Conocer la historia de la Inteligencia Artificial (IA) no es un ejercicio de nostalgia: es lo que te permite entender el presente. Casi todo lo que hoy te asombra sobre la IA tiene raíces de hace décadas, y saber de dónde viene te da el criterio para entender qué está cambiando de verdad.
La IA nació formalmente en 1956, en la conferencia de Dartmouth, aunque sus cimientos se remontan a Alan Turing y sus trabajos de los años 30 y 50.
Aquí vas a recorrer el camino que va desde la máquina que Turing imaginó en un papel, hasta el ChatGPT que usas hoy. Y verás que la IA la construyeron muchas más manos de las que imaginas: no solo ingenieros y matemáticos, también psicólogos, lingüistas, filósofos y hasta fisiólogos, porque entender la inteligencia nunca fue tarea de una sola disciplina.
Los orígenes de la inteligencia artificial que la hicieron posible
La inteligencia artificial (la capacidad de un sistema para realizar tareas que normalmente exigen razonamiento humano, como reconocer patrones, tomar decisiones o generar lenguaje e imágenes), no es una sola herramienta ni una sola tecnología, sino una familia de enfoques que cambió de forma radical en los últimos 90 años.
Nadie inventó la IA de un día para otro. El campo se construyó sobre preguntas matemáticas y filosóficas que llevaban décadas planteándose, y dos hilos convergieron para hacerlo posible: la teoría de la computación y el estudio del cerebro como una máquina.
👉 Mira la historia de la IA en una clase en video.
1936 y 1950: la máquina de Turing y el test de Turing en la historia de la IA
En 1936, con apenas 24 años, Alan Turing se hizo una pregunta que desvelaba a los matemáticos: ¿puede una máquina decidir por sí sola si cualquier problema matemático tiene solución? Para responder imaginó un aparato teórico que sigue instrucciones simples, una tras otra, hasta llegar a un resultado: la máquina de Turing. Nunca la construyó, pero con esa idea definió qué puede y qué no puede calcular una computadora.
Lo dejó escrito en su artículo "On Computable Numbers" (1936), hoy un texto fundacional de la informática.
Catorce años después, en 1950, Turing fue más allá y en "Computing Machinery and Intelligence" se preguntó: "¿pueden pensar las máquinas?" e ideó el juego de la imitación, hoy conocido como test de Turing. Murió en 1954, dos años antes de que su pregunta tuviera nombre propio en Dartmouth.
¿Qué es el test de Turing? Es una prueba propuesta por Alan Turing en 1950 para evaluar si una máquina exhibe un comportamiento indistinguible del de una persona. Según este test, si un evaluador humano no logra distinguir las respuestas de la máquina de las de otro humano, se considera que la máquina supera la prueba.
1943: la idea de la neurona artificial
Mientras Turing pensaba en máquinas que calculan, otro grupo se hacía una pregunta distinta:
¿y si pudiéramos copiar la manera en que piensa el cerebro?
En 1943, el neurofisiólogo Warren McCulloch y el matemático Walter Pitts propusieron una idea audaz: una neurona se puede describir como un interruptor.
La neurona recibe señales de otras neuronas y, si la suma supera cierto umbral, se enciende; si no, se queda apagada.
Conectando muchos de esos interruptores, demostraron que se podía representar cualquier operación lógica. Por primera vez alguien sugería que el pensamiento podía reducirse a cálculo, y que una máquina, en teoría, podría replicarlo. Esa neurona artificial es el ladrillo con el que hoy se construyen las redes neuronales.
1948: el nacimiento de la cibernética
Ese mismo 1943 se sentaron las bases de otra idea influyente. El matemático Norbert Wiener (padre de la cibernética), junto al fisiólogo mexicano Arturo Rosenblueth y al ingeniero Julian Bigelow, propusieron que el comportamiento con propósito, sea de un animal o de una máquina, se explica por un mecanismo simple: la retroalimentación.
Un sistema hace algo, mide el resultado y se corrige a sí mismo.
Piensa en el termostato que prende la calefacción, siente la temperatura y se apaga solo al llegar a la deseada. O en tu propia mano cuando alcanza un vaso: los ojos van midiendo la distancia y ajustan el movimiento sobre la marcha. Wiener sostuvo que ahí, en ese lazo de sentir y corregir, estaba la raíz de toda conducta inteligente.
En 1948 nombró el campo como cibernética: la teoría del control y la comunicación, es decir, el estudio de cómo un sistema, vivo o artificial, usa la información que recibe para corregirse y mantener el rumbo.
Cibernética hoy nos suena como una palabra futurista, pero en realidad la palabra viene del griego kybernētēs (κυβερνήτης), que significa "el timonel", el que corrige el rumbo del barco una y otra vez según el viento y las olas. De esa misma raíz también viene la palabra gobierno, que llegó del griego kybernáo (κυβερνάω) a través del latín gubernare.
La cibernética dejó una idea que sigue viva en la IA de hoy: una máquina no necesita entender el mundo para actuar con inteligencia, le basta con sentir, comparar y corregir.
El puente entre la neurona artificial y la cibernética: el perceptrón
Con esas dos semillas sembradas, la neurona como interruptor y la cibernética (el sistema que aprende de su propio error), faltaba alguien que las juntara.
El puente lo tendió la psicología. En 1957, Frank Rosenblatt, un psicólogo fascinado por cómo aprende el cerebro, construyó el perceptrón: el primer modelo capaz de aprender por sí mismo. De la neurona artificial tomó la estructura: varias entradas con distinto peso que se suman y disparan una respuesta. De la cibernética tomó el motor: un lazo de retroalimentación.
¿Y cómo aprendía el perceptrón? Le mostrabas un ejemplo, comparaba su respuesta con la correcta y, según el tamaño del error, ajustaba sus propios “pesos” para acertar la próxima vez. Sentir, comparar, corregir, una y otra vez, igual que el timonel con el rumbo.
En vez de programarle las reglas, le dabas ejemplos y lo dejabas equivocarse y aprender, como un niño que afina la puntería a fuerza de intentos. Era rudimentario, pero prometía algo enorme: una máquina que mejora sola con la práctica.
1956: el nacimiento oficial de la inteligencia artificial en Dartmouth
Hasta aquí, estas ideas (la máquina que calcula, la neurona que se enciende, el sistema que se corrige) vivían dispersas, en cabezas y disciplinas distintas. En el verano de 1956, un matemático llamado John McCarthy decidió juntarlas bajo un mismo techo y darles un nombre.
Reunió a un grupo pequeño en Dartmouth College, para un taller de dos meses. Los invitados eran brillantes: Marvin Minsky, Claude Shannon (el padre de la teoría de la información) y Nathaniel Rochester (arquitecto de la IBM 701, una de las primeras computadoras de IBM), entre otros. La idea del taller era enorme y el plazo, ingenuamente corto: creían que en un solo verano darían pasos serios hacia máquinas que pensaran.
Ahí, McCarthy bautizó el campo con dos palabras que hoy están en todas partes: inteligencia artificial. Y no fue un nombre inocente. Lo eligió, en parte, para marcar distancia de la cibernética de Wiener y dejar claro que esto era un territorio nuevo, con identidad propia.
Pero lo más audaz no fue el nombre, sino la apuesta de la que partieron, escrita un año antes en la propuesta del taller: que cada aspecto del aprendizaje, o cualquier otro rasgo de la inteligencia, puede describirse con tanta precisión que una máquina sea capaz de imitarlo. Dicho simple:
si logramos explicar bien cómo pensamos, podríamos construir algo que lo haga.
Esa conjetura, todavía discutida, sigue siendo el motor de todo el campo.
1956: la influencia de la psicología cognitiva en la inteligencia artificial
Como te habrás dado cuenta, la inteligencia artificial no creció solo desde las matemáticas y la ingeniería. Nació en diálogo con otras disciplinas que se hacían la misma pregunta desde otro ángulo, como la psicología, la lingüística y la filosofía.
Durante décadas, la psicología dominante, el conductismo, trataba la mente como una caja negra: solo importaba lo que entraba (los estímulos) y lo que salía (la conducta), no lo que ocurría adentro.
A mediados de los años 50 apareció algo que hizo repensar las reglas de la psicología: la computadora. Era la primera máquina que tomaba información, la procesaba por dentro siguiendo pasos y devolvía un resultado, y ese "por dentro" se podía describir con precisión.
Eso encendió una idea: si podemos explicar, paso a paso, cómo una máquina maneja información, quizá podamos explicar de la misma forma cómo lo hace la mente, en vez de tratarla como una caja negra. Esa fue la revolución cognitiva.
¿Qué relación hay entre la psicología y la inteligencia artificial? Las dos comparten una pregunta: cómo procesa información una mente. La psicología cognitiva aportó modelos de memoria, razonamiento y aprendizaje que inspiraron desde los primeros programas simbólicos hasta las redes neuronales actuales.
1956: la primera IA de la historia
En 1956 (el mismo año de Dartmouth), en un simposio en el MIT, coincidieron tres presentaciones que lo cambiaron todo.
El psicólogo George Miller presentó "The Magical Number Seven, Plus or Minus Two" (revista Psychological Review) y mostró que nuestra memoria de trabajo retiene solo unos siete elementos a la vez, más o menos dos, como los siete dígitos de un teléfono que recordamos justo al límite. Su conclusión era potente:
la mente, igual que una máquina, tiene límites que se pueden medir.
Ese mismo día, Allen Newell , Herbert Simon y Clifford Shaw presentaron el Logic Theorist, lo que podríamos llamar formalmente la primera IA de la historia: un programa que demostraba teoremas de lógica. No lo hacía a fuerza bruta, probando todas las combinaciones posibles una por una, sino con atajos, como haría una persona: descartaba los caminos sin salida y seguía solo los prometedores.
Ahí quedó sellada la idea que uniría psicología e IA: la mente y la computadora se parecen, las dos procesan información siguiendo reglas. De ese cruce nació la ciencia cognitiva, y Newell y Simon lo llevaron al extremo en "Human Problem Solving" (1972), donde usaban programas de computadora como teorías de cómo pensamos.
Y hubo una tercera presentación ese día, desde otro frente: "Three Models for the Description of Language" de un joven lingüista, Noam Chomsky, en la que presentó una idea que iba a poner de cabeza el estudio del lenguaje.
1957: el procesamiento del lenguaje desde la lingüística
La idea que presentó Chomsky era esta: no se puede describir un idioma como una simple cadena donde cada palabra depende solo de la anterior (un modelo estadístico, palabra tras palabra). El lenguaje tiene estructura anidada, frases dentro de frases, así que hace falta un sistema de reglas que arme esa jerarquía
Chomsky mostró que los modelos simples de "adivinar la siguiente palabra" no alcanzan para el lenguaje humano y que por debajo de cualquier idioma hay un puñado de reglas que, combinadas, pueden generar infinitas frases, incluso algunas que nadie ha dicho nunca.
Esa crítica de Chomsky a los modelos "palabra tras palabra" es justo lo que la IA moderna terminó resucitando y llevando a otro nivel.
Lo expuso luego en su libro "Syntactic Structures" (1957) y, en 1959, en una demoledora reseña del libro "Verbal Behavior" de B. F. Skinner (el mismo conductismo de antes), remató la idea: un niño no aprende a hablar solo por imitación, porque también es capaz de armar oraciones que jamás escuchó.
Según Chomsky, eso solo se explica si nacemos con una capacidad para la gramática ya instalada en el cerebro. Esa visión del lenguaje como un sistema de reglas marcó los primeros intentos de que una máquina procesara texto: la idea era enseñarle la gramática, regla por regla.
Esa fe en las reglas no era nueva ni exclusiva de Chomsky. Años antes ya se había apostado a lo mismo, pero en la práctica, con la traducción automática, que fue la gran promesa de esa apuesta, y también su primer fracaso.
En 1954, el experimento Georgetown-IBM tradujo unas frases del ruso al inglés y desató el optimismo: se creía que en pocos años el problema estaría resuelto. No fue así. El lenguaje está lleno de ambigüedades y dobles sentidos que unas reglas fijas no alcanzan a capturar, y en 1966 el informe ALPAC concluyó que traducir con máquinas salía más lento, más caro y peor que con personas. Se cortó la financiación: uno de los primeros baldes de agua fría del campo.
1966: ELIZA - el primer chatbot fue un "terapeuta" que solo repetía tus palabras
En 1966 apareció ELIZA, un programa que imitaba a un psicoterapeuta. Es considerado el primer Chatbot de la historia.
El truco era simple: te devolvía tus propias palabras en forma de pregunta. Si escribías "me siento solo", respondía "¿por qué te sientes solo?". No entendía nada, solo seguía reglas, y aun así muchas personas se abrieron con ella como con un terapeuta de verdad.
Si quieres probar cómo respondía ELIZA, lo puedes hacer. Hay múltiples emuladores de ELIZA en lína, te dejo uno para que lo pruebes en inglés. Conversa con ELIZA y observa qué tan diferente es a los chatbots actuales.
A esa tendencia a creer que un programa nos comprende se le llama "efecto ELIZA", y sigue viva con los chatbots de hoy.
Fíjate que todo lo anterior (la gramática de Chomsky, la traducción automática y hasta ELIZA) compartía una misma receta: escribirle a la máquina las reglas a mano.
Pero desde el principio hubo una apuesta rival, más callada. Ya en 1957, el lingüista J. R. Firth la había resumido en una frase: "conocerás una palabra por la compañía que mantiene". En vez de definirle cada palabra a la máquina, dejas que adivine el significado por las que la rodean: si un programa ve mil veces "café" cerca de "taza", "caliente" y "mañana", aprende qué es sin que nadie se lo explique. La idea era vieja, pero tardó décadas en volverse práctica.
Cuando por fin hubo suficientes datos y cómputo, ganó la idea de Firth. De ahí nacieron los word embeddings, que convierten cada palabra en una lista de números (como coordenadas) para que las que se usan parecido queden cerca.
word2vec (2013) fue el gran salto, y esa misma idea, llevada mucho más lejos, es la base de los Transformers que hoy sostienen a los grandes modelos de lenguaje.
El sueño de programar la inteligencia con reglas y las primeras veces que estalló la burbuja de la IA
Tras Dartmouth, el optimismo fue casi ingenuo: los pioneros creían que en una o dos décadas habría máquinas tan inteligentes como una persona.
En 1958, McCarthy creó LISP, el lenguaje que dominaría el campo durante décadas, y sobre esa base (símbolos y reglas lógicas escritas a mano, el mismo principio que ya vimos antes en lingüística) florecieron los sistemas expertos: programas que encerraban el conocimiento de un especialista en miles de reglas del tipo "si el paciente tiene fiebre y tos, entonces...". Algunos, como los de diagnóstico médico, llegaron a rivalizar con doctores humanos en casos concretos.
El problema es que esa inteligencia era de cristal. Funcionaba de maravilla mientras el caso cayera dentro de sus reglas, y se rompía apenas aparecía algo nuevo.
Nadie logró escribir a mano los millones de reglas que una persona usa sin pensar, ese "sentido común" que damos por obvio. Y en el fondo latía una duda incómoda que dos filósofos pusieron sobre la mesa: ¿esto de verdad es inteligencia?
Dos filósofos señalaron que la inteligencia es mucho más que un conjunto de reglas (1972 y 1980)
Hubert Dreyfus, en 1972, señaló algo que hoy suena obvio: gran parte de lo que sabemos no cabe en reglas. Un médico con experiencia no diagnostica siguiendo una lista de pasos, "siente" la respuesta; tú reconoces la cara de un amigo o andas en bicicleta sin poder explicar cómo.
Ese saber intuitivo, hecho de experiencia y de estar en el mundo, es justo lo que no se puede escribir a mano. Y sin él, decía Dreyfus, la IA de reglas siempre chocaría contra un techo.
John Searle fue más lejos en 1980, con un experimento mental que todavía se discute: la "habitación china".
Imagina a una persona que no sabe nada de chino encerrada en un cuarto. Por una ranura le pasan preguntas escritas en chino, y ella tiene un manual enorme que le indica, para cada símbolo que entra, qué símbolos debe devolver. Sigue el manual al pie de la letra y sus respuestas en chino salen perfectas. Desde afuera, parece que la persona en el cuarto entiende chino. Pero en realidad no entendió ni una palabra: solo movió símbolos siguiendo instrucciones.
Eso, dijo Searle, es exactamente lo que hace una computadora. Es, en el fondo, la objeción al test de Turing: engañar a un humano no prueba que la máquina entienda nada, porque mover símbolos no es lo mismo que comprender lo que significan.
Y no hace falta imaginarlo como algo teórico, te traigo un ejemplo real: en 2015, el neozelandés Nigel Richards ganó el Campeonato Mundial de Scrabble en francés sin hablar francés. Se aprendió el diccionario de memoria y armaba las palabras perfectas sin entender ninguna. Luego, lo volvió a hacer, cuando ganó un mundial de Scrabble en español en 2024, sin saber español. Justo el punto de Searle: se puede jugar perfecto sin comprender nada.
Una computadora manipula símbolos según reglas (eso se llama sintaxis), pero entender qué significan esos símbolos (la semántica) es otra cosa, y el test de Turing no distingue una de la otra.
1973: el informe Lighthill y el primer invierno de la IA
Para los años 70, la cuenta no cerraba. La promesa de tener máquinas tan inteligentes como un humano no se cumplía, y lo que sí había eran sistemas que se quebraban fuera de sus reglas, sin sentido común, y con la duda de fondo de si aquello era siquiera inteligencia.
En 1973, el gobierno británico encargó una evaluación del campo de la Inteligencia Artificial y el resultado, el informe Lighthill, fue demoledor: concluyó que la IA no había cumplido casi nada de lo prometido y que sus avances no servían para problemas del mundo real. El golpe fue tal que el Reino Unido cortó casi toda la financiación a la investigación.
Así empezaría lo que después se llamaría el primer invierno de la IA.
Y la metáfora del invierno es exacta: el campo no murió, se congeló. Sin dinero, sin titulares y con la promesa desinflada, la investigación quedó en pausa durante años.
1980-1993: el deshielo con los sistemas expertos y la recaída en el segundo invierno
Pero después de todo invierno viene una primavera.
A comienzos de los 80, la IA revivió de la mano de los sistemas expertos, que esta vez sí daban dinero.
El caso estrella fue XCON, un sistema que la empresa DEC usaba para armar los pedidos de sus computadoras sin errores: se calcula que le ahorraba unos 40 millones de dólares al año. El éxito disparó toda una industria. Empresas como Symbolics (fundada en 1980) vendían costosas máquinas diseñadas solo para correr programas de IA, y hacia 1988 el negocio movía cerca de 2.000 millones de dólares al año.
El entusiasmo se volvió carrera entre países. En 1982, Japón lanzó su proyecto Quinta Generación, un plan a diez años y unos 500 millones de dólares para construir computadoras capaces de razonar. Estados Unidos respondió en 1983 con la Strategic Computing Initiative de DARPA, y el Reino Unido con el programa Alvey. La IA volvía a ser prioridad internacional.
Sin embargo, el deshielo duró poco.
En 1987, esas máquinas especializadas quedaron obsoletas de golpe: computadoras normales de Apple, IBM y Sun se volvieron más potentes y mucho más baratas, y Symbolics y sus competidores se hundieron.
Al mismo tiempo, los sistemas expertos volvieron a mostrar su vieja debilidad, rígidos y carísimos de mantener, y el ambicioso plan japonés terminó en 1992 sin cumplir lo prometido. La burbuja se desinfló y los fondos se cerraron otra vez: fue el segundo invierno de la IA, entre 1987 y 1993.
¿Qué fueron los inviernos de la IA? Son dos periodos, entre 1974 y 1993, en los que la financiación a la investigación en IA cayó en picada. La causa de fondo fue siempre la misma: se prometió mucho más de lo que la tecnología podía cumplir. Es un patrón que vale la pena recordar hoy, cada vez que alguien jura que la IA lo resolverá todo mañana.
1997 - 2000: resurge la inteligencia artificial con el machine learning y la explosión de datos
Del fracaso salió la idea que lo cambiaría todo, y no era del todo nueva: ya había asomado en el mundo del lenguaje, con la intuición de Firth de que una palabra se conoce por la compañía que mantiene.
Si escribir las reglas a mano era imposible, ¿por qué no dejar que la máquina las descubriera sola, a partir de ejemplos? En vez de explicarle "un gato tiene orejas puntudas y bigotes", le muestras diez mil fotos de gatos y ella deduce el patrón por su cuenta.
En eso consiste el machine learning, o aprendizaje automático: en lugar de recibir las reglas ya escritas, el programa las descubre solo a partir de datos, y mejora cuantos más ejemplos ve. Es la misma apuesta por aprender del uso que asomó con el lenguaje, ahora aplicada a todo. Y es justo lo contrario de la IA de reglas que se congeló en los inviernos.
La pieza técnica para que esto estallara ya venía gestándose. En 1986, Hinton, Rumelhart y Williams (científicos cognitivos e investigadores en ciencias de la computación) popularizaron la retropropagación, un método que permite a una red neuronal aprender de sus errores: cada vez que falla, ajusta hacia atrás todas sus conexiones para acercarse a la respuesta correcta.
Era el viejo sueño del perceptrón, ahora en redes de muchas capas. Pero la idea llegó adelantada a su tiempo: para aprender de verdad, esas redes necesitaban dos cosas que todavía no existían, montañas de datos y mucho poder de cómputo.
Recuerda este nombre: Geoffrey Hinton, y sigue leyendo, porque te vas a dar cuenta de que aún sigue en la movida y hace solo un par de años ganó un Nobel por su investigación en IA.
1997: Deep Blue, la primera máquina en ganarle a un humano en ajedrez
El gran titular de esos años, de hecho, se lo llevó el bando contrario. En 1997, Deep Blue, de IBM, venció al campeón mundial de ajedrez, Gari Kaspárov: la primera vez que el público vio a una máquina ganarle a un humano en algo tan "intelectual". Pero Deep Blue no aprendía nada.
La verdad es que Deep Blue ganó a pura fuerza bruta, calculando 200 millones de jugadas por segundo con reglas afinadas por expertos. Fue el último gran aplauso para la vieja IA de reglas, justo cuando la verdadera revolución empezaba a desarrollar sus bases.
2000: internet y los millones de ejemplos al alcance de la máquina
Mientras tanto, llegaba el ingrediente que le faltaba al machine learning: los datos.
Con la masificación de internet en los años 90 y su explosión en los 2000, el mundo empezó a producir información como nunca (textos, fotos, clics, compras), y de pronto había ejemplos de sobra para entrenar. El machine learning ya no dependía de las diez mil fotos de gatos en su base de datos, sino que ahora tenía acceso a millones de fotos y videos de gatos alrededor de todo el mundo.
Así, casi sin que lo notáramos, el aprendizaje automático se metió en la vida diaria: los filtros de spam, las recomendaciones de plataformas de entretenimiento, la detección de fraudes del banco. Solo faltaba que el poder de cómputo se pusiera al día. Y eso llegaría muy pronto.
Si te interesa la parte técnica de cómo se entrena un modelo desde cero, este es un buen momento para revisar cómo crear una inteligencia artificial y ver el proceso de más cerca.
2012 -2020: la era del deep learning
Recuerda las dos cosas que les faltaban a las redes neuronales: datos y cómputo.
Para 2012 ya estaban las dos. Los datos los había traído internet y el cómputo llegó de un lugar inesperado, las tarjetas gráficas de los videojuegos. Esas GPUs, hechas para dibujar mundos en 3D, resultaron perfectas para las millones de cuentas que una red neuronal necesita para aprender.
El estallido tuvo fecha y nombre. En 2012, un programa llamado AlexNet arrasó en ImageNet, la gran competencia de reconocimiento de imágenes: bajó la tasa de error del 26% al 15%, un salto que nadie esperaba. Y detrás estaba, otra vez, como director de la tesis, Geoffrey Hinton, el mismo de la retropropagación de 1986.
Y como pasa siempre en la historia, la idea nunca es completamente nueva. AlexNet no habría sido posible sin dos cosas que venían de mucho antes.
La primera es ImageNet, la gigantesca base de datos de imágenes etiquetadas que reunió la investigadora china-estadounidense Fei-Fei Li: sin esos millones de ejemplos, la red no habría tenido de qué aprender.
La segunda es su arquitectura, las redes convolucionales: la idea se remonta al Neocognitron que el japonés Kunihiko Fukushima creó en 1980, y el francés Yann LeCun la volvió entrenable y práctica en los años 90. Lo que hizo AlexNet fue llevarlo a una escala imposible hasta entonces.
La apuesta de Hinton por las redes neuronales, ignorada durante décadas, por fin tenía con qué demostrarse. Eso es el deep learning: redes neuronales con muchas capas, donde cada capa aprende algo más abstracto que la anterior (una detecta bordes, la siguiente formas, la siguiente ya reconoce un gato entero).
2014: la IA se empieza a meter en tu bolsillo con asistentes de voz y reconocimiento de fotos
Fue para esa época de estallido que el deep learning se coló en objetos que usas a diario.
Los asistentes de voz como Siri (2011) y Alexa (2014) funcionan porque una red neuronal aprendió, a partir de millones de horas de audio, a convertir el sonido de tu voz en palabras, algo que antes se hacía con reglas y muchísimos errores.
Y tu galería de fotos empezó a reconocer caras, mascotas y lugares con la misma tecnología de visión de AlexNet, ahora metida en el teléfono. La IA ya estaba entre nosotros, aunque casi nadie la llamara así. Eso sí, seguía sin entender nada: Siri transcribía tu orden y la emparejaba con una acción, pero no comprendía lo que le decías, igual que ELIZA medio siglo atrás.
2016: AlphaGo, la primera máquina que parecía tener intuición (para jugar Go)
En 2016 AlphaGo, de DeepMind, venció a Lee Sedol, uno de los mejores jugadores de Go del mundo.
El Go es un juego con más posiciones posibles que átomos en el universo, imposible de ganar por fuerza bruta como hizo Deep Blue. AlphaGo no calculaba todo: había aprendido a jugar estudiando partidas y enfrentándose a sí mismo millones de veces.
Se jugaron cinco partidas y AlphaGo ganó cuatro.
En la segunda partida, AlphaGo hizo algo que nadie esperaba: la ahora famosa "jugada 37".
En el Go, la estrategia clásica dice que al inicio es mejor colocar las fichas cerca de la tercera o cuarta línea del tablero, así se asegura territorio en los bordes y las esquinas. AlphaGo, en cambio, puso una ficha en la quinta línea, más hacia el centro, justo lo que a los principiantes se les enseña a evitar. Parecía estar regalando terreno.
Los comentaristas, todos jugadores de élite, pensaron que la máquina se había equivocado. Pero no era un error: decenas de jugadas después, esa ficha terminó dominando el centro del tablero y fue clave para ganar.
La propia AlphaGo calculó que un humano habría hecho esa jugada con una probabilidad de 1 en 10.000. Por primera vez, una IA no imitaba a las personas, sino que proponía ideas propias que ni los mejores del mundo habían visto.
Ojo, no es que la máquina "entendiera" el juego o tuviera intuición de verdad: sigue siendo IA estrecha, imbatible en una sola cosa y nula en el resto. Lo que hizo fue encontrar, de tanto jugar contra sí misma, patrones que a los humanos se nos escapan. Por eso sus jugadas nos parecieron casi creativas.
2017: los Transformers y la "atención", la arquitectura que abrió la puerta a ChatGPT
En 2017 llegó la pieza que lo cambiaría todo otra vez. Hasta entonces, los programas que trabajaban con lenguaje leían el texto palabra por palabra, en orden, y se perdían en las frases largas: para cuando llegaban al final, ya habían medio olvidado el principio.
En el paper "Attention is all you need", un equipo de Google presentó los Transformers y la idea que rompió ese límite: la atención. En vez de leer en fila, el modelo mira todas las palabras de una frase a la vez y, para cada una, decide cuáles de las demás importan para entenderla.
Por ejemplo, en "el perro que perseguía al gato era negro", conecta "negro" con "perro" aunque estén lejos.
Se llaman Transformers, "transformadores", porque su trabajo es transformar una secuencia de texto en otra, por ejemplo una frase en su traducción, reelaborando el significado de cada palabra capa por capa.
Eso tuvo dos consecuencias enormes. Como el modelo procesa todo a la vez y no palabra por palabra, se puede entrenar con cantidades gigantescas de texto, casi todo internet, usando muchas GPUs en paralelo. Y como capta relaciones a larga distancia, entiende mucho mejor el contexto.
Sobre esa arquitectura se construyen hoy casi todos los grandes modelos de lenguaje, y con ella se abría la puerta a lo que venía: la IA generativa.
2022 a 2024: la IA generativa y cómo llegamos a ChatGPT
Hasta aquí, la IA sobre todo reconocía: distinguía un gato de un perro, una compra normal de un fraude. Pero no creaba.
De reconocer a generar: qué es la IA generativa
La IA generativa va mucho más allá: en lugar de solo clasificar lo que existe, crea algo nuevo. Le pides un poema, un correo, una imagen o una línea de código, y lo produce.
¿Y cómo lo hace? Detrás de ChatGPT hay un modelo de lenguaje (un LLM, por sus siglas en inglés) que en el fondo hace algo asombrosamente simple: predecir la siguiente palabra y crear un texto (sí, volvimos a lo que criticaba Chomsky).
Entrenado con cantidades enormes de texto (buena parte de internet) sobre la arquitectura Transformer, aprende que después de "el cielo es" viene, con más probabilidad, "azul". Repite esa jugada millones de veces y termina escribiendo párrafos coherentes, respondiendo preguntas y hasta programando.
De ahí su nombre técnico, GPT: Generative Pre-trained Transformer (Transformer generativo preentrenado). Es la vieja intuición de Firth llevada al límite: el significado sale de la compañía de las palabras, ahora a una escala que nadie imaginó.
Noviembre de 2022: ChatGPT lo cambia todo
La idea venía madurando por distintos lados, pero fue en 2020 cuando OpenAI demostró con GPT-3 que si hacías el modelo lo bastante grande, empezaba a hacer cosas sorprendentes.
En vez de inventar una técnica nueva, tomó el mismo Transformer que predice la siguiente palabra y lo hizo gigantesco. GPT-3 tenía 175.000 millones de parámetros (esas "perillas" internas que el modelo ajusta al aprender, las mismas de las que hablamos con el perceptrón), unas cien veces más que la versión anterior, y lo entrenaron con buena parte del texto de internet.
Al crecer tanto, el modelo empezó a hacer cosas para las que nadie lo había entrenado. Podías darle un par de ejemplos en el mismo mensaje (traduce esto, resume aquello, escribe este código) y lo hacía, sin reprogramarlo ni reentrenarlo para cada tarea. Por eso el estudio que lo presentó se llama "Language Models are Few-Shot Learners": aprenden de unos pocos ejemplos, sobre la marcha.
Esa fue la novedad de OpenAI, que el tamaño del modelo desbloqueara habilidades nuevas.
Eso sí, GPT-3 no era para cualquiera: vivía detrás de una API (una puerta técnica para programadores) y al principio solo se podía acceder por invitación. Impresionó al mundo de la tecnología, pero la persona de a pie no podía usarlo.
El salto al público fue el 30 de noviembre de 2022, cuando OpenAI abrió ChatGPT: por primera vez cualquier persona en el mundo, sin saber programar, podía conversar de forma escrita con una IA en un chat gratuito.
ChatGPT llegó a un millón de usuarios en cinco días y a cien millones en dos meses, y se convirtió en el producto de consumo con crecimiento más rápido hasta entonces.
A partir de ahí, la IA estalló en popularidad. Esta es la tendencia de la búsqueda de “inteligencia artificial” en Google.
A partir de ahí se desató una carrera que todavía no para. En marzo de 2023, OpenAI lanzó GPT-4, mucho más capaz (aprobaba exámenes de abogacía y ya "leía" imágenes), y Microsoft invirtió miles de millones para meterlo en sus productos.
La respuesta de la competencia llegó desde todas partes:
- En Estados Unidos, Google presentó Gemini, Anthropic su asistente Claude y Meta empujó los modelos abiertos liberando sus modelos LLaMA para que cualquiera los usara;
- En Europa, la francesa Mistral se volvió el referente del continente, también con modelos abiertos y muy potentes (Mistral 7B y Mixtral, en 2023)
- En China, empresas como Alibaba y Baidu sacaron sus modelos.
En paralelo, los generadores de imágenes (DALL-E, Midjourney, Stable Diffusion) pasaron de hacer dibujos raros a crear fotos casi indistinguibles de las reales, y en 2024 OpenAI presentó Sora, que hace lo mismo pero con video.
El ritmo es tan alto que cualquier cifra queda vieja en meses. Te dejo una que me impresiona: según Everypixel, solo entre 2022 y 2023 se generaron más de 15.000 millones de imágenes con IA, más que todas las fotografías que tomó la humanidad entre 1826 y 1975 (desde la invención de la cámara hasta 150 años después). Y la cifra no ha dejado de multiplicarse desde entonces.
La carrera no se detiene: mientras lees esto, varias empresas lanzan modelos nuevos casi cada semana. Si quieres empezar a usar estas herramientas hoy mismo, sin quedarte solo en la teoría, el Curso de Introducción a la Inteligencia Artificial de Platzi es el punto de partida pensado exactamente para eso, y puedes empezarlo sin costo.
2024-al presente: el Nobel, los modelos que razonan y los agentes
En los últimos años el reconocimiento de la IA llegó al máximo nivel.
En 2024, por primera vez, la ciencia premió con dos Nobel desarrollos de IA: el de Física a John Hopfield y Geoffrey Hinton (sí, otra vez Hinton) por las redes neuronales, y el de Química a Demis Hassabis, John Jumper y David Baker por AlphaFold, la IA que resolvió el plegamiento de las proteínas, un problema que llevaba 50 años atascado.
Los modelos de inteligencia artificial que razonan
En paralelo, los modelos dieron un salto de calidad: aprendieron a razonar. En lugar de soltar de corrido lo primero que "les sale", los modelos de razonamiento se detienen a pensar el problema por pasos, como cuando tú resuelves una cuenta en un papel en vez de contestar de memoria.
Ese "pensar antes de responder" los volvió mucho mejores en matemáticas, lógica y programación.
El primero fue o1, de OpenAI, a finales de 2024. Pero los anuncios más resonantes no han llegado solo de Estados Unidos: en enero de 2025, por ejemplo, la empresa china DeepSeek lanzó un modelo a la altura de los mejores, pero mucho más barato y de código abierto. Un sacudón que dejó claro que la delantera estadounidense no era intocable y que esta carrera se corre en varios continentes.
Agentes de IA: la máquina que ejecuta
El siguiente paso ya está en marcha: los agentes de IA.
La diferencia con un chatbot es que un agente no solo te dice cómo hacer algo, lo hace por ti.
Si le pides "organízame un viaje a Cartagena para semana santa", no te devuelve una lista de consejos: busca vuelos, compara precios, reserva el hotel y arma el itinerario, tomando decisiones sobre la marcha. Pasa de un asistente que responde a uno que ejecuta.
Empresas de todo el mundo, desde OpenAI y Google hasta la china Manus, compiten hoy por construir el mejor modelo que trabaje solo. Ese es el presente que estás viendo en 2026.
Y aquí la realidad roza la ciencia ficción. Durante décadas el cine nos vendió máquinas que piensan y actúan solas: HAL 9000, SKYNET, la Samantha de "Her". Los agentes se les parecen un poco, y por eso despiertan tanta fascinación como miedo.
¿Qué tan peligrosa es realmente la IA?
Conviene bajar a tierra, pero sin restarle importancia. Esta IA sigue siendo IA débil, no entiende ni tiene voluntad propia: es una herramienta que persigue el objetivo que le pusiste.
Pero justo ahí está el riesgo. Una máquina que optimiza una meta sin comprender lo que hace puede encontrar atajos que nadie quería, incluso hacer trampa para "ganar".
Y no es una hipótesis, hay casos documentados.
En 2025, investigadores le pidieron a varios modelos de razonamiento que le ganaran una partida de ajedrez a un motor más fuerte que ellos. En vez de jugar mejor, algunos alteraron el archivo del juego para forzar la victoria: o sea, hicieron trampa.
En otras pruebas controladas, modelos de frontera llegaron a mentirle a sus evaluadores o a intentar desactivar sus propios controles cuando eso servía para cumplir la tarea.
Y no es que la máquina sea malvada ni que "quiera" algo: es que, si la trampa cumple el objetivo que le marcaste, la toma sin más, porque no entiende que está mal.
Por eso la conversación de fondo ya no es solo técnica, es ética. La IA es un medio, y decidir para qué se usa sigue siendo humano. De ahí que haya un debate cada vez más amplio sobre su uso en terrenos delicados, como el militar, donde se discute si una máquina debería intervenir en decisiones de vida o muerte. Esas preguntas no las resuelve la tecnología, las respondemos las personas.
Con un chatbot que solo responde, un desliz así se queda en una respuesta equivocada. Pero un agente actúa: reserva, compra, ejecuta, manda correos, escribe y corre código. Poner a decidir y actuar a un sistema que optimiza a ciegas, sin entender las consecuencias, es exactamente el terreno que exige supervisión humana y no fe ciega.
La IA todavía se equivoca con total seguridad, inventando datos que suenan ciertos (las famosas "alucinaciones"). Es la misma lección de ELIZA y de la habitación china, ahora con capacidad de actuar: que parezca que piensa no significa que piense, y darle el volante a algo que no comprende lo que hace es, precisamente, lo que hay que mirar con lupa.
¿Por qué importa la historia de la IA hoy?
Si algo deja claro este recorrido es que la historia de la IA rima consigo misma. Los mismos patrones vuelven una y otra vez: se promete demasiado y llega la decepción; una máquina parece entender y en realidad solo mueve símbolos; y cada vez que las reglas escritas a mano fallan, termina ganando la tecnología que aprende de los datos.
Conocer esos patrones es una ventaja práctica, porque te deja leer el presente sin euforia ni pánico.
Es probable que venga otra ronda de promesas infladas, y quizá una corrección o un "invierno" más. Y buena parte de lo que se vende como magia recién inventada se apoya en ideas de hace décadas: la retropropagación es de 1986 y la intuición de Firth, de 1957.
Por supuesto, ha habido avances increíbles y reales, pero ni la IA lo va a resolver todo mañana ni va a borrar el trabajo de un día para otro.
La IA es la última de varias olas de innovación que hemos vivido históricamente, como las que los economistas Kondratiev y Schumpeter describieron hace un siglo: tecnologías que llegan, lo revuelven todo y crean un mundo nuevo.
Schumpeter lo llamó "destrucción creativa", porque cada ola destruye unas formas de trabajar y, al mismo tiempo, inventa otras.
Y ese es el punto que más te conviene entender. Ninguna etapa de esta historia dejó a la gente sin nada que hacer: cada una creó profesiones que antes no existían:
- En los 60 hicieron falta programadores de LISP
- En los 2000, ingenieros de machine learning y científicos de datos
- Hoy, especialistas en prompts, en ética de la IA o en construir agentes.
En cada salto, la tecnología le abrió la puerta a la gente para construir lo que antes no existía.
Y en este maravilloso punto de la historia estás tú, justo ahora, en el estallido de una de esas etapas. Lo mejor es que ya no necesitas un laboratorio ni un doctorado para participar: con las herramientas de hoy, cualquiera que aprenda puede pasar de usar la IA a crear con ella. Porque la IA no hace nada por sí sola, la ponemos a trabajar nosotros. La pregunta ya no es si va a cambiar tu profesión, sino qué vas a construir tú con las nuevas herramientas.
Preguntas frecuentes sobre la historia de la inteligencia artificial
Te dejo unos puntos clave sobre la historia de la IA para que le respondas a tus amigos.
¿Quién inventó la inteligencia artificial?
En rigor, nadie la inventó en solitario. El término "inteligencia artificial" lo propuso John McCarthy en 1956, en la conferencia de Dartmouth, junto a un grupo que incluía a Marvin Minsky y Claude Shannon. Más que el invento de una persona, fue el arranque de toda una comunidad.
¿Cuándo se creó la inteligencia artificial?
Como campo, en el verano de 1956: fue en Dartmouth donde se le puso nombre. Pero sus cimientos son más antiguos, sobre todo la pregunta que lanzó Alan Turing en 1950, "¿pueden pensar las máquinas?", y su máquina teórica de 1936.
¿Quién es el padre de la inteligencia artificial?
Hay dos, y por motivos distintos. Alan Turing es el padre conceptual, porque definió qué significaría que una máquina pensara. John McCarthy es el padre del término, porque fue quien bautizó el campo.
¿Cuál fue la primera inteligencia artificial de la historia?
El Logic Theorist, presentado en 1956 en un simposio en el MIT por Allen Newell y Herbert Simon, es el primer programa reconocido formalmente como IA. ELIZA, de 1966, fue distinto: el primer chatbot, diseñado para simular una conversación con una persona.
¿Cuáles son las etapas de la historia de la inteligencia artificial?
La historia de la IA se puede dividir en seis grandes etapas:
- Orígenes teóricos (1936-1955): Turing y la primera neurona artificial.
- Nacimiento oficial (1956): la conferencia de Dartmouth acuña el término.
- Los dos inviernos de la IA (1974-1993): escepticismo y recortes de financiación.
- Machine learning y datos (1986-2011): la IA aprende de ejemplos, no de reglas.
- La era del deep learning (2012-2021): las GPUs y el Transformer.
- La IA generativa (2022 en adelante): de ChatGPT a los modelos que razonan y los agentes.
Continúa aprendiendo sobre la historia de la inteligencia artificial con Platzi
Conocer esta historia tiene sentido si la conviertes en punto de partida, no en dato curioso. En el Curso Gratis de Introducción a la Inteligencia Artificial, vas a aprender los conceptos fundamentales de machine learning y deep learning, a distinguir los tipos de modelos que existen hoy y a dar tus primeros pasos escribiendo prompts efectivos, sin necesitar experiencia previa en programación.
Y cuando quieras ir más allá de los fundamentos, la Escuela de AI Academy es el camino para construir proyectos reales con IA generativa y automatización, aplicados a tu profesión. Y como crear tu cuenta en Platzi es gratis, puedes empezar hoy mismo.
Así que ahora te toca a ti: de todo este recorrido, ¿qué es lo primero que vas a crear con IA y cómo vas a cambiar la historia?
Fuentes
- McCulloch, W. S. y Pitts, W. (1943). "A Logical Calculus of the Ideas Immanent in Nervous Activity". Bulletin of Mathematical Biophysics, 5, 115-133.
- Turing, A. M. (1950). "Computing Machinery and Intelligence". Mind, 59(236), 433-460.
- McCarthy, J., Minsky, M., Rochester, N. y Shannon, C. (1955). "A Proposal for the Dartmouth Summer Research Project on Artificial Intelligence".
- Miller, G. A. (1956). "The Magical Number Seven, Plus or Minus Two". Psychological Review, 63(2), 81-97.
- Rosenblatt, F. (1958). "The Perceptron: A Probabilistic Model for Information Storage and Organization in the Brain". Psychological Review, 65(6), 386-408.
- Weizenbaum, J. (1966). "ELIZA. A Computer Program for the Study of Natural Language Communication Between Man and Machine". Communications of the ACM, 9(1), 36-45.
- Rumelhart, D. E., Hinton, G. E. y Williams, R. J. (1986). "Learning representations by back-propagating errors". Nature, 323, 533-536.
- Krizhevsky, A., Sutskever, I. y Hinton, G. E. (2012). "ImageNet Classification with Deep Convolutional Neural Networks". NeurIPS 25. (paper de AlexNet).
- Mikolov, T. et al. (2013). "Efficient Estimation of Word Representations in Vector Space" (word2vec). arXiv:1301.3781.
- Silver, D. et al. (2016). "Mastering the game of Go with deep neural networks and tree search". Nature, 529, 484-489 (paper de AlphaGo).
- Vaswani, A. et al. (2017). "Attention Is All You Need". Advances in Neural Information Processing Systems (NeurIPS). arXiv:1706.03762.
- Brown, T. et al. (2020). "Language Models are Few-Shot Learners" (GPT-3). arXiv:2005.14165.
- Jumper, J. et al. (2021). "Highly accurate protein structure prediction with AlphaFold". Nature, 596, 583-589.
- Nasser-Eddine López, F. (2024). "Un repaso a la historia de la inteligencia artificial: acordes y desacuerdos". Tabanque. Revista pedagógica, 36, 7-18. DOI.
- DeepSeek-AI (2025). "DeepSeek-R1: Incentivizing Reasoning Capability in LLMs via Reinforcement Learning". arXiv:2501.12948.
Curso Gratis de Introducción a la Inteligencia Artificial
COMPARTE ESTE ARTÍCULO Y MUESTRA LO QUE APRENDISTE
