La Inteligencia Artificial: la llevas en tu móvil pero tiene casi un siglo
La inteligencia artificial se ha integrado en la vida cotidiana a una velocidad sin precedentes. Intentar pasar un día sin utilizarla es mucho más complicado de lo que parece: aunque se eviten herramientas como ChatGPT, sigue presente en buscadores, móviles, traductores, cámaras, plataformas de vídeo o sistemas de recomendación. A diferencia de otras innovaciones que tardaron décadas en popularizarse, la IA se ha instalado en conversaciones, estudios y trabajos en apenas unos años.
Sin embargo, esta aparente irrupción repentina esconde una historia mucho más larga. Sus orígenes modernos se remontan a 1950, cuando el matemático Alan Turing publicó un influyente artículo en el que planteaba una pregunta que sigue vigente: “¿Pueden pensar las máquinas?”. Para responderla propuso el célebre Test de Turing, diseñado para comprobar si una máquina podía mantener una conversación indistinguible de la de una persona. No buscaba demostrar conciencia o emociones, sino una conducta lingüística similar a la humana.
El término “inteligencia artificial” llegó pocos años después, en 1956, durante la Conferencia de Dartmouth organizada por John McCarthy, considerado por muchos el padre de la disciplina. Junto a él, investigadores como Marvin Minsky, Claude Shannon, Allen Newell y Herbert Simon sentaron las bases de un campo que durante décadas alternó periodos de entusiasmo y decepción.
Los primeros investigadores creían que resolver problemas lógicos o jugar al ajedrez podía conducir rápidamente hacia una inteligencia general. Pero pronto descubrieron que muchas acciones sencillas para los humanos eran extraordinariamente complejas para las máquinas. Reconocer un gato en una fotografía, por ejemplo, suponía un desafío matemático gigantesco.
La falta de potencia de cálculo, datos y herramientas adecuadas provocó en los años setenta el primer “invierno de la IA”, una etapa de desilusión y recortes de financiación. En los años ochenta los sistemas expertos reavivaron las expectativas, pero acabaron sufriendo limitaciones similares y condujeron a un segundo periodo de desencanto. Durante años la inteligencia artificial siguió avanzando fuera de los focos mediáticos.
Algoritmos más sofisticados, enormes cantidades de datos y una capacidad de cálculo cada vez mayor. Un momento clave llegó en 2017 con la publicación de Attention Is All You Need, artículo que introdujo la arquitectura Transformer utilizada por los modelos de lenguaje actuales.
Su elemento fundamental es el mecanismo de atención, un procedimiento matemático que permite identificar qué partes de una secuencia son más relevantes para interpretar otras. No se trata de atención en sentido humano, sino de una técnica para calcular relaciones entre elementos de información. Gracias a ella, los sistemas actuales pueden procesar texto con mucha más eficacia.
Los modelos de lenguaje trabajan mediante fragmentos llamados tokens. A partir de una secuencia de estos elementos, calculan cuál es la continuación más probable. Decir que solo predicen la siguiente palabra es correcto desde un punto de vista técnico, pero insuficiente para describir el fenómeno. Entrenados con cantidades masivas de información, estos sistemas aprenden relaciones complejas entre conceptos, estilos y estructuras lingüísticas.
El verdadero salto llegó entre 2020 y 2022: GPT-3 mostró una capacidad sorprendente para generar textos largos y coherentes, mientras que herramientas como DALL-E, Midjourney o Stable Diffusion comenzaron a crear imágenes a partir de descripciones escritas. Poco después apareció ChatGPT y convirtió la interacción con modelos de lenguaje en un producto de consumo masivo.
Desde entonces los modelos han seguido evolucionando. Una de las mejoras recientes consiste en dedicar más recursos computacionales durante la generación de respuestas, permitiendo que el sistema divida problemas complejos en pasos intermedios y evalúe distintas opciones antes de responder. Esto ha mejorado su rendimiento en ámbitos como las matemáticas o la programación.
Pese a los avances, los errores siguen siendo una característica esencial del funcionamiento de estas tecnologías. Las llamadas “alucinaciones” aparecen cuando un modelo genera una respuesta plausible y coherente que no se corresponde con la realidad. No son anomalías aisladas, sino una consecuencia de un sistema diseñado para producir la continuación estadísticamente más probable de una secuencia.
Además, algunos investigadores alertan sobre un problema futuro: si las nuevas generaciones de modelos se entrenan cada vez más con contenido generado por otras inteligencias artificiales, podrían perder información y diversidad presentes en los datos originales creados por seres humanos. Por ello, el material humano empieza a considerarse un recurso cada vez más valioso.
La inteligencia artificial tampoco se limita a los chatbots. Existen modelos especializados en imágenes, vídeo, música, predicción meteorológica, visión artificial o conducción autónoma. Uno de los casos más destacados es AlphaFold, desarrollado por DeepMind, capaz de predecir estructuras de proteínas con una precisión sin precedentes. Sus desarrolladores recibieron el Premio Nobel de Química de 2024, demostrando que la IA puede tener un impacto científico enorme sin necesidad de interactuar directamente con usuarios.
Más allá de sus capacidades técnicas, la IA plantea interrogantes sobre cómo modifica nuestro comportamiento. A lo largo de la historia hemos utilizado herramientas para descargar tareas cognitivas, pero la inteligencia artificial lleva esto a un nivel completamente nuevo, alterando no solo cómo trabajamos, sino también cómo pensamos y tomamos decisiones.
Regístrate para leer esta noticia
Solo necesitas tu email. Sin contraseñas.