Cronología
Una cronología de puntos de inflexión — se amplía con artículos y fuentes.
Ver también: Glosario · Predicciones , Comparar.
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
-
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.
-
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.
-
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.
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.
-
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.
-
AlphaGo vence a 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.