El segundo invierno de la IA: cómo el boom se convirtió en crisis (1987–1993)
Los sistemas expertos colapsaron, las máquinas Lisp quedaron obsoletas, los gobiernos recortaron fondos, y la IA entró en años de desilusión que casi acabaron con el campo.
El primer invierno de la IA (artículo), provocado en los años 70 por el informe Lighthill y los recortes de DARPA, fue doloroso pero localizado. El segundo invierno de la IA, que comenzó hacia 1987 y duró hasta principios de los 90, fue diferente. Esta vez colapsaron industrias enteras. Miles de millones de dólares en inversión privada se evaporaron. Las palabras “inteligencia artificial” se volvieron tóxicas en salas de juntas y solicitudes de financiación por igual.
Qué lo causó
El invierno no tuvo un único detonante. Fue la convergencia de varios fracasos:
Los sistemas expertos chocaron contra el muro
Los sistemas expertos que habían impulsado el boom de los 80 resultaron ser frágiles, caros de mantener e imposibles de escalar. El cuello de botella de la adquisición de conocimiento, el lento proceso de extraer reglas de expertos humanos, demostró ser intratable. Sistemas que funcionaban en demos fallaban en producción. Las reglas se contradecían a medida que crecían las bases de conocimiento.
El mercado de máquinas Lisp se derrumbó
Gran parte de la industria de IA funcionaba con máquinas Lisp, ordenadores especializados que costaban entre 70.000 y 150.000 dólares cada uno. Empresas como Symbolics, valoradas en más de 200 millones de dólares, habían construido todo su negocio alrededor de este hardware. Cuando las estaciones de trabajo de propósito general alcanzaron su rendimiento a una fracción del precio, el mercado se evaporó. Las acciones de Symbolics cayeron de 77 a menos de 3 dólares.
Los gobiernos se retiraron
DARPA recortó drásticamente su presupuesto de IA en 1987. El proyecto japonés de quinta generación terminó sin cumplir sus promesas. El programa Alvey de Gran Bretaña corrió la misma suerte. Las empresas que habían invertido millones se retiraron; el término “IA” se convirtió en un lastre que investigadores y empresas evitaban renombrando su trabajo como “aprendizaje automático” o “sistemas de conocimiento.”
Qué sobrevivió
Bajo los escombros comerciales, el trabajo importante continuó: Yann LeCun demostró las redes neuronales convolucionales (1989), Gerald Tesauro construyó TD-Gammon (1992) con aprendizaje por refuerzo, y los métodos estadísticos en procesamiento del lenguaje natural mejoraron silenciosamente.
Por qué importa
El segundo invierno enseñó al campo a temer el hype. Los investigadores que sobrevivieron, trabajando en aprendizaje automático en vez de reglas codificadas a mano, construyeron los cimientos de todo lo que vendría después: la revolución estadística, el aprendizaje profundo de los 2010, y los modelos de lenguaje actuales. Cada vez que una empresa de IA moderna hace una promesa que suena demasiado buena, el segundo invierno es la razón por la que los observadores cautelosos preguntan: ¿ya vimos esto antes?