Hoy vamos a comprender la historia de la inteligencia artificial desde sus inicios hasta la actualidad. El nacimiento de la inteligencia artificial fue entre años 1950 a 1970. En 1950, el matemático e informático británico Alan Turing publicó un artículo pionero titulado Computing Machinery and Intelligence, en el que proponía lo que hoy se conoce como el test de Turing. Esta prueba evalúa la capacidad de una máquina para mostrar un comportamiento inteligente equivalente o indistinguible del de un ser humano. El ensayo inició un nuevo debate sobre las posibilidades de la inteligencia artificial.
Luego, en la conferencia de Dartmouth, 1956, se marcó el nacimiento de la inteligencia artificial. Al John McCarthy, Marvin Minsky, Alan Newell y Herbert Salmon definieran IA como la ciencia y la ingeniería de crear máquinas inteligentes. A partir de ahí, despegó el sueño de crear un cerebro artificial.
Y ellos se proclamaron como los fundadores de la IA. En 1957, Alan Newell y Herbert Salmon desarrollaron el General Problem Solver, el cual era un programa informático diseñado para imitar las estrategias humanas de resolución de problemas. Luego, siguió la invención del Perceptron, un algoritmo para el aprendizaje supervisado de clasificadores binarios.
por Frank Rosendoir en 1958. Un perceptrón es una neurona artificial y, por tanto, una unidad de red neuronal. El perceptrón efectúa cálculos para detectar características o tendencias en los datos de entrada. Los años 60 fueron destinados a la investigación, centrados en sistemas basados en el conocimiento y en los primeros robots autónomos.
Entre ellos se encuentra el robot Shaki, desarrollado por SRI Internacional en 1966, uno de los primeros robots capaces de analizar su entorno y reaccionar ante él. Durante la década de 1970 se redujo la financiación de la IA y disminuyó el interés debido a la falta de aplicaciones prácticas y escalabilidad. En 1980 se produjo el auge del aprendizaje automático. Hinton y Williams introdujeron la retropropagación para entrenar redes neuronales multicapa, motivando a más personas en la investigación de redes neuronales, que utilizaban los conocimientos para imitar la toma de decisiones humana.
A finales de los 90 y principios de los 2000, la IA empezó a infiltrarse en nuestra vida cotidiana. En 1997, Deep Blue de IBM, un ordenador que jugaba al ajedrez, derrotó al actual campeón del mundo, Gary Kasparov. Desde ahí se empezó a pensar que la IA podía superar a los humanos en tareas complejas. En esta época, también hubo avances en las capacidades de almacenamiento y procesamiento de datos. El desarrollo de las máquinas de vectores soporte, los árboles de decisión y los métodos ensembles supuso un avance significativo en el campo del aprendizaje automático.
En el 2010 apareció el aprendizaje profundo, con redes neuronales profundas, marcando una nueva era de la IA. y capacidad de aprendizaje automático aumentado. En el 2012, Krzyzewski, Zutzkeber y Hinten diseñaron una red neuronal profunda que ganó el ImageNet Large-Scale Visual Recognition Challenge, una competición de algoritmos de reconocimiento de objetos. Esa victoria marcó el inicio de la revolución del aprendizaje profundo, un cambio hacia el uso de redes neuronales profundas para resolver problemas complejos. En 2015, AlphaGo un programa desarrollado por DevMind de Google, derrotó a un jugador humano profesional en el juego, una hazaña que se creía a años vista debido a la complejidad del juego.
AlphaGo utilizó una combinación de técnicas de aprendizaje automático y búsqueda de árboles, junto con un amplio entrenamiento a partir de partidas jugadas tanto por humanos como por ordenadores. En 2017, se produjeron avances significativos en el procesamiento del lenguaje natural, Gracias. PLN, especialmente con el desarrollo de modelos basados en transformadores. El mecanismo de atención introducido por Bassoin y Etal.
En 2017 en el artículo, Attention is all you need, se convirtió en un componente fundamental de muchos modelos de PNL, permitiendo una mejor comprensión del contexto y la secuencia del lenguaje. Este periodo también vio la llegada de los modelos GPT de OpenAI. Comenzando con GPT.
1 en 2018, estos modelos utilizaron transformadores para generar oraciones coherentes y contextualmente relevantes. GPT-3, lanzado en 2020, fue un hito en la IA por su impresionante rendimiento en la generación de texto similar al humano. En 2022, OpenAI lanzó ChatGPT, una IA conversacional basada en el modelo GPT-3, que podía mantener conversaciones detalladas con los usuarios de forma coherente y contextualmente consciente.
En la actualidad, la IA generativa ha experimentado un progreso notable en los últimos años, gracias a los avances en el aprendizaje profundo y el hardware. Algunos ejemplos notables son. En 2017, NVIDIA desarrolló Progressive Growing of Gens, ProGaN, una técnica que aumentaba gradualmente el tamaño de la red y los datos de entrenamiento para mejorar la calidad y la resolución de las imágenes generadas.
En 2019, OpenAI dio a conocer Musenet, una red neuronal profunda capaz de generar música original de diversos géneros y estilos. También, en el año 2020 OpenAI lanzó Dolly, un impresionante sistema de IA generativa que utilizaba GPT 3 como base para crear imágenes basadas en descripciones de texto, combinando los talentos de Salvador Dalí y Wally. En el 2021, Stability EA hizo Stable Diffusion SD, que utiliza modelos de difusión para generar imágenes basadas en descripciones de texto, abriendo nuevas posibilidades para la expresión creativa.
En esta época, ya tenemos sistemas autónomos de inteligencia artificial, Tesla, Bymo y Cruise, ya han realizado pruebas exhaustivas de vehículos autónomos en carreteras públicas. Las aplicaciones de la IA también se expandieron a otras áreas, como los drones y la robótica, dando lugar a innovaciones como los robots humanoides de Boston Dynamics y los drones de reparto de Amazon. Además, inteligencia artificial ya está en el sector médico y se desarrollaron modelos de aprendizaje automático para el diagnóstico de enfermedades.
La predicción de los resultados a los que se enfrentarían los pacientes y la personalización de los planes de tratamiento. Por ejemplo, en 2018, DeadMind de Google desarrolló un sistema de IA que podía diagnosticar enfermedades oculares con la misma precisión que los médicos humanos expertos. En 2019, Watson Health de IBM lanzó Watson for Genomics Precision Oncology, WGPO. Un sistema de IA que podría analizar datos genómicos y recomendar tratamientos personalizados contra el cáncer basados en evidencia clínica. En la actualidad, IA ha logrado múltiples avances en el aprendizaje profundo, la comprensión del lenguaje natural, IA generativa, sistemas autónomos y se espera que va a evolucionar mucho más en el futuro.
Esto ha sido la apasionante historia de la IA, la cual se ha convertido en una tecnología de la vida cotidiana y promete revolucionar el mundo. Hemos llegado al final del video. Esperamos que lo hayas encontrado informativo y de ayuda.
Si te gustó apóyanos con tu pulgar arriba, suscribe y comparte con tus amigos. Ánimo y sigue aprendiendo.