-
Pensando en números
La inteligencia artificial requiere la capacidad de aprender y tomar decisiones, a menudo basadas en información incompleta. En 1763, Thomas Bayes elaboró un marco para el razonamiento sobre la probabilidad de los acontecimientos, utilizando las matemáticas para actualizar la probabilidad de una hipótesis a medida que se dispone de más información. Gracias a su trabajo, la inferencia bayesiana se convertiría en un enfoque importante en el aprendizaje automático. -
De los números a la poesía
En 1842, la matemática inglesa Ada Lovelace ayudó a Charles Babbage a publicar el primer algoritmo de su Motor Analítico, la primera computadora mecánica de uso general. Sin embargo, Lovelace vio oportunidades más allá de las matemáticas. Llamó a la idea Ciencia Poética: "[El motor analítico] podría actuar sobre otras cosas además de los números, si se encontraran objetos cuyas relaciones fundamentales mutuas pudieran ser expresadas por las de la ciencia abstracta de las operaciones". -
"Robot" entra en vernáculo
El escritor checo Karel Čapek introduce la palabra "robot" en su obra R.U.R. (Rossum's Universal Robots). La palabra "robot" viene de la palabra "robota" (trabajo o esclavo). -
La Segunda Guerra Mundial desencadena un nuevo pensamiento
La Segunda Guerra Mundial reunió a científicos de muchas disciplinas, incluyendo los campos emergentes de la neurociencia y la computación. El matemático Alan Turing y el neurólogo Grey Walter fueron dos de las mentes brillantes. Walter construyó algunos de los primeros robots de la historia. Turing llegó a inventar el llamado Test de Turing, que estableció el listón para una máquina inteligente: un ordenador que podía engañar a alguien haciéndole creer que estaba hablando con otra persona. -
Las neuronas se vuelven artificiales
Warren S. McCulloch y Walter Pitts publican "Un Cálculo Lógico de las Ideas Inmanentes en la Actividad Nerviosa" en el Boletín de Biofísica Matemática. Este influyente artículo, en el que analizan las redes de "neuronas" artificiales idealizadas y simplificadas y cómo podrían realizar funciones lógicas simples, se convertirá en la inspiración de las "redes neuronales" basadas en la informática (y más tarde en el "aprendizaje profundo") y su descripción popular como imitación del cerebro. -
¿Puede una máquina pensar?
Edmund Berkeley publica Cerebros Gigantescos: O Máquinas que Piensan en el que escribe: "Recientemente ha habido una buena cantidad de noticias sobre extrañas máquinas gigantes que pueden manejar información con gran velocidad y habilidad.... Estas máquinas son similares a lo que sería un cerebro si estuviera hecho de hardware y alambre en lugar de carne y nervios. Una máquina, por lo tanto, puede pensar". El debate sobre la inteligencia de la máquina sigue en pie hoy en día. -
La ciencia ficción dirige la conversación
En 1950, se publicó "Yo Robot", una colección de cuentos cortos del escritor de ciencia ficción Isaac Asimov.
Asimov fue uno de los varios escritores de ciencia ficción que recogió la idea de la inteligencia de la máquina, e imaginó su futuro. Su trabajo fue popular, provocador y visionario, ayudando a inspirar a una generación de robotistas y científicos. Es más conocido por las Tres Leyes de la Robótica, diseñadas para evitar que nuestras creaciones se vuelvan contra nosotros. -
Un enfoque "de arriba abajo"
El término "inteligencia artificial" fue acuñado para una conferencia de verano en la Universidad de Dartmouth, organizada por John McCarthy. Los principales científicos debatieron cómo abordar la IA. Con el tiempo, los puntos de vista de Marvin Minsky dominaron, y junto con McCarthy obtuvo una importante financiación del gobierno de los EE.UU., que esperaba que la IA les diera ventaja en la Guerra Fría. -
Se acuñó la expresión "aprendizaje automático"
Arthur Samuel acuña el término "aprendizaje de la máquina", informando sobre la programación de una computadora "para que aprenda a jugar mejor a las damas que la persona que escribió el programa". Esto marca un punto histórico en nuestra línea de tiempo de la inteligencia artificial, con la acuñación de una frase que llegará a encarnar todo un campo dentro de la IA. -
Problemas difíciles de resolver
Shakey fue el primer robot móvil de propósito general capaz de tomar decisiones sobre sus propias acciones razonando sobre su entorno. Construyó un mapa espacial de lo que vio, antes de moverse. Pero era dolorosamente lento, incluso en un área con pocos obstáculos. Cada vez que avanzaba, Shakey tenía que actualizar su mapa. Un objeto en movimiento en su campo de visión podía fácilmente desconcertarlo, a veces deteniéndolo en su camino durante una hora mientras planeaba su próximo movimiento. -
El creador autónomo de imágenes
Desde 1973, Harold Cohen -un pintor, un profesor de la Universidad de California, San Diego, y un antiguo representante de Gran Bretaña en la Bienal de Venecia- ha estado colaborando con un programa llamado AARON. AARON ha sido capaz de hacer cuadros de forma autónoma durante décadas; incluso a finales de la década de 1980 Cohen fue capaz de bromear que era el único artista que podría tener una exposición póstuma de nuevas obras creadas enteramente después de su propia muerte. -
Una solución para las grandes empresas
El valor comercial de la IA comenzó a realizarse, atrayendo nuevas inversiones. En lugar de intentar crear una inteligencia general, estos "sistemas expertos" se centraron en tareas mucho más estrechas. El primer sistema experto comercial exitoso, conocido como RI, comenzó a funcionar en la Digital Equipment Corporation ayudando a configurar las órdenes de los nuevos sistemas informáticos. Para 1986, le estaba ahorrando a la compañía un estimado de 40 millones de dólares al año. -
De las reglas al aprendizaje probabilístico
Los miembros del Centro de Investigaciones T.J. Watson de IBM publican "Un enfoque estadístico de la traducción de idiomas", anunciando el cambio de los métodos de traducción automática basados en reglas a los probabilísticos, y reflejando un cambio más amplio hacia el "aprendizaje automático" basado en el análisis estadístico de ejemplos conocidos, y no en la comprensión y la "comprensión" de la tarea en cuestión. -
Regreso a la naturaleza para la inspiración "de abajo hacia arriba"
Los sistemas expertos no pudieron resolver el problema de la imitación de la biología. Entonces el científico de la IA Rodney Brooks publicó un nuevo artículo: Los elefantes no juegan al ajedrez. Brooks argumentaba que el enfoque de arriba a abajo de preprogramar un ordenador con las reglas del comportamiento inteligente era erróneo. Ayudó a impulsar un resurgimiento del enfoque ascendente de la IA, incluyendo el campo de las redes neuronales. -
El chatbot A.L.I.C.E. aprende a hablar desde la web
Richard Wallace desarrolla el chatbot A.L.I.C.E "Artificial Linguistic Internet Computer Entity" (Entidad de computación de la Internet Lingüística Artificial), inspirado en el programa ELIZA de Joseph Weizenbaum, pero con la adición de la recopilación de datos de muestras de lenguaje natural a una escala sin precedentes, permitida por el advenimiento de la Web. -
El hombre contra la máquina: la lucha del siglo XX
Los partidarios de la IA de arriba a abajo todavía tenían sus campeones: supercomputadoras como Deep Blue, que en 1997 se enfrentó al campeón mundial de ajedrez Garry Kasparov.
La máquina construida por IBM era, sobre el papel, muy superior a Kasparov - capaz de evaluar hasta 200 millones de posiciones por segundo. ¿Pero podría pensar estratégicamente? La respuesta fue un rotundo sí. La supercomputadora ganó el concurso. -
El primer robot para el hogar
La empresa derivada de Rodney Brook, iRobot, creó el primer robot de éxito comercial para el hogar, una aspiradora autónoma llamada Roomba.
Sus pocas capas de sistemas generadores de comportamiento eran mucho más simples que los algoritmos de Shakey el Robot, y se parecían más a los robots de Grey Walter de más de medio siglo antes. Roomba marcó el comienzo de una nueva era de robots autónomos, centrados en tareas específicas. -
Empezando a resolver los grandes problemas
En noviembre de 2008, una pequeña función apareció en el nuevo iPhone de Apple, una aplicación de Google con reconocimiento de voz. Google fue pionero en un nuevo enfoque: miles de computadoras poderosas, ejecutando redes neuronales paralelas, aprendiendo a detectar patrones en los vastos volúmenes de datos que llegan de los muchos usuarios de Google. Al principio todavía era bastante inexacto pero, después de años de aprendizaje y mejoras, Google ahora afirma que tiene un 92% de precisión.
