La IA no empezó con ChatGPT: 70 años construyendo sus cimientos
De Turing a Transformer: un recorrido por los hitos que explican cómo décadas de investigación construyeron las bases de la inteligencia artificial actual.
La inteligencia artificial no empezó con ChatGPT.
Esa es una de las mejores ideas para entender el momento actual. Los asistentes conversacionales, los modelos generativos, los sistemas de visión y los agentes que hoy parecen tan nuevos son el resultado visible de décadas de investigación acumulada.
No hubo un único descubrimiento que lo cambiara todo. Hubo matemáticas, algoritmos, periodos de entusiasmo y decepción, más datos, mejores chips y varias ideas que tardaron años en encontrar el contexto adecuado para funcionar a gran escala.
Mirar esa historia permite entender la IA con más criterio: no como una aparición repentina, sino como una tecnología construida capa a capa.
1950: Turing formula la pregunta que abre el debate moderno
En 1950, Alan Turing publicó Computing Machinery and Intelligence. El artículo comienza con una pregunta que todavía resuena: «¿Pueden pensar las máquinas?».
En lugar de intentar definir filosóficamente qué significa pensar, Turing propuso un enfoque práctico: el juego de imitación, conocido después como prueba de Turing. La cuestión pasaba a ser si una máquina podía mantener una conversación de forma suficientemente convincente como para que un evaluador no pudiera distinguirla de una persona.
El texto no creó la inteligencia artificial, pero sí ayudó a formular uno de sus problemas fundacionales de una forma que podía estudiarse técnicamente.
Leer el artículo original de Alan Turing.
1956: Dartmouth convierte la IA en un campo de investigación
Pocos años después llegó otro momento decisivo.
La propuesta del Dartmouth Summer Research Project on Artificial Intelligence, redactada en 1955 para un encuentro celebrado en el verano de 1956, reunió a investigadores como John McCarthy, Marvin Minsky, Nathaniel Rochester y Claude Shannon.
La propuesta partía de una idea extraordinariamente ambiciosa: que aspectos del aprendizaje y de la inteligencia podían describirse con suficiente precisión como para que una máquina pudiera simularlos.
El término Artificial Intelligence empezó así a consolidarse como nombre de un campo propio.
Aquella ambición fue mucho más rápida que los resultados. Durante las décadas siguientes la IA avanzó, pero también sufrió periodos de decepción cuando las capacidades reales no alcanzaban las expectativas. Esos ciclos, conocidos como inviernos de la IA, son un buen recordatorio de que esta historia nunca ha sido lineal.
Consultar la propuesta de Dartmouth.
De las primeras redes neuronales al problema de entrenarlas
La idea de construir sistemas inspirados de forma muy abstracta en el funcionamiento de las neuronas es anterior a muchos de los hitos modernos. Durante décadas se experimentó con redes y sistemas capaces de ajustar su comportamiento a partir de ejemplos.
El problema era que aumentar la complejidad de esas redes también hacía mucho más difícil entrenarlas de manera eficaz.
Por eso uno de los avances fundamentales no fue simplemente construir redes más grandes, sino encontrar una forma práctica de ajustar sus parámetros a partir del error.
1986: la retropropagación impulsa las redes multicapa
En 1986, David Rumelhart, Geoffrey Hinton y Ronald Williams publicaron en Nature el trabajo Learning representations by back-propagating errors.
La idea central de la backpropagation o retropropagación es relativamente sencilla de explicar: la red produce un resultado, se mide cuánto se ha equivocado y ese error se propaga hacia atrás para ajustar sus pesos internos. El proceso se repite muchas veces hasta mejorar el comportamiento del sistema.
Hoy puede parecer un mecanismo básico, pero fue una pieza decisiva para entrenar redes neuronales con múltiples capas y forma parte de los fundamentos del aprendizaje profundo posterior.
Consultar el artículo en Nature.
La historia también incluye periodos de estancamiento
El progreso de la IA no fue una sucesión continua de éxitos.
Durante años, muchas ideas prometedoras se encontraron con límites muy concretos: ordenadores poco potentes, conjuntos de datos pequeños, algoritmos difíciles de escalar y expectativas demasiado altas.
La distancia entre las promesas y las capacidades reales provocó recortes de financiación y pérdida de interés en distintos momentos.
Pero muchas de las ideas no desaparecieron. Esperaron.
Cuando décadas después coincidieron más capacidad de cálculo, grandes cantidades de datos y mejoras en los algoritmos, algunas técnicas que ya existían pudieron demostrar un rendimiento completamente distinto.
Ese punto es importante para entender la tecnología actual: una innovación no siempre nace cuando empieza a ser útil. A veces necesita años hasta que el resto de las piezas están preparadas.
2012: AlexNet cambia la percepción del aprendizaje profundo
Uno de esos momentos llegó en 2012.
AlexNet, desarrollada por Alex Krizhevsky, Ilya Sutskever y Geoffrey Hinton, consiguió una mejora muy importante en el reto ImageNet utilizando una red neuronal convolucional profunda entrenada con GPU.
No fue la primera red neuronal ni inventó el reconocimiento de imágenes. Lo relevante fue que demostró de forma muy visible que la combinación de redes profundas, datos a gran escala y potencia de cálculo podía superar con claridad enfoques anteriores en una tarea compleja.
El impacto fue enorme. A partir de entonces, el deep learning dejó de ser una línea de investigación periférica y pasó a ocupar una posición central en visión artificial y, después, en muchas otras áreas.
Consultar el artículo de AlexNet en NeurIPS.
2016: AlphaGo muestra otra dimensión de la IA
En marzo de 2016, AlphaGo, desarrollado por DeepMind, derrotó al campeón Lee Sedol por 4 partidas a 1.
El Go era un reto especialmente significativo porque su enorme número de posibles jugadas hacía inviable resolverlo únicamente explorando todas las opciones.
AlphaGo combinó redes neuronales, búsqueda y aprendizaje por refuerzo para evaluar posiciones y elegir movimientos.
La importancia del hito va más allá del juego. Mostró que los sistemas de IA podían aprender estrategias complejas y tomar decisiones en espacios enormes de posibilidades.
No era un chatbot ni un sistema de clasificación. Era otra demostración de que distintas técnicas podían combinarse para resolver problemas que pocos años antes parecían fuera del alcance práctico de una máquina.
Ver la historia de AlphaGo en Google DeepMind.
2017: Transformer cambia el procesamiento del lenguaje
Si hubiera que elegir uno de los trabajos más directamente relacionados con los modelos de lenguaje actuales, sería difícil ignorar Attention Is All You Need, publicado en 2017.
El artículo presentó la arquitectura Transformer.
Los modelos anteriores de lenguaje procesaban secuencias con mecanismos que dificultaban el entrenamiento eficiente a gran escala. Transformer utilizó mecanismos de atención para relacionar distintas partes de una secuencia y permitió paralelizar mucho mejor el entrenamiento.
Ese cambio resultó fundamental.
Los Transformers no son únicamente una técnica para chatbots. Se han convertido en una arquitectura central en lenguaje y se han extendido también a visión, audio y sistemas multimodales.
Los grandes modelos de lenguaje actuales pertenecen, en gran medida, a esta era.
Leer Attention Is All You Need.
2018: el preentrenamiento cambia la forma de construir modelos de lenguaje
El siguiente paso importante fue dejar de entrenar un modelo desde cero para cada tarea concreta.
En 2018 aparecieron dos trabajos que ayudaron a consolidar una idea que hoy parece natural: preentrenar modelos con grandes cantidades de texto y después adaptarlos a tareas específicas.
OpenAI presentó GPT, basado en Transformer y preentrenamiento generativo. Google presentó BERT, que utilizó preentrenamiento bidireccional para mejorar la comprensión del lenguaje.
Los enfoques eran distintos, pero ambos mostraban que un modelo podía adquirir representaciones generales del lenguaje antes de enfrentarse a una tarea concreta.
Ese cambio preparó el terreno para modelos cada vez mayores y capaces de realizar muchas tareas con una única arquitectura.
OpenAI: Improving Language Understanding by Generative Pre-Training.
BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding.
ChatGPT fue un punto de visibilidad, no el comienzo
Cuando ChatGPT llegó al público general en 2022, millones de personas pudieron interactuar por primera vez con un sistema de IA generativa de una forma sencilla y directa.
Eso convirtió la inteligencia artificial en un fenómeno social y empresarial de enorme alcance.
Pero técnicamente no fue un comienzo.
Detrás estaban décadas de investigación en redes neuronales, optimización, aprendizaje profundo, procesamiento del lenguaje, arquitectura Transformer, preentrenamiento y capacidad de cálculo.
El cambio fue que todas esas líneas convergieron en productos suficientemente accesibles, útiles y fáciles de utilizar como para salir de laboratorios y departamentos técnicos.
Lo que enseña esta historia
La evolución de la inteligencia artificial deja varias lecciones.
La primera es que el progreso tecnológico suele ser acumulativo. Los grandes saltos dependen de trabajos anteriores que, a veces, parecían no tener aplicación inmediata.
La segunda es que las ideas necesitan infraestructura. Backpropagation llevaba décadas entre nosotros cuando las GPU, los datos y las redes profundas hicieron posible otra escala de resultados.
La tercera es que conviene mantener cierta distancia frente a los extremos. La IA ha vivido ciclos de expectativas exageradas y decepción. Conocerlos ayuda a evitar tanto el entusiasmo ingenuo como el rechazo automático.
Y la cuarta es que comprender los fundamentos permite usar mejor las herramientas actuales. No hace falta convertirse en especialista para distinguir entre una demostración llamativa y una tecnología que realmente puede aportar valor.
En ARCIORA defendemos precisamente ese enfoque: entender antes de adoptar y aplicar la inteligencia artificial con criterio.
Si estás empezando a utilizar estas herramientas en un negocio, el siguiente paso no debería ser perseguir cada novedad. Es más útil empezar por una tarea concreta y una prueba pequeña que pueda medirse.
En resumen
La inteligencia artificial actual no apareció de repente.
- 1950: Turing formula una de las preguntas fundacionales.
- 1956: Dartmouth consolida la inteligencia artificial como campo de investigación.
- 1986: la retropropagación facilita el entrenamiento de redes multicapa.
- 2012: AlexNet demuestra el potencial del aprendizaje profundo a gran escala.
- 2016: AlphaGo combina redes profundas, búsqueda y aprendizaje por refuerzo.
- 2017: Transformer redefine el procesamiento moderno del lenguaje.
- 2018: GPT y BERT consolidan el preentrenamiento como pieza central.
Más de setenta años separan la pregunta de Turing de los sistemas que utilizamos hoy.
La IA no empezó con ChatGPT. ChatGPT fue uno de los momentos en los que décadas de investigación se hicieron visibles para casi todo el mundo.
