El primer invierno de la IA: cuando el hype se congeló (1974–1980)
El informe Lighthill, los recortes de la DARPA y la reacción contra el perceptrón drenaron la financiación de redes neuronales e IA demasiado ambiciosa, preparando una década de escepticismo.
La expresión invierno de la IA suele nombrar dos caídas. La primera, que se afianzó a mediados de los 70 y persistió hasta principios de los 80, no fue un solo día ni una sola línea presupuestaria. Fue una pérdida lenta de confianza: quienes financiaban decidieron que las grandes promesas sobre máquinas pensantes superaban lo que los laboratorios entregaban.
El informe Lighthill
En 1973, el Science Research Council británico pidió al matemático James Lighthill evaluar la IA. Su informe fue duro. Mucho trabajo, argumentó, se vendía como inteligencia general pero era habilidad estrecha en dominios de juguete. El progreso en visión, lenguaje y sentido común decepcionó frente a la publicidad.
El informe se usó políticamente. Se redirigió la financiación británica. El mensaje cruzó el Atlántico: la «IA general» no cumplía el calendario prometido.
La DARPA se repliega
En Estados Unidos, DARPA había financiado programas ambiciosos de comprensión del habla e IA amplia. En 1974–1975, las revisiones concluyeron que muchos proyectos no cumplían hitos. Se recortaron presupuestos o se orientaron a aplicaciones militares más concretas.
Laboratorios construidos para investigación abierta se redujeron. A los doctorandos se les advirtió que «IA» en el CV podía perjudicar.
La reacción contra el perceptrón
Paralelamente, la investigación conexionista recibió un golpe interno. El libro Perceptrons (1969) de Marvin Minsky y Seymour Papert demostró límites importantes de redes de una sola capa. La matemática era correcta. En comités de financiación la conclusión fue más simple: las redes neuronales no funcionan.
Era exagerado. Las redes multicapa podían eludir las pruebas, pero aún no había entrenamiento práctico a escala. Tras el perceptron de Rosenblatt (1958), el dinero para enfoques neuronales se agotó. La IA simbólica siguió dominando, aunque sus grandes proyectos también se estancaron.
Lo que siguió
El primer invierno fue real pero desigual. Ideas de sistemas expertos maduraron en silencio. Métodos estadísticos en voz y visión continuaron en grupos pequeños. Laboratorios de IA simbólica siguieron produciendo herramientas de nicho.
Cuando los sistemas expertos comerciales florecieron en los 80, el campo pareció sano de nuevo, hasta que ese auge colapsó en el segundo invierno de la IA hacia 1987.
Por qué importa
El primer invierno enseñó lo que el segundo repetiría: las demos no son productos y la cobertura de prensa no es un plan de investigación. La recuperación vino de éxitos más acotados, mejores datos y, al final, aprendizaje automático que escalaba.
Cuando los LLM actuales impresionan en conversación, el primer invierno recuerda que ilusión y ciclos de financiación han moldeado la IA mucho antes de la ola de hype actual.