Bajo la superficie de la Inteligencia Artificial: historia de la IA y su evolución

Breve historia de la IA

Todo comenzó en la década de 1950, cuando un grupo de científicos se hizo una pregunta asombrosa: ¿Podrían pensar las maquinas? Entonces, hombres como Alan Turing empezaron a diseñar los primeros límites de esta idea. Poco después, en 1956, se celebró la famosa Conferencia de Dartmouth, donde se utilizó por primera vez el término “Inteligencia Artificial”. Los primeros creadores fueron muy optimistas y pensaban que en pocos años los robots serían tan inteligentes como los seres humanos.

Sin embargo, el camino no fue fácil. Los ordenadores de la época eran lentos y costosos.  Cuando el dinero para la inversión se acabó, la IA vivió una época oscura a la que generalmente se denomina “invierno de la IA”. Durante esos años, mucha gente dejó de creer en el proyecto. Sin embargo, algunos científicos no se rindieron y siguieron mejorando los códigos y las matemáticas detrás de los sistemas.

El punto de inflexión con internet

Gracias a la aparición de  internet y a los microchips potentes, la IA pudo despertar de su letargo. La llegada de la red global de información en los años 90 hizo que cambiaran las reglas y historia de la IA dio un giro. Por primera vez en la historia, muchos científicos tuvieron acceso a millones de datos masivos para entrenar a sus sistemas, ahora las computadoras podían aprender solas leyendo las páginas web de internet.

El primer gran reflejo de ese cambio ocurrió en 1997. En este año, la supercomputadora Deep Blue de IBM venció al campeón mundial de ajedrez, Garry Kasparov. Este hito demostró que las maquinas podían superar la mente humana en tareas de lógica compleja. Más tarde, en 1999, el desarrollo de las tarjetas gráficas o GPU terminó de dar el empujón definitivo. Estos potentes chips permitieron procesar cálculos matemáticos a una velocidad nunca antes vista.

Con la llegada de la década de 2010, entramos de lleno en la era del deep learning o aprendizaje profundo. Las empresas tecnológicas crearon, en ese momento, asistentes de voz como Siri o Alexa y llevaron sus innovaciones a nuestros propios domicilios. No obstante, la verdadera revolución explotó a finales del 2022 con el lanzamiento de ChatGPT de OpenAI. Desde aquella fecha, que ha marcado la historia de la IA, esta  pasó de una herramienta silenciosa a convertirse a un sistema generativo capaz de charlar, escribir ensayos y programar un software al nivel que podía hacerlo un profesional.

Actualmente, la evolución de la IA avanza con rapidez hacia los llamados “agentes autónomos”. Ya no son sólo programas de chat que esperan órdenes, sino sistemas capaces de tomar decisiones por sí mismos y realizar tareas complejas en la web. En estos últimos años, la Inteligencia Artificial se ha transformado en el verdadero motor invisible que diseña la nueva orientación del mundo empresarial.

¿Cómo es en la actualidad  el back office de la IA?

Detrás de la Inteligencia Artificial no hay magia, sino un gran equipo humano, enormes bases de datos y computadoras muy potentes. Y aunque la IA parece automatizada, el verdadero trabajo del back office (la trastienda tecnológica), depende de una infraestructura gigante y de millones de personas que entrenan a las máquinas.

Para que una IA funcione en la pantalla de un teléfono o computadora, necesita 3 elementos ocultos:

• Los datos (El alimento): La IA necesita miles de millones de ejemplos para aprender. Esto incluye textos, imágenes, videos y sonidos. Sin datos, la IA no sabe hacer nada.
• El hardware (Los músculos): Se necesitan centros de datos gigantes llenos de chips muy potentes llamados GPUs y TPUs. Estos procesadores consumen mucha energía y calculan millones de operaciones por segundo.
• Los algoritmos (El cerebro): Son las fórmulas matemáticas y los modelos de redes neuronales que diseñan los ingenieros para que la maquina pueda encontrar patrones en los datos.

Así, uno de los pilares más importante del back office de la IA son las personas y en este sentido, han surgido nuevos especialistas que trabajan en profesiones que nadie ve y que son muy poco conocidas, por ejemplo:

1. Etiquetadores de Datos: Millones de trabajadores en todo el mundo revisan imágenes y textos a mano. Simplificando mucho, ellos son los que le dicen a la máquina: “Esto es un gato” o “Esto es un camión”. La IA solo aprende si un humano le enseña primero.
2. Ingenieros y Científicos de Datos: Son los encargados de limpiar los datos corruptos, programar los modelos y arreglar los errores cuando la IA “alucina” o se inventa cosas.
3. Evaluadores de Seguridad: Personas que prueban la IA para asegurarse de que no dé respuestas peligrosas, violentas o con prejuicios raciales y de género.

El proceso de trabajo diario en el back office nunca se detiene y siempre sigue un ciclo continuo:

• Recolección: Se junta información de internet, libros y bases de datos.
• Curación: Se borra la información falsa o repetida y se etiqueta.
• Entrenamiento del modelo: Se introduce la información en las supercomputadoras durante semanas o meses. Se prueba y se corrige.
• Actualización: Se repite todo el proceso para que la IA no se quede desactualizada.

Las redes neuronales: el cerebro de la Inteligencia Artificial

Las redes neuronales son un elemento clave de la IA actual: están detrás del motor de búsqueda de Inteligencias Artificiales como ChatGPT. Esta tecnología, que permite el procesamiento del lenguaje natural, el reconocimiento de voz y la visión artificial, entre otros, está actualmente en pleno auge y seguirá ganando popularidad durante las próximas décadas.

Si hasta ahora hemos hecho historia de la IA, vamos a hacer un poco de predicción de lo que viene: el mercado de las redes neuronales alcanzará los 1.256 millones de dólares para el año 2032, creciendo a un ritmo anual cercano al 20%. Desde su origen, en la década de los años 40, las aplicaciones de las redes neuronales, una tecnología que enseña a los ordenadores a procesar datos de forma similar al cerebro humano, se han multiplicado.

Las redes neuronales fueron propuestas por primera vez por Warren McCullough y Walter Pitts en 1944. Sin embargo, no fue hasta los años 80 que el psicólogo inglés Geoffrey Hinton les dio un impulso clave con sus investigaciones en deep learning o aprendizaje profundo, una rama de la Inteligencia Artificial que permite a las máquinas aprender a partir de nodos que emulan neuronas. La red neuronal sería como el cerebro.

A grandes rasgos, las redes neuronales profundas se entrenan utilizando grandes cantidades de datos de los que extraen patrones para hacer predicciones: las múltiples capas de nodos trabajan para buscar datos y entregar un resultado en forma de predicción. A diferencia del machine learning (aprendizaje automático), donde los datos se procesan con ayuda de humanos, en el deep learning (aprendizaje profundo) elimina ese tipo de procesamiento. Es decir,  el machine learning requiere que un humano les indique qué características o variables son relevantes (lo que se llama feature engineering), mientras que las redes neuronales aprenden por sí solas a identificar patrones de la información de partida. Deep leaning precisa para funcionar bien mucho más volumen de datos y mucha más potencia computacional.  Esta es la tecnología que posibilita que podamos mantener conversaciones distendidas con asistentes IA como ChatGPT, Copilot o Claude, que integran estas redes neuronales profundas. Hemos tratado de profundizar  en la historia de la IA para entender un poco la complejidad que hay detrás de esta aparente sencillez.