La sociedad vive unos años de absoluto ‘boom’ de la inteligencia artificial, sin embargo esta tecnología no es nueva y el furor por la IA ya se ha vivido en otras ocasiones junto a grandes periodos de sequía: ¿qué se puede esperar para el futuro próximo?
Mucha gente asume que la inteligencia artificial es una tecnología nueva, pero el concepto ha existido durante mucho tiempo. Ha habido varios hitos significativos en su historia que ayudaron a catapultar las capacidades de esta tecnología a lo largo de los años.
A principios del siglo XX, los conceptos que finalmente darían como resultado la IA comenzaron en la mente de escritores y científicos casi como ciencia ficción. También en 1943, Alan Turing inventaría la prueba de Turing que esencialmente ayudaría a comprender cuándo las máquinas alcanzarían la inteligencia humana, aunque hoy en día ya no es un método útil.
Como cualquier revolución e innovación. ha habido grandes auges y caídas y la inteligencia artificial no es una excepción. «Hay varios momentos históricos que comparten ciertas similitudes con el ‘boom’ actual de la IA, en términos de cambio tecnológico, impacto en la sociedad y transformación económica. Algunos de estos momentos incluyen la Revolución Industrial, la Revolución Eléctrica y la Revolución de la Información». explica a Informática Hoy Josué Pérez Suay, especialista en Inteligencia Artificial y ChatGPT.
el autentico auge Lo que muchos están presenciando ahora proviene de largos años de investigación y mejora que han dado, y seguirán dando, resultados inimaginables. ¿Cómo han ido ocurriendo los altibajos de la inteligencia artificial en la historia? ¿La sociedad está asistiendo actualmente al punto más innovador en el desarrollo de la IA? ¿Se acerca un período de frío invierno en este campo tecnológico?
El auge de la inteligencia artificial en la década de 1960 y un duro invierno en la década de 1980
La década de 1950 fue trascendental para la comunidad de IA debido a la creación y popularización de la red neuronal artificial: el perceptrón.. En pocas palabras, es un algoritmo de aprendizaje de clasificación binaria supervisada que permite a las neuronas aprender elementos y procesarlos uno por uno.
Esto fue un estímulo para lo que se conoció como el primer ‘boom’ de la inteligencia artificial. Este período fue un claro momento de progreso e interés por su desarrolloexplorar nuevos métodos para crear máquinas inteligentes y programarlas para realizar tareas que tradicionalmente se pensaba que requerían inteligencia humana.
El auge de la IA de la década de 1960 culminó en el desarrollo de varios sistemas emblemáticos de IA como ELIZAcreado por Joseph Weizenbaum, que era un programa de procesamiento de lenguaje natural que simulaba a un psicoterapeuta.
Sin embargo, Se venían tiempos algo más sombríos y llegó el invierno de la IA de los 80lo que hace referencia a un periodo de tiempo en el que la investigación y el desarrollo en este campo experimentó un importante frenazo.
Esto sucedió en parte porque muchos de los proyectos de IA que se habían desarrollado durante su apogeo no cumplían sus promesas. La comunidad investigadora estaba cada vez más desilusionada con la falta de progreso en el campo, lo que provocó recortes en la financiación y muchos investigadores se vieron obligados a abandonar sus proyectos y abandonar el sector por completo.
En general, esta era fue un hito importante en la historia de la IA desde demostró los desafíos y limitaciones de la investigación y el desarrollo. Pero el progreso siguió dando pequeños pasos, y no fue hasta la década de 1990 que el interés comenzó a aumentar nuevamente.
El renacimiento: ‘big data’, ‘deep learning’ y una larga lista de innovaciones que culminan en IA generativa
Durante la década de 1990, la investigación y la globalización de la IA comenzaron a cobrar impulso. Este período marcó el comienzo de la era moderna en esta tecnología y un nuevo ‘boom’.
Los investigadores comenzaron a usar métodos estadísticos para aprender patrones y características directamente de los datos, en lugar de confiar en reglas predefinidas. Este enfoque, conocido como aprendizaje automático, permitió modelos más precisos y flexibles para procesar el lenguaje natural y la información visual.
Por otro lado, antes de la llegada de los «grandes datos», la IA estaba limitada por la cantidad y la calidad de los datos disponibles para entrenar y probar los algoritmos de aprendizaje automático. Esto permitió el entrenamiento de herramientas en conjuntos de datos mucho más grandes, lo que a su vez les permitió aprender patrones más complejos y hacer predicciones más precisas.
Con el crecimiento exponencial de la cantidad de datos disponibles, los investigadores necesitaban nuevas formas de procesar y extraer conocimientos de grandes cantidades de información.
La llegada del aprendizaje profundo (aprendizaje profundo)
Algoritmos de aprendizaje profundo —aprendizaje profundo— proporcionó una solución a este problema al permitir que las máquinas aprendan automáticamente de grandes conjuntos de datos y hagan predicciones o decisiones basadas en ese aprendizaje.
Por ejemplo, una red de aprendizaje profundo podría aprender a reconocer las formas de letras individuales, luego la estructura de las palabras y finalmente el significado de las oraciones.
«El desarrollo de algoritmos de aprendizaje profundo y arquitecturas de redes neuronales, como las redes neuronales convolucionales (CNN) y las redes neuronales recurrentes (RNN), ha permitido que las máquinas aprendan y procesen grandes cantidades de datos con mayor precisión y rapidez que nunca». explica Josué Pérez Suay.
Otro hito para la IA es, sin duda, cuando el campeón mundial de ajedrez Garry Kasparov en 1997 fue derrotado en una partida de ajedrez por la supercomputadora Deep Blue de IBM. En este caso, Deep Blue ganó utilizando sus capacidades de alta velocidad, capaces de evaluar 200 millones de posiciones por segundo, para calcular todas las opciones posibles en lugar de analizar el juego.
Inteligencia artificial generativa y ChatGPT
«Si bien Deep Blue, ELIZA y el taxi autónomo del MIT fueron desarrollos importantes en sus respectivos campos (ajedrez, procesamiento de lenguaje natural y vehículos autónomos), el auge actual de la IA abarca una amplia gama de aplicaciones en múltiples industrias. Desde el diagnóstico médico hasta producción de energía, la IA ha penetrado en muchas áreas de la vida cotidiana»explica el experto entrevistado.
El siguiente paso, en el que se encuentra actualmente la sociedad, ha sido la inteligencia artificial generativa. Este es un subcampo que implica la creación de sistemas de IA capaces de generar nuevos datos o contenido similar a los datos con los que se entrenó. Esto puede incluir la generación de imágenes, texto, música e incluso videos.
«El interés en la IA por parte de gobiernos, empresas y capitalistas de riesgo ha llevado a una gran inversión en investigación y desarrollo, así como a la creación de nuevas empresas y la adopción de soluciones de IA en diferentes industrias»añade Josué Pérez.
A esto hay que sumar la llegada del transformadores, una tecnología que acelera el proceso de capacitación promovida por los científicos de IA de Google. Esto ha llevado al desarrollo de grandes modelos de lenguaje como GPT-4 —ChatGPT—, que puede generar texto similar al humano sobre una amplia gama de temas.
Si bien todavía hay debates sobre la naturaleza de la creatividad y la ética del uso de la IA en estas áreas, está claro que la IA generativa es una herramienta poderosa que seguirá dando forma al futuro de esta tecnología. ¿Cuál crees que será el próximo hito notable en la IA? ¿Terminará este gran nuevo ‘boom’?
«Es probable que el progreso en IA continúe a un ritmo extremadamente alto durante los próximos 2 años, aunque el nivel de exageración y locura actual puede disminuir a medida que se ajustan las expectativas y la tecnología se integra más en nuestra vida diaria».concluye el experto.
Con información de Telam, Reuters y AP