La decisiva sexta partida duró solo una hora — tras un sacrificio de caballo, Kasparov cayó rápidamente en una posición objetivamente perdida y abandonó ya en el movimiento 19, un momento sin precedentes en su carrera. La victoria demostró por primera vez la superioridad de los ordenadores en el pensamiento estratégico complejo y marcó un punto de inflexión en la percepción pública de la IA. El premio de 700.000 dólares para Deep Blue subrayó la importancia histórica de este triunfo de la inteligencia de las máquinas.
LSTM: Memoria de Largo Plazo a Corto Plazo
La solucion al problema del gradiente que desaparece y el nacimiento del modelado efectivo de secuencias. El 15 de noviembre de 1997, Sepp Hochreiter y Juergen Schmidhuber publicaron el articulo pionero 'Long Short-Term Memory' en Neural Computation. Su innovacion resolvio un problema fundamental de las redes recurrentes: la desaparicion de gradientes sobre secuencias mas largas. LSTM introdujo celulas de memoria especiales con mecanismos de compuerta que permiten un flujo de error constante sobre miles de pasos de tiempo. Las compuertas multiplicativas aprenden a abrir y cerrar el acceso al carrusel de error constante. Con complejidad O(1) por paso de tiempo y aprendizaje local, LSTM supero claramente todos los metodos RNN contemporaneos. El sistema resolvio problemas complejos de desfase temporal largo por primera vez que antes eran irresolubles. LSTM se convirtio en la base para el reconocimiento de voz moderno, traduccion y analisis de series temporales.
MNIST: el estándar del aprendizaje automático
La creación de uno de los conjuntos de datos de referencia más importantes para los principiantes en visión por ordenador. En 1998, Yann LeCun, Corinna Cortes y Christopher Burges presentaron el conjunto de datos MNIST, una colección curada de dígitos escritos a mano que se convertiría en el 'Hello World' del aprendizaje automático. Basado en la Special Database 3 y la Special Database 1 del NIST, MNIST contiene 70.000 imágenes normalizadas de 28x28 píxeles en escala de grises: 60.000 para entrenamiento y 10.000 para pruebas. El cuidadoso preprocesamiento y el antialiasing convirtieron a MNIST en el conjunto de datos ideal para el aprendizaje sin necesidad de una costosa preparación de datos. MNIST apareció en el artículo 'Gradient-based learning applied to document recognition' (Proceedings of the IEEE, noviembre de 1998). El conjunto de datos se convirtió en el punto de referencia estándar para innumerables algoritmos de aprendizaje automático y permitió a generaciones de estudiantes lograr sus primeros éxitos en visión por ordenador. MNIST democratizó la educación en aprendizaje automático en todo el mundo.
Random Forest: avance en los métodos de conjunto
En 2001, Leo Breiman, de la UC Berkeley, publicó uno de los artículos de aprendizaje automático más citados de todos los tiempos: 'Random Forests'. Su algoritmo transformó considerablemente el concepto de los métodos de conjunto y se convirtió en una de las herramientas más importantes de la estadística moderna. La idea fundamental era genialmente sencilla: en lugar de un árbol de decisión, se entrenan cientos de árboles aleatorios y se les hace votar. Cada árbol ve solo una parte aleatoria de los datos y las características: 'bagging' combinado con aleatorización de características. El resultado: una reducción drástica de los problemas de sobreajuste y una precisión predictiva excepcional. Breiman también proporcionó la base teórica con errores de generalización basados en la fortaleza y la correlación de los árboles. Random Forest se convirtió en uno de los algoritmos de aprendizaje automático de tipo 'plug-and-play' con menos mantenimiento: ajuste mínimo, rendimiento máximo. Desde la bioinformática hasta el análisis de mercados financieros, Random Forest domina hasta hoy innumerables aplicaciones e hizo de los métodos de conjunto la herramienta estándar, en paralelo a la línea del boosting, de la que surgió posteriormente XGBoost.
Fundación del Future of Humanity Institute
La institucionalización de la investigación en seguridad de la IA y la evaluación de riesgos existenciales. En 2005, Nick Bostrom fundó el Future of Humanity Institute en la Universidad de Oxford como grupo de investigación multidisciplinar. Comenzando con solo tres investigadores, el FHI se convirtió en un centro intelectual de atracción para pensadores brillantes, a menudo excéntricos, y creció hasta alcanzar unos 40 empleados. El instituto estableció nuevos campos de investigación: riesgos existenciales, AI Alignment, AI Governance y Longtermism. Las primeras publicaciones de Bostrom, como 'The fable of the dragon tyrant' (2005) y 'What is a singleton?' (2006), marcaron el pensamiento sobre la seguridad de la IA. A pesar de su relativamente breve existencia de 19 años hasta su cierre en 2024, el FHI produjo avances notables y una nueva forma de pensar sobre las grandes cuestiones de la humanidad. La legitimación académica de la investigación en AI Safety por parte de Oxford otorgó al campo credibilidad científica.
DARPA Grand Challenge: el nacimiento del vehículo autónomo
El 8 de octubre de 2005, un Volkswagen Touareg azul llamado 'Stanley' hizo historia. Bajo la dirección de Sebastian Thrun, el Stanford Racing Team ganó la DARPA Grand Challenge — la primera competición de vehículos autónomos ganada con éxito en el mundo. Tras el fracaso total de todos los participantes en 2004 (el mejor: 7,4 millas, es decir, 11,9 km), Stanley recorrió la totalidad del trayecto desértico de 212 km en 6 horas y 53 minutos. Cinco vehículos alcanzaron la meta, cuatro de ellos dentro del límite de tiempo — un avance notable en comparación con los cero del año anterior. Stanley navegó por tres túneles estrechos, más de 100 curvas pronunciadas y el peligroso Beer Bottle Pass con sus precipicios. La innovación fue el software, no el hardware: sensores LiDAR, aprendizaje automático y un registro de decisiones de conducción humanas dotaron a Stanley de capacidades que ningún robot había tenido antes. Los 2 millones de dólares en premios fueron solo el principio — Stanley sentó las bases del Tesla Autopilot, Google Waymo y toda la industria de los vehículos autónomos. Hoy, Stanley se expone en el Smithsonian Museum.
Redes de creencia profunda: el renacimiento del aprendizaje profundo
Geoffrey Hinton transformó el mundo de la IA en 2006 con su importante artículo sobre las redes de creencia profunda. Tras años de impopularidad de las redes neuronales, demostró cómo entrenar de forma eficiente redes neuronales profundas. Su innovación: el preentrenamiento capa a capa con máquinas de Boltzmann restringidas (RBM). Esta estrategia de aprendizaje 'voraz' resolvió el problema de la inicialización de pesos y hizo que el aprendizaje profundo fuera prácticamente aplicable. El método apila RBM una encima de otra y entrena cada capa por separado antes de refinar la red completa. El trabajo de Hinton puso fin a los años de oscuridad de las redes neuronales e inició su renacimiento. Ya en 2009, las DBN redujeron considerablemente las tasas de error en el reconocimiento de voz. En 2012, el equipo de Hinton ganó el ImageNet Challenge (ILSVRC) con AlexNet — una red neuronal convolucional profunda que utilizaba entrenamiento en GPU, ReLU y Dropout, y ya no dependía del preentrenamiento con RBM de las DBN. AlexNet alcanzó una tasa de error top-5 del 15,3% frente al 26,2% del segundo mejor equipo — una mejora notable. Este momento marca el renacimiento de las redes neuronales y el inicio del actual auge de la IA.
Netflix Prize: el algoritmo del millón de dólares
La democratización del aprendizaje automático a través de un concurso de crowdsourcing de una magnitud sin precedentes, con un conjunto de datos público y un premio de un millón de dólares. El 2 de octubre de 2006, Netflix lanzó este desafío de un millón de dólares: ¿quién puede mejorar en un 10% el algoritmo de recomendación Cinematch? Con más de 100 millones de valoraciones de 480.000 usuarios para 17.770 películas, Netflix puso a disposición uno de los mayores conjuntos de datos públicos de ML. Se registraron más de 40.000 equipos de 186 países; de ellos, más de 5.000 lograron acceder al marcador de clasificación y presentaron conjuntamente unas 44.000 soluciones válidas. Cuando el equipo 'BellKors Pragmatic Chaos' superó el 26 de junio de 2009 el umbral del 10% como primero en hacerlo, se activó el último plazo de 30 días, que concluyó el 26 de julio de 2009; el ganador, con una mejora del 10,06%, fue proclamado oficialmente en la ceremonia de entrega de premios del 21 de septiembre de 2009. Su fórmula de éxito: una combinación de conjuntos de factorización matricial y máquinas de Boltzmann restringidas. El concurso transformó considerablemente el filtrado colaborativo y demostró el poder del crowdsourcing para resolver problemas complejos de ML. Aunque Netflix nunca puso en producción los algoritmos ganadores (el coste de implementación era demasiado elevado), el concurso inspiró de forma duradera la industria moderna de los sistemas de recomendación.
Fundación de Common Crawl
La democratización de internet como datos de entrenamiento para la inteligencia artificial. En 2007, Gil Elbaz fundó la Common Crawl Foundation con la misión de archivar la totalidad de la web pública y ponerla a disposición de forma gratuita. A partir de 2008 comenzó la actividad sistemática de rastreo, cuyo corpus crece mes a mes con miles de millones de páginas y que actualmente (a fecha de 2024) supera las 100.000 millones de páginas web y varios petabytes de datos. Esta colección se convirtió en la fuente de entrenamiento más importante para los modelos de lenguaje de gran escala y posibilitó el desarrollo de GPT-3, ChatGPT, LLaMA y otros sistemas de IA modernos. Common Crawl se distinguió de los enfoques comerciales por su carácter sin ánimo de lucro y su libre disponibilidad. La colección de datos brutos sin filtrar requiere un procesamiento posterior, pero democratizó el acceso a datos lingüísticos exhaustivos e hizo la investigación en IA menos dependiente de conjuntos de datos propietarios.
CUDA: la tarjeta gráfica se convierte en el motor de la IA
La revolución de la IA de 2012 no funcionó solo gracias a los algoritmos, sino también a las tarjetas gráficas. El terreno lo preparó NVIDIA en 2007 con CUDA: una plataforma que permitía ejecutar programas ordinarios escritos en un lenguaje similar a C directamente en la GPU, no solo gráficos. Presentada con el chip G80 a finales de 2006, lanzada en beta pública en febrero de 2007 y como versión 1.0 en junio de 2007, CUDA hizo accesible por primera vez de forma masiva el enorme paralelismo de los procesadores gráficos. Esto encajaba perfectamente con las redes neuronales, cuyo núcleo computacional son las multiplicaciones de matrices: miles de pequeñas operaciones simultáneas. Cinco años más tarde, Krizhevsky, Sutskever y Hinton entrenaron AlexNet en dos tarjetas NVIDIA GTX 580 con CUDA, el avance que detonó el aprendizaje profundo. A partir de 2014, cuDNN de NVIDIA proporcionó los bloques optimizados sobre los que hoy corren TensorFlow, PyTorch y otros. Para contextualizar: CUDA no inventó el GPGPU (los shaders programables existían desde 2001 y BrookGPU desde 2004) y no fue la causa única del aprendizaje profundo, pero hizo accesible la potencia de cómputo necesaria, sin la cual nada de lo demás habría sido posible.
Zero-Shot Learning: aprender sin datos
La formalización del aprendizaje de clases no vistas mediante descripciones semánticas. En julio de 2008, Hugo Larochelle, Dumitru Erhan y Yoshua Bengio publicaron en la conferencia AAAI su trabajo 'Zero-data Learning of New Tasks', que proporcionó la formalización teórica precursora. El nombre 'Zero-Shot Learning' fue acuñado en 2009 por dos grupos distintos: Palatucci y colaboradores con 'Zero-Shot Learning with Semantic Output Codes' en NIPS 2009, y Lampert y colaboradores con su enfoque basado en atributos en CVPR 2009. El problema fundamental: ¿cómo puede un modelo clasificar clases para las que no hay datos de entrenamiento disponibles, sino solo descripciones? La solución residía en los embeddings semánticos y el aprendizaje por transferencia, es decir, la reutilización de modelos entrenados para nuevas tareas. La formalización de Larochelle abordaba conjuntos de clases muy grandes que no pueden cubrirse completamente con datos de entrenamiento. Los análisis experimentales demostraron una capacidad de generalización significativa en este contexto. Este trabajo sentó las bases conceptuales de las modernas capacidades Few-Shot y Zero-Shot en GPT-3, GPT-4 y otros modelos de lenguaje grandes. El Zero-Shot Learning se convirtió en una tecnología clave para los sistemas de IA escalables.
Se establecen los datasets CIFAR
La creación de un benchmark fundamental para visión por computadora. En 2009, Alex Krizhevsky, Vinod Nair y Geoffrey Hinton en la Universidad de Toronto desarrollaron los datasets CIFAR-10 y CIFAR-100. Estos emergieron como subconjuntos etiquetados del dataset 'Tiny Images' de 80 millones de imágenes. CIFAR-10 comprende 60,000 imágenes a color de 32x32 píxeles en diez categorías como aviones, autos y animales, mientras CIFAR-100 distribuye el mismo número de imágenes en cien clases más finas. Los datasets se convirtieron en uno de los benchmarks más importantes en investigación de visión por computadora y permitieron comparaciones estandarizadas entre diferentes algoritmos. Notable es la conexión con AlexNet: Krizhevsky usó CIFAR-10 antes de 2011 para entrenar CNNs pequeñas en GPUs individuales - un precursor de su posterior éxito en ImageNet de 2012.
ImageNet: el conjunto de datos que lo cambió todo
La creación del conjunto de datos que hizo posible el desarrollo del aprendizaje profundo. En 2009, Fei-Fei Li y su equipo presentaron el artículo de ImageNet e introdujeron una base de datos visual destinada a transformar la visión por ordenador; en el momento de su lanzamiento contaba con unos 3,2 millones de imágenes anotadas manualmente en unas 5.200 categorías. En su dimensión completa, ImageNet llegó a incluir más de 14 millones de imágenes anotadas manualmente y unas 22.000 categorías, basadas en las jerarquías de WordNet, y abordó así el cuello de botella crítico: la escasez de datos de entrenamiento de gran escala y alta calidad. La anotación fue realizada a lo largo del proyecto por unos 49.000 trabajadores de 167 países a través de Amazon Mechanical Turk, un proyecto colaborativo sin precedentes. Lo que comenzó como un póster en un rincón de un centro de conferencias en Miami Beach se convirtió en el desafío anual ImageNet (ILSVRC) y pasó a ser uno de los tres motores del desarrollo moderno de la IA. ImageNet hizo posible el avance de AlexNet en 2012 y sentó las bases para los vehículos autónomos, el reconocimiento facial y el diagnóstico médico por imagen.
DeepMind es fundada
El nacimiento de un laboratorio de IA que haría titulares mundiales. En septiembre de 2010, Demis Hassabis, Shane Legg y Mustafa Suleyman fundaron DeepMind Technologies en Londres. Su objetivo: desarrollar inteligencia artificial general combinando conocimientos de neurociencia y aprendizaje automático. Hassabis, un ex prodigio del ajedrez y desarrollador de juegos, trajo una visión única: la IA debería aprender como el cerebro humano. En 2014, Google adquirió la startup por un estimado de $500 millones – una de las mayores adquisiciones de IA en la historia. DeepMind posteriormente asombraría al mundo con AlphaGo, AlphaFold y otros avances.
ImageNet Challenge: empieza la competición
El establecimiento del punto de referencia más importante en visión por ordenador de toda la historia de la IA. En 2010 arrancó la primera ImageNet Large Scale Visual Recognition Challenge (ILSVRC) y creó una competición estandarizada que marcaría la investigación en visión por ordenador durante la siguiente década. Con 1.000 categorías de objetos y 1,2 millones de imágenes de entrenamiento, la Challenge superaba con creces los puntos de referencia disponibles hasta entonces, como PASCAL VOC, que solo contaba con 20 clases. La evaluación se realizó mediante las tasas de error Top-1 y Top-5, métricas que siguen siendo estándar hoy en día. De 2010 a 2017, la precisión Top-5 de los ganadores mejoró de forma notable, pasando del 71,8% al 97,3%, y finalmente superó el rendimiento humano. La competición anual atrajo a más de 50 instituciones de todo el mundo y catalizó avances que culminaron en 2012 con el significativo avance de AlexNet: una tasa de error Top-5 de solo el 15,3% (una precisión de aproximadamente el 84,7%).
Watson vence a los campeones de Jeopardy
El triunfo de IBM en el procesamiento del lenguaje natural y la demostración de la comprensión lingüística por parte de las máquinas. El 16 de febrero de 2011, el sistema Watson de IBM venció en el desafío televisado de Jeopardy a los dos campeones más exitosos de todos los tiempos: Ken Jennings (74 victorias consecutivas) y Brad Rutter (3,25 millones de dólares en premios hasta 2005). Watson, desarrollado por el equipo DeepQA de David Ferrucci, constaba de 90 servidores IBM Power 750 (en 10 racks) con 16 terabytes de RAM y 2.880 núcleos de procesador POWER7. La innovación residía en el procesamiento del lenguaje natural: Watson comprendía preguntas en lenguaje natural y respondía con mayor precisión que cualquier tecnología de búsqueda estándar, sin conexión a internet. Con 77.147 dólares en premios (donados a obras benéficas), Watson dominó a sus rivales humanos por más de 50.000 dólares. El famoso comentario final de Ken Jennings, 'I for one welcome our new computer overlords', subrayó la importancia histórica de este hito en el procesamiento del lenguaje natural.
Lanzamiento de Siri: el asistente de voz llega al gran público
El 4 de octubre de 2011, Apple transformó notablemente la interacción entre humanos y ordenadores con la introducción de Siri en el iPhone 4S. Como primera asistente de voz de masas integrada de forma profunda en un smartphone, Siri acercó la IA al bolsillo de millones de personas. ¿Qué tiempo hace hoy? o Encuéntrame un buen restaurante griego: de repente los usuarios podían hablar con su teléfono de forma natural. Siri no era una invención completamente nueva: existía desde 2010 como aplicación iOS independiente de Siri Inc. (adquirida por Apple), y Google ya ofrecía búsqueda por voz con Voice Actions. Pero fue la integración fluida de Apple en el sistema operativo lo que convirtió al asistente de voz en un fenómeno de masas. Siri se basaba en décadas de investigación en SRI International y en el proyecto CALO de DARPA. Susan Bennett había grabado sin saberlo la voz original en 2005. Steve Jobs, gravemente enfermo en sus últimos días, ya no apareció en el acto de presentación; fue Tim Cook quien presentó el iPhone 4S. Un día después de la presentación de Siri, Jobs falleció. Siri no era perfecta: los críticos señalaron sus comandos rígidos y su falta de flexibilidad. Pero el objetivo estaba logrado: la IA se había convertido en algo masivo. Siri inspiró a Amazon Alexa, Google Assistant y Microsoft Cortana. La era de los asistentes de voz había comenzado.
Regularización Dropout
Geoffrey Hinton, Nitish Srivastava, Alex Krizhevsky, Ilya Sutskever y Ruslan Salakhutdinov transformaron en julio de 2012 el entrenamiento de redes neuronales con la invención de la regularización Dropout. Esta elegante técnica previene el sobreajuste desactivando aleatoriamente aproximadamente la mitad de todas las neuronas durante el entrenamiento, lo que evita las complejas co-adaptaciones. En lugar de combinaciones específicas de características, cada neurona aprende patrones de reconocimiento robustos y de utilidad general. El método, publicado el 3 de julio de 2012 en arXiv, se convirtió pocos meses después en uno de los componentes clave del triunfo de AlexNet en ImageNet en la ILSVRC 2012, cuyos resultados se presentaron en octubre de 2012 — junto al entrenamiento en GPU, la activación ReLU y la profundidad de la red — y se establece como estándar en la mayoría de las arquitecturas modernas de aprendizaje profundo. Dropout bate nuevos récords en reconocimiento de voz y de objetos, y resuelve el problema central del sobreajuste en redes profundas.
El éxito de AlexNet
El punto de inflexión para el aprendizaje profundo y la IA moderna. El 30 de septiembre de 2012 se publicaron los resultados del ImageNet Challenge, que AlexNet ganó con una ventaja tal que transformó de forma duradera la visión por ordenador. Alex Krizhevsky, Ilya Sutskever y Geoffrey Hinton de la Universidad de Toronto desarrollaron una arquitectura CNN que superó a su competencia en notables 10,9 puntos porcentuales, una mejora que la comunidad científica considera extraordinaria. Con 60 millones de parámetros y técnicas innovadoras como las activaciones ReLU y las capas de dropout, AlexNet demostró de forma convincente la superioridad práctica del aprendizaje profundo. Ese fue el momento en que una teoría interesante se convirtió en una tecnología dominante. Yann LeCun lo llamó 'un punto de inflexión indudable en la historia de la visión por ordenador'. La implementación basada en GPU allanó el camino para el desarrollo moderno de la IA.
La revolución del aprendizaje profundo
El año que inauguró la era moderna de la IA mediante la convergencia de conjuntos de datos, potencia de GPU y arquitecturas neuronales. 2012 marcó el ascenso del aprendizaje profundo como tecnología de IA dominante, catalizado por la impresionante victoria de AlexNet en ImageNet. La convergencia de tres avances lo hizo posible: el conjunto de datos ImageNet de Fei-Fei Li proporcionó masivos datos de entrenamiento etiquetados, la computación con GPU alcanzó la potencia de cálculo necesaria para redes profundas, y los métodos de entrenamiento mejorados como las activaciones ReLU y la regularización Dropout superaron las antiguas limitaciones. El equipo de Geoffrey Hinton — Alex Krizhevsky, Ilya Sutskever y el propio Hinton — demostró en la casa de los padres de Krizhevsky con dos tarjetas Nvidia que las redes neuronales profundas eran viables. AlexNet resultó ser un punto de inflexión para la visión artificial. Este éxito aumentó considerablemente el interés por el aprendizaje profundo y allanó el camino para VGG, ResNet y, finalmente, el desarrollo actual de la IA generativa.
Word2Vec: palabras como vectores
La transformación de la representación de palabras mediante espacios vectoriales semánticos. El 16 de enero de 2013, Tomas Mikolov y su equipo de Google publicaron el influyente artículo 'Efficient Estimation of Word Representations in Vector Space'. Word2Vec transformó el procesamiento del lenguaje natural al representar las palabras como vectores densos y de baja dimensionalidad (típicamente entre 100 y 300 dimensiones) que capturan relaciones semánticas y sintácticas, una ruptura con los enormes vectores dispersos one-hot de los métodos anteriores. Las dos variantes arquitectónicas, CBOW (Continuous Bag of Words) y Skip-Gram, aprendían a partir de grandes corpus de texto que palabras similares aparecen en contextos similares. El célebre ejemplo ilustraba la aritmética vectorial: rey - hombre + mujer = reina. Con más de 49.000 citas, el trabajo de Mikolov se convirtió en uno de los artículos más influyentes del procesamiento del lenguaje natural. Word2Vec sentó las bases de todas las técnicas modernas de embeddings y permitió el razonamiento semántico en espacios vectoriales. Esta innovación allanó el camino para las arquitecturas Transformer y los modelos de lenguaje grandes modernos.
VAE: Autoencoders variacionales
El desarrollo de modelos generativos probabilísticos mediante la modelización del espacio latente. El 20 de diciembre de 2013, Diederik Kingma y Max Welling publicaron el artículo 'Auto-Encoding Variational Bayes'. Los VAE conectan redes de codificador y decodificador a través de un espacio latente probabilístico, normalmente una distribución gaussiana multivariante. A diferencia de los autoencoders deterministas, el codificador codifica los datos como distribuciones en lugar de puntos individuales, lo que permite la interpolación continua y la generación de datos. El truco de reparametrización hace que la aleatoriedad sea diferenciable como entrada del modelo y permite la optimización estándar por gradiente. En sus experimentos, los VAE generaron dígitos escritos a mano (MNIST) e imágenes pequeñas de rostros (Frey Faces), aún borrosas, pero demostrando la viabilidad de la inferencia variacional. Este trabajo sentó las bases de la IA generativa moderna e influyó en enfoques probabilísticos posteriores, incluidos los modelos de difusión.
Adam: el optimizador estándar del aprendizaje profundo
Para que una red neuronal aprenda, un optimizador debe ajustar paso a paso sus millones de parámetros en la dirección correcta. En 2014, Diederik Kingma y Jimmy Ba presentaron un procedimiento que pronto se convirtió en el más utilizado del sector: Adam, nombre derivado de la expresión inglesa Adaptive Moment Estimation (y no es un acrónimo). El truco de Adam consiste en mantener una tasa de aprendizaje propia y ajustada automáticamente para cada parámetro individual. Para ello combina dos ideas contrastadas: el momentum, que incorpora la dirección anterior, y los pasos adaptativos al estilo de RMSProp. El resultado: las redes se entrenan de forma robusta y sin tener que experimentar laboriosamente con la tasa de aprendizaje. El artículo se convirtió en uno de los más citados de la investigación en IA. Para ser honestos: Adam no es una panacea. En algunos casos, el más sencillo SGD generaliza mejor a datos nuevos. Además, Adam se apoya en precursores como AdaGrad y RMSProp, y variantes posteriores como AdamW (2017) tuvieron que corregir debilidades del original.
MS COCO: el estándar de oro en visión por ordenador
En 2014, un equipo de investigadores de Microsoft Research, la Cornell University y la UC Berkeley transformó considerablemente la investigación en visión por ordenador con el conjunto de datos COCO (Common Objects in Context). A diferencia de ImageNet, que mostraba objetos de forma aislada, COCO presentaba los objetos en su contexto natural, tal como aparecen en el mundo real. 2,5 millones de anotaciones en 328.000 imágenes, organizadas en 91 categorías según el artículo original, de las cuales 80 conforman el punto de referencia de detección que sigue vigente hoy en día; todas ellas son objetos cotidianos que un niño de 4 años podría reconocer. La innovación radicaba en el detalle: máscaras de segmentación con precisión de píxel en lugar de simples bounding boxes. COCO hizo posible por primera vez la localización precisa de objetos y la comprensión de escenas complejas. El conjunto de datos se convirtió en el estándar de oro para la detección de objetos, la segmentación de instancias y el subtitulado de imágenes. Desde YOLO hasta Mask R-CNN, todos los grandes modelos de visión por ordenador se evalúan con COCO. Las métricas estandarizadas, como la precisión media promedio (mAP), permitieron realizar comparaciones objetivas entre modelos. Más de una década después, COCO sigue siendo el punto de referencia más importante de la comunidad de visión por ordenador. Sin COCO no existirían los modernos sistemas de reconocimiento de objetos en vehículos autónomos, vigilancia o realidad aumentada.
GANs - Redes Generativas Adversariales
Ian Goodfellow inventa en 2014 las Generative Adversarial Networks (GANs) durante una noche en Montreal tras visitar un bar. Su innovador framework enfrenta dos redes neuronales en un juego minimax: un generador crea datos artificiales y un discriminador intenta distinguir los reales de los falsos. Este entrenamiento adversarial transforma fundamentalmente la IA generativa. La GAN original de 2014 solo generaba imágenes pequeñas y borrosas (de dígitos y rostros, por ejemplo), pero allanó el camino hacia la generación de imágenes fotorrealistas posterior. El artículo publicado en arXiv en 2014 se convirtió en uno de los papers de IA más influyentes y consagró a Goodfellow como una celebridad de la IA. Cientos de variantes de GAN le siguieron.
Mecanismo de atención: la clave para los LLM modernos
Septiembre de 2014: Dzmitry Bahdanau, Kyunghyun Cho y Yoshua Bengio publicaron un artículo que cambiaría de forma duradera el mundo del PLN. 'Neural Machine Translation by Jointly Learning to Align and Translate' resolvió un problema fundamental de los modelos secuencia a secuencia. Las arquitecturas codificador-decodificador anteriores comprimían cada oración de entrada en un único vector de longitud fija, un cuello de botella informativo en el caso de oraciones largas. La atención de Bahdanau fue un avance significativo: en lugar de un vector fijo, el modelo utilizaba una atención dinámica sobre distintas partes de la oración de entrada. Al igual que el ojo humano al leer, la atención de la IA salta entre las palabras relevantes. Esta 'atención aditiva' se convirtió en el precursor conceptual de los sistemas de PLN modernos. El Transformer posterior (2017) se basó en la idea de la atención, pero sustituyó la variante aditiva por la más eficiente Scaled-Dot-Product-Attention. Sin el concepto de atención de Bahdanau no habría Transformer; sin Transformer no habría familia GPT ni BERT. Este avance tuvo lugar tres años antes de 'Attention Is All You Need'.
Lanzamiento de Amazon Alexa y Echo
Amazon transforma considerablemente la interacción entre el ser humano y la tecnología con la presentación de Alexa y el altavoz inteligente Echo el 6 de noviembre de 2014. El Echo comenzó con acceso solo por invitación y exclusivamente para miembros Prime; no fue hasta las ventas al público general en 2015 cuando la IA de voz se volvió accesible para el gran consumidor y transformó el hogar en un entorno controlado por voz. Aprovechando la tecnología de síntesis de voz polaca Ivona, adquirida el 24 de enero de 2013, Amazon creó una experiencia de usuario completamente nueva. El Echo comenzó como dispositivo para controlar la música, pero se desarrolló rápidamente hasta convertirse en un hub universal para el hogar inteligente. Esta innovación fundó una categoría de masas y marcó el inicio de un desarrollo de amplio alcance en el mercado de los altavoces inteligentes, inspirando a numerosos competidores.
Deep Q-Networks: la IA aprende Atari a partir de píxeles
Mucho antes de que AlphaGo acaparara los titulares, DeepMind consiguió en 2015 que una IA aprendiese videojuegos de Atari únicamente a partir de los píxeles en bruto, sentando así las bases del aprendizaje por refuerzo profundo. En febrero de 2015, el equipo liderado por Volodymyr Mnih publicó en Nature 'Human-level control through deep reinforcement learning' (un primer precursor había aparecido en 2013). Una red neuronal que solo veía la pantalla y la puntuación aprendió 49 juegos de Atari distintos con la misma arquitectura y sin ajustes por juego. Técnicamente, DeepMind combinó una red convolucional con Q-learning, un almacén de experiencias (experience replay, introducido por Lin a principios de los 1990) y una red objetivo estabilizadora. Para contextualizar con precisión: el sistema alcanzó el nivel humano en aproximadamente la mitad de los juegos y superó a todos los métodos anteriores en 43 de 49, pero fracasó casi por completo en juegos con recompensa escasa como Montezuma's Revenge. Aun así, fue la prueba de que las redes profundas y el aprendizaje por refuerzo encajaban a gran escala: el puente desde el Q-learning de los 1990 hasta AlphaGo y AlphaZero.
Batch Normalization: un avance importante en el entrenamiento de redes neuronales
El 11 de febrero de 2015, Sergey Ioffe y Christian Szegedy de Google publicaron un artículo que transformó de forma duradera el entrenamiento de redes neuronales profundas. Su diagnóstico: el 'Internal Covariate Shift' — la distribución de entrada de cada capa se desplaza durante el entrenamiento, lo que desestabiliza el aprendizaje. Su elegante solución: Batch Normalization normaliza las activaciones de cada capa para cada mini-batch. El efecto fue notable: alrededor de 14 veces menos pasos de entrenamiento para alcanzar la misma precisión. Se hicieron posibles tasas de aprendizaje más altas, el Dropout resultó a menudo innecesario y la inicialización menos crítica. El método actuaba a la vez como regularizador y como acelerador. Su ensemble en ImageNet alcanzó una tasa de error Top-5 del 4,8%, superando a los evaluadores humanos (aprox. 5,1%). Algo interesante: investigaciones posteriores (Santurkar et al. 2018) demostraron que el mecanismo real reside menos en el dominio del Covariate Shift que en un paisaje de pérdida más suavizado — la explicación original se considera hoy relativizada. Con más de 60.000 citas, el artículo ha inspirado numerosos métodos de normalización: GroupNorm, LayerNorm, InstanceNorm. Hoy en día, Batch Normalization es un estándar en muchas arquitecturas modernas, desde ResNet hasta las CNN actuales — mientras que los Transformers suelen optar por la Layer Normalization, en parte inspirada por este trabajo.
YOLO: Solo Miras Una Vez
La transformación de la detección de objetos en tiempo real a través de arquitectura unificada de una sola pasada. El 8 de junio de 2015, Joseph Redmon, Santosh Divvala, Ross Girshick y Ali Farhadi presentaron el artículo fundamental 'You Only Look Once: Unified, Real-Time Object Detection'. YOLO rompió el paradigma tradicional de dos etapas de detección de objetos y formuló la detección como un problema de regresión para cajas delimitadoras espacialmente separadas. Una sola red neuronal predice cajas delimitadoras y probabilidades de clase directamente desde imágenes completas en una evaluación. Con rendimiento base de 45 fps y Fast YOLO a asombrosos 155 fps, el sistema era cientos a miles de veces más rápido que detectores existentes. La arquitectura basada en cuadrícula dividía imágenes en celdas, con cada celda prediciendo objetos en su centro. YOLO aprendió representaciones generalizantes de objetos y superó significativamente otros métodos en transferencia de dominio.
Desarrollo de DeepMind AlphaGo
En octubre de 2015, DeepMind logra un avance histórico: AlphaGo se convierte en el primer sistema de IA que vence a un jugador de Go profesional en un tablero completo sin handicap. AlphaGo derrota al campeón europeo de Go Fan Hui por 5:0 y conquista así el juego de mesa clásico más complejo del mundo — una década antes de lo que los expertos habían pronosticado. El partido permanece en secreto al principio; el éxito se hace público el 27 de enero de 2016, junto con la publicación en la revista científica Nature. El Go es astronómicamente más complejo que el ajedrez — aproximadamente un googol (10^100) veces más posiciones legales, con más configuraciones posibles del tablero que átomos en el universo conocido. Este notable éxito demuestra el poder de las redes neuronales y la búsqueda en árbol de Monte Carlo.
Tesla Autopilot: sistemas de asistencia a la conducción para el gran público
El 14 de octubre de 2015, Tesla publicó la versión de software 7.0 y activó por primera vez el Autopilot en los vehículos Model S. El hardware ya estaba instalado en los vehículos desde septiembre de 2014, un año antes de la habilitación del software. El sistema utilizaba tecnología Mobileye con una cámara frontal, radar y 12 sensores ultrasónicos. Los conductores podían utilizar ahora el control de crucero adaptativo, el asistente de mantenimiento de carril y el aparcamiento automático, funciones que hasta entonces estaban reservadas a los vehículos de gama alta. Tesla lo calificó como automatización de nivel 2: el sistema asiste al conductor, pero no lo sustituye. Musk subrayó en la presentación: 'Recomendamos a los conductores que mantengan las manos en el volante.' Ya en el primer año, la flota de Tesla acumuló cientos de millones de kilómetros con el Autopilot activado; a finales de 2016, Tesla informó de unas 222 millones de millas recorridas. El concepto de instalar el hardware de antemano y activar las funciones mediante actualizaciones de software mostró a la industria automovilística un nuevo camino. Desde Mercedes hasta proveedores de tecnología puros como Mobileye, numerosos actores impulsaron sus propios sistemas de asistencia a la conducción.
TensorFlow: el framework de ML de Google se hace código abierto
La democratización del aprendizaje automático a través de la poderosa herramienta interna de Google. El 9 de noviembre de 2015, Google liberó TensorFlow bajo licencia Apache 2.0 e hizo su sistema de ML de segunda generación disponible para todos. TensorFlow reemplazó el sistema interno DistBelief y ofreció el doble de velocidad con escalabilidad mejorada y preparación para producción. Como procesador universal de grafos de flujo computacional, TensorFlow permitió no solo deep learning sino cualquier computación diferenciable. La interfaz flexible de Python, auto-diferenciación y optimizadores de primera clase revolucionaron el desarrollo de ML. La estrategia de Google: el desarrollo basado en comunidad acelera el progreso de la IA para todos. Desarrollado con más de 30 autores del equipo Google Brain, TensorFlow se convirtió en una de las plataformas de ML líderes y permitió a millones de desarrolladores crear aplicaciones avanzadas de IA.
ResNet: las redes residuales transforman el aprendizaje profundo
La solución al problema de degradación de las redes muy profundas y el nacimiento de las redes ultraprofundas. El 10 de diciembre de 2015, el equipo de Kaiming He en Microsoft Research publicó el artículo 'Deep Residual Learning for Image Recognition' y transformó considerablemente el aprendizaje profundo. Hasta entonces, la precisión de entrenamiento empeoraba al apilar redes cada vez más profundas, no principalmente por los gradientes que desaparecen, sino porque las redes profundas simplemente eran más difíciles de optimizar. ResNet introdujo las conexiones residuales, conexiones de salto que transmiten las entradas directamente a capas posteriores y permiten el entrenamiento de redes ultraprofundas. Con 152 capas, ResNet era ocho veces más profundo que VGG, pero menos complejo. El resultado fue notable: una tasa de error Top-5 del 3,57% del conjunto de modelos en ImageNet, un triunfo que dominó todas las categorías. ResNet ganó la clasificación, detección y localización de ImageNet, así como la detección y segmentación de COCO en 2015. El marco de aprendizaje residual reformuló las capas como aprendizaje de funciones residuales en lugar de funciones sin referencia. Esta innovación permitió el entrenamiento de redes con cientos de capas.
Fundación de OpenAI
La organización que quería hacer la IA accesible para todos, y que cambió el mundo. El 11 de diciembre de 2015, Sam Altman, Elon Musk y otras personalidades destacadas del sector tecnológico anunciaron la fundación de OpenAI. Con un compromiso de financiación de mil millones de dólares, distribuido a lo largo de varios años, del que al principio solo fluyó una pequeña parte, y con el objetivo de desarrollar una IA general segura que beneficie a toda la humanidad, OpenAI entró en escena como organización de investigación sin ánimo de lucro. Lo que comenzó como un proyecto idealista se convirtió en el laboratorio de IA más influyente del mundo. En 2019 se fundó una filial con ánimo de lucro. Con GPT-3 y ChatGPT, OpenAI redefinió lo que la IA puede lograr.
AlphaGo derrota a Lee Sedol
El momento histórico cuando la IA derrotó por primera vez a un campeón mundial en el juego de mesa más complejo. Del 9 al 15 de marzo de 2016, el DeepMind Challenge Match tuvo lugar en Seúl: cinco partidas entre Lee Sedol, uno de los mejores jugadores de Go del mundo, y AlphaGo. El resultado asombró al mundo: 4:1 para la máquina. Particularmente el famoso 'Movimiento 37' en la partida dos demostró creatividad de máquina, un movimiento con probabilidad de 1:10,000 que volteó siglos de sabiduría del Go. AlphaGo combinó deep learning con búsqueda de árbol Monte Carlo y entrenó tanto con partidas humanas como mediante auto-juego. La respuesta de Lee Sedol en la partida cuatro con su 'Movimiento divino 78' mostró, sin embargo, que la intuición humana aún puede sorprender. Más de 200 millones de personas en todo el mundo siguieron estas partidas.
XGBoost: El gradient boosting extremo domina ML
La perfección del gradient boosting y la conquista de problemas de datos estructurados. El 9 de marzo de 2016, Tianqi Chen y Carlos Guestrin publicaron en arXiv el artículo XGBoost: A Scalable Tree Boosting System, presentado en agosto de 2016 en la conferencia KDD. Desarrollado del proyecto de doctorado de Chen en la Universidad de Washington, XGBoost mejoró significativamente el gradient boosting tradicional a través de optimizaciones extremas: regularización L1 y L2 prevenían sobreajuste, gradientes de segundo orden proporcionaban información de dirección más precisa, y la paralelización aceleraba significativamente la construcción de árboles. XGBoost dominó las competencias de aprendizaje automático de los 2010s y se convirtió en la opción estándar para equipos ganadores en Kaggle. En el Higgs Boson ML Challenge, Tianqi Chen ganó un premio especial y XGBoost fue adoptado por muchos participantes destacados, estableciendo su dominio para datos estructurados. El sistema escalable de tree boosting de extremo a extremo soporta C++, Java, Python, R y otros lenguajes. XGBoost demostró la relevancia continua de métodos tradicionales de ML en paralelo a la revolución del deep learning.
Google Assistant: la estrategia IA-First se hace realidad
El 18 de mayo de 2016, Sundar Pichai presentó Google Assistant en el Google I/O — la respuesta de Google a Siri y Alexa. Tras años de retraso en el ámbito de los asistentes de voz, Google recuperó el terreno con plena energía. El Assistant era más que una actualización de Google Now — era el pilar de la estrategia 'IA-First' de Pichai. 'Queremos que los usuarios mantengan un diálogo continuo con Google', explicó Pichai. 'Estamos construyendo un Google individual para cada usuario.' El Assistant estaba llamado a convertirse en una 'experiencia ambiental' que se extendiera por todos los dispositivos — desde smartphones hasta Google Home y automóviles. A diferencia de los competidores basados en comandos, Google apostó por la conversación natural y la comprensión del contexto. En un principio, el Assistant solo fue anunciado; su primer hogar llegó pocos meses después en la aplicación de mensajería Allo, seguida del altavoz Google Home a finales de 2016. El lanzamiento marcó la entrada seria de Google en el desarrollo de IA de voz y sentó las bases del dominio actual de la empresa en IA.
Partnership on AI: los gigantes tecnológicos se unen
Una alianza importante de las principales empresas tecnológicas para el desarrollo responsable de la IA. El 28 de septiembre de 2016, Amazon, Facebook, Google, DeepMind, IBM y Microsoft fundaron la 'Partnership on Artificial Intelligence to Benefit People and Society', una inusual coalición de antiguos competidores. Con Eric Horvitz (Microsoft Research) y Mustafa Suleiman (DeepMind) como co-presidentes interinos, la Partnership arrancó con un consejo compuesto exclusivamente por empresas y anunció que lo ampliaría hasta un órgano paritario con el mismo número de miembros no corporativos. La misión abarca la investigación y las mejores prácticas en materia de ética, equidad, transparencia, privacidad y colaboración entre humanos e IA. Destacable: Apple estuvo inicialmente ausente, pero se incorporó en 2017. La Partnership renuncia deliberadamente a actividades de lobby y se centra en la cooperación en investigación. Esta iniciativa marcó el comienzo de la autorregulación industrial estructurada en el desarrollo de la IA.
El reconocimiento de voz alcanza el nivel humano
El 18 de octubre de 2016, Microsoft logró un hito histórico: su sistema de reconocimiento de voz fue la primera empresa en alcanzar un rendimiento a nivel humano en el benchmark Switchboard para el habla conversacional. Tras 25 años de investigación, el objetivo estaba cumplido: una tasa de error de palabra del 5,9%, tan buena como la de los transcriptores profesionales en esa tarea. (En 2017, Microsoft revisó la tasa de comparación humana al 5,1% y tuvo que volver a mejorar el sistema.) Xuedong Huang, director científico de reconocimiento de voz de Microsoft, anunció: 'Hemos alcanzado la paridad con el ser humano. Es un logro histórico.' El sistema utilizaba la tecnología más avanzada de aprendizaje profundo: redes neuronales convolucionales, arquitecturas LSTM y modelos de lenguaje neuronal con vectores de palabras continuos. Su fortaleza residía en la combinación sistemática de componentes probados: un conjunto de modelos acústicos CNN y BLSTM, adaptación de locutor mediante i-vector y reordenación con un modelo de lenguaje. Esto fue posible gracias a la convergencia de tres avances: grandes conjuntos de datos (Switchboard Corpus), computación con GPU y métodos de entrenamiento mejorados. Este logro allanó el camino para los asistentes de voz modernos, aunque acredita la paridad únicamente en una tarea de transcripción bien definida, no en las capacidades cognitivas humanas en general.
Principios de Asilomar: la comunidad científica establece sus propias directrices
A principios de 2017, mucho antes de ChatGPT, los principales investigadores en IA se reunieron en Asilomar, en la costa californiana, el mismo lugar donde en 1975 los biólogos habían debatido los riesgos de la ingeniería genética. El Future of Life Institute los había convocado a una conferencia sobre IA beneficiosa. El resultado fue los 23 Principios de IA de Asilomar: directrices sobre investigación, valores como la seguridad y la transparencia, y riesgos a largo plazo. Más de mil especialistas en IA y firmantes destacados como Stephen Hawking y Elon Musk los respaldaron. Fue uno de los primeros intentos amplios de la comunidad científica de establecer sus propias directrices, años antes de que los gobiernos descubrieran el tema. Para ser honestos: los principios eran voluntarios y no vinculantes. Marcaron el debate, pero carecían de fuerza jurídica.
MobileNet: IA para smartphones
Google Research transforma considerablemente la IA móvil en abril de 2017 con MobileNet, uno de los primeros modelos de aprendizaje profundo diseñado específicamente para smartphones, IoT y sistemas embebidos (ya existían precursores como SqueezeNet). Gracias a su innovadora arquitectura de convoluciones separables en profundidad (Depthwise Separable Convolutions), MobileNet reduce el coste computacional a aproximadamente un octavo respecto a las convoluciones convencionales, manteniendo la misma eficacia. Esta notable eficiencia, con alrededor de nueve veces menos operaciones de cómputo para kernels de 3x3, allana el camino para el procesamiento de imágenes en tiempo real en dispositivos móviles. MobileNet democratiza la visión por ordenador para miles de millones de smartphones y establece el edge computing como nuevo paradigma de la IA más allá de las soluciones basadas en la nube.
Se publica el artículo de investigación RLHF
La técnica que hizo posible ChatGPT - años antes del avance. En junio de 2017, investigadores de OpenAI y DeepMind publicaron el artículo 'Deep Reinforcement Learning from Human Preferences'. La idea: En lugar de entrenar sistemas de IA con funciones de recompensa perfectamente definidas, aprenden directamente de la retroalimentación humana. Los humanos califican diferentes salidas de IA, y el sistema aprende qué comportamiento se prefiere. Este método, más tarde conocido como RLHF (Reinforcement Learning from Human Feedback), se convirtió en la tecnología clave detrás de ChatGPT y otros modelos de lenguaje modernos. RLHF hizo posible hacer los sistemas de IA más útiles, honestos y seguros.
Transformer: 'Attention Is All You Need'
El 12 de junio de 2017, ocho investigadores, en su mayoría de Google y entre ellos un estudiante en prácticas de la Universidad de Toronto, publicaron en arXiv el artículo 'Attention Is All You Need', la base de los modelos de lenguaje grandes modernos. Ashish Vaswani, Noam Shazeer y sus colegas propusieron una nueva arquitectura: el Transformer. A diferencia de los modelos de secuencias anteriores, el Transformer prescinde de capas recurrentes y convolucionales. En su lugar, emplea mecanismos de atención puros. La autoatención captura las relaciones entre todas las posiciones de una secuencia en paralelo, sin necesidad de procesamiento secuencial. La atención multicabezal utiliza múltiples cabezales de atención en paralelo que aprenden distintos aspectos de las relaciones entre palabras. En WMT 2014, el modelo alcanzó 28,4 BLEU para inglés-alemán y 41,8 BLEU para inglés-francés, nuevos mejores resultados. La arquitectura demostró tener un alcance amplio: GPT, BERT, ChatGPT y muchos otros modelos se basan en variantes del Transformer. Con más de 100.000 citas y una tendencia en constante aumento, el artículo se encuentra entre los más citados del siglo XXI.
El plan maestro de IA de China: la lucha por el liderazgo mundial
El 20 de julio de 2017, el Consejo de Estado de China anunció el 'Plan de Desarrollo de Inteligencia Artificial de Nueva Generación' — la primera estrategia nacional de IA integral a esta escala. El objetivo: convertirse en la potencia líder mundial en IA para 2030. El plan en tres etapas era nítido: competir a escala global en 2020, alcanzar el nivel líder mundial en áreas parciales y lograr grandes avances en la teoría fundamental de IA en 2025, y en 2030 ser la superpotencia de IA dominante con una producción industrial de 1 billón de yuanes. China reconoció explícitamente la IA como 'foco de la competencia internacional' y 'tecnología estratégica para la seguridad nacional'. Las inversiones son cuantiosas — decenas de miles de millones de dólares fluyen hacia la investigación, la infraestructura y el desarrollo del talento. El plan abarca aplicaciones militares y civiles: desde armas autónomas hasta ciudades inteligentes. Los principios de código abierto deben fomentar la colaboración internacional, mientras China aspira simultáneamente a la independencia tecnológica. Esta estrategia transformó de forma notable el panorama global de la IA y desencadenó una ola de iniciativas nacionales de IA en EE. UU. y Europa.
Declaración de Montreal para una IA responsable
La primera iniciativa internacional que elaboró principios éticos de IA mediante la participación democrática ciudadana. El 3 de noviembre de 2017, la Université de Montréal puso en marcha el proceso de codecreación de la Declaración de Montreal para el desarrollo responsable de la IA. El foro sobre el desarrollo socialmente responsable de la IA reunió a más de 400 participantes de distintos sectores y disciplinas. A lo largo de 15 talleres deliberativos celebrados durante tres meses, más de 500 ciudadanos, expertos y partes interesadas debatieron los retos sociales de la IA. La Declaración, publicada el 4 de diciembre de 2018, presenta 10 principios y 59 recomendaciones basados en valores como el bienestar, la autonomía, la justicia, la privacidad y la democracia. Con más de 500 firmantes, la Declaración de Montreal estableció un enfoque participativo para la gobernanza de la IA e influyó en los esfuerzos internacionales posteriores en favor de un desarrollo responsable de la IA.
AlphaZero domina tres juegos
El nacimiento de una IA de juego universal mediante el puro autoaprendizaje. En diciembre de 2017, DeepMind presentó AlphaZero: un sistema que dominó tres juegos de estrategia completamente distintos sin ningún conocimiento previo: el ajedrez, el shogi y el go. El enfoque tabula rasa significaba que no había bases de datos de aperturas, ni estrategias humanas, solo las reglas del juego como punto de partida. En 24 horas, AlphaZero alcanzó un rendimiento sobrehumano: en ajedrez tras solo 4 horas, en shogi tras 2 horas. En el match de 100 partidas contra Stockfish ganó 28, no perdió ninguna y logró 72 tablas. El aspecto destacado fue su eficiente comportamiento de búsqueda: mientras Stockfish evalúa 60 millones de posiciones por segundo, AlphaZero analiza solo 60.000, pero de forma mucho más selectiva gracias a su red neuronal profunda. Este logro demostró de forma convincente la generalización y la independencia de dominio del aprendizaje por refuerzo puro.
Premio Turing para el aprendizaje profundo
En 2019, la IA recibió su máximo reconocimiento de la informática: el Premio A.M. Turing 2018, a menudo calificado como el Nobel de la informática, fue otorgado a Yoshua Bengio, Geoffrey Hinton y Yann LeCun, los tres padrinos del aprendizaje profundo. La ACM reconoció sus avances conceptuales y técnicos que convirtieron las redes neuronales profundas en un componente central de la informática: desde la retropropagación hasta las redes convolucionales, pasando por las ideas que sustentaron el avance de 2012. El galardón fue el tardío reconocimiento oficial de una revolución que durante décadas había sido menospreciada. Para ser precisos: el aprendizaje profundo tiene muchos padres y madres; investigadores como Jürgen Schmidhuber criticaron públicamente que importantes contribuciones recibían poco reconocimiento. El premio honra el papel central del trío, no una autoría exclusiva.
GDPR: punto de inflexión en protección de datos con impacto en la IA
El 25 de mayo de 2018 entró en vigor el Reglamento General de Protección de Datos de la UE (GDPR/DSGVO) — un punto de inflexión para la IA y la protección de datos en todo el mundo. Como 'madre de todas las leyes de protección de datos', sustituyó a la obsoleta Directiva 95/46/CE de 1995, nacida en la prehistoria de internet. El GDPR introdujo la 'Privacidad desde el diseño' como obligación: la protección de datos debe integrarse en los sistemas de IA desde el principio. El efecto de alcance global fue de largo alcance — incluso los gigantes tecnológicos estadounidenses deben cumplir los estándares europeos cuando procesan datos europeos. Para la IA, esto supuso un reto fundamental: ¿cómo se explican los algoritmos de 'caja negra' cuando el GDPR exige transparencia? Los analistas vieron un incentivo para desarrollar la IA con menos datos, y métodos como el Transfer Learning ganaron importancia. El GDPR inspiró leyes de protección de datos en todo el mundo, desde California hasta Singapur. La regulación preparó el terreno para la Ley de IA de la UE de 2024 — de la protección de datos a la regulación de la IA fue solo un paso lógico.
GPT-1: el nacimiento del preentrenamiento generativo
La base de todos los modelos de lenguaje grandes modernos mediante el preentrenamiento no supervisado. El 11 de junio de 2018, Alec Radford y su equipo de OpenAI publicaron el artículo fundamental 'Improving Language Understanding by Generative Pre-Training'. Este trabajo combinó por primera vez la arquitectura Transformer con el preentrenamiento no supervisado y estableció el paradigma en dos etapas: primero el entrenamiento generativo en grandes corpus de texto y luego el ajuste fino para tareas específicas. Con 117 millones de parámetros y entrenamiento en el conjunto de datos BooksCorpus — más de 7.000 libros inéditos de distintos géneros — GPT-1 demostró que el Transfer Learning funciona para la comprensión del lenguaje. La arquitectura Transformer de solo decodificador con doce capas y atención enmascarada estableció la plantilla para toda la serie GPT. Esta innovación convirtió la arquitectura Transformer de 2017 en una herramienta práctica para diversas tareas de PLN y fundó la era de los modelos de lenguaje grandes.
BERT mejora considerablemente la comprensión del lenguaje
Un avance importante de los modelos de lenguaje bidireccionales y el nacimiento del NLP moderno. En octubre de 2018, Jacob Devlin y su equipo en Google Research publicaron el artículo sobre BERT — Bidirectional Encoder Representations from Transformers. Esta innovación transformó el procesamiento del lenguaje de forma significativa al entrenar por primera vez representaciones bidireccionales profundas a partir de textos sin etiquetar. A diferencia de los modelos anteriores, BERT tiene en cuenta el contexto izquierdo y derecho en todas las capas de forma simultánea. El resultado fue notable: BERT alcanzó nuevas marcas en once tareas de NLP y mejoró la puntuación GLUE en 7,7 puntos porcentuales, hasta 80,5%. El preentrenamiento propiamente dicho requirió varios días en muchas TPUs — pero la publicación en código abierto democratizó la tecnología punta: el modelo ya preentrenado podía ajustarse a una tarea propia (fine-tuning) en unos 30 minutos sobre una única TPU en la nube. BERT estableció el paradigma de preentrenamiento y fine-tuning que hoy constituye la base de todos los grandes modelos de lenguaje.
GPT-2 - "Demasiado Peligroso para Publicar"
OpenAI publica GPT-2 en febrero de 2019 pero toma la sorprendente decision de retener el modelo completo de 1.5 mil millones de parametros - afirmando que es "demasiado peligroso" para la publicacion completa. Esta decision sin precedentes divide a la comunidad de IA: los partidarios elogian la postura responsable dados los riesgos de mal uso como noticias falsas y spam automatizado. Los criticos acusan a OpenAI de "cerrar" la investigacion y alimentar miedos infundados. Despues de nueve meses sin evidencia fuerte de mal uso, OpenAI publica el modelo completo, marcando un punto de inflexion en el debate sobre el desarrollo responsable de IA.
AlphaStar alcanza el nivel Grandmaster
La conquista de la estrategia en tiempo real más compleja por la inteligencia artificial. En julio y agosto de 2019, AlphaStar de DeepMind jugó de forma anónima en el modo clasificatorio de Battle.net; el 30 de octubre de 2019, DeepMind informó en la revista Nature que el sistema se había convertido en la primera IA en alcanzar el nivel Grandmaster en StarCraft II, un juego considerado demasiado complejo para las máquinas. AlphaStar superó al 99,8% de todos los jugadores activos de Battle.net y dominó las tres razas: Protoss, Terran y Zerg. Previamente, AlphaStar ya había derrotado a los jugadores profesionales Grzegorz 'MaNa' Komincz y Dario 'TLO' Wünsch con un marcador de 5:0 en cada caso. El aspecto destacado fue su arquitectura de aprendizaje por refuerzo multiagente, que entrenó diversas estrategias y contraestrategias en una liga. Con una media de 280 acciones por minuto, AlphaStar se situó incluso por debajo de los profesionales humanos, pero demostró una ejecución más precisa. Este logro marcó un hito para la IA en los videojuegos y en la toma de decisiones en tiempo real.
T5 - Text-to-Text Transfer Transformer
Google AI transforma significativamente el NLP en octubre de 2019 con T5, el Text-to-Text Transfer Transformer, que transforma todas las tareas de procesamiento de lenguaje natural en un formato unificado de "texto a texto". Con el innovador enfoque "Todo es Texto", traducción, resumen, respuesta a preguntas y clasificación pueden manejarse con el mismo modelo, función de pérdida e hiperparámetros. T5 introduce el completo conjunto de datos C4 y logra rendimiento casi humano en benchmarks SuperGLUE. Como modelo base con hasta 11 mil millones de parámetros, T5 abre el camino para los modelos de lenguaje grande modernos y establece el paradigma unificado de texto a texto como estándar.
RAG: los modelos de lenguaje buscan antes de responder
Un modelo de lenguaje solo sabe lo que contenía su entrenamiento y, en caso de duda, inventa algo con total confianza. En 2020, Patrick Lewis y sus colegas de Facebook AI mostraron una salida: la generación aumentada por recuperación, conocida como RAG (Retrieval-Augmented Generation). La idea es brillante en su sencillez. Antes de responder, el modelo busca en una fuente de conocimiento externa, por ejemplo en Wikipedia, los fragmentos de texto relevantes, y basa entonces su respuesta en lo encontrado. Así es posible actualizar el conocimiento sin necesidad de volver a entrenar el modelo, y la respuesta puede verificarse. Tras el éxito de ChatGPT, RAG se convirtió en el método estándar para conectar los modelos de lenguaje con fuentes actuales y verificables: la base de casi todas las aplicaciones con las que se puede conversar con los propios documentos. Para ser precisos: RAG reduce las alucinaciones, pero no las elimina. Si lo que se busca es incorrecto o el modelo malinterpreta el hallazgo, sigue equivocándose. Proporciona referencias, no comprensión real, y se apoya en investigaciones previas de recuperación de información.
Leyes de escala neuronal
Jared Kaplan, Sam McCandlish, Tom Brown y Dario Amodei descubren en enero de 2020 las leyes matemáticas fundamentales del escalado neuronal y transforman considerablemente el desarrollo de los grandes modelos de lenguaje. El trabajo pionero de OpenAI y la Johns Hopkins University demuestra que el rendimiento sigue leyes de potencia en función del tamaño del modelo, el volumen del conjunto de datos y la potencia de cómputo, con tendencias que abarcan siete órdenes de magnitud. Las elegantes ecuaciones permiten por primera vez realizar predicciones sistemáticas sobre la asignación de recursos y establecen el paradigma 'cuanto más grande, mejor'. Estos fundamentos matemáticos conducen directamente al éxito de GPT-3 y transforman el desarrollo de la IA, que pasa del ensayo y error experimental a una escala científicamente fundamentada y predecible. La regla de asignación concreta de Kaplan, que propugnaba escalar agresivamente el tamaño del modelo con un aumento moderado de los datos, fue corregida en 2022 por el artículo Chinchilla de DeepMind: el entrenamiento óptimo en términos de cómputo requiere bastantes más datos de entrenamiento de los que se recomendaban inicialmente.
GPT-3: el modelo de 175.000 millones de parámetros
El gran avance hacia el aprendizaje con pocos ejemplos y las capacidades emergentes de la IA. El 28 de mayo de 2020, el equipo de OpenAI encabezado por Tom Brown presentó el artículo relevante 'Language Models are Few-Shot Learners' — GPT-3 con 175.000 millones de parámetros, más de 100 veces mayor que GPT-2. El escalado reveló capacidades emergentes: el modelo podía resolver nuevas tareas con solo unos pocos ejemplos, sin ajuste fino. Desde traducciones hasta acertijos de palabras y aritmética de 3 cifras, GPT-3 demostró una versatilidad notable. Los evaluadores humanos apenas podían distinguir los artículos de noticias generados por GPT-3 de los reales. Únicamente mediante el aprendizaje en contexto, GPT-3 se aproximó al estado del arte en algunas subtareas de SuperGLUE — aunque en el benchmark global se quedó con unos 71,8 puntos, muy por debajo de los modelos de vanguardia con ajuste fino (alrededor de 89). 31 investigadores de OpenAI (Tom Brown y 30 coautores) demostraron que el escalado masivo de parámetros puede generar capacidades cualitativamente nuevas. GPT-3 sentó los cimientos de ChatGPT y de la era moderna de los LLM.
DDPM: Modelos de difusión establecidos
La base matemática de la generación de imágenes moderna a través de procesos de eliminación de ruido. En junio de 2020, Jonathan Ho, Ajay Jain y Pieter Abbeel publicaron el influyente artículo 'Denoising Diffusion Probabilistic Models' – una clase de modelos de variables latentes inspirados en la termodinámica de no equilibrio. Su innovación residía en un límite variacional ponderado y la conexión entre modelos de difusión y coincidencia de puntuación de eliminación de ruido con dinámicas de Langevin. Los resultados fueron impresionantes: puntuación FID de 3.17 en CIFAR-10 y puntuación Inception de 9.46. Los DDPMs establecieron un enfoque de descompresión progresiva con pérdida que puede interpretarse como una generalización de la decodificación autorregresiva. Este trabajo sentó las bases matemáticas para Stable Diffusion y toda la generación moderna de texto a imagen.
Vision Transformer: 'An Image is Worth 16x16 Words'
La arquitectura Transformer aplicada a la visión por ordenador. El 22 de octubre de 2020, el equipo de Alexey Dosovitskiy en Google Research publicó el artículo 'An Image is Worth 16x16 Words: Transformers for Image Recognition at Scale'. Vision Transformer (ViT) demostró que las CNN no son necesarias: los Transformers puros pueden aplicarse directamente a secuencias de parches de imagen. El hallazgo clave ('at Scale') es que solo tras un preentrenamiento a gran escala en conjuntos de datos masivos (ImageNet-21k o JFT-300M) alcanza ViT resultados comparables o superiores a las CNN de última generación; en conjuntos de datos de tamaño intermedio sin ese preentrenamiento, ViT obtiene resultados inferiores. El sistema divide las imágenes en parches, típicamente de 16x16 píxeles aunque con variantes de otros tamaños, los trata como secuencias de tokens y aplica la arquitectura Transformer estándar. La universalidad de la arquitectura Transformer quedó clara: la misma tecnología que transformó el procesamiento del lenguaje natural funciona también en visión por ordenador. ViT inspiró una nueva generación de modelos de visión basados en atención y demostró el poder de las arquitecturas unificadas.
Logro de AlphaFold
La solución a un rompecabezas biológico de 50 años mediante inteligencia artificial. En noviembre de 2020, AlphaFold 2 de DeepMind dominó la competición CASP14 con una precisión que los científicos describieron como 'asombrosa' y 'transformacional'. El sistema logró una puntuación GDT de 92.4 sobre 100 puntos en predicción de estructuras de proteínas, una precisión que iguala métodos experimentales como la cristalografía de rayos X. AlphaFold superó claramente a otros 145 equipos y resolvió un problema que había ocupado a la biología desde los años 1970. La arquitectura de red neuronal basada en atención puede predecir cómo se pliegan las proteínas en días, un proceso fundamental para comprender la vida. Por este logro, Demis Hassabis y John Jumper recibieron el Premio Nobel de Química 2024.
CLIP: el puente entre imagen y lenguaje
El mismo día en que OpenAI presentó DALL-E, el 5 de enero de 2021, apareció el modelo quizás más influyente: CLIP. No aprendió a generar imágenes, sino a comprender imagen y lenguaje en el mismo espacio. A partir de unos 400 millones de pares imagen-texto extraídos de la web, el equipo liderado por Alec Radford entrenó de forma contrastiva dos codificadores hasta que las imágenes y los pies de foto correspondientes quedaban en el mismo punto de un espacio vectorial compartido. El efecto fue sorprendente: CLIP podía clasificar imágenes de forma zero-shot; bastaba con describir las categorías en palabras, sin ningún entrenamiento específico en la tarea. Así alcanzó un 76,2 % en ImageNet, a la par de una ResNet-50 entrenada con 1,28 millones de ejemplos etiquetados, sin que CLIP hubiese visto ninguno de ellos. Para la visión de conjunto, lo decisivo es que CLIP se convirtió en el fundamento de la oleada de generación de imágenes a partir de texto: DALL-E 2 se basa en sus incrustaciones y Stable Diffusion usa directamente su codificador de texto. Para contextualizar: los modelos contrastivos imagen-texto no eran nuevos (ConVIRT llegó meses antes); la aportación de CLIP fue la escala, la amplitud zero-shot y los pesos abiertos, que desencadenaron todo un ecosistema.
DALL-E crea imágenes a partir de texto
Un avance pionero en la generación de imágenes a partir de texto y un importante progreso en la creatividad de la IA. El 5 de enero de 2021, OpenAI presentó DALL-E — un sistema que genera imágenes coherentes y, a menudo, sorprendentemente creativas a partir de descripciones textuales. Ya existían modelos de texto a imagen con anterioridad (como alignDRAW en 2015 o enfoques GAN como StackGAN y AttnGAN), pero DALL-E elevó la coherencia y la versatilidad a un nuevo nivel. Basado en una versión de GPT-3 con 12.000 millones de parámetros, DALL-E demostró que la frontera entre la comprensión del lenguaje y la de las imágenes puede superarse. El sistema se entrenó con 250 millones de pares imagen-texto procedentes de internet y desarrolló capacidades notables: puede antropomorfizar animales, combinar de forma plausible conceptos no relacionados e incluso renderizar texto en imágenes. Mark Riedl, del Georgia Tech, comentó que los resultados eran 'considerablemente más coherentes' que todos los sistemas de texto a imagen anteriores. DALL-E amplió con éxito la comprensión lingüística de GPT al ámbito visual y abrió una dimensión completamente nueva en la creatividad de la IA.
Fundación de Anthropic
Cuando exdirectivos de OpenAI quisieron hacer realidad su propia visión de una IA segura. En enero de 2021, Dario y Daniela Amodei, junto con otros cinco exinvestigadores de OpenAI, entre ellos Tom Brown, Jared Kaplan y Chris Olah, fundaron Anthropic; en total, siete cofundadoras y cofundadores. Los hermanos habían ocupado anteriormente puestos clave en OpenAI: Dario como VP of Research. Su nueva empresa debía centrarse en la seguridad de la IA y en el desarrollo de sistemas fiables e interpretables. Con la Constitutional AI, Anthropic desarrolló un enfoque innovador para entrenar sistemas de IA mediante principios en lugar de solo mediante retroalimentación humana. Claude, su asistente de IA, se convirtió en uno de los principales competidores de ChatGPT.
GitHub Copilot: El programador par de IA
La democratización del desarrollo de software asistido por IA para millones de desarrolladores. El 29 de junio de 2021, GitHub anunció la vista previa técnica de Copilot - el primer programador par de IA, impulsado por OpenAI Codex. Basado en una variante de GPT-3 entrenada con miles de millones de líneas de código público de repositorios de GitHub, Copilot podía generar completaciones de código y funciones enteras a partir de comentarios. El modelo Codex subyacente logró una tasa de éxito del 28.8% en el primer intento en el benchmark HumanEval - significativamente mejor que el 0% de GPT-3. Particularmente impresionante: Con 100 intentos de muestreo, la tasa de éxito aumentó al 70.2%. Copilot funcionaba especialmente bien con Python, JavaScript, TypeScript, Ruby y Go. La vista previa técnica limitada generó un interés enorme y estableció la programación asistida por IA como una herramienta viable. Copilot cambió fundamentalmente la experiencia del desarrollador y allanó el camino para una nueva generación de herramientas de codificación impulsadas por IA.
OpenAI Codex: la IA programa para las personas
El 10 de agosto de 2021, OpenAI publicó Codex a través de una API y cambió considerablemente el desarrollo de software: una IA a gran escala para la generación de código. Basado en GPT-3, pero entrenado con 159 gigabytes de código Python procedentes de 54 millones de repositorios de GitHub, Codex transformaba el lenguaje natural en código funcional. 'Crea una función para números primos' se convertía en código Python real en cuestión de segundos. Ya antes, el 29 de junio de 2021, de la colaboración con GitHub había surgido la Technical Preview de Copilot, un asistente de programación con IA que ya funcionaba con una versión temprana de Codex. Codex dominaba más de una docena de lenguajes de programación: Python, JavaScript, Go, Ruby, Swift y más. En el benchmark HumanEval, el Codex-S ajustado para código resolvía alrededor del 37% de las tareas en el primer intento (pass@1); el modelo base llegaba a cerca del 29%: notable, pero no una medida para solicitudes arbitrarias. GitHub Copilot demostró ser un aumento de productividad notable para los desarrolladores. Codex probó que la IA puede apoyar trabajo cognitivo creativo y complejo. Desde la generación de código hasta la comprensión del código, Codex abrió la puerta al desarrollo de software asistido por IA.
InstructGPT: el puente hacia ChatGPT
Entre el método y el éxito mundial hubo un paso intermedio decisivo: InstructGPT. A principios de 2022, OpenAI mostró en el artículo 'Training language models to follow instructions with human feedback' cómo hacer que GPT-3 hiciera realmente lo que los usuarios quieren: mediante aprendizaje por refuerzo a partir de retroalimentación humana (RLHF). El resultado sorprendente: un InstructGPT con solo 1.300 millones de parámetros fue preferido por las personas a las respuestas del GPT-3 cien veces más grande (175.000 millones). No el tamaño bruto, sino la alineación con la intención marcó la diferencia. InstructGPT fue el puente técnico directo entre la idea del RLHF (2017) y ChatGPT, que a finales de 2022 popularizó el mismo método. Para ser honestos: InstructGPT no inventó el RLHF, eso lo hizo un artículo de 2017, pero demostró por primera vez a gran escala cuánto más útil vuelve la alineación a un modelo de lenguaje.
Chinchilla: repensar el escalado
En 2022, DeepMind planteó una pregunta incómoda: ¿estamos construyendo mal nuestros modelos de IA? En el artículo Training Compute-Optimal Large Language Models, el equipo liderado por Jordan Hoffmann demostró que los modelos de lenguaje más grandes de la época, GPT-3 y Gopher, tenían muchos parámetros pero muy pocos datos de entrenamiento. Su corrección, conocida hoy como las leyes de escala de Chinchilla, establece que para un presupuesto de cómputo dado, el tamaño del modelo y la cantidad de datos deben crecer aproximadamente al mismo ritmo. Para demostrarlo, entrenaron Chinchilla con 70.000 millones de parámetros sobre 1,4 billones de tokens y superaron así a Gopher (280.000 millones), cuatro veces más grande. Esto transformó el modo en que prácticamente todos los modelos punteros posteriores se entrenan. Para ser honestos: Chinchilla no inventó las leyes de escala, sino que corrigió las anteriores de Kaplan (2020); modelos posteriores como Llama sobreentrenan deliberadamente para ser más eficientes en la inferencia.
PaLM: el gigante de Google con 540.000 millones de parámetros
En 2022, Google mostró hasta dónde podían escalarse los modelos de lenguaje: PaLM, el Pathways Language Model, contaba con 540.000 millones de parámetros y fue entrenado con el sistema Pathways de Google a través de miles de chips TPU. Lo impresionante no era tanto el tamaño en sí como lo que PaLM lograba con él. Con los llamados prompts de cadena de pensamiento (chain-of-thought), en los que el modelo escribe paso a paso su proceso de resolución, resolvía tareas textuales de varios pasos e incluso explicaba el remate de chistes. PaLM se convirtió así en el emblema de la idea de las capacidades emergentes, habilidades que aparecen de forma repentina a partir de un determinado tamaño de modelo. Fue el punto culminante de la era de escalado de Google y un precursor de PaLM 2 y Gemini. Para ser precisos: 540.000 millones de parámetros resultaban enormemente costosos, y PaLM nunca se publicó como modelo abierto. Además, la tesis de las capacidades emergentes es controvertida: algunos de esos saltos son en parte un artefacto del método de medición elegido.
Stable Diffusion: generación de imágenes de código abierto
La democratización de la generación de imágenes con IA a través del primer modelo potente de código abierto. El 22 de agosto de 2022, Stability AI lanzó Stable Diffusion y transformó significativamente el acceso a la tecnología avanzada de texto a imagen. Como primer modelo de código abierto de su clase, Stable Diffusion podía generar imágenes fotorrealistas de 512x512 píxeles en GPUs de consumo, un avance importante en velocidad y accesibilidad. Basado en Modelos de Difusión Latente (LDMs), el sistema itera a través del 'des-ruido' en espacios latentes en lugar de manipulación directa de píxeles. Con 860 millones de parámetros en la U-Net y 123 millones en el codificador de texto, permaneció relativamente ligero a pesar del alto rendimiento. El código fuente disponible en GitHub permitió a una comunidad explosivamente creciente desarrollar innumerables variantes y herramientas. Stable Diffusion rompió el monopolio de los sistemas propietarios e hizo accesible a todos la generación de imágenes con IA de alta calidad.
OpenAI publica Whisper
Cuando el reconocimiento de voz se volvió verdaderamente fiable y accesible para todos. El 21 de septiembre de 2022, OpenAI publicó Whisper, un sistema de reconocimiento de voz entrenado para funcionar de forma robusta en distintos idiomas, acentos y ruidos ambientales. A diferencia de sistemas anteriores entrenados con datos de audio limpios, Whisper utilizó 680.000 horas de datos multilingües procedentes de internet. El resultado: un sistema capaz de transcribir en 99 idiomas que compite con soluciones comerciales. OpenAI puso Whisper a disposición como código abierto, un regalo para desarrolladores de todo el mundo que hizo posibles innumerables aplicaciones.
ChatGPT marca un punto de inflexión en el uso de la IA
El momento en que la IA se volvió accesible para todos y comenzó una nueva era. El 30 de noviembre de 2022, OpenAI publicó ChatGPT como un Research Preview gratuito — sin grandes campañas de marketing y con pocas expectativas. Lo que siguió superó todas las previsiones: en 5 días, ChatGPT alcanzó un millón de usuarios; en dos meses, 100 millones — el crecimiento de usuarios más rápido que una aplicación de consumo había registrado hasta entonces (superado en julio de 2023 por Threads de Meta). Basado en GPT-3.5, ChatGPT ofreció por primera vez a un público amplio acceso directo a una IA potente sin barreras técnicas. Kevin Roose, del New York Times, lo calificó de 'el mejor chatbot de IA jamás puesto a disposición del público'. ChatGPT democratizó la inteligencia artificial y convirtió un campo de investigación en una herramienta cotidiana. Esta publicación marcó el inicio de la actual ola de IA generativa.
Constitutional AI - Seguridad de la IA mediante una constitución
En diciembre de 2022, Anthropic presenta Constitutional AI (CAI), un nuevo método para desarrollar sistemas de IA inofensivos, útiles y honestos. Una 'constitución' de principios éticos permite a la IA autocriticarse y mejorar ante contenidos dañinos — sin necesitar etiquetas humanas para evaluar específicamente ese daño. (El anclaje explícito de estos principios en la Declaración Universal de Derechos Humanos de la ONU y otros documentos de derechos fundamentales lo describió Anthropic por primera vez en mayo de 2023 en 'Claude's Constitution'; el artículo original empleaba un conjunto de principios reunidos de forma pragmática.) El innovador método RLAIF (Reinforcement Learning from AI Feedback) sustituye el feedback humano, aunque únicamente para la inofensividad mediante la autocrítica de la IA — la utilidad siguió entrenándose con datos de preferencias humanas (RLHF). Así, CAI establece un enfoque de seguridad prioritaria (safety-first) como alternativa al enfoque centrado puramente en el rendimiento de ChatGPT y allana el camino hacia el desarrollo responsable de la IA.
NIST AI Framework: EE. UU. define la IA confiable
El 26 de enero de 2023, el Instituto Nacional de Estándares y Tecnología de EE. UU. publicó el primer marco integral de gestión de riesgos de IA (AI RMF 1.0), la respuesta de América a la regulación global de la IA. Tras 18 meses de desarrollo con más de 240 organizaciones de la industria, la academia y la sociedad civil, NIST definió por primera vez estándares federales para una IA confiable. El marco establece cuatro funciones clave: Govern, Map, Measure, Manage, y siete características de la IA confiable: segura, resiliente, explicable, respetuosa de la privacidad, justa, transparente y fiable. Como estándar voluntario, tiene como objetivo minimizar los riesgos de la IA para individuos, organizaciones y la sociedad. La publicación siguió a la AI Bill of Rights de Biden (2022) y fue complementada posteriormente por su Orden Ejecutiva sobre IA (octubre de 2023). El AI RMF surgió por mandato legal de la National AI Initiative Act de 2020, donde NIST continuó su papel consolidado como organismo federal de estándares. El marco se convirtió en la base para estándares industriales y coordinación internacional, un contrapeso al control estatal chino sobre la IA y al enfoque regulador de Europa.
LLaMA: modelo base de código abierto
La democratización de los modelos de lenguaje grandes mediante modelos de investigación abiertos. El 24 de febrero de 2023, Meta AI publicó LLaMA (Large Language Model Meta AI), una colección de modelos base con entre 7B y 65B parámetros, entrenados exclusivamente con datos de acceso público. El influyente artículo 'LLaMA: Open and Efficient Foundation Language Models' demostró que es posible alcanzar un rendimiento de última generación sin recurrir a conjuntos de datos propietarios. LLaMA permitió a investigadores sin acceso a grandes infraestructuras estudiar modelos de lenguaje avanzados. El código de inferencia se publicó bajo licencia GPLv3, mientras que el acceso a los modelos se concedió caso por caso para la investigación académica. Al estar entrenado con billones de tokens y disponible en distintos tamaños, LLaMA se adaptaba a diferentes requisitos de hardware. Este trabajo catalizó una oleada de investigación abierta sobre LLM e inspiró numerosos modelos derivados en la comunidad de código abierto.
Claude y Constitutional AI
La introducción de una IA con sistema de valores incorporado y principios éticos. En marzo de 2023, Anthropic presentó Claude - un asistente de IA basado en Constitutional AI que estableció un enfoque novedoso para la seguridad de IA. A diferencia de sistemas convencionales, Claude aprende mediante un método de dos fases: primero el modelo critica y mejora sus propias respuestas basándose en una constitución de principios éticos, luego se refina mediante retroalimentación generada por IA - sin evaluaciones humanas para prevención de daños. El resultado es un sistema que actúa de manera útil e inofensiva. Anthropic lanzó Claude y Claude Instant simultáneamente, siendo este último una variante más rápida y rentable. Este método de Constitutional AI demostró ser una mejora de Pareto sobre la retroalimentación humana y abrió nuevos caminos para la supervisión escalable de IA.
GPT-4: modelo de IA multimodal
El gran avance hacia el rendimiento humano en benchmarks profesionales y académicos. El 14 de marzo de 2023, OpenAI presentó GPT-4 — un Large Multimodal Model que procesa entradas de texto e imagen y alcanza el nivel humano en diversas disciplinas. Las mejoras fueron considerables: mientras GPT-3.5 superó el examen de baremo (bar exam) en el 10% inferior, GPT-4 alcanzó el 10% superior. En la prueba de matemáticas del SAT, el rendimiento mejoró del percentil 70 al 89. Tras seis meses de alineamiento iterativo con los resultados del programa de pruebas adversariales y el feedback de ChatGPT, se reconstruyó íntegramente la pila de Deep Learning. Las capacidades multimodales permiten procesar documentos, diagramas y capturas de pantalla con la misma calidad que las entradas de texto puro. GPT-4 estableció nuevos estándares de seguridad y rendimiento para la IA.
Midjourney V5: arte con IA fotorrealista
La generación de imágenes fotorrealistas con IA alcanza un nuevo nivel de calidad y transforma considerablemente la industria creativa. El 15 de marzo de 2023, Midjourney publicó la versión 5 y logró un salto de calidad que los usuarios describieron como 'inquietante' y 'demasiado perfecto'. La versión alpha fue capaz por primera vez de generar imágenes fotorrealistas prácticamente indistinguibles de fotografías reales. Especialmente destacable: el crónico problema de las manos defectuosas mejoró de forma notable; V5 era capaz de representar correctamente cinco dedos en la mayoría de los casos. Julie Wieland, diseñadora gráfica, comparó la experiencia con 'ponerse por fin unas gafas después de ignorar demasiado tiempo una mala visión': de repente todo se ve en calidad 4K [Fuente: Ars Technica, marzo de 2023]. La mayor sensibilidad a los prompts permitió un control creativo más preciso, mientras que el escalado automático ampliaba las imágenes base de 1024x1024 píxeles sin costes adicionales de GPU. V5 desencadenó intensos debates sobre el futuro de la creatividad humana.
Decreto de IA de Biden - Primera regulación integral de IA en EE. UU.
El presidente Biden firmó el 30 de octubre de 2023 la Orden Ejecutiva 14110 sobre el 'desarrollo y uso seguros, protegidos y fiables de la inteligencia artificial' — la primera regulación integral de IA de los EE. UU. y, con 110 páginas, la Orden Ejecutiva más extensa de la historia. El amplio decreto obliga a los desarrolladores de sistemas de IA de gran potencia a divulgar los resultados de sus pruebas de seguridad y establece estrictos estándares de red team a través del NIST. Protege frente al fraude basado en IA mediante la autenticación de contenidos y el marcado de agua (watermarking), aborda los riesgos en infraestructuras críticas y las amenazas biológicas. En el momento de su firma, esta Orden fijó estándares globales para el desarrollo responsable de la IA y posicionó a los EE. UU. como pioneros en la gobernanza de la IA. Sin embargo, su vigencia fue limitada: el 20 de enero de 2025, el presidente Trump revocó la EO 14110 mediante la Orden Ejecutiva 14148 — el documento refleja, por tanto, el estado regulatorio de 2023.
Carta de pausa y Bletchley: la seguridad de la IA se convierte en asunto global
En 2023, tras el primer impacto de ChatGPT, el mundo debatía cómo regular una tecnología de repente muy poderosa. En marzo, miles de firmantes, entre ellos Yoshua Bengio y Elon Musk, pedían en una carta abierta del Future of Life Institute una pausa de seis meses en el entrenamiento de sistemas de IA más potentes que GPT-4. No hubo pausa, pero la carta puso el tema en la agenda mundial. En noviembre tuvo lugar la primera cumbre mundial de seguridad en IA en Bletchley Park, en el Reino Unido, escogido conscientemente por ser el lugar donde Turing descifró códigos en su día. 28 países y la UE, incluidos EE. UU. y China, firmaron la Declaración de Bletchley sobre los riesgos de la IA avanzada. Fue la primera vez que potencias rivales hablaron juntas sobre seguridad en IA, dando inicio a una serie de cumbres (Seúl 2024, París 2025). Para ser honestos: la pausa nunca llegó y la Declaración de Bletchley no era vinculante; ambas pusieron temas en la agenda pero no crearon normas exigibles.
Mistral y Mixtral: los modelos abiertos de Europa
Mientras que en 2023 los grandes titulares los acaparaban sobre todo las empresas estadounidenses, desde París surgió un competidor: Mistral AI, fundada en la primavera de 2023 por Arthur Mensch (antes en Google DeepMind) junto con Guillaume Lample y Timothée Lacroix (antes en Meta). Ya en septiembre, el pequeño modelo Mistral 7B sorprendió al mundo académico: disponible libremente bajo licencia Apache 2.0 y más potente que el mucho más grande Llama 2 13B. En diciembre llegó Mixtral 8x7B: un modelo abierto de mezcla de expertos (Mixture of Experts) que en muchas tareas alcanzaba el nivel de GPT-3.5, pero solo activaba una fracción de sus parámetros por solicitud (unos 13 de 47.000 millones). Mistral se convirtió en el emblema europeo de los modelos abiertos y recaudó miles de millones. Para ser precisos: los pesos abiertos no son lo mismo que el código abierto (open source): los datos y el código de entrenamiento permanecen cerrados. Y Mixtral alcanzó GPT-3.5, no el modelo puntero de entonces, GPT-4; además, la propia arquitectura Mixture of Experts es considerablemente más antigua.
Google Gemini: familia de IA multimodal
La respuesta de Google a ChatGPT y el gran avance hacia la multimodalidad nativa. El 6 de diciembre de 2023, Google anunció Gemini 1.0 — una familia de IA desarrollada desde cero para la multimodalidad. La colaboración entre DeepMind y Google Brain dio como resultado tres tamaños de modelo: Gemini Ultra para tareas de alta complejidad, Gemini Pro como solución equilibrada y Gemini Nano para aplicaciones en dispositivos. A diferencia de los sistemas ampliados a posteriori, Gemini fue concebido de forma nativa con comprensión de lenguaje, audio, código y vídeo. En seis de ocho benchmarks, Gemini Pro superó el estándar de GPT-3.5, incluidas las pruebas MMLU. El día del anuncio, el Bard habitual recibió nuevas capacidades con Gemini Pro; Google anunció el más potente Bard Advanced con Gemini Ultra para principios de 2024. Gemini marcó la respuesta estratégica de Google a la dominancia de OpenAI y estableció la IA multimodal como nuevo estándar para los modelos de lenguaje grandes.
IA incorporada: los modelos adquieren un cuerpo
Durante años, los grandes modelos de IA vivieron solo en las pantallas: escribían textos, generaban imágenes, mantenían conversaciones. En 2024 eso comenzó a cambiar: fue el año de la IA incorporada. La idea consiste en instalar los mismos modelos de base que comprenden lenguaje e imágenes en cuerpos reales, sobre todo en robots humanoides. La empresa Figure se asoció con OpenAI y mostró un robot que habla, ve y manipula objetos. NVIDIA presentó con Project GR00T un modelo de base específico para humanoides, y empresas emergentes como Physical Intelligence fueron valoradas en miles de millones. Muchos ya hablaban del ChatGPT moment de la robótica. Para ser honestos: la mayor parte de lo visto hasta ahora han sido demostraciones y anuncios, no máquinas que trabajen de forma fiable en el día a día. El mundo físico es enormemente más difícil de dominar para un robot que una pantalla; la destreza, la seguridad y la fiabilidad siguen siendo problemas sin resolver.
Waymo: el taxi sin conductor se convierte en cotidiano
Durante más de una década, la conducción autónoma fue el ejemplo por excelencia de las promesas de la IA que no dejaban de retrasarse. En 2024 se hizo tangible: Waymo, la filial de coches robot de Google, puso por primera vez taxis sin conductor a disposición del público en gran escala, en San Francisco, Los Ángeles y Phoenix. En el verano de 2024, la empresa informó de más de 100.000 viajes pagados por semana, completamente sin conductor de seguridad al volante. Tras años de anuncios, fue la primera prueba concreta de que la conducción autónoma puede funcionar como un servicio real y cotidiano. Para ser precisos: Waymo solo circula en zonas urbanas muy delimitadas y minuciosamente cartografiadas, no en cualquier lugar ni con cualquier tiempo. Siguen produciéndose averías y vehículos parados, y la explotación es costosa. La conducción autónoma completa en cualquier entorno sigue sin resolverse; la retirada del competidor Cruise tras un grave accidente en 2023 mostró lo frágil que sigue siendo la tecnología.
Sora: vídeos generados por IA a partir de texto
El avance hacia vídeos fotorrealistas generados por IA y sus repercusiones en la industria cinematográfica. El 15 de febrero de 2024, OpenAI presentó Sora, un modelo de texto a vídeo capaz de generar vídeos HD detallados de hasta un minuto de duración a partir de breves descripciones. Nombrado a partir de la palabra japonesa que significa 'cielo', Sora simboliza un 'potencial creativo ilimitado'. Como Diffusion Transformer, Sora adapta la tecnología de DALL-E 3 para la consistencia temporal y simula a menudo, aunque no de forma fiable, movimientos físicamente plausibles. Los vídeos de demostración superaron a todos los sistemas existentes de texto a vídeo y establecieron nuevos estándares para la creatividad de la IA. El director Tyler Perry detuvo una expansión de estudios valorada en 800 millones de dólares ante la preocupación por el impacto de Sora en el sector. OpenAI adoptó un enfoque cauteloso con pruebas de Red Team para detectar desinformación y sesgos antes de proceder a una publicación más amplia.
Familia Claude 3 con capacidades multimodales
La introducción de una familia de IA con visión y tres modelos especializados. El 4 de marzo de 2024, Anthropic presentó la familia Claude 3: Opus, Sonnet y Haiku – tres modelos con diferentes fortalezas para varios casos de uso. La característica central fue el sofisticado procesamiento de visión que puede analizar fotos, gráficos, diagramas y dibujos técnicos. Claude 3 Opus logró nuevos mejores resultados en tareas cognitivas y superó a los competidores en benchmarks como MMLU y GPQA. Sonnet ofreció el equilibrio ideal entre inteligencia y velocidad para empresas, mientras que Haiku impresionó con tiempos de respuesta casi instantáneos. Con una ventana de contexto de 200,000 tokens (expandible a 1 millón) y disponibilidad en 159 países, Claude 3 estableció nuevos estándares de referencia para sistemas de IA multimodal.
Devin: el primer ingeniero de software autónomo con IA
El nacimiento del desarrollo de software completamente autónomo mediante inteligencia artificial. El 12 de marzo de 2024, Cognition Labs presentó Devin — comercializado por la empresa como el primer ingeniero de software con IA completamente autónomo del mundo. El sistema puede planificar de forma independiente, clonar repositorios, escribir código, depurar, probar e incluso desplegar aplicaciones. En el exigente SWE-Bench, Devin alcanzó una tasa de éxito del 13,86% en problemas reales de GitHub — un salto enorme frente al anterior mejor resultado del 1,96%. La startup fue valorada en una ronda de financiación temprana en torno a 350 millones de dólares; poco después del lanzamiento circularon informes de una valoración de alrededor de 2.000 millones de dólares. A pesar de los impresionantes resultados, las pruebas también mostraron limitaciones: solo 3 de 20 tareas se resolvieron con éxito, a menudo con fallos impredecibles.
AlphaFold 3: la IA predice la interacción entre moléculas
Cuatro años después del avance de AlphaFold 2, Google DeepMind presentó en mayo de 2024 una nueva versión, junto con su empresa hermana Isomorphic Labs. AlphaFold 2 había predicho cómo una proteína individual se pliega en su forma tridimensional. AlphaFold 3 va un paso decisivo más allá: modela cómo las proteínas interactúan con otras moléculas, incluidas el ADN, el ARN, los iones y las pequeñas moléculas de fármacos. Precisamente esta interacción resulta crucial para la investigación farmacéutica, ya que permite estimar en el ordenador cómo un fármaco se une a su proteína objetivo. Para ser honestos: las predicciones son notables, pero no están exentas de errores; su precisión varía según el tipo de molécula y siguen siendo necesarias comprobaciones en el laboratorio. Además, AlphaFold 3 apareció inicialmente sin código abierto, solo como servicio web limitado, lo que generó críticas en el ámbito investigador por falta de transparencia.
AlphaProof: la IA gana la medalla de plata en la Olimpiada de Matemáticas
Durante mucho tiempo, las matemáticas se consideraron la disciplina regia en la que la IA fracasaba: demasiado creativa, demasiado dependiente de una comprensión real. En julio de 2024, Google DeepMind marcó un hito: el sistema AlphaProof, junto con AlphaGeometry 2, resolvió cuatro de las seis tareas de la Olimpiada Internacional de Matemáticas. Eso equivalió al nivel de una medalla de plata, a un solo punto del oro. Lo especial es su método de trabajo: AlphaProof formula sus demostraciones en el lenguaje formal Lean, que permite verificar cada paso de forma automática, de modo que la IA no puede hacer trampa. Lo aprendió mediante aprendizaje por refuerzo. Por primera vez, una IA alcanzó el nivel de medalla en esta prestigiosa competición. Para ser honestos: no fueron condiciones de competición reales. Mientras los humanos disponen de cuatro horas y media, la IA necesitó en algunos casos varios días, y los especialistas debieron traducir previamente los problemas al lenguaje formal. Las dos tareas de combinatoria quedaron sin resolver.
Reglamento europeo de IA: la primera ley integral sobre IA
La primera regulación integral de la inteligencia artificial del mundo entra en vigor. El 1 de agosto de 2024, el Reglamento europeo de IA adquirió fuerza legal — un marco normativo basado en el riesgo con 180 considerandos y 113 artículos que abarca todo el ciclo de vida de la IA. La ley clasifica los sistemas de IA en cuatro niveles de riesgo: las aplicaciones inaceptables quedan prohibidas, los sistemas de alto riesgo en educación, empleo y justicia están sujetos a detalladas obligaciones de cumplimiento, los sistemas con riesgo limitado deben cumplir obligaciones de transparencia, y el resto con riesgo mínimo queda en gran medida sin restricciones. Al mismo tiempo, se aplican normas propias para los modelos de base GPAI como GPT, que impulsan aplicaciones como ChatGPT. El efecto extraterritorial alcanza también a los proveedores fuera de la UE con usuarios europeos. Las infracciones pueden acarrear multas de hasta 35 millones de euros o el 7% de la facturación anual mundial. Al igual que el RGPD en 2018, el Reglamento de IA podría establecer estándares globales y determinar cómo la IA influye en nuestras vidas. La aplicación escalonada comienza en 2025 y será plenamente efectiva en 2027.
OpenAI O1: avance en el razonamiento
OpenAI publica el 12 de septiembre de 2024 primero o1-preview (y o1-mini) y amplía considerablemente el razonamiento de la IA mediante Chain-of-Thought, cuya cadena de pensamiento se entrena con aprendizaje por refuerzo. O1 es el primer modelo de lenguaje ampliamente disponible que 'piensa' de forma sistemática antes de responder: con una cadena de pensamiento privada analiza los problemas paso a paso. Este nuevo enfoque abre una nueva dimensión de escalado: el Test-Time-Scaling, donde pensar más tiempo conduce a mejores resultados. El modelo o1 completo alcanza en pruebas de benchmark un rendimiento de nivel doctoral en física, química y biología, y resuelve el 83% de las tareas de la American Invitational Mathematics Examination (GPT-4o: 13%). La tecnología demuestra que la IA puede desarrollar capacidades de resolución de problemas significativamente mejoradas mediante el razonamiento estructurado.
Los premios Nobel de IA de 2024
En octubre de 2024 ocurrió algo sin precedentes: dos premios Nobel de ciencias naturales reconocieron los fundamentos de la IA moderna. El 8 de octubre, el Premio Nobel de Física recayó en John Hopfield y Geoffrey Hinton por los descubrimientos fundamentales que permiten el aprendizaje automático con redes neuronales artificiales. Que precisamente la física premiara las redes neuronales generó debate, aunque las redes de Hopfield inspiradas en la física (1982) y los métodos de aprendizaje de Hinton sentaron en realidad los cimientos. Un día después, el Premio Nobel de Química fue compartido por David Baker (por el diseño de proteínas asistido por ordenador) y Demis Hassabis y John Jumper de DeepMind, por AlphaFold, que resolvió el problema de plegamiento de proteínas pendiente desde hace 50 años. Por primera vez, la investigación fundamental en IA fue reconocida al más alto nivel de la ciencia. Lo notable: Hinton, recién galardonado, aprovechó el escenario para advertir a la vez sobre los riesgos de la tecnología que él mismo había contribuido a fundar.
OpenAI o3: un salto en ARC-AGI
Poco antes de fin de año, el 20 de diciembre de 2024, OpenAI anunció o3, el sucesor de o1 y la prueba de que el razonamiento en tiempo de inferencia (test-time scaling) puede seguir escalando. Lo que más llamó la atención fue un resultado concreto: o3 alcanzó el 87,5 % en ARC-AGI, una prueba diseñada deliberadamente para no poder superarse memorizando; los modelos anteriores se habían quedado cerca de cero. Con ello, o3 se acercó por primera vez a regiones de rendimiento humano en ese benchmark y destacó también en matemáticas y programación. Junto con o1 y el R1 de DeepSeek, o3 marcó la era de los modelos de razonamiento (o3-mini llegó a finales de enero de 2025, y el o3 completo en abril). Para ser precisos: el 87,5 % se obtuvo en modo de máximo rendimiento con un coste computacional enorme y muy elevado por tarea; los organizadores del ARC Prize subrayaron expresamente que o3 no es una AGI y que su rendimiento cae de forma notable en el test sucesor más difícil, ARC-AGI-2.
La IA agéntica se convierte en tendencia dominante
En 2024 y 2025 se produjo un cambio en lo que la IA hace: pasó de responder a actuar. El pistoletazo de salida lo dio Anthropic en octubre de 2024 con Computer Use; fue el primero de los grandes laboratorios de IA en ofrecer un modelo que maneja un ordenador por sí solo: ver la pantalla, mover el ratón, hacer clic, escribir. En enero de 2025 llegó Operator de OpenAI, un agente que navega de forma autónoma por la web y completa tareas; poco después llegó Deep Research, que investiga en varios pasos y redacta informes documentados. Del chatbot que genera texto se pasó a un sistema que actúa en nombre del usuario, el giro cualitativo que ya había apuntado Devin (2024). Para ser honestos: las primeras versiones eran lentas, propensas a errores y a menudo limitadas a tareas muy definidas; los sistemas comercializados como agentes recibieron en 2025 una gran promoción, pero su fiabilidad todavía no estaba a la altura del marketing.
DeepSeek-R1: el shock de la IA china
A finales de enero de 2025, un modelo de IA movió por primera vez de manera visible las bolsas mundiales. El laboratorio chino DeepSeek publicó el 20 de enero de 2025 R1, un modelo de razonamiento a la altura de o1 de OpenAI, pero con pesos abiertos (licencia MIT) y entrenado a una fracción del coste esperado. Lo hizo posible el aprendizaje por refuerzo a gran escala sobre el modelo base DeepSeek-V3. Cuando una semana después la aplicación de DeepSeek encabezó las listas de EE. UU., el ambiente cambió: el 27 de enero, Nvidia perdió alrededor del 17 % de su valor, unos 600.000 millones de dólares en un solo día, la mayor pérdida individual de la historia bursátil estadounidense, porque los inversores temían que la IA punta quizás no necesitase chips infinitamente caros. R1 sacudió varias certezas a la vez: que solo los grandes centros de datos de EE. UU. compiten en la cima, que los modelos de razonamiento permanecen cerrados y que más potencia de cómputo es el único camino hacia adelante. Para ser honestos: la cifra de unos pocos millones de dólares que circuló se refiere solo al ciclo de entrenamiento final del modelo base V3, no a R1 en sí ni a la investigación y el hardware en su conjunto, y R1 no fue mejor que o1 en todas las disciplinas.
Stargate: la IA como infraestructura a escala nacional
El 21 de enero de 2025, la inteligencia artificial ocupó el escenario de la Casa Blanca como un proyecto de infraestructura a escala nacional. OpenAI, SoftBank, Oracle y el inversor MGX anunciaron el proyecto Stargate: hasta 500.000 millones de dólares a lo largo de cuatro años para centros de datos de IA en EE. UU., de los cuales la inversión de 100.000 millones debía comenzar de inmediato. Con ello quedó patente que la próxima fase de la IA es menos una cuestión de algoritmos y más una cuestión de energía y construcción: potencia de cómputo a la escala de plantas eléctricas y parques industriales. Para un campo cuyo hilo conductor desde AlexNet ha sido la capacidad de cómputo (véase CUDA 2007), eso representaba el siguiente paso lógico, aunque colosal, y una señal de que la IA se ha convertido en una prioridad nacional y geopolítica. Para ser precisos: un anuncio no es un centro de datos terminado. Desde el principio fue objeto de debate si los 500.000 millones llegarían a reunirse por completo; incluso personas involucradas y observadores manifestaron públicamente sus dudas sobre la financiación.
Cumbre de Acción de IA de París
Los días 10 y 11 de febrero de 2025, jefes de Estado y de Gobierno, grandes empresas tecnológicas e investigadores se reunieron en el Grand Palais de París para la Cumbre de Acción de IA, la tercera gran cumbre sobre IA tras Bletchley (2023) y Seúl (2024), codirigida por el presidente francés Macron y el primer ministro indio Modi. Lo más destacado fue el cambio de tono: si la primera cumbre había centrado la atención en la seguridad de la IA, en París el protagonismo lo tuvieron las oportunidades, las inversiones y la competitividad; el vicepresidente de EE. UU. abogó abiertamente contra una regulación excesiva. Al final, 58 Estados, la UE y la Unión Africana firmaron una declaración a favor de una IA inclusiva y sostenible, pero EE. UU. y el Reino Unido se negaron a firmarla. Con ello, la cumbre puso de manifiesto la fractura transatlántica en la gobernanza de la IA. Para ser precisos: la declaración no era vinculante y los críticos calificaron la cumbre de ocasión perdida en materia de seguridad.
Los modelos de frontera en 2025
En 2025, la capacidad de razonamiento que o1 y R1 habían impulsado se convirtió en el estándar de los modelos punteros, a un ritmo difícil de seguir. En marzo Google presentó Gemini 2.5 Pro; en mayo le siguió Anthropic con Claude 4 (Opus 4 y Sonnet 4); en agosto, OpenAI con GPT-5; entremedias llegaron Claude 3.7 (el primer modelo híbrido que responde rápido o se toma su tiempo para pensar), GPT-4.5, Llama 4 de Meta y Grok de xAI. La nueva generación fusionó dos líneas: el razonamiento paso a paso de los modelos de razonamiento y la capacidad de actuar de forma autónoma (agentik). El protagonismo lo ganó especialmente la programación autónoma de larga duración. Para ser honestos: los laboratorios se superaban semana a semana con récords en benchmarks y cada uno reclamaba la cima para sí; avances reales, pero la tan invocada palabra AGI siguió siendo más marketing que realidad.