-
McCulloch y Pitts proponen un modelo de neurona artificial.
En 1943, McCulloch y Pitts presentaron un modelo teórico de neurona artificial en su artículo "A Logical Calculus of the Ideas Immanent in Nervous Activity". Este modelo sentó las bases para el desarrollo posterior de las redes neuronales artificiales, que son fundamentales en la inteligencia artificial y el aprendizaje automático modernos. -
Alan Turing propone la "Prueba de Turing"
En 1950, Alan Turing propuso la "Prueba de Turing", un experimento que plantea que una máquina debe ser considerada inteligente si puede sostener una conversación escrita con un humano de manera indistinguible de otro humano. Esta idea influyó en la definición y evaluación de la inteligencia artificial y destacó la importancia del lenguaje y la comunicación en este campo. -
John McCarthy acuña el término "Inteligencia Artificial" en la Conferencia de Dartmouth.
En 1956, durante la Conferencia de Dartmouth, John McCarthy acuñó el término "Inteligencia Artificial" para describir la creación de máquinas capaces de realizar tareas que requerían inteligencia humana. Este evento marcó el inicio formal del campo de la inteligencia artificial como disciplina interdisciplinaria y sentó las bases para su desarrollo futuro. -
Frank Rosenblatt desarrolla el Perceptrón.
En 1957, Frank Rosenblatt desarrolló el Perceptrón, un algoritmo de aprendizaje simple inspirado en las neuronas del cerebro humano. Aunque tenía limitaciones, como solo poder aprender patrones linealmente separables, sentó las bases para el desarrollo posterior de redes neuronales más complejas y eficaces. -
Period: to
Se desarrollan sistemas expertos y lenguajes de programación específicos para AI.
Los sistemas expertos, que empleaban bases de conocimiento especializadas para emular el razonamiento humano en áreas específicas, se convirtieron en herramientas clave en campos como la medicina y la ingeniería. Paralelamente, se crearon lenguajes como LISP para facilitar la implementación de sistemas basados en reglas y el procesamiento simbólico. Estos avances sentaron las bases para futuros desarrollos en inteligencia artificial. -
Se popularizan las redes neuronales artificiales y el aprendizaje supervisado.
Se popularizaron las redes neuronales artificiales gracias al desarrollo del algoritmo de retropropagación, permitía el entrenamiento eficiente de redes neuronales con múltiples capas. Al mismo tiempo, el enfoque de aprendizaje supervisado se estableció como fundamental en la inteligencia artificial, utilizando ejemplos etiquetados para entrenar algoritmos. Estos avances sentaron las bases para el auge posterior del aprendizaje profundo y las aplicaciones avanzadas de inteligencia artificial. -
Surgimiento de algoritmos de aprendizaje profundo.
En la década de 1990, hubo un resurgimiento del interés en los algoritmos de aprendizaje profundo, especialmente con el surgimiento de las Redes Neuronales Convolucionales. Estos algoritmos, basados en redes neuronales artificiales con múltiples capas, demostraron ser efectivos en tareas como el reconocimiento de patrones en imágenes. Este período marcó el inicio de una nueva era en la inteligencia artificial, con el aprendizaje profundo siendo ampliamente utilizado en diversas aplicaciones. -
IBM Deep Blue vence al campeón mundial de ajedrez.
En 1997, IBM Deep Blue derrotó al campeón mundial de ajedrez, Garry Kasparov, marcando un hito significativo en la historia de la inteligencia artificial al demostrar la capacidad de las máquinas para superar a los humanos en tareas intelectuales complejas. Esta victoria generó un debate sobre el potencial de la inteligencia artificial y su impacto en la sociedad. -
Auge de la minería de datos y el aprendizaje automático.
Durante la década de 2000, experimentamos un auge en la minería de datos y el aprendizaje automático. La minería de datos consiste en descubrir patrones en grandes conjuntos de datos, mientras que el aprendizaje automático se enfoca en desarrollar algoritmos que permiten a las computadoras aprender y mejorar con la experiencia. Este período de rápido progreso sentó las bases para aplicaciones aún más avanzadas en la década siguiente. -
Avances significativos en el procesamiento del lenguaje natural.
Durante la década de 2010, se produjeron avances notables en el procesamiento del lenguaje natural y la visión por computadora, impulsados por el desarrollo de modelos de aprendizaje profundo como BERT y GPT en NLP, y redes neuronales convolucionales en visión por computadora. Estos avances llevaron a mejoras en la traducción automática, reconocimiento de voz, análisis de sentimientos, así como en el reconocimiento de objetos y segmentación de imágenes. Estos progresos tuvieron gran impacto. -
AlphaGo vence al campeón mundial de Go, Lee Sedol.
En 2016, AlphaGo, desarrollado por DeepMind, venció al campeón mundial de Go, Lee Sedol. Esta victoria destacó el poder de la inteligencia artificial, ya que el juego de Go es extremadamente complejo. AlphaGo utilizó técnicas de aprendizaje profundo para tomar decisiones durante el juego, lo que impulsó la investigación en este campo y demostró el potencial de la IA en problemas del mundo real. -
Continuos avances en la IA, incluyendo aplicaciones en robótica, salud, automoción, entre otros.
El aprendizaje profundo fue una tendencia principal, con mejoras en precisión y eficiencia en áreas como procesamiento del lenguaje natural y visión por computadora. Se enfatizó la ética y transparencia en el desarrollo de IA. Su implementación creció en la industria para mejorar eficiencia y automatización. Se destacaron sistemas autónomos, como vehículos autónomos y drones. Los asistentes virtuales y sistemas conversacionales se hicieron más sofisticados.