De dónde viene, quién la construyó y, sobre todo, qué es de verdad y qué no. Una mirada honesta, sin apocalipsis ni magia, desde quienes la usamos cada día.
Línea del tiempo
Setenta años en unos cuantos hitos.
No es una historia lineal de progreso: hubo auges, inviernos y un punto de inflexión reciente que lo cambió todo.
Turing y la pregunta fundadora
Alan Turing publica «Computing Machinery and Intelligence» y propone el Test de Turing: ¿puede una máquina exhibir un comportamiento indistinguible del humano?
La conferencia de Dartmouth
John McCarthy, Marvin Minsky, Claude Shannon y Nathaniel Rochester acuñan el término «Inteligencia Artificial». Nace oficialmente la disciplina.
El Perceptrón
Frank Rosenblatt presenta el perceptrón, el primer modelo de red neuronal artificial capaz de aprender. La semilla del aprendizaje automático moderno.
ELIZA, el primer chatbot
Joseph Weizenbaum crea ELIZA, que imitaba a un psicoterapeuta. Sorprendió por lo «humano» que parecía… siendo apenas un juego de patrones.
El primer invierno de la IA
Las expectativas superaron a la tecnología. La financiación se desplomó. Una lección que se repetiría: distinguir la promesa real del hype.
Backpropagation
Rumelhart, Hinton y Williams popularizan la retropropagación, el algoritmo que permite entrenar redes neuronales profundas. Vuelve la esperanza.
Deep Blue vence a Kasparov
La máquina de IBM derrota al campeón mundial de ajedrez. Un hito simbólico: la fuerza bruta de cálculo supera al mejor humano en un dominio cerrado.
AlexNet y el deep learning
La red de Krizhevsky, Sutskever y Hinton arrasa en ImageNet. El aprendizaje profundo, impulsado por las GPU, deja de ser teoría y se vuelve práctico.
AlphaGo vence a Lee Sedol
DeepMind logra que una IA gane al Go, un juego que se creía demasiado intuitivo para las máquinas. Aprendizaje por refuerzo en su máximo esplendor.
«Attention Is All You Need»
Google publica el paper de los Transformers, la arquitectura que sostiene a todos los grandes modelos de lenguaje actuales. El verdadero punto de no retorno.
BERT, GPT y GPT-3
Google y OpenAI escalan los Transformers. GPT-3 (175.000 millones de parámetros) demuestra que «más datos y más cómputo» producen capacidades sorprendentes.
ChatGPT llega a todos
OpenAI pone la IA generativa en manos de cualquiera. En semanas, millones de personas conversan con una máquina. La IA salta del laboratorio a la calle.
Multimodalidad y agentes
Modelos que entienden texto, imagen, voz y vídeo, y agentes capaces de encadenar tareas. En 2024, varios pioneros de la IA reciben el Nobel. La era actual.
Quién la construyó
Las mentes detrás de la máquina.
Décadas de investigación paciente —y algún fracaso— de personas e instituciones que, paso a paso, hicieron posible lo que hoy damos por sentado.
Alan Turing
Padre de la computación
Sentó las bases teóricas de las máquinas que «piensan» e ideó el test que lleva su nombre.
John McCarthy
Acuñó el término «IA»
Organizó Dartmouth 1956 y creó el lenguaje Lisp, casa de la IA durante décadas.
Marvin Minsky
Pionero del MIT
Cofundador del laboratorio de IA del MIT y figura central de las primeras décadas.
Geoffrey Hinton
«Padrino» del deep learning
Impulsó las redes neuronales profundas. Premio Nobel de Física 2024.
Yann LeCun · Yoshua Bengio
Turing Award 2018
Junto a Hinton, reconocidos por hacer del aprendizaje profundo una realidad.
Fei-Fei Li
ImageNet
Creó el conjunto de datos que detonó la revolución de la visión por computador.
Demis Hassabis
DeepMind
AlphaGo y AlphaFold. Premio Nobel de Química 2024 por el plegamiento de proteínas.
Ilya Sutskever
OpenAI
Coautor de AlexNet y figura clave en el desarrollo de los modelos GPT.
Y las empresas que la impulsan
IBM
Deep Blue y Watson: la IA que ganaba al ajedrez y al concurso.
Google · DeepMind
Transformers, AlphaGo y AlphaFold. Investigación que marca el ritmo.
OpenAI
GPT y ChatGPT: llevaron la IA generativa al gran público.
Meta AI
Modelos Llama e investigación abierta a la comunidad.
Anthropic
Claude y un enfoque centrado en la seguridad de la IA.
NVIDIA
Las GPU que hicieron posible entrenar y ejecutar todo lo anterior.
Lo importante
Qué es —y qué no es— la inteligencia artificial.
La mayoría de los malentendidos sobre la IA nacen de confundir una cosa con la otra. Aquí va, sin rodeos.
Lo que sí es
- Reconocimiento de patrones a una escala imposible para un humano.
- Predicción estadística: calcula lo más probable (la siguiente palabra, el siguiente píxel).
- Una herramienta entrenada con enormes cantidades de datos y ejemplos.
- Extraordinaria interpolando, resumiendo y recombinando lo que ya ha visto.
Lo que no es
- No es consciente ni «entiende» el mundo como lo hace una persona.
- No tiene intenciones, deseos ni emociones, por mucho que lo parezca.
- No es una fuente de verdad: puede equivocarse y «alucinar» con total seguridad.
- No es magia ni una mente general: es matemática aplicada a gran escala.
Capacidades y límites
Lo que hace bien y lo que no tiene sentido pedirle.
Usar bien la IA empieza por saber dónde brilla y dónde, sencillamente, no es la herramienta adecuada.
Lo que puede hacer
- Automatizar tareas repetitivas: clasificar, extraer datos, rellenar formularios.
- Resumir, traducir y redactar borradores en segundos.
- Encontrar respuestas dentro de miles de documentos al instante.
- Asistir a profesionales expertos y acelerar su trabajo.
- Detectar patrones difíciles para el ojo humano: fraude, defectos, tendencias.
Lo que no tiene sentido pedirle
- Tener conciencia, sentimientos o voluntad propia.
- Garantizar la verdad sin que una persona revise el resultado.
- Decidir sola en asuntos críticos: médicos, legales o de seguridad.
- Sustituir el juicio, la ética y la responsabilidad humana.
- «Crear» de la nada: recombina lo aprendido, no inventa desde cero.
Sin maniqueísmos
Lo bueno y lo malo, a la vez.
La IA no es buena ni mala: es potente. Como toda tecnología potente, depende de cómo y para qué se use.
Lo bueno
- Devuelve tiempo: libera a las personas de lo tedioso para lo que aporta valor.
- Democratiza capacidades: traducir, programar o analizar al alcance de cualquiera.
- Impulsa la ciencia: de plegar proteínas a acelerar diagnósticos e investigación.
- Hace accesible lo que antes era caro o lento para pequeñas empresas y personas.
Lo malo y los riesgos
- Hereda y amplifica los sesgos presentes en los datos con que se entrena.
- Facilita la desinformación: textos, voces e imágenes falsas muy convincentes.
- Plantea retos de privacidad y de uso de datos personales.
- Puede generar dependencia y atrofiar el criterio si se usa sin pensar.
- Tiene impacto laboral y concentra poder en quien controla los grandes modelos.
¿Y la conciencia? No hay nadie dentro.
Es la pregunta que más se repite: «¿la IA es consciente?». La respuesta corta es no, y conviene entender por qué.
Un modelo de lenguaje hace una sola cosa, asombrosamente bien: predecir la siguiente palabra más probable a partir de todo lo que ha leído. Cuando le escribimos, no «comprende» ni «siente»; calcula. Que el resultado suene humano no significa que haya una mente detrás, igual que un eco no implica que la montaña hable.
Lo que ocurre es antropomorfismo: nuestro cerebro está hecho para ver intención y emoción por todas partes. Si una máquina usa nuestro lenguaje, le atribuimos un «yo». Pero no hay experiencia subjetiva, ni deseos, ni miedo, ni voluntad. No hay nadie ahí teniendo un mal día.
Hablar hoy de máquinas conscientes —o de que «van a despertar»— es ciencia ficción, no ingeniería. No existe evidencia ni un mecanismo conocido que produzca conciencia a partir de predecir texto. Eso no resta importancia a los debates reales: el impacto social, los sesgos, el uso responsable. Pero esos son problemas humanos, sobre cómo usamos la herramienta, no sobre una supuesta mente artificial.
En resumen: trate a la IA como lo que es —una herramienta extraordinaria— y no como lo que no es —un ser pensante—. Ahí está la clave para aprovecharla sin ni temerla ni idolatrarla.
La postura de Inersia
Llevamos en esto desde 2017. Por eso no vendemos humo: aplicamos la IA donde aporta valor real y la mantenemos siempre bajo criterio humano. Si quiere entenderla mejor o ver qué puede hacer por su empresa, hablemos.