Historia de la inteligencia artificial

Hombres mecánicos y seres artificiales aparecen en los mitos griegos , como los robots dorados de Hefesto , ^{[ 4 ]} el gigante de bronce Talos ^{[ 5 ]} y Galatea de Pigmalión ^{[ 6 ]} . En la Edad Media, hubo rumores de medios místicos o alquímicos secretos para infundir mente en la materia, como el Takwin de Jabir ibn Hayyan , ^{[ 7 ]} el homúnculo de Paracelso , ^{[ 8 ]} el Golem del rabino Judah Loew ^{[ 9 ]} y la cabeza de bronce de Roger Bacon . ^{[ 10 ]} Para el siglo XIX, las ideas sobre hombres artificiales y máquinas pensantes se convirtieron en un tema popular en la ficción. Obras notables incluyen Frankenstein de Mary Shelley (1818), Fausto, segunda parte de Johann Wolfgang von Goethe (1832) y RUR (Robots Universales de Rossum) de Karel Čapek (1921). ^{[ 11 ] [ 12 ]} Las historias de estas criaturas y sus destinos consideran muchas de las mismas esperanzas , temores y preocupaciones éticas que presenta la inteligencia artificial moderna. ^{[ 13 ]} Cuestiones relevantes para la IA también se discutieron en ensayos especulativos como " Darwin entre las máquinas " (1863) de Samuel Butler , ^{[ 14 ]}

Autómatas humanoides realistas fueron construidos por artesanos de muchas civilizaciones, incluyendo a Yan Shi , ^{[ 15 ]} Herón de Alejandría , ^{[ 16 ]} Al-Jazari , ^{[ 17 ]} Harún al-Rashid , ^{[ 18 ]} Jacques de Vaucanson , ^{[ 19 ] [ 20 ]} Leonardo Torres y Quevedo , ^{[ 21 ]} Pierre Jaquet-Droz y Wolfgang von Kempelen . ^{[ 22 ] [ 23 ]} Los autómatas más antiguos conocidos fueron estatuas sagradas del antiguo Egipto y Grecia . ^{[ 24 ] [ 25 ]} Los fieles creían que los artesanos habían dotado a estas figuras de mentes muy reales, capaces de sabiduría y emoción; Hermes Trismegisto escribió que "al descubrir la verdadera naturaleza de los dioses, el hombre ha podido reproducirla". ^{[ 26 ]}

La inteligencia artificial se basa en la premisa de que el proceso del pensamiento humano puede mecanizarse. Filósofos chinos, indios y griegos desarrollaron métodos estructurados de razonamiento formal hacia el primer milenio a. C. La lógica formal fue inventada y perfeccionada por filósofos griegos, islámicos y europeos, como Aristóteles , Euclides , Al-Juarismi , Duns Escoto y René Descartes .

El filósofo español Ramón Llull (1232-1315) desarrolló varias máquinas lógicas dedicadas a la producción de conocimiento por medios lógicos; ^{[ 27 ] [ 28 ]} Llull describió sus máquinas como entidades mecánicas que podían combinar verdades básicas e innegables mediante operaciones lógicas simples, producidas por la máquina a través de significados mecánicos, de tal manera que produjeran todo el conocimiento posible. ^{[ 29 ]} La obra de Llull tuvo una gran influencia en Gottfried Leibniz , quien reelaboró ​​sus ideas. ^{[ 30 ]}

En el siglo XVII, Leibniz , Thomas Hobbes y René Descartes exploraron la posibilidad de que todo pensamiento racional pudiera sistematizarse como el álgebra o la geometría. ^{[ 31 ]} Hobbes escribió en Leviatán : «Porque la razón ... no es más que cálculo , es decir, sumar y restar». ^{[ 32 ]} Leibniz describió un lenguaje universal de razonamiento, la characteristica universalis , que reduciría la argumentación al cálculo, de modo que «no habría más necesidad de disputa entre dos filósofos que entre dos contadores. Pues bastaría con que tomaran sus lápices, sus pizarras y se dijeran (con un amigo como testigo, si quisieran): Calculemos ». ^{[ 33 ]}

Las leyes del pensamiento de Boole (1854) y el Begriffsschrift de Frege (1879) definieron la forma moderna de la lógica matemática simbólica . ^{[ 34 ]} Partiendo del sistema de Frege, Russell y Whitehead presentaron un tratamiento formal de los fundamentos de la aritmética en los Principia Mathematica en 1913. Inspirado por su éxito, David Hilbert desafió a los matemáticos de las décadas de 1920 y 1930 a formalizar todo el razonamiento matemático . En respuesta, la prueba de incompletitud de Gödel , ^{[ 35 ]} la máquina de Turing ^{[ 35 ]} y el cálculo lambda de Church ^{[ a ]} ​​demostraron que, de hecho, existían límites a lo que las matemáticas formales podían hacer.

Sin embargo, dentro de estos límites, la tesis de Church-Turing implicaba que un dispositivo mecánico, que mezclara símbolos tan simples como 0 y 1 , podría imitar cualquier proceso imaginable de razonamiento matemático o resolución de problemas. ^{[ 35 ]} La idea clave fue la máquina de Turing : una construcción teórica simple que capturó la esencia de la manipulación abstracta de símbolos. ^{[ 37 ]} Este dispositivo y las ideas que lo sustentaron inspirarían a ingenieros y matemáticos de la década de 1940 a construir máquinas que, en teoría, podrían llevar a cabo cualquier forma de razonamiento formal o resolución de problemas.

Muchas personas, entre ellas Gottfried Leibniz , ^{[ 28 ] [ 38 ]} Joseph Marie Jacquard , ^{[ 39 ]} Charles Babbage , ^{[ 39 ]} [40] Percy Ludgate , ^{[ 41 ]} Leonardo Torres Quevedo , ^{[ 42 ]} Vannevar Bush , ^{[ 43 ]} y otros, diseñaron o construyeron máquinas de calcular en ^{la antigüedad y a lo largo} de la historia. Ada Lovelace especuló que la máquina de Babbage era "una máquina pensante o... de razonamiento", pero advirtió: "Es deseable protegerse de la posibilidad de ideas exageradas que surjan sobre los poderes" de la máquina. ^{[ 44 ] [ 45 ]}

Las primeras computadoras modernas fueron las enormes máquinas de la Segunda Guerra Mundial (como la Z3 de Konrad Zuse , la Heath Robinson y la Colossus de Tommy Flowers , la ABC de Atanasoff y Berry , y la ENIAC de la Universidad de Pensilvania ). ^{[ 46 ]} La ENIAC se basó en los fundamentos teóricos establecidos por Alan Turing y desarrollada por John von Neumann , ^{[ 47 ]} y demostró ser la más influyente. ^{[ 46 ]}

En 1950, Turing publicó un artículo fundamental, " Máquinas computacionales e inteligencia ", en el que especuló sobre la posibilidad de crear máquinas que piensen. ^{[ 52 ] [ b ]} En el artículo, señaló que "pensar" es difícil de definir y diseñó su famosa prueba de Turing : si una máquina podía mantener una conversación (a través de un teletipo ) que fuera indistinguible de una conversación con un ser humano, entonces era razonable decir que la máquina estaba "pensando". ^{[ 53 ]} Esta versión simplificada del problema permitió a Turing argumentar de manera convincente que una "máquina pensante" era al menos plausible y el artículo respondió a todas las objeciones más comunes a la proposición. ^{[ 54 ]} La prueba de Turing fue la primera propuesta seria en la filosofía de la inteligencia artificial .

Walter Pitts y Warren McCulloch analizaron redes de neuronas artificiales idealizadas y mostraron cómo podrían realizar funciones lógicas simples en 1943. Fueron los primeros en describir lo que investigadores posteriores llamarían una red neuronal . ^{[ 55 ]} El artículo estuvo influenciado por el artículo de Turing " Sobre los números computables " de 1936, que utilizaba 'neuronas' booleanas de dos estados similares, pero fue el primero en aplicarlo a la función neuronal. ^{[ 49 ]} Uno de los estudiantes inspirados por Pitts y McCulloch fue Marvin Minsky, quien era un estudiante de posgrado de 24 años en ese momento. En 1951, Minsky y Dean Edmonds construyeron la primera máquina de red neuronal, la SNARC . ^{[ 56 ]} Minsky se convertiría más tarde en uno de los líderes e innovadores más importantes en Inteligencia Artificial.

Robots experimentales como las tortugas de William Grey Walter y la Bestia de Johns Hopkins se construyeron en la década de 1950. Estas máquinas no utilizaban computadoras, electrónica digital ni razonamiento simbólico; se controlaban completamente mediante circuitos analógicos. ^{[ 57 ]}

En 1951, utilizando la máquina Ferranti Mark 1 de la Universidad de Manchester , Christopher Strachey escribió un programa de damas ^{[ 58 ]} y Dietrich Prinz escribió uno para ajedrez. ^{[ 59 ]} El programa de damas de Arthur Samuel , tema de su artículo de 1959 «Algunos estudios sobre aprendizaje automático utilizando el juego de damas», finalmente alcanzó la habilidad suficiente para desafiar a un aficionado respetable. ^{[ 60 ]} El programa de Samuel fue uno de los primeros usos de lo que más tarde se llamaría aprendizaje automático . ^{[ 61 ]} La IA de juegos continuaría utilizándose como medida de progreso en IA a lo largo de su historia.

Cuando a mediados de la década de 1950 se hizo posible el acceso a las computadoras digitales , algunos científicos reconocieron instintivamente que una máquina capaz de manipular números también podría manipular símbolos, y que la manipulación de símbolos bien podría ser la esencia del pensamiento humano. Este fue un nuevo enfoque para la creación de máquinas pensantes. ^{[ 62 ] [ 63 ]}

En 1955, Allen Newell y el futuro Premio Nobel Herbert A. Simon crearon el "Logic Theorist", con la ayuda de JC Shaw . El programa eventualmente demostraría 38 de los primeros 52 teoremas en Principia Mathematica de Russell y Whitehead , y encontraría demostraciones nuevas y más elegantes para algunos. ^{[ 64 ]} Simon dijo que habían "resuelto el venerable problema mente/cuerpo , explicando cómo un sistema compuesto de materia puede tener las propiedades de la mente". ^{[ 65 ] [ c ]} El paradigma de razonamiento simbólico que introdujeron dominaría la investigación y la financiación de la IA hasta mediados de los 90, además de inspirar la revolución cognitiva .

El taller de Dartmouth de 1956 fue un evento crucial que marcó el inicio formal de la IA como disciplina académica. ^{[ 50 ]} Fue organizado por Marvin Minsky y John McCarthy , con el apoyo de dos científicos sénior, Claude Shannon y Nathan Rochester de IBM . La propuesta para la conferencia afirmaba que pretendían probar la aseveración de que "cada aspecto del aprendizaje o cualquier otra característica de la inteligencia puede describirse con tanta precisión que se puede hacer que una máquina lo simule". ^{[ 66 ] [ d ]} El término "Inteligencia Artificial" fue introducido por John McCarthy en el taller. ^{[ e ]} Entre los participantes se encontraban Ray Solomonoff , Oliver Selfridge , Trenchard More , Arthur Samuel , Allen Newell y Herbert A. Simon , quienes crearían programas importantes durante las primeras décadas de la investigación en IA. ^{[ 72 ] [ f ]} En el taller, Newell y Simon presentaron el "Teórico de la Lógica". ^{[ 73 ]} El taller fue el momento en que la IA obtuvo su nombre, su misión, su primer gran éxito y sus actores clave, y es ampliamente considerado el nacimiento de la IA. ^{[ g ]}

En otoño de 1956, Newell y Simon también presentaron El teórico de la lógica en una reunión del Grupo de Interés Especial en Teoría de la Información en el Instituto Tecnológico de Massachusetts (MIT). En la misma reunión, Noam Chomsky habló sobre su gramática generativa y George Miller describió su artículo fundamental " El número mágico siete, más o menos dos ". ^{[ 46 ]} Miller escribió: "Salí del simposio con la convicción, más intuitiva que racional, de que la psicología experimental, la lingüística teórica y la simulación por computadora de los procesos cognitivos eran todas piezas de un todo mayor". ^{[ 75 ]}

Esta reunión marcó el inicio de la « revolución cognitiva », un cambio de paradigma interdisciplinario en psicología, filosofía, informática y neurociencia. Inspiró la creación de los subcampos de la inteligencia artificial simbólica , la lingüística generativa , la ciencia cognitiva , la psicología cognitiva , la neurociencia cognitiva y las escuelas filosóficas del computacionalismo y el funcionalismo . Todos estos campos utilizaron herramientas relacionadas para modelar la mente, y los resultados obtenidos en un campo resultaron relevantes para los demás.

El enfoque cognitivo permitió a los investigadores considerar "objetos mentales" como pensamientos, planes, objetivos, hechos o recuerdos, a menudo analizados mediante símbolos de alto nivel en redes funcionales. Estos objetos habían sido descartados como "inobservables" por paradigmas anteriores como el conductismo . ^{[ h ]} Los objetos mentales simbólicos se convertirían en el principal foco de la investigación y la financiación de la IA durante las siguientes décadas.

Hubo muchos programas exitosos y nuevas direcciones a finales de los años 50 y en la década de 1960. Algunos de los más influyentes fueron:

Lenguaje natural

Un objetivo importante de la investigación en IA es permitir que las computadoras se comuniquen en lenguajes naturales como el inglés. Un éxito inicial fue el programa STUDENT de Daniel Bobrow , que podía resolver problemas de álgebra de nivel de secundaria. ^{[ 92 ]}

Una red semántica representa conceptos (por ejemplo, "casa", "puerta") como nodos, y relaciones entre conceptos como enlaces entre los nodos (por ejemplo, "tiene-un"). Ross Quillian escribió el primer programa de IA que utilizó una red semántica, ^{[ 93 ]} y la versión más exitosa (y controvertida) fue la teoría de dependencia conceptual de Roger Schank . ^{[ 94 ]}

ELIZA, de Joseph Weizenbaum, podía mantener conversaciones tan realistas que los usuarios a veces llegaban a creer que se comunicaban con un ser humano y no con un programa informático (véase el efecto ELIZA ). Pero, en realidad, ELIZA simplemente daba una respuesta predefinida o repetía lo que se le decía, reformulando su respuesta con algunas reglas gramaticales. ELIZA fue el primer chatbot . ^{[ 95 ] [ 96 ]}

Perceptrones y redes neuronales primitivas

En la década de 1960, las entidades financiadoras de la investigación apoyaban principalmente a los laboratorios que investigaban la IA simbólica ; sin embargo, algunos laboratorios también se dedicaron a la investigación de redes neuronales.

El perceptrón , una red neuronal de una sola capa, fue presentado en 1958 por Frank Rosenblatt ^{[ 98 ]} (quien había sido compañero de clase de Marvin Minsky en la Bronx High School of Science ). ^{[ 99 ]} Al igual que la mayoría de los investigadores de IA, era optimista sobre su potencial, prediciendo que un perceptrón "podría eventualmente aprender, tomar decisiones y traducir idiomas". ^{[ 100 ]} Rosenblatt fue financiado principalmente por la Oficina de Investigación Naval . ^{[ 101 ]}

Bernard Widrow y su estudiante Ted Hoff construyeron ADALINE (1960) y MADALINE (1962), que tenían hasta 1000 pesos ajustables. ^{[ 102 ] [ 103 ]} Un grupo en el Instituto de Investigación de Stanford, liderado por Charles A. Rosen y Alfred E. (Ted) Brain, construyó dos máquinas de redes neuronales llamadas MINOS I (1960) y II (1963), financiadas principalmente por el Cuerpo de Señales del Ejército de los EE . UU. MINOS II ^{[ 104 ]} tenía 6600 pesos ajustables, ^{[ 105 ]} y se controlaba con una computadora SDS 910 en una configuración llamada MINOS III (1968), que podía clasificar símbolos en mapas del ejército y reconocer caracteres impresos a mano en hojas de codificación Fortran . ^{[ 106 ] [ 107 ]} La mayor parte de la investigación sobre redes neuronales durante este período inicial implicó la construcción y el uso de hardware a medida, en lugar de la simulación en computadoras digitales. ^{[ k ]}

Sin embargo, debido en parte a la falta de resultados y en parte a la competencia de la investigación en IA simbólica , el proyecto MINOS se quedó sin financiación en 1966. Rosenblatt no logró obtener financiación continua en la década de 1960. ^{[ 108 ]} En 1969, la investigación se detuvo abruptamente con la publicación del libro de Minsky y Papert de 1969, Perceptrones . ^{[ 109 ]} Este libro sugería que existían limitaciones importantes en lo que los perceptrones podían hacer y que las predicciones de Rosenblatt habían sido exageradas enormemente. El efecto del libro fue que prácticamente no se financió ninguna investigación en conexionismo durante 10 años. ^{[ 110 ]} La competencia por la financiación gubernamental terminó con la victoria de los enfoques de IA simbólica sobre las redes neuronales. ^{[ 107 ] [ 108 ]}

Minsky (que había trabajado en SNARC ) se convirtió en un firme opositor de la IA puramente conexionista. Widrow (que había trabajado en ADALINE ) se volcó al procesamiento adaptativo de señales. El grupo SRI (que trabajó en MINOS) se volcó a la IA simbólica y la robótica. ^{[ 107 ] [ 108 ]}

El principal problema era la incapacidad de entrenar redes multicapa (ya se habían utilizado versiones de retropropagación en otros campos, pero estos investigadores lo desconocían). ^{[ 111 ] [ 110 ]} La comunidad de IA tomó conciencia de la retropropagación en la década de 1980, ^{[ 112 ]} y, en el siglo XXI, las redes neuronales alcanzarían un éxito enorme, cumpliendo todas las predicciones optimistas de Rosenblatt. Sin embargo, Rosenblatt no vivió para verlo, ya que falleció en un accidente náutico en 1971. ^{[ 113 ]}

La primera generación de investigadores de IA hizo las siguientes predicciones sobre su trabajo:

• 1958, HA Simon y Allen Newell : "en diez años una computadora digital será la campeona mundial de ajedrez" y "en diez años una computadora digital descubrirá y demostrará un nuevo e importante teorema matemático". ^{[ 114 ]}
• 1965, HA Simon: "Las máquinas serán capaces, dentro de veinte años, de hacer cualquier trabajo que un hombre pueda hacer." ^{[ 115 ]}
• 1967, Marvin Minsky : "Dentro de una generación... el problema de crear 'inteligencia artificial' estará sustancialmente resuelto." ^{[ 116 ]}
• 1970, Marvin Minsky (en la revista Life ): "En tres u ocho años tendremos una máquina con la inteligencia general de un ser humano promedio." ^{[ 117 ] [ l ]}

En junio de 1963, el MIT recibió una subvención de 2,2 millones de dólares de la recién formada Agencia de Proyectos de Investigación Avanzada (ARPA, posteriormente conocida como DARPA ). El dinero se utilizó para financiar el proyecto MAC , que absorbió al "Grupo de IA" fundado por Minsky y McCarthy cinco años antes. DARPA continuó proporcionando 3 millones de dólares cada año hasta la década de 1970. ^{[ 120 ]} DARPA otorgó subvenciones similares al programa de Newell y Simon en la Universidad Carnegie Mellon y al Laboratorio de IA de la Universidad de Stanford , fundado por John McCarthy en 1963. ^{[ 121 ]} Otro importante laboratorio de IA fue establecido en la Universidad de Edimburgo por Donald Michie en 1965. ^{[ 122 ]} Estas cuatro instituciones continuarían siendo los principales centros de investigación y financiación de IA en el ámbito académico durante muchos años. ^{[ 123 ] [ m ]}

El dinero se entregó con pocas condiciones: JCR Licklider , entonces director de ARPA, creía que su organización debía «financiar personas, ¡no proyectos!» y permitía a los investigadores seguir las direcciones que les interesaran. ^{[ 125 ]} Esto creó una atmósfera de libertad en el MIT que dio origen a la cultura hacker , ^{[ 126 ]} pero este enfoque de «no intervención» no duró.

A principios de los años setenta, las capacidades de los programas de IA eran limitadas. Incluso los más impresionantes solo podían manejar versiones triviales de los problemas que se suponía que debían resolver; ^{[ n ]} todos los programas eran, en cierto sentido, "juguetes". ^{[ 134 ]} Los investigadores de IA habían comenzado a toparse con varias limitaciones que solo se superarían décadas después, y otras que aún obstaculizan el campo en la década de 2020:

• Potencia informática limitada : No había suficiente memoria ni velocidad de procesamiento para lograr algo realmente útil. ^{[ o ]} Por ejemplo: El exitoso trabajo de Ross Quillian sobre el lenguaje natural se demostró con un vocabulario de solo 20 palabras, porque eso era todo lo que cabía en la memoria. ^{[ 136 ]} Hans Moravec argumentó en 1976 que las computadoras aún eran millones de veces demasiado débiles para exhibir inteligencia. Sugirió una analogía: la inteligencia artificial requiere potencia informática de la misma manera que los aviones requieren caballos de fuerza . Por debajo de cierto umbral, es imposible, pero, a medida que aumenta la potencia , eventualmente podría volverse fácil. "Con suficiente potencia de fuerza", escribió, "cualquier cosa volará". ^{[ 137 ] [ p ]}
• Intratabilidad y explosión combinatoria : En 1972, Richard Karp (basándose en el teorema de Stephen Cook de 1971 ) demostró que existen muchos problemas que solo pueden resolverse en tiempo exponencial . Encontrar soluciones óptimas a estos problemas requiere cantidades extraordinarias de tiempo de computación, excepto cuando los problemas son triviales. Esta limitación se aplicaba a todos los programas de IA simbólica que utilizaban árboles de búsqueda y significaba que muchas de las soluciones "de juguete" utilizadas por la IA nunca escalarían a sistemas útiles. ^{[ 133 ] [ 129 ]}
• La paradoja de Moravec : Las primeras investigaciones en IA habían tenido mucho éxito al lograr que las computadoras realizaran tareas "inteligentes" como demostrar teoremas, resolver problemas de geometría y jugar ajedrez. Su éxito en estas tareas inteligentes los convenció de que el problema del comportamiento inteligente se había resuelto en gran medida. ^{[ 139 ] [ 140 ]} Sin embargo, fracasaron por completo en progresar en tareas "no inteligentes" como reconocer un rostro o cruzar una habitación sin chocar con nada. ^{[ 139 ] [ 141 ]} Para la década de 1980, los investigadores se darían cuenta de que el razonamiento simbólico era totalmente inadecuado para estas tareas perceptivas y sensoriomotoras y que este enfoque tenía sus límites. ^{[ 140 ]}
• La amplitud del conocimiento de sentido común : Muchas aplicaciones importantes de inteligencia artificial, como la visión o el lenguaje natural, requieren enormes cantidades de información sobre el mundo: el programa necesita tener alguna idea de lo que podría estar viendo o de lo que está hablando. Esto exige que el programa conozca la mayoría de las mismas cosas sobre el mundo que un niño. Los investigadores pronto descubrieron que se trataba de una inmensa cantidad de información con miles de millones de datos atómicos. En 1970, nadie podía construir una base de datos lo suficientemente grande y nadie sabía cómo un programa podría aprender tanta información. ^{[ 142 ]}
• Representación del razonamiento de sentido común : Surgieron varios problemas relacionados ^{[ q ]} cuando los investigadores intentaron representar el razonamiento de sentido común mediante lógica formal o símbolos. Las descripciones de deducciones muy comunes tendían a alargarse cada vez más a medida que se trabajaba en ellas, ya que se requerían más excepciones, aclaraciones y distinciones. ^{[ r ]} Sin embargo, cuando las personas pensaban en conceptos comunes, no se basaban en definiciones precisas, sino que parecían hacer cientos de suposiciones imprecisas, corrigiéndolas cuando era necesario utilizando todo su conocimiento de sentido común. Gerald Sussman observó que «utilizar un lenguaje preciso para describir conceptos esencialmente imprecisos no los hace más precisos». ^{[ 143 ]}

Las agencias que financiaban la investigación en IA, como el gobierno británico , DARPA y el Consejo Nacional de Investigación (NRC), se frustraron por la falta de progreso y finalmente cortaron casi toda la financiación para la investigación en IA no dirigida. El patrón comenzó en 1966 cuando el informe del Comité Asesor de Procesamiento Automático del Lenguaje (ALPAC) criticó los esfuerzos de traducción automática. Después de gastar 20 millones de dólares, el NRC puso fin a todo el apoyo. ^{[ 144 ]} En 1973, el informe Lighthill sobre el estado de la investigación en IA en el Reino Unido criticó el fracaso de la IA para lograr sus "objetivos grandiosos" y condujo al desmantelamiento de la investigación en IA en ese país. ^{[ 145 ]} (El informe mencionó específicamente el problema de la explosión combinatoria como una razón de los fallos de la IA). ^{[ 129 ] [ 133 ] [ s ]} DARPA estaba profundamente decepcionada con los investigadores que trabajaban en el programa de Investigación de Comprensión del Habla en CMU y canceló una subvención anual de 3 millones de dólares. ^{[ 147 ] [ t ]}

Hans Moravec atribuyó la crisis a las predicciones poco realistas de sus colegas. «Muchos investigadores se vieron atrapados en una red de exageración creciente». ^{[ 148 ] [ u ]} Sin embargo, había otro problema: desde la aprobación de la Enmienda Mansfield en 1969, DARPA había estado bajo una presión creciente para financiar «investigación directa orientada a la misión, en lugar de investigación básica no dirigida». La financiación para la exploración creativa y libre que se había llevado a cabo en los años 60 no provendría de DARPA, que en cambio destinó fondos a proyectos específicos con objetivos claros, como tanques autónomos y sistemas de gestión de batalla . ^{[ 149 ] [ v ]}

Los principales laboratorios (MIT, Stanford, CMU y Edimburgo) habían estado recibiendo un generoso apoyo de sus gobiernos, y cuando este se retiró, estos fueron los únicos lugares que se vieron seriamente afectados por los recortes presupuestarios. Los miles de investigadores fuera de estas instituciones y los muchos miles que se estaban incorporando al campo no se vieron afectados. ^{[ 130 ]}

Varios filósofos se opusieron firmemente a las afirmaciones de los investigadores de IA. Uno de los primeros fue John Lucas , quien argumentó que el teorema de incompletitud de Gödel demostraba que un sistema formal (como un programa informático) nunca podría ver la verdad de ciertas afirmaciones, mientras que un ser humano sí. ^{[ 151 ]} Hubert Dreyfus ridiculizó las promesas incumplidas de la década de 1960 y criticó los supuestos de la IA, argumentando que el razonamiento humano en realidad implicaba muy poco "procesamiento de símbolos" y una gran cantidad de " saber hacer " encarnado , instintivo e inconsciente . ^{[ w ] [ 153 ]} El argumento de la Habitación China de John Searle , presentado en 1980, intentó demostrar que no se podía decir que un programa "entendiera" los símbolos que utiliza (una cualidad llamada " intencionalidad "). Si los símbolos no tienen significado para la máquina, argumentó Searle, entonces la máquina no puede describirse como "pensante". ^{[ 154 ]}

Estas críticas no fueron tomadas en serio por los investigadores de IA. Problemas como la intratabilidad y el conocimiento de sentido común parecían mucho más inmediatos y serios. No estaba claro qué diferencia suponían el " saber hacer " o la " intencionalidad " para un programa informático real. Minsky, del MIT , dijo de Dreyfus y Searle: "No lo entienden y deberían ser ignorados". ^{[ 155 ]} Dreyfus, que también impartía clases en el MIT , fue recibido con frialdad: más tarde dijo que los investigadores de IA "no se atrevían a ser vistos almorzando conmigo". ^{[ 156 ]} Joseph Weizenbaum , autor de ELIZA , también fue un crítico declarado de las posturas de Dreyfus, pero "dejó claro deliberadamente que [el trato que sus colegas de IA daban a Dreyfus] no era la forma de tratar a un ser humano", ^{[ x ]} y que era poco profesional e infantil. ^{[ 158 ]}

Weizenbaum comenzó a tener serias dudas éticas sobre la IA cuando Kenneth Colby escribió un "programa informático capaz de llevar a cabo un diálogo psicoterapéutico " basado en ELIZA. ^{[ 159 ] [ 160 ] [ y ]} A Weizenbaum le inquietó que Colby considerara un programa sin mente como una herramienta terapéutica seria. Se inició una disputa, y la situación empeoró cuando Colby no reconoció la contribución de Weizenbaum al programa. En 1976, Weizenbaum publicó Computer Power and Human Reason , donde argumentaba que el mal uso de la inteligencia artificial tiene el potencial de devaluar la vida humana. ^{[ 162 ]}

La lógica se introdujo en la investigación de IA ya en 1958, por John McCarthy en su propuesta Advice Taker . ^{[ 163 ] [ 88 ]} En 1963, J. Alan Robinson había descubierto un método simple para implementar la deducción en computadoras, los algoritmos de resolución y unificación . ^{[ 88 ]} Sin embargo, las implementaciones directas, como las que intentaron McCarthy y sus estudiantes a finales de la década de 1960, eran especialmente intratables: los programas requerían una cantidad astronómica de pasos para demostrar teoremas simples. ^{[ 163 ] [ 164 ]} Un enfoque más fructífero de la lógica fue desarrollado en la década de 1970 por Robert Kowalski en la Universidad de Edimburgo , y pronto esto condujo a la colaboración con los investigadores franceses Alain Colmerauer y Philippe Roussel, quienes crearon el exitoso lenguaje de programación lógica Prolog . ^{[ 165 ]} Prolog utiliza un subconjunto de lógica ( cláusulas de Horn , estrechamente relacionadas con " reglas " y " reglas de producción ") que permite una computación tratable. Las reglas seguirían siendo influyentes, proporcionando una base para los sistemas expertos de Edward Feigenbaum y el trabajo continuo de Allen Newell y Herbert A. Simon que conduciría a Soar y sus teorías unificadas de la cognición . ^{[ 166 ]}

Los críticos del enfoque lógico señalaron, como lo había hecho Dreyfus , que los seres humanos rara vez usaban la lógica al resolver problemas. Experimentos de psicólogos como Peter Wason , Eleanor Rosch , Amos Tversky , Daniel Kahneman y otros aportaron pruebas. ^{[ z ]} McCarthy respondió que lo que hacen las personas es irrelevante. Argumentó que lo que realmente se necesita son máquinas que puedan resolver problemas, no máquinas que piensen como las personas. ^{[ aa ]}

Entre los críticos del enfoque de McCarthy se encontraban sus colegas del MIT en todo el país . Marvin Minsky , Seymour Papert y Roger Schank intentaban resolver problemas como la "comprensión de historias" y el "reconocimiento de objetos", que requerían que una máquina pensara como una persona. Para usar conceptos comunes como "silla" o "restaurante", tenían que hacer las mismas suposiciones ilógicas que las personas normalmente hacían. Desafortunadamente, conceptos imprecisos como estos son difíciles de representar en lógica. El MIT optó en cambio por centrarse en escribir programas que resolvieran una tarea dada sin usar definiciones abstractas de alto nivel ni teorías generales de la cognición, y medía el rendimiento mediante pruebas iterativas, en lugar de argumentos basados ​​en primeros principios. Schank describió sus enfoques "antilógicos" como "desaliñados" , en contraposición al paradigma "ordenado" utilizado por McCarthy , Kowalski , Feigenbaum , Newell y Simon . ^{[ 167 ] [ ab ]}

En 1975, en un artículo fundamental, Minsky señaló que muchos de sus colegas investigadores utilizaban el mismo tipo de herramienta: un marco que recoge todas nuestras suposiciones de sentido común sobre algo. Por ejemplo, si utilizamos el concepto de pájaro, hay una constelación de hechos que vienen inmediatamente a la mente: podríamos suponer que vuela, come gusanos, etc. (ninguna de las cuales es cierta para todos los pájaros). Minsky asoció estas suposiciones con la categoría general y podían ser heredadas por los marcos para subcategorías e individuos, o anuladas según fuera necesario. Llamó a estas estructuras marcos . Schank utilizó una versión de marcos que denominó " guiones " para responder con éxito preguntas sobre cuentos cortos en inglés. ^{[ 168 ]} Los marcos acabarían siendo ampliamente utilizados en la ingeniería de software bajo el nombre de programación orientada a objetos .

Los lógicos aceptaron el reto. Pat Hayes afirmó que «la mayor parte de los "marcos" no es más que una nueva sintaxis para partes de la lógica de primer orden». Sin embargo, señaló que «hay uno o dos detalles aparentemente menores que causan muchos problemas, especialmente los valores predeterminados». ^{[ 169 ]}

Ray Reiter admitió que «las lógicas convencionales, como la lógica de primer orden, carecen del poder expresivo para representar adecuadamente el conocimiento necesario para el razonamiento por defecto». ^{[ 170 ]} Propuso ampliar la lógica de primer orden con la suposición de un mundo cerrado según la cual una conclusión se cumple (por defecto) si no se puede demostrar su contrario. Demostró cómo dicha suposición se corresponde con la suposición de sentido común que se hace al razonar con marcos. También demostró que tiene su «equivalente procedimental» como negación como fallo en Prolog . La suposición de un mundo cerrado, tal como la formuló Reiter, «no es una noción de primer orden. (Es una metanoción)». ^{[ 170 ]} Sin embargo, Keith Clark demostró que la negación como fallo finito puede entenderse como un razonamiento implícito con definiciones en la lógica de primer orden que incluyen la suposición de un nombre único según la cual diferentes términos denotan diferentes individuos. ^{[ 171 ]}

A finales de la década de 1970 y durante toda la década de 1980, se desarrollaron diversas lógicas y extensiones de la lógica de primer orden, tanto para la negación como caso de fallo en la programación lógica como para el razonamiento por defecto en general. En conjunto, estas lógicas se conocen como lógicas no monótonas .

Un sistema experto es un programa que responde preguntas o resuelve problemas sobre un dominio de conocimiento específico, utilizando reglas lógicas derivadas del conocimiento de expertos. ^{[ 172 ]} Los primeros ejemplos fueron desarrollados por Edward Feigenbaum y sus estudiantes. Dendral , iniciado en 1965, identificaba compuestos a partir de lecturas de espectrómetro. ^{[ 173 ] [ 110 ]} MYCIN , desarrollado en 1972, diagnosticaba enfermedades infecciosas de la sangre. ^{[ 112 ]} Demostraron la viabilidad del enfoque.

Los sistemas expertos se limitaron a un pequeño dominio de conocimiento específico (evitando así el problema del conocimiento de sentido común ) ^{[ 110 ]} y su diseño simple facilitó la creación y modificación de los programas una vez implementados. En definitiva, los programas demostraron ser útiles : algo que la IA no había logrado hasta el momento. ^{[ 174 ]}

En 1980, se completó en CMU un sistema experto llamado R1 para Digital Equipment Corporation . Fue un éxito rotundo: para 1986, le ahorraba a la compañía 40 millones de dólares anuales. ^{[ 175 ]} Corporaciones de todo el mundo comenzaron a desarrollar e implementar sistemas expertos y, para 1985, estaban gastando más de mil millones de dólares en IA, la mayor parte en departamentos internos de IA. ^{[ 176 ]} Surgió una industria para darles soporte, que incluía empresas de hardware como Symbolics y Lisp Machines y empresas de software como IntelliCorp y Aion . ^{[ 177 ]}

En 1981, el Ministerio de Comercio Internacional e Industria de Japón destinó 850 millones de dólares al proyecto de la quinta generación de computadoras . Sus objetivos eran escribir programas y construir máquinas que pudieran mantener conversaciones, traducir idiomas, interpretar imágenes y razonar como los seres humanos. ^{[ 178 ]} Para disgusto de los scruffies , inicialmente eligieron Prolog como el lenguaje de programación principal para el proyecto. ^{[ 179 ]}

Otros países respondieron con nuevos programas propios. El Reino Unido inició el proyecto Alvey de 350 millones de libras esterlinas. ^{[ 180 ]} Un consorcio de empresas estadounidenses formó la Corporación de Microelectrónica y Tecnología Informática (o "MCC") para financiar proyectos a gran escala en IA y tecnología de la información. ^{[ 181 ] [ 180 ]} DARPA también respondió, fundando la Iniciativa de Computación Estratégica y triplicando su inversión en IA entre 1984 y 1988. ^{[ 182 ] [ 183 ]}

El poder de los sistemas expertos provenía del conocimiento experto que contenían. Formaban parte de una nueva dirección en la investigación de IA que había estado ganando terreno a lo largo de los años 70. "Los investigadores de IA comenzaban a sospechar —a regañadientes, porque violaba el canon científico de parsimonia— que la inteligencia bien podría basarse en la capacidad de usar grandes cantidades de conocimiento diverso de diferentes maneras", ^{[ 184 ]} escribe Pamela McCorduck . "[L]a gran lección de la década de 1970 fue que el comportamiento inteligente dependía mucho del manejo del conocimiento, a veces conocimiento bastante detallado, de un dominio donde se encontraba una tarea determinada". ^{[ 185 ]} Los sistemas basados ​​en el conocimiento y la ingeniería del conocimiento se convirtieron en un enfoque principal de la investigación de IA en la década de 1980. ^{[ 186 ]} Se esperaba que las vastas bases de datos resolvieran el problema del conocimiento de sentido común y proporcionaran el apoyo que requería el razonamiento de sentido común .

En la década de 1980, algunos investigadores intentaron abordar directamente el problema del conocimiento de sentido común , creando una base de datos masiva que contendría todos los hechos cotidianos que conoce la persona promedio. Douglas Lenat , quien inició una base de datos llamada Cyc , argumentó que no hay atajos: la única manera de que las máquinas conozcan el significado de los conceptos humanos es enseñándoles, un concepto a la vez, manualmente. ^{[ 187 ]}

En 1982, el físico John Hopfield logró demostrar que una forma de red neuronal (ahora llamada " red de Hopfield ") podía aprender y procesar información, y que converge de manera demostrable después de un tiempo suficiente bajo cualquier condición fija. Fue un gran avance, ya que anteriormente se pensaba que las redes no lineales, en general, evolucionarían de forma caótica. ^{[ 188 ]} Geoffrey Hinton demostró un resultado similar sobre un dispositivo llamado " máquina de Boltzmann ". ^{[ 189 ]} (Hopfield y Hinton recibirían finalmente el Premio Nobel de 2024 por este trabajo. ^{[ 189 ]} ) En 1986, Hinton y David Rumelhart popularizaron un método para entrenar redes neuronales llamado " retropropagación ". ^{[ ac ]} Estos tres desarrollos ayudaron a revivir la exploración de las redes neuronales artificiales . ^{[ 112 ] [ 190 ]}

Las redes neuronales, junto con otros modelos similares, recibieron gran atención tras la publicación en 1986 de * Parallel Distributed Processing* , una colección de artículos en dos volúmenes editada por Rumelhart y el psicólogo James McClelland . El nuevo campo se denominó " conexionismo ", en contraposición a la IA simbólica . ^{[ 112 ]} Hinton denominó a los símbolos el " éter luminoso de la IA", es decir, un modelo de inteligencia inviable y engañoso. ^{[ 112 ]}

Herramientas como Expert4, basadas en teorías psicológicas de formación de categorías y conceptos, demostraron que la inferencia basada en medidas de similitud proporcionaba una alternativa computacionalmente viable a otros enfoques. ^{[ 191 ] [ 192 ] [ 193 ]}

En 1990, Yann LeCun, de los Laboratorios Bell, utilizó redes neuronales convolucionales para reconocer dígitos escritos a mano. El sistema se utilizó ampliamente en la década de los 90 para leer códigos postales y cheques personales. Esta fue la primera aplicación realmente útil de las redes neuronales. ^{[ 194 ] [ 195 ]}

Rodney Brooks , Hans Moravec y otros argumentaron que, para mostrar verdadera inteligencia, una máquina necesita tener un cuerpo : necesita percibir, moverse, sobrevivir e interactuar con el mundo. ^{[ 196 ]} Las habilidades sensoriomotoras son esenciales para habilidades de nivel superior como el razonamiento de sentido común . No pueden implementarse eficientemente utilizando el razonamiento simbólico abstracto, por lo que la IA debería resolver los problemas de percepción, movilidad, manipulación y supervivencia sin utilizar ninguna representación simbólica. Estos investigadores de robótica abogaron por construir la inteligencia "desde abajo hacia arriba". ^{[ ad ]}

Un precursor de esta idea fue David Marr , quien llegó al MIT a finales de la década de 1970 con una exitosa trayectoria en neurociencia teórica para dirigir el grupo que estudiaba la visión . Rechazó todos los enfoques simbólicos ( tanto la lógica de McCarthy como los marcos de Minsky ), argumentando que la IA necesitaba comprender la maquinaria física de la visión desde la base antes de que se produjera cualquier procesamiento simbólico. (El trabajo de Marr se vería truncado por la leucemia en 1980). ^{[ 198 ]}

En su artículo de 1990 «Los elefantes no juegan al ajedrez», ^{[ 199 ]} el investigador en robótica Brooks atacó directamente la hipótesis del sistema de símbolos físicos , argumentando que los símbolos no siempre son necesarios ya que «el mundo es su propio mejor modelo. Siempre está exactamente actualizado. Siempre tiene todos los detalles que se pueden conocer. El truco está en percibirlo de forma adecuada y con la suficiente frecuencia». ^{[ 200 ]}

En las décadas de 1980 y 1990, muchos científicos cognitivos también rechazaron el modelo de procesamiento simbólico de la mente y argumentaron que el cuerpo era esencial para el razonamiento, una teoría denominada " tesis de la mente encarnada ". ^{[ 201 ]}

La computación blanda utiliza métodos que trabajan con información incompleta e imprecisa. No pretenden ofrecer respuestas lógicas y precisas, sino resultados que son solo "probablemente" correctos. Esto les permitió resolver problemas que los métodos simbólicos precisos no podían abordar. Los artículos de prensa a menudo afirmaban que estas herramientas podían "pensar como un ser humano". ^{[ 202 ] [ 203 ]}

El libro de Judea Pearl , * Probabilistic Reasoning in Intelligent Systems: Networks of Plausible Inference* , una obra influyente de 1988 ^{[ 204 ]} , introdujo la probabilidad y la teoría de la decisión en la IA. ^{[ 205 ]} La lógica difusa , desarrollada por Lofti Zadeh en la década de 1960, comenzó a utilizarse más ampliamente en la IA y la robótica. La computación evolutiva y las redes neuronales artificiales también manejan información imprecisa y se clasifican como "blandas". En la década de 1990 y principios de la de 2000, se desarrollaron y pusieron en uso muchas otras herramientas de computación blanda, incluidas las redes bayesianas , ^{[ 205 ]} los modelos ocultos de Markov , ^{[ 205 ]} la teoría de la información y el modelado estocástico . Estas herramientas, a su vez, dependían de técnicas matemáticas avanzadas como la optimización clásica . Durante un tiempo en la década de 1990 y principios de la de 2000, estas herramientas blandas fueron estudiadas por un subcampo de la IA llamado " inteligencia computacional ". ^{[ 206 ]}

El aprendizaje por refuerzo ^{[ 207 ]} recompensa a un agente cada vez que realiza bien una acción deseada y puede dar recompensas negativas (o "castigos") cuando se desempeña mal. Fue descrito en la primera mitad del siglo XX por psicólogos que utilizaron modelos animales, como Thorndike , ^{[ 208 ] [ 209 ]} Pavlov ^{[ 210 ]} y Skinner . ^{[ 211 ]} En la década de 1950, Alan Turing ^{[ 209 ] [ 212 ]} y Arthur Samuel ^{[ 209 ]} previeron el papel del aprendizaje por refuerzo en la IA.

Un exitoso e influyente programa de investigación fue liderado por Richard Sutton y Andrew Barto a partir de 1972. Su colaboración revolucionó el estudio del aprendizaje por refuerzo y la toma de decisiones durante las últimas cuatro décadas. ^{[ 213 ] [ 214 ]} En 1988, Sutton describió el aprendizaje automático en términos de la teoría de la decisión (es decir, el proceso de decisión de Markov ). Esto proporcionó al tema una sólida base teórica y acceso a un amplio conjunto de resultados teóricos desarrollados en el campo de la investigación operativa . ^{[ 214 ]}

También en 1988, Sutton y Barto desarrollaron el algoritmo de aprendizaje de " diferencia temporal " (TD), donde el agente es recompensado solo cuando sus predicciones muestran una mejora. Superó significativamente a los algoritmos anteriores. ^{[ 215 ]} Gerald Tesauro utilizó el aprendizaje TD en 1992 en el programa TD-Gammon , que jugaba al backgammon tan bien como los mejores jugadores humanos. El programa aprendió el juego jugando contra sí mismo sin ningún conocimiento previo. ^{[ 216 ]} En un caso interesante de convergencia interdisciplinaria, los neurólogos descubrieron en 1997 que el sistema de recompensa de dopamina en el cerebro también utiliza una versión del algoritmo de aprendizaje TD. ^{[ 217 ] [ 218 ] [ 219 ]} El aprendizaje TD se volvería muy influyente en el siglo XXI, utilizándose tanto en AlphaGo como en AlphaZero . ^{[ 220 ]}

El término « invierno de la IA » fue acuñado por investigadores que habían sobrevivido a los recortes de financiación de 1974 y que estaban preocupados porque el entusiasmo por los sistemas expertos se había descontrolado y la decepción era inevitable. ^{[ ae ]} Sus temores estaban bien fundados: a finales de la década de 1980 y principios de la de 1990, la IA sufrió una serie de reveses financieros. ^{[ 112 ]}

El primer indicio de un cambio de rumbo fue el repentino colapso del mercado de hardware especializado en IA en 1987. Las computadoras de escritorio de Apple e IBM habían estado ganando velocidad y potencia de forma constante y, en 1987, se volvieron más potentes que las máquinas Lisp más caras fabricadas por Symbolics y otras compañías. Ya no había una buena razón para comprarlas. Toda una industria valorada en quinientos millones de dólares se desmoronó de la noche a la mañana. ^{[ 224 ]}

Finalmente, los primeros sistemas expertos exitosos, como R1 , resultaron demasiado costosos de mantener. Eran difíciles de actualizar, no podían aprender y eran " frágiles " (es decir, podían cometer errores garrafales ante datos de entrada inusuales). Los sistemas expertos demostraron ser útiles, pero solo en algunos contextos específicos. ^{[ 225 ]}

A finales de la década de 1980, la Iniciativa de Computación Estratégica recortó drásticamente la financiación para la IA. La nueva dirección de DARPA decidió que la IA no era "la próxima ola" y destinó fondos a proyectos que parecían tener más probabilidades de producir resultados inmediatos. ^{[ 226 ]}

Para 1991, la impresionante lista de objetivos establecidos en 1981 para el Proyecto de Quinta Generación de Japón no se había cumplido. Algunos de ellos, como "mantener una conversación informal", no se lograrían hasta 30 años después. Al igual que con otros proyectos de IA, las expectativas habían sido mucho mayores que lo que realmente era posible. ^{[ 227 ] [ af ]}

Más de 300 empresas de IA habían cerrado, quebrado o sido adquiridas a finales de 1993, poniendo fin de facto a la primera ola comercial de IA. ^{[ 229 ]} En 1994, HP Newquist afirmó en The Brain Makers que «El futuro inmediato de la inteligencia artificial —en su forma comercial— parece depender en parte del éxito continuado de las redes neuronales». ^{[ 229 ]}

En la década de 1990, los algoritmos desarrollados originalmente por investigadores de IA comenzaron a aparecer como parte de sistemas más grandes. La IA había resuelto muchos problemas muy difíciles ^{[ ag ]} y sus soluciones demostraron ser útiles en toda la industria tecnológica, ^{[ 230 ] [ 231 ]} como la minería de datos , la robótica industrial , la logística, el reconocimiento de voz , ^{[ 232 ]} el software bancario, ^{[ 233 ]} el diagnóstico médico, ^{[ 233 ]} y el motor de búsqueda de Google . ^{[ 234 ] [ 235 ]}

El campo de la IA recibió poco o ningún reconocimiento por estos éxitos en la década de 1990 y principios de la de 2000. Muchas de las mayores innovaciones de la IA se han reducido a la condición de un simple elemento más en el conjunto de herramientas de la informática. ^{[ 236 ]} Nick Bostrom explica: «Mucha IA de vanguardia se ha filtrado en aplicaciones generales, a menudo sin ser denominada IA, porque una vez que algo se vuelve lo suficientemente útil y común, ya no se etiqueta como IA». ^{[ 233 ]}

Muchos investigadores en IA en la década de 1990 denominaron deliberadamente su trabajo con otros nombres, como informática , sistemas basados ​​en el conocimiento , "sistemas cognitivos" o inteligencia computacional . En parte, esto pudo deberse a que consideraban que su campo era fundamentalmente diferente de la IA, pero también los nuevos nombres ayudaron a obtener financiación. ^{[ 232 ] [ 237 ] [ 238 ]} En el mundo comercial, al menos, las promesas incumplidas del invierno de la IA continuaron persiguiendo la investigación en IA durante la década de 2000, como informó el New York Times en 2005: "Los científicos informáticos y los ingenieros de software evitaban el término inteligencia artificial por temor a ser vistos como soñadores descabellados". ^{[ 239 ]}

Los investigadores de IA comenzaron a desarrollar y utilizar herramientas matemáticas sofisticadas más que nunca. ^{[ 240 ] [ 241 ]} La mayoría de las nuevas direcciones en IA dependieron en gran medida de modelos matemáticos, incluyendo redes neuronales artificiales , razonamiento probabilístico , computación blanda y aprendizaje por refuerzo . En las décadas de 1990 y 2000, muchas otras herramientas altamente matemáticas se adaptaron para la IA. Estas herramientas se aplicaron al aprendizaje automático, la percepción y la movilidad.

Se llegó a la conclusión generalizada de que muchos de los problemas que la IA debía resolver ya estaban siendo abordados por investigadores en campos como la estadística , las matemáticas , la ingeniería eléctrica , la economía o la investigación operativa . El lenguaje matemático común permitió una mayor colaboración con campos más consolidados y exitosos, así como la obtención de resultados medibles y demostrables; la IA se había convertido en una disciplina «científica» más rigurosa. ^{[ 241 ]} Otra razón clave del éxito en los años 90 fue que los investigadores de IA se centraron en problemas específicos con soluciones verificables (un enfoque que más tarde fue criticado como IA estrecha ). Esto proporcionó herramientas útiles en el presente, en lugar de especulaciones sobre el futuro.

Un nuevo paradigma llamado " agentes inteligentes " fue ampliamente aceptado durante la década de 1990. ^{[ 242 ] [ 243 ] [ ah ]} Aunque investigadores anteriores habían propuesto enfoques modulares de "divide y vencerás" para la IA, ^{[ ai ]} el agente inteligente no alcanzó su forma moderna hasta que Judea Pearl , Allen Newell , Leslie P. Kaelbling y otros trajeron conceptos de la teoría de la decisión y la economía al estudio de la IA. ^{[ 244 ]} Cuando la definición de agente racional del economista se unió a la definición de objeto o módulo de la informática , el paradigma del agente inteligente se completó.

Un agente inteligente es un sistema que percibe su entorno y toma acciones que maximizan sus posibilidades de éxito. Según esta definición, los programas simples que resuelven problemas específicos son "agentes inteligentes", al igual que los seres humanos y las organizaciones humanas, como las empresas . El paradigma del agente inteligente define la investigación en IA como "el estudio de los agentes inteligentes". ^{[ aj ]} Esta es una generalización de algunas definiciones anteriores de IA: va más allá del estudio de la inteligencia humana; estudia todo tipo de inteligencia. El paradigma dio a los investigadores la libertad de estudiar problemas aislados y de discrepar sobre los métodos, pero aún así mantener la esperanza de que su trabajo pudiera combinarse en una arquitectura de agente capaz de inteligencia general. ^{[ 245 ]}

El 11 de mayo de 1997, Deep Blue se convirtió en el primer sistema informático de ajedrez en vencer a un campeón mundial vigente, Garry Kasparov . ^{[ 246 ]} En 2005, un robot de Stanford ganó el DARPA Grand Challenge al conducir de forma autónoma 131 millas a lo largo de un sendero desértico no ensayado. Dos años después, un equipo de CMU ganó el DARPA Urban Challenge al navegar de forma autónoma 55 millas en un entorno urbano, respondiendo a los peligros del tráfico y respetando las leyes de tránsito. ^{[ 247 ]}

Estos éxitos no se debieron a un nuevo paradigma revolucionario, sino principalmente a la aplicación minuciosa de la habilidad ingenieril y al tremendo aumento en la velocidad y capacidad de las computadoras en la década de los 90. ^{[ ak ]} De hecho, la computadora de Deep Blue era 10 millones de veces más rápida que la Ferranti Mark 1 que Christopher Strachey enseñó a jugar ajedrez en 1951. ^{[ al ]} Este aumento drástico se mide mediante la ley de Moore , que predijo que la velocidad y la capacidad de memoria de las computadoras se duplicarían cada dos años. El problema fundamental de la "potencia bruta de las computadoras" se estaba superando lentamente.

Experimentos de literatura electrónica como The Impermanence Agent (1998–2002) y arte digital como Agent Ruby utilizaron IA en su arte y literatura, "poniendo al descubierto el sesgo que acompaña a las formas de tecnología que simulan objetividad". ^{[ 251 ]}

El éxito del aprendizaje automático en la década de 2000 dependió de la disponibilidad de grandes cantidades de datos de entrenamiento y computadoras más rápidas. ^{[ 254 ]} Russell y Norvig escribieron que "la mejora en el rendimiento obtenida al aumentar el tamaño del conjunto de datos en dos o tres órdenes de magnitud supera cualquier mejora que se pueda hacer al ajustar el algoritmo". ^{[ 194 ]} Geoffrey Hinton recordó que en los años 80 y 90, el problema era que "nuestros conjuntos de datos etiquetados eran miles de veces demasiado pequeños. [Y] nuestras computadoras eran millones de veces demasiado lentas". ^{[ 255 ]} Esto ya no era cierto para 2010.

Los datos más útiles en la década de 2000 provinieron de conjuntos de datos etiquetados y curados creados específicamente para el aprendizaje automático y la IA. En 2007, un grupo en UMass Amherst publicó "Labeled Faces in the Wild", un conjunto anotado de imágenes de rostros que se utilizó ampliamente para entrenar y probar sistemas de reconocimiento facial durante las siguientes décadas. ^{[ 256 ]} Fei-Fei Li desarrolló ImageNet , una base de datos de tres millones de imágenes subtituladas por voluntarios que utilizaron Amazon Mechanical Turk . Publicada en 2009, fue un cuerpo útil de datos de entrenamiento y un punto de referencia para probar la próxima generación de sistemas de procesamiento de imágenes. ^{[ 257 ] [ 194 ]} Google publicó word2vec en 2013 como un recurso de código abierto . Utilizó grandes cantidades de datos de texto extraídos de Internet y incrustaciones de palabras para crear un vector numérico que representara cada palabra. Los usuarios se sorprendieron de la precisión con la que capturaba el significado de las palabras; por ejemplo, la suma vectorial ordinaria generaba equivalencias como China + Río = Yangtsé o Londres − Inglaterra + Francia = París. ^{[ 258 ]} Esta base de datos en particular sería fundamental para el desarrollo de grandes modelos de lenguaje a finales de la década de 2010.

El crecimiento explosivo de internet proporcionó a los programas de aprendizaje automático acceso a miles de millones de páginas de texto e imágenes que podían ser extraídas . Y, para problemas específicos, grandes bases de datos privadas contenían los datos relevantes. El McKinsey Global Institute informó que "para 2009, casi todos los sectores de la economía estadounidense tenían al menos un promedio de 200 terabytes de datos almacenados". ^{[ 259 ]} Esta colección de información se conocía en la década de 2000 como big data .

En un partido de exhibición de Jeopardy! en febrero de 2011, el sistema de respuesta a preguntas Watson de IBM derrotó a los dos mejores campeones de Jeopardy!, Brad Rutter y Ken Jennings , por un margen significativo. ^{[ 260 ]} La pericia de Watson habría sido imposible sin la información disponible en internet. ^{[ 194 ]}

En 2012, AlexNet , un modelo de aprendizaje profundo , ^{[ am ]} desarrollado por Alex Krizhevsky , ganó el ImageNet Large Scale Visual Recognition Challenge , con significativamente menos errores que el segundo clasificado. ^{[ 262 ] [ 194 ]} Krizhevsky trabajó con Geoffrey Hinton en la Universidad de Toronto . ^{[ an ]} Este fue un punto de inflexión en el aprendizaje automático: durante los años siguientes, docenas de otros enfoques para el reconocimiento de imágenes fueron abandonados en favor del aprendizaje profundo. ^{[ 254 ]}

El aprendizaje profundo utiliza un perceptrón multicapa . Aunque esta arquitectura se conoce desde los años 60, para que funcione se requiere hardware potente y grandes cantidades de datos de entrenamiento. ^{[ 263 ]} Antes de que estos estuvieran disponibles, mejorar el rendimiento de los sistemas de procesamiento de imágenes requería características ad hoc diseñadas manualmente que eran difíciles de implementar. ^{[ 263 ]} El aprendizaje profundo era más simple y más general. ^{[ ao ]}

El aprendizaje profundo se aplicó a docenas de problemas durante los años siguientes (como el reconocimiento de voz, la traducción automática, el diagnóstico médico y los juegos). En todos los casos, mostró enormes mejoras en el rendimiento. ^{[ 254 ]} Como resultado, la inversión y el interés en la IA se dispararon. ^{[ 254 ]}

En la década de 2000, se puso de moda volver a hablar del futuro de la IA, y varios libros populares consideraron la posibilidad de máquinas superinteligentes y sus posibles implicaciones para la sociedad humana. Algunos de estos enfoques eran optimistas (como el de Ray Kurzweil , *La singularidad está cerca *), pero otros advertían que una IA suficientemente poderosa representaba una amenaza existencial para la humanidad, como Nick Bostrom y Eliezer Yudkowsky . ^{[ 264 ]} El tema tuvo gran repercusión en la prensa y numerosos intelectuales y políticos destacados se pronunciaron al respecto.

Los programas de IA en el siglo XXI se definen por sus objetivos : las medidas específicas que están diseñados para optimizar. El influyente libro de Nick Bostrom de 2014, Superinteligencia ^{[ 265 ],} argumentó que, si no se tiene cuidado al definir estos objetivos, la máquina puede causar daño a la humanidad en el proceso de lograrlos. Stuart J. Russell utilizó el ejemplo de un robot inteligente que mata a su dueño para evitar que lo desconecten, razonando: "No puedes traer el café si estás muerto" ^{[ 266 ]} . (Este problema se conoce con el término técnico " convergencia instrumental "). La solución consiste en alinear la función objetivo de la máquina con los objetivos de su dueño y de la humanidad en general. Así, el problema de mitigar los riesgos y las consecuencias no deseadas de la IA se conoció como "el problema de la alineación de valores" o alineación de la IA ^{[ 267 ] .}

Al mismo tiempo, los sistemas de aprendizaje automático habían comenzado a tener consecuencias no deseadas preocupantes. Cathy O'Neil explicó cómo los algoritmos estadísticos habían estado entre las causas del colapso económico de 2008 , ^{[ 268 ]} Julia Angwin de ProPublica argumentó que el sistema COMPAS utilizado por el sistema de justicia penal exhibía sesgo racial bajo algunas medidas, ^{[ 269 ] [ ap ]} otros mostraron que muchos sistemas de aprendizaje automático exhibían alguna forma de sesgo racial , ^{[ 271 ]} y hubo muchos otros ejemplos de resultados peligrosos que habían resultado de los sistemas de aprendizaje automático. ^{[ aq ]}

En 2016, la elección de Donald Trump y la controversia sobre el sistema COMPAS pusieron de manifiesto varios problemas de la infraestructura tecnológica actual, como la desinformación, los algoritmos de redes sociales diseñados para maximizar la participación, el mal uso de datos personales y la fiabilidad de los modelos predictivos. ^{[ 272 ]} Los temas de equidad y consecuencias no deseadas cobraron mucha más relevancia en las conferencias de IA, las publicaciones aumentaron enormemente, se dispuso de financiación y muchos investigadores reorientaron sus carreras hacia estos temas. El problema de la alineación de valores se convirtió en un campo de estudio académico serio. ^{[ 273 ] [ ar ]}

A principios de la década de 2000, varios investigadores se preocuparon porque la IA convencional estaba demasiado centrada en el "rendimiento medible en aplicaciones específicas" ^{[ 275 ]} (conocida como " IA estrecha ") y había abandonado el objetivo original de la IA de crear máquinas versátiles y completamente inteligentes. Uno de los primeros críticos fue Nils Nilsson en 1995, y opiniones similares fueron publicadas por figuras destacadas de la IA como John McCarthy, Marvin Minsky y Patrick Winston entre 2007 y 2009. Minsky organizó un simposio sobre "IA a nivel humano" en 2004. ^{[ 275 ]} Ben Goertzel adoptó el término " inteligencia artificial general " para el nuevo subcampo, fundando una revista y organizando conferencias a partir de 2008. ^{[ 276 ]} El nuevo campo creció rápidamente, impulsado por el éxito continuo de las redes neuronales artificiales y la esperanza de que fueran la clave para la IAG.

Varias empresas, laboratorios y fundaciones competidoras se fundaron para desarrollar la IA general en la década de 2010. DeepMind fue fundada en 2010 por tres científicos ingleses, Demis Hassabis , Shane Legg y Mustafa Suleyman , con financiación de Peter Thiel y, posteriormente, de Elon Musk . Los fundadores y financiadores estaban profundamente preocupados por la seguridad de la IA y el riesgo existencial que esta conllevaba . Los fundadores de DeepMind tenían una relación personal con Yudkowsky, y Musk fue uno de los que alertaron activamente sobre el tema. ^{[ 277 ]} Hassabis estaba preocupado por los peligros de la IA general, pero a la vez era optimista sobre su potencial; esperaba que pudieran «resolver la IA y, después, resolver todo lo demás». ^{[ 278 ]} El New York Times escribió en 2023: «En el centro de esta competencia hay una paradoja que pone a prueba la mente. Las personas que dicen estar más preocupadas por la IA están entre las más decididas a crearla y disfrutar de sus riquezas. Han justificado su ambición con su firme creencia de que solo ellos pueden evitar que la IA ponga en peligro la Tierra». ^{[ 277 ]}

En 2012, Baidu se puso en contacto con Geoffrey Hinton (quien dirigía la investigación en redes neuronales desde los años 80) para contratarlo a él y a todos sus estudiantes por una suma exorbitante. Hinton decidió organizar una subasta y, en una conferencia sobre IA en Lake Tahoe, se vendieron a Google por 44 millones de dólares. Hassabis se percató de la situación y vendió DeepMind a Google en 2014, con la condición de que no aceptara contratos militares y estuviera supervisada por un comité de ética. ^{[ 277 ]}

Larry Page de Google, a diferencia de Musk y Hassabis, era optimista sobre el futuro de la IA. Musk y Page se enfrascaron en una discusión sobre el riesgo de la IAG en la fiesta de cumpleaños de Musk en 2015. Habían sido amigos durante décadas, pero dejaron de hablarse poco después. Musk asistió a la única reunión del comité de ética de DeepMind, donde quedó claro que Google no estaba interesado en mitigar los daños de la IAG. Frustrado por su falta de influencia, fundó OpenAI en 2015, nombrando a Sam Altman para dirigirla y contratando a científicos de primer nivel. OpenAI comenzó como una organización sin fines de lucro, "libre de los incentivos económicos que impulsaban a Google y otras corporaciones". ^{[ 277 ]} Musk volvió a frustrarse y dejó la empresa en 2018. OpenAI recurrió a Microsoft para obtener apoyo financiero continuo y Altman y OpenAI formaron una versión con fines de lucro de la empresa con más de mil millones de dólares en financiación. ^{[ 277 ]}

En 2021, Dario Amodei y otros 14 científicos abandonaron OpenAI debido a la preocupación de que la empresa priorizara las ganancias sobre la seguridad. Fundaron Anthropic , que pronto obtuvo 6 mil millones de dólares en financiación de Microsoft y Google. ^{[ 277 ]}

En 2017, la arquitectura transformer fue propuesta por investigadores de Google en un artículo titulado " Attention Is All You Need ". Explota un mecanismo de autoatención y se popularizó en grandes modelos de lenguaje. ^{[ 281 ]} Grandes modelos de lenguaje, basados ​​en transformer, fueron desarrollados posteriormente por otras compañías: OpenAI lanzó GPT-3 en 2020, y DeepMind lanzó Gato en 2022. Estos son modelos fundamentales : se entrenan con grandes cantidades de datos sin etiquetar y pueden adaptarse a una amplia gama de tareas posteriores. Estos modelos pueden discutir una gran cantidad de temas y mostrar conocimiento general, lo que ha planteado interrogantes sobre si son o no ejemplos de inteligencia artificial general .

En 2023, Microsoft Research probó el modelo con una gran variedad de tareas y concluyó que "podría considerarse razonablemente como una versión temprana (aunque todavía incompleta) de un sistema de inteligencia artificial general (IAG)". ^{[ 282 ]}

En 2024, se anunció OpenAI o3 , un tipo de modelo de razonamiento avanzado desarrollado por OpenAI. En el benchmark Abstraction and Reasoning Corpus for Artificial General Intelligence (ARC-AGI), desarrollado por François Chollet en 2019, el modelo obtuvo una puntuación no oficial del 87,5 % en la prueba semiprivada, superando la puntuación típica humana del 84 %. Se supone que este benchmark es una prueba necesaria, pero no suficiente, para la IAG. En relación con el benchmark, Chollet afirmó: «Sabremos que la IAG ha llegado cuando el ejercicio de crear tareas que son fáciles para los humanos pero difíciles para la IA se vuelva simplemente imposible». ^{[ 283 ]}

La inversión en IA creció exponencialmente después de 2020, con un aumento drástico en la financiación de capital de riesgo para empresas de IA generativa. Las inversiones totales en IA aumentaron de 18 mil millones de dólares en 2014 a 119 mil millones de dólares en 2021, y la IA generativa representó aproximadamente el 30% de las inversiones para 2023. ^{[ 284 ]} Según las métricas de 2017 a 2021, Estados Unidos superó al resto del mundo en términos de financiación de capital de riesgo , número de startups y patentes de IA otorgadas. ^{[ 285 ]} El panorama comercial de la IA pasó a estar dominado por las grandes empresas tecnológicas estadounidenses, cuyas inversiones en esta área superaron las de los capitalistas de riesgo con sede en EE. UU . ^{[ 286 ]} La valoración de OpenAI alcanzó los 86 mil millones de dólares a principios de 2024, ^{[ 287 ]} mientras que la capitalización de mercado de NVIDIA superó los 3,3 billones de dólares a mediados de 2024, convirtiéndola en la empresa más grande del mundo por capitalización de mercado a medida que la demanda de GPU con capacidad de IA se disparó. ^{[ 288 ]}

15.ai , lanzado en marzo de 2020 ^{[ 289 ]} por un investigador anónimo del MIT , ^{[ 290 ] [ 291 ]} fue uno de los primeros ejemplos de IA generativa que obtuvo una amplia atención pública durante las etapas iniciales del auge de la IA. ^{[ 292 ]} La aplicación web gratuita demostró la capacidad de clonar voces de personajes utilizando redes neuronales con datos de entrenamiento mínimos, requiriendo tan solo 15 segundos de audio para reproducir una voz, una capacidad corroborada posteriormente por OpenAI en 2024. ^{[ 293 ]} El servicio se viralizó en las plataformas de redes sociales a principios de 2021, ^{[ 294 ] [ 295 ]} permitiendo a los usuarios generar habla para personajes de franquicias de medios populares , y se destacó particularmente por su papel pionero en la popularización de la síntesis de voz de IA para contenido creativo y memes . ^{[ 296 ]}

ChatGPT se lanzó el 30 de noviembre de 2022, marcando un momento crucial en la adopción pública de la inteligencia artificial. A los pocos días de su lanzamiento, se viralizó, alcanzando más de 100 millones de usuarios en dos meses y convirtiéndose en la aplicación de software de consumo de más rápido crecimiento de la historia. ^{[ 298 ]} La capacidad del chatbot para entablar conversaciones similares a las humanas, escribir código y generar contenido creativo cautivó la imaginación del público y condujo a una rápida adopción en diversos sectores, como la educación , los negocios y la investigación. ^{[ 299 ]} El éxito de ChatGPT provocó respuestas sin precedentes de las principales empresas tecnológicas: Google declaró una "alerta roja" y lanzó rápidamente Gemini (anteriormente conocido como Google Bard), mientras que Microsoft incorporó la tecnología a Bing Chat . ^{[ 300 ]}

La rápida adopción de estas tecnologías de IA desató un intenso debate sobre sus implicaciones. Destacados investigadores y líderes de la industria de la IA manifestaron tanto optimismo como preocupación por el ritmo acelerado de su desarrollo. En marzo de 2023, más de 20 000 firmantes, entre ellos el científico informático Yoshua Bengio , Elon Musk y el cofundador de Apple , Steve Wozniak , firmaron una carta abierta en la que pedían una pausa en el desarrollo avanzado de la IA , citando " profundos riesgos para la sociedad y la humanidad ". ^{[ 301 ]} Sin embargo, otros investigadores prominentes, como Juergen Schmidhuber, adoptaron una postura más optimista, enfatizando que la mayor parte de la investigación en IA tiene como objetivo hacer "vidas humanas más largas, saludables y fáciles". ^{[ 302 ]}

Sin embargo, a mediados de 2024, el sector financiero comenzó a examinar más de cerca a las empresas de IA, cuestionando particularmente su capacidad para generar un retorno de la inversión acorde con sus elevadas valoraciones. Algunos inversores prominentes expresaron su preocupación por la desconexión de las expectativas del mercado con las realidades empresariales fundamentales. Jeremy Grantham , cofundador de GMO LLC , advirtió a los inversores que tuvieran "mucho cuidado" y estableció paralelismos con burbujas de mercado anteriores impulsadas por la tecnología. ^{[ 303 ]} De manera similar, Jeffrey Gundlach , director ejecutivo de DoubleLine Capital , comparó explícitamente el auge de la IA con la burbuja de las puntocom de finales de la década de 1990, sugiriendo que el entusiasmo de los inversores podría estar superando las capacidades realistas a corto plazo y el potencial de ingresos. ^{[ 304 ]} Estas preocupaciones se vieron amplificadas por las sustanciales capitalizaciones de mercado de las empresas centradas en la IA, muchas de las cuales aún no habían demostrado modelos de rentabilidad sostenibles.

En marzo de 2024, Anthropic lanzó la familia Claude 3 de modelos de lenguaje grandes, que incluye Claude 3 Haiku, Sonnet y Opus. ^{[ 305 ]} Los modelos demostraron mejoras significativas en sus capacidades en varios benchmarks, y Claude 3 Opus superó notablemente a los modelos líderes de OpenAI y Google. ^{[ 306 ]} En junio de 2024, Anthropic lanzó Claude 3.5 Sonnet, que demostró un rendimiento mejorado en comparación con el modelo más grande Claude 3 Opus, particularmente en áreas como codificación, flujos de trabajo de varios pasos y análisis de imágenes. ^{[ 307 ]}

En 2024, la Real Academia Sueca de Ciencias otorgó los Premios Nobel en reconocimiento a las contribuciones pioneras a la inteligencia artificial . Entre los galardonados se encontraban:

• En física: John Hopfield por su trabajo en redes de Hopfield inspiradas en la física , y Geoffrey Hinton por sus contribuciones fundamentales a las máquinas de Boltzmann y al aprendizaje profundo .
• En química: David Baker , Demis Hassabis y John Jumper por sus avances en las predicciones del plegamiento de proteínas . Véase AlphaFold . ^{[ 308 ]}

En enero de 2025, OpenAI anunció una nueva IA, ChatGPT-Gov, diseñada específicamente para que las agencias gubernamentales de EE. UU. la utilizaran de forma segura. ^{[ 309 ]} OpenAI indicó que las agencias podrían utilizar ChatGPT-Gov en la nube de Microsoft Azure o en la nube de Azure Government, "sobre el servicio Azure OpenAI de Microsoft". El anuncio de OpenAI afirmaba que "el autoalojamiento de ChatGPT-Gov permite a las agencias gestionar más fácilmente sus propios requisitos de seguridad, privacidad y cumplimiento, como los estrictos marcos de ciberseguridad (IL5, CJIS, ITAR, FedRAMP High). Además, creemos que esta infraestructura agilizará la autorización interna de las herramientas de OpenAI para el manejo de datos confidenciales no públicos". ^{[ 309 ]}

Los países han invertido en políticas y financiación para desplegar robots autónomos en un intento por abordar la escasez de mano de obra y mejorar la eficiencia, al tiempo que implementan marcos regulatorios para un desarrollo ético y seguro.