Evolución de la IA

Comenzaremos este recorrido en Europa, en el siglo XVII, cuando René Descartes propuso la idea de que los animales y las máquinas podían ser vistos como autómatas, es decir, entidades que operan siguiendo reglas predefinidas. Esta visión sentó las bases conceptuales para el desarrollo de la inteligencia artificial (IA) como disciplina científica.

El verdadero inicio de la IA como campo de estudio se dio en 1956, durante la conferencia de Dartmouth, un evento clave que marcó el nacimiento de la inteligencia artificial como disciplina formal. En esta conferencia, organizada por John McCarthy, Marvin Minsky, Nathaniel Rochester y Claude Shannon, se propuso investigar cómo las máquinas podían simular la inteligencia humana. A lo largo de varias semanas de trabajo colaborativo, los participantes discutieron la posibilidad de diseñar máquinas capaces de realizar tareas intelectuales si se les proporcionaban suficientes datos y tiempo.

John McCarthy, considerado uno de los padres de la IA, acuñó el término "inteligencia artificial" para describir la capacidad de las máquinas de imitar aspectos de la inteligencia humana. Además, McCarthy desarrolló el lenguaje de programación LISP (LIST Processor), que se convirtió en una herramienta esencial para la investigación en IA durante décadas y aún se utiliza en ciertos ámbitos.

Entrando en el siglo XX, el matemático y criptógrafo británico Alan Turing aportó ideas fundamentales al campo. En su influyente ensayo "Computing Machinery and Intelligence", planteó la pregunta: "¿Pueden las máquinas pensar?". Para abordar esta cuestión, propuso la prueba de Turing, un criterio para evaluar la inteligencia de una máquina basado en su capacidad para mantener una conversación indistinguible de la de un ser humano.

Turing mantuvo fructíferos intercambios intelectuales con el neurofisiólogo británico Grey Walter en las reuniones del Ratio Club, un grupo de discusión compuesto por destacados científicos interesados en la cibernética y la neurociencia. Durante estas reuniones, Turing y Walter exploraron ideas sobre la posibilidad de que las máquinas fueran inteligentes o incluso conscientes. Inspirado por estas discusiones, Grey Walter publicó un estudio en 1950 en el que presentó a dos robots pioneros, conocidos como Elmer y Elsie. Estas "tortugas robóticas" podían realizar comportamientos básicos de forma autónoma, como seguir la luz o evitar obstáculos, demostrando los primeros pasos hacia el diseño de sistemas robóticos con cierto nivel de autonomía.

La evolución de la inteligencia artificial (IA) avanzó de manera significativa en los años siguientes. Un hito destacado ocurrió en 1997, cuando IBM desarrolló Deep Blue, una supercomputadora que logró derrotar al campeón mundial de ajedrez, Garry Kasparov. Este evento marcó un punto de inflexión en la historia de la IA, al demostrar que las máquinas podían superar a los humanos en tareas específicas y altamente complejas.

En la actualidad, los avances en capacidad computacional y en algoritmos de aprendizaje automático han impulsado el desarrollo de sistemas de IA cada vez más sofisticados. Estos sistemas son capaces de realizar tareas que, hasta hace poco, se consideraban exclusivas de la inteligencia humana, abarcando desde la resolución de problemas técnicos hasta la interpretación de emociones y el análisis de grandes volúmenes de datos.

Etapas

1. Sistemas basados en reglas: Los primeros sistemas de IA se basaban en reglas predefinidas y patrones lógicos para realizar tareas específicas. Por ejemplo una partida de cartas contra la máquina. El ordenador conocen las reglas del juego y puede tomar decisiones en función de las cartas que tiene y las que ha jugado el oponente. Puede elegir la mejor jugada en función de las reglas del juego, pero no puede aprender de partidas anteriores o adaptarse a las estrategias de su oponente.
2. Conciencia del contexto y sistemas de retención: Los sistemas de IA evolucionaron para incluir la capacidad de recordar información de eventos recientes y adaptarse a situaciones cambiantes. Por ejemplo, asistentes virtuales como Siri o Alexa pueden recordar las preferencias del usuario y adaptar sus respuestas en función del contexto.
3. Sistemas de dominio específico: Son sistemas que se especializan en tareas concretas. Apoyan a la ingeniería, la medicina, la educación, la logística, entre otros.
4. Pensamiento y razonamiento: Imitan la capacidad de pensar y razonar como un ser humano. Pueden aprender nuevas habilidades, adaptarse a entornos cambiantes y razonar sobre problemas complejos a los que no han sido expuestos previamente en su programación. En esta etapa tenemos machine learning y deep learning.
5. Nacimiento de la Inteligencia Artificial General (AGI): Es capaz de realizar juicios de valor, aprender de la experiencia, planificar y adaptarse a nuevas situaciones por sí misma. El objetivo es crear un sistema que pueda ser más inteligente de tal forma que pueda pensar y actuar como un ser humano. El término se atribuye a Shane Legg.
6. Superinteligencia: Es un campo de investigación en constante evolución. El objetivo es que la máquina pueda superar la inteligencia humana en todos los aspectos y que por lo tanto pueda ser capaz de realizar cualquier tarea que un ser humano pueda hacer.