Conmemorando 70 años de inteligencia artificial

La inteligencia artificial es la tecnología transformadora y estratégica del inicio del siglo XXI. Está remodelando significativamente prácticamente cada aspecto de nuestras vidas, incluso de maneras que probablemente nadie anticipó. Su tasa de adopción e impacto ha sido sin precedentes en comparación con otras tecnologías. La IA como un campo distinto se estableció formalmente en 1956 en el Proyecto de Investigación de Verano de Dartmouth sobre Inteligencia Artificial, propuesto por John McCarthy, Marvin Minsky, Nathaniel Rochester y Claude Shannon. En su propuesta de agosto de 1955 para el proyecto de investigación, los científicos introdujeron el término inteligencia artificial y imaginaron máquinas capaces de simular la inteligencia humana. La IA es la "ciencia de hacer que las máquinas hagan cosas que requerirían inteligencia si las hicieran los hombres", como definió Minsky. El profesor recibió el Premio Turing de la ACM, que a menudo se denomina el "Premio Nobel de la computación". Desde sus humildes comienzos hace 70 años, la IA ha evolucionado significativamente en sus capacidades, ha ganado prominencia y ha logrado una amplia adopción en muchas áreas, incluyendo los negocios, la educación, las finanzas, la atención médica, la industria y el militar. Las contribuciones del IEEE al progreso y adopción de la IA a lo largo de su trayectoria son sustanciales y multifacéticas. Al celebrar el 70.º cumpleaños de la IA, comprender su historia, estado actual, limitaciones y preocupaciones es clave para aprovecharla para el bien. La evolución de la tecnología ha sido un vaivén. Aunque la IA emergió como un campo distinto en 1956, sus raíces intelectuales se remontan aún más atrás. Las ideas y teorías que sustentan la IA son anteriores a las computadoras modernas, como el ENIAC, presentado en 1946. En 1943, Warren Sturgis McCulloch, un neurofisiólogo y cibernético, y Walter Pitts, un lógico que trabajaba en neurociencia computacional, se inspiraron en el cerebro humano. Ambos idearon modelos matemáticos de neuronas artificiales, demostrando que las redes neuronales artificiales podían realizar cálculos lógicos. Frank Rosenblatt, un psicólogo de Cornell, avanzó posteriormente esas ideas desarrollando el perceptrón, una red neuronal temprana que sentó las bases para el aprendizaje automático moderno y el aprendizaje profundo. Un hito importante llegó en 1950, cuando el célebre científico de la computación Alan Turing planteó la pregunta: "¿Pueden las máquinas pensar?". En su artículo fundamental de 1950 "Máquinas de Computación e Inteligencia", publicado en Mind, exploró la naturaleza de la inteligencia de las máquinas. Introdujo el "juego de la imitación", conocido posteriormente como la prueba de Turing, como un medio práctico para evaluarla. La prueba sigue siendo un concepto influyente en la IA y la filosofía de la inteligencia, como discutí en mi artículo "La prueba de Turing a los 75: su legado y perspectivas futuras", publicado en IEEE Intelligent Systems. Claude Shannon, reconocido como el padre de la teoría de la información, exploró el potencial de las máquinas para tareas de razonamiento complejo en su artículo de 1950 "Programando una Computadora para Jugar Ajedrez", publicado en Philosophical Magazine. En 1956, la IA se convirtió en una disciplina formal, inspirando a los científicos a explorarla y desarrollarla más. John McCarthy desarrolló Lisp en 1958, y se convirtió en el lenguaje de programación dominante para la investigación y el desarrollo de IA. En 1959, Arthur Lee Samuel, un profesor de ciencias de la computación en Stanford, introdujo el término aprendizaje automático para describir programas que podían mejorar su rendimiento a través de la experiencia. A principios de la década de 1980, un renovado entusiasmo y financiamiento gubernamental impulsaron el desarrollo de la IA simbólica, un sistema experto basado en reglas (también conocido como sistema basado en conocimiento) que codifica el conocimiento específico de dominio como conjuntos de reglas. Un ejemplo notable fue MYCIN, diseñado para diagnosticar enfermedades infecciosas. Aunque exitosos en dominios limitados, las limitaciones inherentes de los sistemas expertos han restringido su adopción más amplia. El término experto se refiere a un sistema informático que imita a expertos humanos en un dominio específico. Fue popular en los primeros días de la IA y posteriormente desapareció con los avances en IA como las redes neuronales y el aprendizaje automático. El viaje de la IA estuvo marcado por períodos de expectativas desmesuradas y progresos decepcionantes, conocidos como "inviernos de la IA", durante los cuales disminuyeron la financiación, el interés y la confianza. Los análisis de estos episodios revelaron causas recurrentes y lecciones perspicaces para el campo. Una nueva fase de crecimiento—frecuentemente descrita como "primavera de la IA"—emergió en la década de 2010 con avances en el aprendizaje profundo, el auge de grandes modelos de lenguaje, la arquitectura de transformadores y la IA generativa (GenAI). "El imperativo ante nosotros hoy no es solo avanzar en las capacidades de la IA, sino también asegurar que se mantenga centrada en el ser humano, confiable, ética y dedicada a mejorar el bienestar humano y el progreso social." A diferencia de enfoques anteriores que procesaban la información secuencialmente, un modelo transformador analiza toda una secuencia de texto o audio, evaluando la importancia de cada palabra o componente en relación con los demás, lo que permite avances dramáticos en la GenAI y sus aplicaciones. Ashish Vaswani, un ex científico de la computación en Google, y sus colegas de Google Brain introdujeron la arquitectura de transformadores que sustenta los sistemas de IA generativa de hoy en su influyente artículo de 2017 "La Atención es Todo lo que Necesitas." Vaswani y Sam Altman—director ejecutivo de OpenAI, que ofrece ChatGPT—son ampliamente considerados como los cerebros detrás de la revolución GenAI. La IA alcanzó nuevas alturas con el lanzamiento público de ChatGPT en 2022, seguido rápidamente por una ola de chatbots y herramientas de IA generativa que aceleraron el interés global. Más recientemente, el auge de sistemas de IA agentiva capaces de operar cada vez de manera más autónoma ha expandido las capacidades e impacto de la IA. El viaje de 70 años de la IA refleja una extraordinaria interacción de visión, experimentación, retrocesos, innovación e impacto. Para más información y diversas perspectivas sobre la historia de la IA, consulte mi colección de artículos seleccionados. Fortalezas y promesas La fortaleza pragmática de la IA radica en su capacidad para procesar información, reconocer patrones y realizar tareas cognitivas a una velocidad y escala sin precedentes. Puede analizar vastas cantidades de datos, extraer conocimientos e identificar tendencias o anomalías que son difíciles de detectar para los humanos. Los programas pueden automatizar tareas rutinarias y trabajos de conocimiento repetitivos, mejorar la productividad y reducir costos. Los chatbots y otras formas de GenAI pueden responder consultas y crear rápidamente texto, imágenes, videos, música, código de software, materiales educativos y otros contenidos en tiempo real en respuesta a las solicitudes de un usuario, acelerando la recopilación de información, la innovación y la toma de decisiones. La IA resume, traduce y reformula texto de manera efectiva y puede asistir en la generación de ideas. También facilita interacciones en lenguaje natural, haciendo que la tecnología sea más accesible para no expertos y la diversa comunidad global. Sus capacidades multimodales aumentan su utilidad en diversos dominios. Además, puede servir como un colaborador poderoso, aumentando la creatividad y la capacidad de resolución de problemas en lugar de reemplazar la inteligencia humana. La IA está en transición de herramientas independientes a sistemas autónomos impulsados por objetivos. Los sistemas de IA agentiva que pueden planificar, actuar y adaptarse con mínima supervisión humana están en aumento, habilitando un impacto a gran escala. El AI Index 2026, de 400 páginas, publicado por el Instituto de IA Centrada en el Ser Humano de Stanford, revela las capacidades mejoradas de la tecnología y las tasas de adopción sin precedentes, superando las del teléfono, la televisión, la computadora personal y el Internet. Para una exposición profunda sobre el estado actual de la IA, lea este análisis de IEEE Spectrum, que también publicó el informe especial "El Gran Ajuste de la IA". Debilidades y preocupaciones Junto con sus beneficios, la IA presenta riesgos y preocupaciones significativos. Incluyen respuestas sesgadas, discriminatorias y dañinas; una falta de transparencia y explicabilidad en la toma de decisiones; violaciones de la privacidad debido a datos recogidos para el entrenamiento de IA; y vulnerabilidades de ciberseguridad, incluyendo ataques impulsados por IA. Los sistemas de IA pueden alucinar, generando información incorrecta o fabricada con confianza. Además, la IA puede facilitar y amplificar la difusión de desinformación, deepfakes y contenido manipulado, socavando la confianza pública y impulsando la manipulación algorítmica de la opinión pública. El comportamiento halagador, complaciente o afirmativo conocido como servilismo de IA también puede ser perjudicial. La dependencia excesiva de la IA podría erosionar el juicio humano, el pensamiento crítico y las habilidades de toma de decisiones. Y los sistemas autónomos pueden cometer errores con graves consecuencias en dominios críticos como la defensa, la atención médica y el transporte. Por lo tanto, el desarrollo y la implementación de la tecnología deben estar guiados por una comprensión informada, un juicio sólido y una gobernanza responsable. Al evaluar la adecuación de la IA para cualquier aplicación, deben considerarse cuidadosamente y de manera integral sus capacidades, ventajas, limitaciones y riesgos. Contribuciones del IEEE El IEEE no solo ha documentado y difundido el progreso de la IA. Ha promovido, estandarizado y guiado activamente su avance hacia un uso responsable en beneficio de la humanidad. El IEEE mantiene un centro de información sobre sus actividades de IA que es un recurso valioso para investigadores, desarrolladores, reguladores y usuarios. El IEEE publica 11 revistas centradas en la IA que avanzan las fronteras del conocimiento, incluida IEEE Intelligent Systems. En su número conmemorativo de IA a los 70, Intelligent Systems identificó los 10 artículos de IA más influyentes publicados desde 2000. La revista, producida por la Sociedad de Computación del IEEE, ha inducido a 10 pioneros en su Salón de la Fama de IA, honrando sus contribuciones e impacto en la tecnología y la sociedad. Para fomentar la investigación y el desarrollo de IA, desde 2006, la revista ha reconocido a las estrellas en ascenso del campo a través de sus premios "10 de IA a Seguir". Los premios bienales destacan las contribuciones sobresalientes de jóvenes investigadores y profesionales. Las nominaciones para los premios de este año están abiertas hasta el 1 de julio. Desde los primeros días de la IA, las sociedades de Computación, Inteligencia Computacional y Sistemas, Hombre y Cibernética del IEEE han sido de las que han fomentado la investigación y práctica de la IA. La Sociedad de Computación ofrece una guía para convertirse en desarrollador de IA. El IEEE y sus sociedades patrocinan más de 100 conferencias de IA anualmente. Los archivos de las conferencias están disponibles en la Biblioteca Digital IEEE Xplore. La Red de Aprendizaje del IEEE ofrece más de 200 cursos en áreas relacionadas con la IA. La Asociación de Estándares del IEEE ha desarrollado más de 100 estándares relacionados con la IA. Su programa CertifAIEd promueve el diseño y despliegue ético de sistemas inteligentes autónomos. El Instituto ha presentado a varios miembros del IEEE que han desarrollado aplicaciones impulsadas por IA, como Abhishek Appaji, quien ha creado herramientas para ayudar a detectar trastornos psiquiátricos. Modelando el futuro de la IA La historia de la IA nos ayuda a comprender las motivaciones detrás de los desarrollos y nos inspira y guía hacia la próxima fase de la innovación y revolución de la tecnología. La trayectoria de la IA estará determinada por las decisiones colectivas que tomemos ahora y en el futuro. Como escribió Turing en su artículo fundamental de 1950: "Solo podemos ver una corta distancia por delante, pero podemos ver mucho que necesita hacerse." El imperativo ante nosotros hoy no es solo avanzar en las capacidades de la IA, sino también asegurar que se mantenga centrada en el ser humano, confiable, ética y dedicada a mejorar el bienestar humano y el progreso social.