Cronología
Cronología general de momentos clave en la historia de la inteligencia artificial.
Ideas tempranas y fundamentos
-
El "juego de imitación" de Turing
El artículo de Alan Turing en Mind reformula la inteligencia de las máquinas como un comportamiento indistinguible del de un humano en un diálogo, más tarde popularizado como el test de Turing.
-
Se reúne el taller de IA de Dartmouth
Taller de investigación de verano donde John McCarthy propuso el nombre "inteligencia artificial" y una agenda de investigación compartida, ampliamente considerado como el debut público del campo.
-
El perceptrón de Rosenblatt atrae la atención
El clasificador de capa única entrenable de Frank Rosenblatt despierta optimismo, y luego debate, sobre si las redes neuronales pueden escalar hasta la inteligencia general.
-
ELIZA muestra la coincidencia de patrones conversacional
El script ELIZA de Joseph Weizenbaum demuestra cómo reglas simples pueden parecer empatía, planteando preguntas tempranas sobre ilusión, confianza y "comprensión" en el software.
IA comercial e inviernos
-
Comienza el primer invierno de la IA
Tras años de promesas audaces, el informe Lighthill y los recortes de la DARPA enfrían las expectativas; las redes neuronales y los proyectos amplios de IA pierden apoyo a mediados de los 70.
-
Los sistemas expertos se industrializan
Los "sistemas expertos" basados en reglas pasan de los laboratorios a productos comerciales, prometiendo captura de dominio sin aprendizaje completo, y dando forma a la ola empresarial de IA de los años 80.
Commercial AI & winters
-
Las máquinas de Boltzmann traen la física estadística a las redes neuronales
Ackley, Hinton y Sejnowski publican en Cognitive Science un algoritmo de aprendizaje para máquinas de Boltzmann; unidades binarias estocásticas y una función de energía permiten aprender estructura oculta, pero el entrenamiento requiere muestreo lento con cadenas de Márkov.
IA comercial e inviernos
-
La retropropagación hace entrenables las redes multicapa
Rumelhart, Hinton y Williams muestran en Nature cómo una red puede propagar sus errores hacia atrás a través de sus capas para que las unidades ocultas aprendan rasgos propios; el método se convierte en la forma estándar de entrenar redes neuronales.
-
Comienza el segundo invierno de la IA
Tras un auge en herramientas de IA especializadas, las expectativas del mercado se enfrían; la financiación se reduce y muchos proyectos comerciales se estancan, frecuentemente datado en el "invierno" de finales de los años 80.
Commercial AI & winters
-
Las redes convolucionales leen códigos postales manuscritos
LeCun y sus colegas en Bell Labs entrenan una red neuronal convolucional con retropropagación sobre dígitos del Servicio Postal de EE. UU., una victoria práctica temprana para los filtros locales en visión.
-
TD-Gammon aprende backgammon mediante autojuego
Gerald Tesauro en IBM entrena TD-Gammon con aprendizaje de diferencia temporal y autojuego, alcanzando un juego de backgammon fuerte durante el segundo invierno de la IA.
-
Las máquinas de vectores de soporte formalizan el aprendizaje de margen máximo
Cortes y Vapnik publican support-vector networks en Machine Learning, combinando maximización del margen con kernels para clasificación no lineal.
IA comercial e inviernos
-
Deep Blue derrota a Kaspárov
El especialista en ajedrez de IBM vence al campeón mundial Garry Kaspárov en un match, un momento público icónico para la búsqueda por fuerza bruta más hardware, aunque la IA más amplia aún parecía modesta.
Commercial AI & winters
-
Los bosques aleatorios combinan árboles de decisión con bagging
Leo Breiman publica Random Forests en Machine Learning, definiendo un conjunto de árboles decorrelacionados que se convierte en un clasificador estándar antes del renacimiento del aprendizaje profundo.
-
Los modelos de lenguaje probabilísticos neuronales aprenden embeddings de palabras
Bengio, Ducharme, Vincent y Jauvin publican A Neural Probabilistic Language Model en JMLR, aprendiendo vectores de palabras distribuidos para escapar de los límites de dimensionalidad de los n-gramas.
-
Stanley gana el DARPA Grand Challenge
Stanley de Stanford completa el recorrido de 212 km por el desierto de Mojave en 6 horas 53 minutos, el primer ganador del Grand Challenge tras una carrera de 2004 sin finalizadores.
Deep learning at scale
-
Las redes de creencia profunda vuelven a hacer entrenable la profundidad
Hinton, Osindero y Teh muestran cómo apilar máquinas de Boltzmann restringidas en redes de creencia profunda y ajustarlas con retropropagación; un artículo de Science ese mismo verano demuestra una potente reducción de dimensionalidad.
Aprendizaje profundo a escala
-
ImageNet impulsa la visión a gran escala
El equipo de Fei-Fei Li lanza un vasto conjunto de datos de imágenes etiquetadas, más tarde el benchmark que hace medibles y competitivas las redes convolucionales modernas.
-
Watson de IBM gana en Jeopardy!
El sistema de preguntas y respuestas Watson de IBM vence a los campeones históricos Ken Jennings y Brad Rutter en el concurso Jeopardy!, respondiendo pistas en lenguaje natural sin conexión a internet.
-
AlexNet gana ImageNet
Una red convolucional profunda entrenada en GPUs reduce drásticamente las tasas de error en ImageNet, a menudo citada como la chispa del resurgimiento moderno del aprendizaje profundo.
-
Las redes generativas adversativas enfrentan a dos redes
Ian Goodfellow y sus colegas en Montreal presentan las GAN: un generador produce datos, un discriminador intenta distinguirlos de los reales y ambos mejoran compitiendo; la idea marca la síntesis de imágenes de los años siguientes.
-
AlphaGo vence a [Lee Sedol](/es/personas/lee-sedol/)
AlphaGo de DeepMind gana cuatro de cinco partidas contra uno de los mejores jugadores de Go del mundo, demostrando que los juegos que requieren intuición no están fuera del alcance de los sistemas de aprendizaje.
Transformers y grandes modelos de lenguaje
-
Attention is all you need
La arquitectura Transformer reemplaza la recurrencia por autoatención, convirtiéndose en la columna vertebral de los grandes modelos de lenguaje y las pilas multimodales posteriores.
-
GPT-3 escala el prompting de pocos ejemplos
El artículo del modelo de lenguaje de 175 mil millones de parámetros de OpenAI destaca el aprendizaje en contexto: tareas descritas en lenguaje natural sin actualizar pesos, reformulando expectativas de productos e investigación.
-
ChatGPT se abre al público
Un envoltorio conversacional sobre un gran modelo de lenguaje se convierte en una demostración masiva de la noche a la mañana, acelerando debates sobre seguridad, trabajo, derechos de autor y acceso.
-
GPT-4 se lanza como modelo insignia multimodal
OpenAI posiciona GPT-4 como un sucesor más seguro y potente, las demos de visión + texto redefinen las expectativas sobre benchmarks de capacidad y hojas de ruta de productos.
-
Los pesos de Llama 2 se liberan (semi)abiertamente para investigación y productos
Meta publica Llama 2 bajo una licencia comunitaria, ampliando quién puede ajustar finamente y desplegar modelos locales o alojados, y acelerando el debate del ecosistema de "pesos abiertos".
-
Google lanza Gemini 1.0
Google renombra y lanza su familia multimodal bajo el nombre Gemini, señalando una integración más estrecha con Search, APIs en la nube y productos de hardware para consumidores.
-
Se adopta la Ley de IA de la UE
El Parlamento Europeo respalda el primer reglamento amplio de IA del mundo, estableciendo obligaciones por nivel de riesgo, deberes de transparencia para modelos de propósito general y plazos de cumplimiento.
-
OpenAI presenta modelos de "razonamiento" (o1)
Una nueva línea enfatiza una deliberación interna más prolongada antes de responder, reavivando la conversación pública sobre computación en tiempo de prueba, benchmarks STEM y brechas en la evaluación de seguridad.
Razonamiento, agentes y el auge de la IA
-
Las redes neuronales ganan el Nobel de Física
John Hopfield y Geoffrey Hinton son honrados por su trabajo fundacional sobre redes neuronales artificiales, situando la maquinaria de la IA moderna en el centro de la ciencia.
-
AlphaFold gana el Nobel de Química
Un día después del premio de física, el Nobel de Química honra la predicción de estructuras de proteínas de AlphaFold y el diseño computacional de proteínas, mostrando la IA como instrumento de descubrimiento.
-
Gemini 2.0 y la «era de los agentes»
Google lanza Gemini 2.0 y pone a los agentes de IA en el centro, adelantando sistemas que realizan acciones de varios pasos en un navegador y más allá, no solo responden.
-
DeepSeek-R1 y el shock de eficiencia
Una startup china publica un modelo de razonamiento de pesos abiertos que rivaliza con los mejores a una fracción del coste; días después provoca la mayor caída en una jornada del valor de Nvidia.
-
Se anuncia el Proyecto Stargate
OpenAI, SoftBank, Oracle y MGX presentan un plan para invertir hasta 500.000 millones de dólares en centros de datos de IA en EE. UU., reencuadrando el progreso como cuestión de capital e infraestructura física.
-
La Cumbre de Acción sobre IA de París expone una brecha de gobernanza
Unos 60 países firman en París una declaración sobre IA inclusiva y sostenible; EE. UU. y el Reino Unido se niegan, revelando una grieta creciente sobre cómo gobernar la tecnología.
-
La IA alcanza el oro en la Olimpiada Internacional de Matemáticas
Modelos de lenguaje de Google DeepMind y OpenAI resuelven cinco de seis problemas de la IMO y alcanzan 35 de 42 puntos, nivel de oro, escribiendo demostraciones en lenguaje natural dentro del tiempo de examen.
-
GPT-5 convierte el razonamiento en el estándar
OpenAI publica GPT-5 como un sistema unificado que decide cuándo responder rápido y cuándo pensar más, y lo ofrece a todos los usuarios de ChatGPT; un lanzamiento accidentado muestra cuánto se aferran las personas a modelos concretos.
-
La Cumbre de Impacto de la IA de Nueva Delhi devuelve a EE. UU. a la mesa
En la primera cumbre global de IA celebrada en el Sur Global, más de 80 países, incluidos EE. UU., China y el Reino Unido, respaldan una declaración no vinculante sobre democratizar la IA, mientras Washington rechaza abiertamente cualquier gobernanza global de la tecnología.