-
Warren McCulloch y Walter Pitts proponen un modelo matemático de neuronas artificiales, sentando las bases de las redes neuronales. -
Alan Turing publica el artículo "Computing Machinery and Intelligence", donde introduce el concepto de la prueba de Turing para determinar si una máquina puede pensar. -
Se celebra la Conferencia de Dartmouth, donde se acuña el término "inteligencia artificial" y se establecen los objetivos de la investigación en IA. -
Los sistemas de IA de la época no cumplían las expectativas y se enfrentaban a problemas de escalabilidad y falta de conocimiento común.
-
Aparecen programas capaces de jugar al ajedrez y demostrar teoremas matemáticos. -
Se crean sistemas capaces de tomar decisiones basadas en reglas y conocimientos expertos en áreas específicas. -
La falta de avances significativos llevó a una disminución del financiamiento para la investigación en IA. -
Se redescubren las redes neuronales y se aplican a problemas de reconocimiento de patrones. -
AlexNet gana el concurso ImageNet Large Scale Visual Recognition Challenge, demostrando la eficacia de las redes neuronales profundas en el reconocimiento de imágenes. -
AlphaGo de DeepMind derrota al campeón mundial de Go, Lee Sedol. -
BERT, un modelo de lenguaje desarrollado por Google, revoluciona el procesamiento del lenguaje natural. -
Los asistentes virtuales basados en IA se vuelven cada vez más sofisticados y comunes en diversos sectores, desde el servicio al cliente hasta la asistencia personal. -
Las empresas tecnológicas y los gobiernos invierten fuertemente en investigación y desarrollo de IA, impulsando la innovación. -
Empresas como Waymo y Tesla comienzan a probar vehículos autónomos en entornos urbanos. -
OpenAI presenta GPT-2, un modelo de lenguaje capaz de generar texto coherente y creativo, lo que despierta preocupaciones sobre la generación de deepfakes y desinformación. -
Las Redes Generativas Adversarias (GANs) alcanzan un nivel de realismo sin precedentes en la generación de imágenes falsas, planteando desafíos éticos. -
La pandemia de COVID-19 impulsa el desarrollo de aplicaciones de IA para la detección de enfermedades, el desarrollo de vacunas y la gestión de la crisis sanitaria. -
OpenAI lanza GPT-3, un modelo de lenguaje aún más poderoso que su predecesor, capaz de realizar tareas complejas como traducción, resumen de texto y generación de código. -
Los proveedores de servicios en la nube ofrecen herramientas y plataformas cada vez más sofisticadas para el desarrollo y despliegue de modelos de IA. -
DeepMind's AlphaFold resuelve uno de los problemas más importantes de la biología, prediciendo con precisión las estructuras 3D de las proteínas.
-
Los modelos generativos como DALL-E 2 y Stable Diffusion revolucionan la creación de imágenes a partir de descripciones textuales.
ChatGPT: OpenAI lanza ChatGPT, un chatbot conversacional que genera -
La IA se vuelve omnipresente, desde la atención médica hasta la manufactura, la educación y el entretenimiento.
-
Surgen debates sobre el uso ético de la IA, incluyendo temas como el sesgo algorítmico, la privacidad y la autonomía. -
Artículo original de AlphaFold2: Jumper, J., Evans, J., Pritzel, A., et al. (2021). Highly accurate protein structure prediction with AlphaFold. Nature, 596(7873), 583-589. Russell, S. J., & Norvig, P. (2016). Inteligencia artificial: un enfoque moderno. Pearson Educación.
Goodfellow, I., Bengio, Y., & Courville, A. (2016). Deep learning. MIT press.
Nilsson, N. J. (1998). Artificial intelligence: A new synthesis. Morgan Kaufmann Publishers Inc.