A hombros de gigantes
Breve historia de la inteligencia artificial
UNA HISTORIA EN TRES ACTOS
La evolución de la IA está salpicada por avances entremezclados que se influyen mutuamente. Centrar el análisis en los modelos de aprendizaje de máquinas disponibles permite dividir su trayectoria en tres etapas.
La era previa al aprendizaje profundo
1952 – 2010
La era del aprendizaje profundo
2010 – 2022*
La era de la gran escala
2015 – 2022*
*El final de la era 2 se solapa con el inicio de la 3 porque ambas corresponden dos tendencias diferentes en cuanto al diseño y desarrollo de los modelos de aprendizaje automático.
1952 – 1997
La era previa al aprendizaje profundo
Reconstrucción física de la Máquina de Turing realizada por Mike Davey.
Rocky Acosta - Own work, CC 3.0,
1950
Alan Turing diseña el famoso Test de Turing para comprobar si una máquina es realmente inteligente.
1951
William Shockley inventa el transistor de unión que hizo posible una nueva generación de computadoras mucho más rápidas y pequeñas.
1956
Se acuña el término “inteligencia artifical” en una conferencia. Entre sus asistentes había científicos que acabarían siendo considerados los padres de la IA.
Evolución del robot UNIMATE siriviendo una taza de café en 1967.
Frank Q. Brown, CC 4.0
1961
Unimate, el primer robot industrial, empieza a trabajar para General Motors. Se trata de un robot preprogamado incapaz e reaccionar a los cambios del entorno.
1966
Nace ELIZA , el primer programa de IA capaz de procesar el lenguaje natural (solo en inglés). Su incapacidad para comprender lo que decía quedó clara en seguida.
1974-1980
Distintos fracasos en varias investigaciones dan lugar al primer invierno de la inteligencia artifical. La financiación se reduce y muchos proyectos se abandonan.
1986
Marvin Minsky, uno de los padres de la IA, utiliza la técnica de la retropropagación para entrenar una red neuronal. Este hito se considera la base del aprendizaje profundo.
1987-1993
El segundo invierno de la inteligencia artificial. Tendrían que pasar casi 30 años para que el avance Minsky con las redes neuronales diera lugar a la era del apredizaje profundo.
Captura de pantalla de Deep Blue durante la partida contra Kasparov.
Yvonne Hemsey/Getty Images
1997
Deep Blue de IBM derrota al maestro del ajedrez Garry Kasparov. 20 años después publica su libro Deep Thinking en el que admite que la máquina no hizo trampas.
2010 - 2022
La era del aprendizaje profundo
2011-2014
Los chatbots inteligentes empiezan a proliferar. Apple lanza a Siri, Google presenta a Google Now y Amazon crea a Cortana.
2013
La revista MIT Technology Review incluye el aprendizaje profundo en la lista de las 10 Tecnologías Emergentes.
2014
Ian Goodfellow idea las redes generativas antagónicas (GAN) que darán lugar a la era de los deepfakes hiperrealistas y a los algoritmos de transferencia de estilo.
2015
Nace Tensorflow de Google, un framework de desarrollo con librerías para el entrenamiento e inferencia multiplataforma opensource.
Retransmisión en directo de la Google DeepMind Challenge Match.
2016 Google/Getty Images
2016
AlphaGo de Google DeepMind derrota al campeón mundial de go Lee Sedol por 4-1. Su siguiente iteración, AlphaGo Zero, llega a ser considerada como “una inteligencia casi alienígena”.
2017
Google arranca la era AI First y publica su primer paper sobre la arquitectura de red neuronal tipo transformador que sentará las bases de los grandes modelos de lenguaje.
2018
Google lanza Google Duplex, un asistente de voz cuyas respuestas suenan casi humanas, y Bert, un nuevo modelo de reconocimiento de lenguaje no supervisado en código abierto.
2015 - 2022
La era de la gran escala
2020
OpenAI presenta GPT-3. Su adaptación en chatbot dará lugar a ChatGPT en 2022 y a GPT-4 en 2023. Google lanza T5 junto al conjunto de datos de código abierto C4 para entrenamiento de LLM.
2021
OpenAI utiliza GPT-3 para crear Dall-e. Un año después nace Dall-e 2 y rivales como Midjourney y Stable Diffusion. Europa publica un borrador para la directiva para regular la IA.
2024
¿Alguien se siente capaz de predecir qué nos deparan los imparables avances de la inteligencia artificial?
MODELOS GIGANTES
La era de los modelos gigantes
En los últimos años, la evolución de la IA ha estado dominada por aumentos exponenciales en los parámetros de diseño y en el volumen de datos de entrenamiento.
La evolución de la IA no habría sido posible sin dos características
Número de parámetros
2019
GPT-2 de OpenAI
17.000 millones
2020
GPT-3 de OpenAI
175.000 millones
2021
Número de parámetros
Gopher de DeepMind
280.000 millones
GPT-2 de OpenAI - 2019
17.000 millones
2021
Megatron-Turing NLG de Microsoft
530.000 millones
GPT-3 de OpenAI - 2020
175.000 millones
2021
GLaM de Google
Gopher de DeepMind - 2021
1,2 billones
280.000 millones
2022
GPT-4 de OpenAI*
Megatron-Turing NLG de Microsoft - 2021
¿100 billones?
530.000 millones
*La organización no ha divulgado detalles sobre su último modelo, pero en 2021 afirmó que podría alcanzar los 100 billones de parámetros
GLaM de Google - 2021
1,2 billones
GPT-4 de OpenAI* - 2022
¿100 billones?
*La organización no ha divulgado detalles sobre su último modelo, pero en 2021 afirmó que podría alcanzar los 100 billones de parámetros
