Historia de la inteligencia artificial, de 1943 a hoy

En resumen

La inteligencia artificial nace como disciplina en 1956, en la conferencia de Dartmouth, aunque sus ideas arrancan en 1943 con la primera neurona artificial. Tras dos «inviernos» de recortes, el deep learning (2012) y el Transformer (2017) desembocan en los modelos de lenguaje que usamos hoy.

Por LuismaActualizado el 5 min de lectura

La historia de la inteligencia artificial —la disciplina que intenta que las máquinas hagan tareas que asociamos a la inteligencia humana— es una sucesión de grandes promesas, decepciones y regresos. Entenderla ayuda a leer con calma las noticias de hoy: casi todo lo que parece nuevo tiene raíces de hace décadas.

Esta cronología recoge 25 hitos agrupados en seis etapas. Los puntos amarillos marcan los momentos que cambiaron el rumbo.

Los cimientos (1943–1956)

Antes de que existiera el nombre, matemáticos y neurólogos ya se preguntaban si una máquina podía razonar.

  1. 1943

    La primera neurona artificial

    Warren McCulloch y Walter Pitts describen un modelo matemático de neurona capaz de calcular funciones lógicas. Es la semilla de todas las redes neuronales.

  2. 1950

    El juego de la imitación

    Alan Turing publica «Computing Machinery and Intelligence» y propone una prueba para decidir si una máquina piensa: el test de Turing.

  3. 1956

    Nace la «inteligencia artificial»

    John McCarthy, Marvin Minsky, Claude Shannon y Nathaniel Rochester reúnen a los pioneros en la conferencia de Dartmouth. El término se había acuñado en su propuesta de 1955.

Optimismo y primer invierno (1957–1980)

Los primeros programas prometían mucho; cuando los resultados no llegaron, llegaron los recortes.

  1. 1958

    El perceptrón

    Frank Rosenblatt presenta el perceptrón, una red neuronal capaz de aprender a clasificar patrones sencillos.

  2. 1966

    ELIZA

    Joseph Weizenbaum crea en el MIT ELIZA, un programa que conversaba imitando a un psicoterapeuta. Muchos usuarios le atribuían una comprensión que no tenía.

  3. 1969

    Los límites del perceptrón

    Marvin Minsky y Seymour Papert publican «Perceptrons», que demuestra lo que un perceptrón simple no puede aprender, como la función XOR. La investigación en redes neuronales se frena.

  4. 1973

    Informe Lighthill

    Un informe encargado por el Gobierno británico critica la falta de resultados y se recorta la financiación. Empieza el primer invierno de la IA.

Sistemas expertos y segundo invierno (1980–1993)

La IA entra en la empresa con reglas escritas a mano, y vuelve a estrellarse por su coste.

  1. 1980

    Sistemas expertos

    Programas como XCON, usado por Digital Equipment Corporation para configurar ordenadores, codifican el conocimiento de expertos humanos en miles de reglas.

  2. 1986

    Retropropagación

    David Rumelhart, Geoffrey Hinton y Ronald Williams popularizan el algoritmo de retropropagación, que permite entrenar redes neuronales de varias capas.

  3. 1987

    Segundo invierno

    Se hunde el mercado de las máquinas especializadas en IA y los sistemas expertos resultan caros de mantener. La financiación vuelve a caer.

  4. 1989

    Redes convolucionales

    Yann LeCun aplica redes convolucionales a la lectura de códigos postales escritos a mano.

El aprendizaje automático (1993–2011)

La IA deja de escribir reglas y empieza a aprender de datos, ayudada por internet y ordenadores más potentes.

  1. 1997

    Deep Blue gana a Kasparov

    El ordenador de IBM vence al campeón mundial de ajedrez en un match a seis partidas. Ese mismo año se publica la red LSTM, clave para procesar secuencias.

  2. 2006

    Vuelve el deep learning

    Hinton y sus colaboradores muestran cómo entrenar redes profundas capa a capa, y el término aprendizaje profundo se populariza.

  3. 2009

    ImageNet

    Fei-Fei Li y su equipo presentan ImageNet, millones de imágenes etiquetadas que se convierten en el banco de pruebas de la visión por computador.

  4. 2011

    Watson y Siri

    IBM Watson gana el concurso Jeopardy! y Apple lanza Siri, el primer asistente de voz de uso masivo.

La revolución del deep learning (2012–2017)

Datos masivos y tarjetas gráficas convierten las redes neuronales en la tecnología dominante.

  1. 2012

    AlexNet

    La red de Alex Krizhevsky, Ilya Sutskever y Geoffrey Hinton gana ImageNet con un error del 15,3 % frente al 26,2 % del segundo. Las GPU pasan a ser el motor de la IA.

  2. 2014

    Redes generativas antagónicas

    Ian Goodfellow propone las GAN, dos redes que compiten entre sí y aprenden a crear imágenes realistas.

  3. 2016

    AlphaGo vence a Lee Sedol

    El sistema de DeepMind gana 4–1 a uno de los mejores jugadores de go del mundo, un juego considerado inabordable para las máquinas.

  4. 2017

    El Transformer

    Ocho investigadores de Google publican «Attention Is All You Need». La arquitectura Transformer es la base de todos los grandes modelos de lenguaje actuales.

Modelos de lenguaje y agentes (2018–hoy)

Modelos entrenados con buena parte del texto de internet aprenden a conversar, programar y, después, a actuar.

  1. 2018

    GPT y BERT

    OpenAI presenta GPT y Google, BERT: modelos preentrenados con enormes cantidades de texto que luego se adaptan a tareas concretas.

  2. 2020

    GPT-3 y AlphaFold 2

    GPT-3, con 175.000 millones de parámetros, sorprende escribiendo texto coherente. AlphaFold 2 predice la estructura de las proteínas con una precisión sin precedentes en la competición CASP14.

  3. 2022

    ChatGPT

    OpenAI lanza ChatGPT el 30 de noviembre. La IA conversacional llega al gran público.

  4. 2024

    El Nobel reconoce a la IA

    El Nobel de Física premia a John Hopfield y Geoffrey Hinton por las redes neuronales; el de Química, a David Baker, Demis Hassabis y John Jumper por el diseño y la predicción de proteínas. En agosto entra en vigor la Ley de IA europea.

  5. 2025

    Razonamiento y agentes

    Se generalizan los modelos que «piensan» antes de responder y los agentes que usan herramientas. DeepSeek-R1 demuestra que un modelo de pesos abiertos puede razonar al nivel de los mejores.

  6. 2026

    La carrera de los agentes

    OpenAI lanza GPT-6, Google la familia Gemini 4 y Anthropic sus modelos Claude 5, centrados en tareas largas, programación y ciberseguridad.

Tres lecciones de 80 años de IA

  1. Las ideas tardan décadas en funcionar. Las redes neuronales se propusieron en 1943 y la retropropagación se popularizó en 1986, pero no dominaron hasta 2012, cuando hubo datos y GPU suficientes.
  2. Las promesas exageradas tienen coste. Los dos inviernos de la IA llegaron después de anunciar más de lo que la tecnología podía dar. Conviene leer con espíritu crítico cualquier titular sobre la «llegada de la AGI».
  3. Los juegos han sido el gran banco de pruebas. Damas, ajedrez, go y videojuegos han servido para medir el progreso porque tienen reglas claras y un ganador indiscutible.

¿Qué ha pasado en los últimos años? Lo contamos con detalle, mes a mes, en los avances de la IA de 2021 a 2026. Y si quieres entender la tecnología que protagoniza la última etapa, empieza por qué es un LLM.

Preguntas frecuentes

¿Quién inventó la inteligencia artificial?

No hay un único inventor. Alan Turing planteó en 1950 si las máquinas pueden pensar, y John McCarthy acuñó el término «inteligencia artificial» en la propuesta de la conferencia de Dartmouth de 1956, que organizó con Marvin Minsky, Claude Shannon y Nathaniel Rochester.

¿Qué fue el invierno de la IA?

Se llama así a los periodos en que la financiación y el interés por la IA se desplomaron porque los resultados no cumplían lo prometido. Hubo dos: aproximadamente de 1974 a 1980 y de 1987 a 1993.

¿Cuándo empezó la IA moderna?

La IA actual nace de dos momentos: en 2012, cuando AlexNet demostró la potencia del deep learning con GPU, y en 2017, cuando Google presentó el Transformer, la arquitectura de todos los modelos de lenguaje actuales.

Para profundizar

En calidad de Afiliado de Amazon, obtengo ingresos por las compras adscritas que cumplen los requisitos aplicables. Cómo funciona.

El algoritmo maestro

Pedro Domingos Divulgación

Recorre las cinco grandes escuelas del aprendizaje automático sin fórmulas. Ideal para entender de dónde sale el machine learning.

Ver en Amazon (se abre en una pestaña nueva)

Fuentes

  1. Computing Machinery and Intelligence, A. M. Turing (Mind, 1950)
  2. Propuesta del proyecto de Dartmouth (1955)
  3. ImageNet Classification with Deep Convolutional Neural Networks (NeurIPS, 2012)
  4. Attention Is All You Need (arXiv, 2017)
  5. Premio Nobel de Física 2024
  6. Premio Nobel de Química 2024