Poco a poco, la inteligencia artificial se ha ido integrando de manera más profunda en nuestro día a día. El uso de herramientas como ChatGPT, Gemini o DALL*E solo es la punta del iceberg, pero los sistemas de IA se están enraizando en lo más profundo de la economía, las relaciones sociales y otros ámbitos. En esta segunda entrega de la serie especial IA para Novatos, hacemos un repaso a la historia de la inteligencia artificial, los pioneros y los hitos destacados en su evolución.
Si bien el campo cobró un nuevo auge en años recientes, el desarrollo tecnológico de la IA comenzó a principios del siglo pasado. Es verdad que los primeros avances importantes tuvieron lugar hasta la década de los 50, pero no habrían sido posibles sin los estudios previos. Esa es la razón por la que encontrarás en algunos trabajos de investigación que se trata de una disciplina joven de poco más de 70 años.
Pero no le demos más vueltas, ¡comencemos con este repaso!
Los inicios de la IA
Pioneros y visionarios: Las mentes detrás de la IA
Alan Turing
Para entender la evolución de la IA, debemos hablar de los pioneros de este campo de estudio. ¿Quiénes fueron los grandes contribuidores de la disciplina? Por supuesto, allí está el nombre de Alan Turing, conocido popularmente como el padre de la computación. El científico británico es recordado por la máquina que lleva su nombre, uno de los primeros ordenadores de la historia.
Hasta la fecha, existen documentos científicos y trabajos que toman como referencia el famoso Test de Turing. La prueba señala que, si una computadora es capaz de sostener una conversación con una persona a través de una impresora, sin que se sepa quién de los dos interlocutores es la máquina, puede considerarse como una prueba de la capacidad pensante del ordenador.
John McCarthy
Otro de los nombres clave en la historia de la Inteligencia Artificial es el de John McCarthy. Fue el primero en acuñar el término de IA, además de haber organizado la Conferencia de Dartmouth. Dicho evento es considerado un hito en el campo porque marcó el inicio oficial de la investigación en inteligencia artificial. Sus contribuciones fueron fundamentales para darle forma a esta disciplina tecnológica.
McCarthy es recordado por su insaciable deseo de modelar el razonamiento humano utilizando computadoras. Tenía una devoción total por la informática, además de que ser reconocido por varios especialistas como el padre de la Inteligencia artificial. El brillante científico expresó:
“El estudio debe proceder sobre la base de la conjetura de que cada aspecto del aprendizaje o cualquier otra característica de la inteligencia puede, en principio, describirse con tanta precisión que es posible hacer que una máquina lo simule”.
Marvin Minsky y Seymour Papert
En los mismos años de McCarthy, Marvin Minsky y Seymour Papert desarrollaron el Perceptrón. Sí, sabemos que suena como a un invento de un científico loco. Sin embargo, era un modelo de red neuronal artificial. Ellos escribieron un libro especializado en el que exploraban las limitaciones de las redes neuronales de una sola capa. Aunque su trabajo empezó a quedar sepultado por la pérdida de interés, sus hallazgos volverían a cobrar fuerza décadas después.
El mérito de este par está en la exploración de la idea de simular el funcionamiento del cerebro humano mediante redes neuronales artificiales. En la actualidad, estas redes son un pilar fundamental de la manera en la que entendemos la IA moderna. Por ejemplo, sus contribuciones sentaron las bases para aplicaciones esenciales de IA como el reconocimiento de voz, la traducción automática y los vehículos autónomos.
La lista de pioneros y visionarios sobre la IA se completa con Ray Kurzwell, quien realizó predicciones audaces sobre la IA y la singularidad tecnológica. Asimismo, sobresalen los trabajos de Geoffrey Hinton en el campo del aprendizaje profundo y las contribuciones de Yann LeCun en el área del aprendizaje automático.
La era del auge
Perceptrones y redes neuronales
Con esta pequeña revisión, nos damos cuenta de que el concepto de redes neuronales no es nuevo. El primer algoritmo que presentó una red neuronal simple se llamó Perceptrón, el cual fue creado por Frank Rosenblatt en el año 1958. Esta computadora era un clasificador binario, capaz de generar una predicción basándose en un algoritmo combinado con el peso de entradas.
El objetivo de la máquina de Rosenblatt no era manipular variables, sino reconocer patrones de activación neuronal. Los datos de entrada se obtendrían de manera directa del mundo físico exterior gracias a un sistema de sensores. A partir de esa recolección, el Perceptrón sería capaz de aprender, un proceso que siempre tendría un cierto margen de error estadístico. En su momento, el New Yorker presentó dicha tecnología como el primer rival del cerebro humano. Lamentablemente, los resultados no le acompañaron.
Sistemas expertos
Durante la década de los 80, surgieron sistemas expertos que trataron de emular el conocimiento y la experiencia de un especialista humano en áreas específicas. Principalmente, se hicieron notar en áreas como la Medicina, las Finanzas y el Diagnóstico de fallas.
Este es el caso de Mycin, uno de los primeros sistemas expertos que se emplearon para diagnosticar enfermedades en medicina. Presuntamente, era capaz de identificar las bacterias que causaban las infecciones de gravedad, además de recomendar antibióticos tomando en cuenta datos de referencia como el peso del paciente. Aunque obtuvo buenas valoraciones en ciertas pruebas, Mycin jamás se utilizó en la práctica. Su valor estuvo en que demostró que era posible crear sistemas expertos basados en reglas causa-efecto.
Otro de estos sistemas que gozó de gran popularidad fue DENDRAL, desarrollado por Edward Feigenbaum y su equipo. Se le conoce como el primer sistema experto en emplearse para propósitos reales. Era utilizado con el objetivo de identificar estructuras químicas moleculares basándose en un análisis espectrográfico.
Desafíos y obstáculos
El invierno de la IA
En la actualidad, atravesamos por un periodo de fascinación alrededor de la IA gracias a los nuevos avances. Sin embargo, no es la primera vez que se desata tanta euforia dentro de este campo. En la década de los 80, Roger Schank, conocido como el padre de la Teoría de Dependencia Conceptual, y Marvin Minsky, el ganador del Premio Turing, alertaron sobre un posible invierno para la Inteligencia Artificial.
Este términos se refiere a un periodo de parón y desaceleración en el desarrollo de la IA, el cual sigue a varios años de entusiasmo y hype por las posibilidades que brindan los nuevos avances tecnológicos. Un invierno de Inteligencia Artificial se caracteriza por un descenso en la financiación y la pérdida interés alrededor del campo, así como por el descrédito que recibe de la opinión popular.
Esto es algo que no debemos perder de vista, pues nos recuerda que el campo de la IA ha pasado por momentos de gran euforia, para después volver a entrar en hibernación ante la falta de aplicaciones reales o su incapacidad para ponerse al nivel de las expectativas. Eso nos obliga a preguntarnos: ¿Llegará un nuevo invierno de IA tras el boom de ChatGPT y otras herramientas similares?
Problemas de representación
La representación del conocimiento forma parte de la columna vertebral de la inteligencia artificial. Esta área trata de capturar y organizar el conocimiento de manera significativa y estructurada. Pese a los avances que se han realizado para mejorar los procesos, existen desafíos puntuales que todavía no están resueltos.
Por ejemplo, las principales dificultades están asociadas a la escalabilidad, es decir, el desafío es mayor a medida que se incrementa el volumen y la complejidad. Asimismo, los sistemas de IA suelen trabajar con información incierta o incompleta. Finalmente, la combinación e integración de conocimientos de diferentes fuentes y modalidades sigue siendo una tarea compleja.
Resurgimiento y avances
Big Data y aprendizaje profundo
Después del invierno de la IA, este campo volvió a cobrar fuerza gracias a dos factores centrales. Uno de ellos fue el interés y las inversiones subsecuentes en el Big Data, así como en el aprendizaje profundo.
El Big Data apela a las tecnologías de vanguardia para el procesamiento de datos. Este conjunto de avances mejoró la recopilación, el análisis y la gestión de los datos que generan los usuarios en Internet. La idea consiste en el procesamiento inteligente de toda esta información para identificar patrones y comportamientos que puedan ayudar a conseguir ciertos objetivos.
El aprendizaje profundo se instala como un motor del resurgimiento de la IA durante las décadas recientes. La disponibilidad de una mayor cantidad de bases de datos abrió la puerta al entrenamiento de modelos de IA más sofisticados y completos. Es una rama del aprendizaje automático, la cual se sustenta en la detección de estructuras complejas en los datos con los que se alimentan. Los avances en este campo han jugado un rol fundamental en el descubrimiento de exoplanetas, nuevos fármacos, detección de enfermedades y hasta la identificación de partículas subatómicas.
Futuro de la IA
Aunque existe el temor de que se presente un nuevo invierno de IA, nosotros creemos que estamos lejos de ese escenario. Las proyecciones para este 2024 es que los chatbots en línea experimenten avances inesperados, además de que la IA podrá generar nuevos tipos de medios, imitar el razonamiento humano de otras formas e impactar el mundo físico mediante su integración en elementos robóticos.
Con base en los últimos movimientos de las empresas de IA, las compañías de tecnología tienen un interés marcado por alimentar sus sistemas con más datos. Esto incluye archivos de imágenes, audio y texto, grandes cúmulos de información que superarían fácilmente la capacidad de comprensión de las personas.
¿Estaremos cerca de la inteligencia artificial general? Es posible que entremos a un periodo de invierno de IA antes de que eso ocurra, dado que sigue presentándose como una misión de proporciones titánicas. Algunos gurús informáticos advierten que estamos mucho más cerca de lo que podemos creer.
