La historia de la IA
De la visión a la realidad
La historia de la inteligencia artificial es un viaje fascinante, lleno de avances, retrocesos y giros inesperados. Lo que antes se consideraba ciencia ficción hoy forma parte de nuestro día a día. Para entender dónde estamos hoy, vale la pena echar la vista atrás a los hitos más importantes.
El término «Artificial Intelligence» se acuñó oficialmente en 1956 en la conferencia de Dartmouth. Investigadores como John McCarthy, Marvin Minsky y Claude Shannon estaban convencidos de que las máquinas alcanzarían la inteligencia humana en el plazo de una generación. Este entusiasmo dio lugar a los primeros programas capaces de jugar al ajedrez, hacer demostraciones matemáticas o simular conversaciones sencillas.
Los altibajos de la investigación en IA
La época pionera y el primer invierno de la IA
En las décadas de 1950 y 1960 reinaba una gran euforia. Programas como ELIZA (1966) simulaban conversaciones terapéuticas sencillas, y la investigación avanzaba con rapidez en la resolución de problemas lógicos. Pero las promesas iniciales eran demasiado ambiciosas. Cuando quedó claro que la verdadera inteligencia humana es mucho más compleja de lo que se pensaba, los gobiernos y las empresas recortaron drásticamente su financiación. Había comenzado el primer invierno de la IA (aprox. 1974–1980), una fase de desencanto y de menos investigación.
Los sistemas expertos y el segundo invierno de la IA
En la década de 1980, la IA resurgió gracias a los sistemas expertos. Estos programas codificaban en forma de reglas el conocimiento de especialistas humanos («Si síntoma X e Y, entonces diagnóstico Z»). Las empresas invirtieron miles de millones. Pero los sistemas expertos eran caros de mantener, frágiles ante entradas inesperadas y difíciles de actualizar. Siguió el segundo invierno de la IA (aprox. 1987–1993). Un momento destacado de la década de 1990: en 1997, Deep Blue de IBM venció al vigente campeón mundial de ajedrez Garri Kaspárov, un hito simbólico, aunque Deep Blue funcionaba más con potencia de cálculo bruta que con «inteligencia».
Big data y deep learning
Con internet, la cantidad de datos disponibles se disparó. En 2012 llegó el punto de inflexión: la red neuronal AlexNet ganó el concurso ImageNet con una ventaja que sacudió a la comunidad científica. El deep learning, el entrenamiento de redes neuronales profundas, se volvió de repente viable, gracias a GPU potentes y a enormes conjuntos de datos. En 2016, AlphaGo de Google venció a Lee Sedol, varias veces campeón mundial de go. El go se consideraba demasiado complejo para los ordenadores. Esta victoria fue un momento de conmoción. En 2017, investigadores de Google publicaron el artículo «Attention Is All You Need» y presentaron la arquitectura Transformer, la base de todo lo que vino después.
La revolución Transformer y la IA generativa
A partir de 2018, modelos de lenguaje como BERT y GPT cambiaron el panorama de raíz. ChatGPT (noviembre de 2022) alcanzó, según una estimación de UBS, unos 100 millones de usuarios activos en solo dos meses y se convirtió así en una de las aplicaciones de crecimiento más rápido de la historia. De repente, cualquiera podía «hablar» con una IA. Desde entonces, el ritmo se ha acelerado aún más: los modelos multimodales entienden texto, imágenes, audio y vídeo al mismo tiempo. Los agentes de IA pueden ejecutar tareas de forma autónoma y usar herramientas, y los modelos de razonamiento (reasoning) «piensan» paso a paso antes de responder. Hoy, en 2026, la IA ha llegado a casi todos los ámbitos profesionales, de la medicina al desarrollo de software, pasando por el derecho. En 2024, incluso dos premios Nobel fueron para la investigación en IA: el de Física, para John Hopfield y Geoffrey Hinton por los fundamentos de las redes neuronales, y el de Química, entre otros, para Demis Hassabis y John Jumper por la predicción de estructuras de proteínas con AlphaFold.
Lo que nos enseña la historia
La historia de la IA muestra un patrón que se repite: a las fases de expectativas exageradas les siguen fases de desencanto. Hoy nos encontramos en una fase en la que la IA cumple realmente lo que promete, pero es importante mantener expectativas realistas. La IA es una herramienta poderosa, no una inteligencia omnisciente.
- La investigación en IA comenzó en la década de 1950 con las ideas visionarias de Alan Turing y la conferencia de Dartmouth.
- Dos «inviernos de la IA» (1974–1980, 1987–1993) surgieron por expectativas exageradas y esperanzas frustradas.
- El avance de ImageNet en 2012 y la arquitectura Transformer en 2017 sentaron las bases de la revolución actual de la IA.
- ChatGPT (2022) hizo la IA accesible al gran público y aceleró enormemente su desarrollo.
- La historia nos enseña que el pensamiento crítico y las expectativas realistas siguen siendo importantes hoy.
Esta lección forma parte de un curso con examen final y certificado. Ver el curso «Fundamentos de la IA»