LA HISTORIA DE LA INTELIGENCIA ARTIFICIAL

La idea de crear máquinas inteligentes se remonta a muchos años atrás. En el SIGLOel filósofo René Descartes sugirió que los animales podían considerarse máquinas, estableciendo una conexión entre mente y cuerpo. Esta idea influyó en el pensamiento posterior sobre la creación de máquinas inteligentes.En el siglo XIXel matemático Charles Babbage diseñó la Máquina Analítica, considerada precursora de los ordenadores modernos. Aunque no se construyó en vida, sus ideas fueron fundamentales para el desarrollo de la informática.A principios del siglo XXel matemático Alan Turing propuso el concepto de "máquina universal" capaz de realizar cualquier cálculo descrito por un algoritmo. También formuló el famoso "Test de Turing", al que nos referiremos más adelante.Durante la Segunda Guerra Mundial, Alan Turing y otros científicos trabajaron en proyectos de criptografía y desarrollaron máquinas como la Colossus, que ayudaban a descifrar los códigos enemigos. Estas máquinas fueron algunas de las primeras aplicaciones prácticas de la informática y desempeñaron un papel importante en el avance de la tecnología.En los 1950s, John McCarthy acuñó el término "Inteligencia Artificial" y organizó la primera conferencia sobre el tema. Fue en esta época cuando se produjeron avances en áreas como el aprendizaje automático y los chatbots, como Eliza, que fue el primer programa de chat.Desde entonces, la IA ha evolucionado rápidamente. Se han producido avances en áreas como el reconocimiento de patrones, la PNL, la visión por ordenador y la robótica. Desde los 1980s, la IA empezó a aplicarse en sectores comerciales, como las industrias química y farmacéutica.En los últimos años, con el crecimiento de la potencia de cálculo y el desarrollo de algoritmos más avanzados, la IA está cada vez más presente en nuestras vidas. Hoy vemos asistentes virtuales como Siri, Alexa y Google Assistant, coches autónomos y sistemas de recomendación, entre otras muchas aplicaciones.

7. LIMITACIONES DE LA IA

REQUERIMIENTOS DE RECURSOS COMPUTACIONALES Y DATOS

A PESAR DE SUS AVANCES, LAS REDES NEURONALES REQUIEREN GRANDES RECURSOS COMPUTACIONALES Y CANTIDADES MASIVAS DE DATOS PARA SU ENTRENAMIENTO

NECESIDAD DE DATOS REPRESENTATIVOS Y SESGO EN LOS RESULTADOS

LA FALTA DE DATOS REPRESENTATIVOS Y EL SESGO EN LOS RESULTADOS SON DESAFÍOS IMPORTANTES EN LA IA

DIFICULTAD EN LA INTERPRETACIÓN DE LOS ALGORITMOS DE APRENDIZAJE PROFUNDO

LA COMPLEJIDAD DE LOS ALGORITMOS DE APRENDIZAJE PROFUNDO DIFICULTA SU INTERPRETACIÓN Y COMPRENSIÓN POR PARTE DE LOS HUMANOS

1. LOS INICIOS DE LA IA

ADA LOVELACE Y SU VISIÓN DE LA IA

ADA LOVELACE FUE LA PRIMERA EN VER EL POTENCIAL DE LAS COMPUTADORAS MÁS ALLÁ DE LAS MATEMÁTICAS

LA HIPÓTESIS DE LA INTELIGENCIA HUMANA REPLICABLE EN MÁQUINAS

EXISTE LA IDEA DE QUE LA INTELIGENCIA HUMANA PUEDE SER REPLICADA O SIMULADA EN MÁQUINAS DIGITALES

LA CONFERENCIA DE DARMOUTH EN 1956

LOS ORGANIZADORES Y ASISTENTES DE LA CONFERENCIA

JOHN MCCARTHY, MARVIN MINSKY, CLAUDE SHANNON Y NATHANIEL ROCHESTER FUERON LOS ORGANIZADORES DE LA CONFERENCIA

EL PRIMER PROGRAMA DE IA

ALAN NEWELL Y HERBERT SIMON PUBLICARON EL PRIMER PROGRAMA DE IA LLAMADO "LOGIC THEORY MACHINE"

2. DOS PARADIGMAS DE INVESTIGACIÓN EN IA

IA SIMBÓLICA

LA IA SIMBÓLICA SE BASA EN REPRESENTAR EL CONOCIMIENTO HUMANO DE FORMA EXPLÍCITA UTILIZANDO SÍMBOLOS Y REGLAS

FORTALEZAS Y LIMITACIONES DE CADA PARADIGMA

LA IA SIMBÓLICA ES EXITOSA EN TAREAS DE RESOLUCIÓN DE PROBLEMAS, MIENTRAS QUE LA IA CONEXIONISTA ES MEJOR EN EL APRENDIZAJE A TRAVÉS DE EJEMPLOS

IA CONEXIONISTA

LA IA CONEXIONISTA SE BASA EN REDES NEURONALES Y EL APRENDIZAJE A TRAVÉS DE EJEMPLOS

3. ORÍGENES DE LA IA

CIENCIA FICCIÓN Y EL TÉRMINO "ROBOT"

LA CIENCIA FICCIÓN Y LA PALABRA "ROBOT" DIERON ORIGEN AL CONCEPTO DE PERSONAS ARTIFICIALES

PRIMEROS AVANCES EN LA IA

MODELO MATEMÁTICO DE LA NEURONA

WARREN MCCULLOCH Y WALTER PITTS PROPUSIERON EL PRIMER MODELO MATEMÁTICO DE LA NEURONA

PROGRAMA INFORMÁTICO DE INTELIGENCIA ARTIFICIAL

ALLEN NEWELL, HERBERT SIMON Y CLIFF SHAW FUERON COAUTORES DE LOGIC THEORIST, EL PRIMER PROGRAMA INFORMÁTICO DE INTELIGENCIA ARTIFICIAL

ROBOT INDUSTRIAL UNIMATE

EL PRIMER ROBOT INDUSTRIAL, UNIMATE, FUE INVENTADO POR GEORGE DEVOL Y SE CONVIRTIÓ EN EL PRIMERO EN TRABAJAR EN UNA LÍNEA DE MONTAJE

TEST DE TURING Y ACUÑACIÓN DEL TÉRMINO "INTELIGENCIA ARTIFICIAL"

ALAN TURING PROPUSO UN TEST PARA DETERMINAR SI UNA MÁQUINA EXHIBE COMPORTAMIENTO INTELIGENTE Y EL TÉRMINO "INTELIGENCIA ARTIFICIAL" FUE ACUÑADO EN UNA CONFERENCIA EN LA UNIVERSIDAD DE DARTMOUTH ORGANIZADA POR JOHN MCCARTHY

6. AVANCES RECIENTES EN LA IA

AVANCES EN JUEGOS Y ROBÓTICA

VICTORIA DE ALPHAGO EN EL JUEGO DE MESA GO

LA IA DE GOOGLE, ALPHAGO, VENCE AL CAMPEÓN MUNDIAL KE JIE EN EL COMPLEJO JUEGO DE MESA GO

PRIMER ROBOT COMERCIAL PARA EL HOGAR

EN 2002, SE LANZA ROOMBA, LA PRIMERA ASPIRADORA AUTÓNOMA PARA EL HOGAR

BASES DE DATOS Y LIBRERÍAS DE CÓDIGO ABIERTO

LIBRERÍAS DE CÓDIGO ABIERTO TENSORFLOW Y PYTORCH

SE LANZAN DOS LIBRERÍAS DE CÓDIGO ABIERTO, TENSORFLOW Y PYTORCH, QUE SE CONVIERTEN EN EL SOFTWARE POR DEFECTO PARA DESARROLLAR PROYECTOS DE APRENDIZAJE AUTOMÁTICO

BASE DE DATOS IMAGENET

FEI-FEI LI LANZÓ IMAGENET, UNA BASE DE DATOS GRATUITA DE 14 MILLONES DE IMÁGENES UTILIZADA POR INVESTIGADORES DE IA PARA ENTRENAR REDES NEURONALES

REDES GENERATIVAS ADVERSARIAS

IAN GOODFELLOW INTRODUCE LAS REDES GENERATIVAS ADVERSARIAS, QUE UTILIZAN DOS REDES NEURONALES ENFRENTÁNDOSE PARA GENERAR NUEVAS INSTANCIAS SINTÉTICAS DE DATOS

APRENDIZAJE SUPERVISADO EN SECUENCIAS DE DATOS

MICHAEL JORDAN INTRODUCE UNA ARQUITECTURA PARA EL APRENDIZAJE SUPERVISADO EN SECUENCIAS DE DATOS

RECONOCIMIENTO DE IMÁGENES

LAS REDES NEURONALES CONVOLUCIONALES SE UTILIZAN PARA GANAR CONCURSOS DE RECONOCIMIENTO DE IMÁGENES, LOGRANDO UN RENDIMIENTO SOBREHUMANO

ASISTENTES VIRTUALES INTELIGENTES

AMAZON LANZA ALEXA, UN ASISTENTE VIRTUAL INTELIGENTE CON INTERFAZ DE VOZ

5. AUGE DE LA IA CONEXIONISTA

MODELADO DE LA BIOLOGÍA DEL CEREBRO

LA IA CONEXIONISTA SE BASA EN MODELAR LA BIOLOGÍA DEL CEREBRO, UTILIZANDO REDES NEURONALES BIOLÓGICAS

LIMITACIONES Y FORTALEZAS DE LAS REDES NEURONALES

LA INVESTIGACIÓN EN REDES NEURONALES SE DETUVO EN LA DÉCADA DE 1960 DEBIDO A LA FALTA DE FINANCIAMIENTO Y UNA SOBREEXPECTACIÓN, ATRIBUIDA EN PARTE A UNA MALINTERPRETACIÓN DE SUS LIMITACIONES Y FORTALEZAS EN UN LIBRO DE MARVIN MINSKY Y SEYMOUR PAPERT

PERCEPTRÓN Y SU RESURGIMIENTO

EL PERCEPTRÓN, PROPUESTO POR FRANK ROSENBLATT EN 1958, FUE REDESCUBIERTO Y POPULARIZADO EN LA DÉCADA DE 1980, PERMITIENDO UN RESURGIMIENTO EN LA INVESTIGACIÓN DEL APRENDIZAJE PROFUNDO

4. DESARROLLO DE LA IA SIMBÓLICA

SISTEMAS EXPERTOS

LOS SISTEMAS EXPERTOS UTILIZAN EL RAZONAMIENTO HUMANO EN DOMINIOS DE CONOCIMIENTO ESPECÍFICO, COMO EN EL CASO DE LOS SISTEMAS DE APOYO DE DIAGNÓSTICO MÉDICO

LOGROS EN LA IA SIMBÓLICA

DERROTA DEL CAMPEÓN MUNDIAL DE AJEDREZ

EN 1997, EL COMPUTADOR DEEP BLUE DE IBM DERROTÓ AL CAMPEÓN MUNDIAL DE AJEDREZ, GARRY KASPAROV

RESURGIMIENTO DE LA INVESTIGACIÓN EN REDES NEURONALES

EN LA DÉCADA DE 1980, GEOFFREY HINTON Y COLEGAS REDESCUBRIERON Y POPULARIZARON EL MÉTODO DE RETROPROPAGACIÓN, LO QUE PERMITIÓ QUE LAS REDES NEURONALES DE MÚLTIPLES CAPAS APRENDIERAN A PARTIR DE DATOS