A lo largo del tiempo que llevamos dialogando en esta columna, creo que nunca hemos abordado cómo llegamos a donde estamos hoy en términos de inteligencia artificial. ¿De dónde surgieron empresas como OpenAI? ¿Cómo es que la historia de la computación ha desembocado en lo que hoy conocemos como la IA generativa? ¿Por qué se escuchan los términos machine learning e inteligencia artificial?
Existen varios libros sobre el tema, donde, si desean más detalles, seguramente pueden encontrarlos. Lo que trataré de hacer aquí es resumir la historia y el estado actual de la IA en el mundo.
Desde los años 70, muchas universidades y empresas buscaron desarrollar la inteligencia artificial con el objetivo de crear computadoras inteligentes, que por sí mismas, sin mayores instrucciones y comandos, lograran pensar. La historia de la IA es, al final del día, la historia de la computación, ya que a medida que avanzaron las tecnologías, también lo hizo la inteligencia artificial.
En los años 70 y 80, muchos de los esfuerzos en la IA se centraron en el desarrollo de una herramienta matemática llamada redes neuronales artificiales, una abstracción que pretendía imitar la forma en que el cerebro procesa la información. Sin embargo, en esas décadas, se llegó al consenso de que estas técnicas no eran útiles y carecían de un futuro claro. Esto, sumado a la falta de avance en el área, causó lo que se conoce como el invierno de la IA, evento que hizo que gran parte del financiamiento desapareciera y muchos investigadores abandonaran el campo.
Fue entonces cuando la inteligencia artificial se alejó de la meta de crear un ente inteligente y se enfocó en tareas más alcanzables, como el agrupamiento, la predicción y la clasificación, dando origen al aprendizaje máquina o machine learning.
Muchos nos formamos en esta área en torno a los conceptos de machine learning, pero al mismo tiempo, varios investigadores, entre ellos Geoffrey Hinton, Yann LeCun y Yoshua Bengio, continuaron buscando que las redes neuronales fueran la solución al problema de la IA.
Hacia 2005, Hinton logró que las redes neuronales tuvieran resultados espectaculares, comparadas con cualquier otro tipo de modelo, y fue en esta época que se acuñó el término de aprendizaje profundo o deep learning, que no es más que otro nombre para las redes neuronales entrenadas con grandes cantidades de datos. Es en este momento que comienza la batalla de los gigantes del software.
Google empieza a invertir grandes cantidades de dinero en atraer talento, al mismo tiempo que desarrolla nuevo hardware capaz de entrenar estas redes gigantescas que están comenzando a ser entrenadas en texto, imágenes y muchos otros tipos de datos. Además, compra una pequeña startup llamada DeepMind, que desarrollaría algunos de los modelos más avanzados de redes neuronales, como AlphaFold, capaz de predecir las proteínas.
¿Cuál fue la reacción de los otros gigantes tecnológicos? ¿Cómo entra Elon Musk en esto? Lamentablemente, en esta columna no nos dará espacio ni tiempo de verlo esta semana, pero continuaremos con esta historia la próxima semana.