Saltar al contenido principal

¿Cómo hemos llegado hasta aquí?

Conceptos básicos​

  • Inteligencia Artificial (1956): Desarrollo de sistemas que pueden realizar tareas que normalmente requieren inteligencia humana.

    • ELIZA (1966): Chatbot que simula una conversación terapéutica mediante reglas (busca palabras clave y responde con frases predefinidas).
    • Deep Blue (1997): Computadora que derrota a Kasparov en ajedrez. Estrategias programadas y una gran capacidad de cálculo.

  • Machine Learning o aprendizaje automático (1959): Desarrollo de algoritmos y modelos que permiten a las computadoras aprender de los datos.

    • Árboles de decisión (1960), Regresión logística (1958), K-means (1967), SVM (1995), Random Forest (2001), Gradient Boosting (2001), etc.
    • Predicciones basadas en datos (bolsa, clima, etc.)

Paradoja de Moravec (1980): Es relativamente fácil hacer que las computadoras realicen operaciones matemáticas y lógicas, pero es difícil hacer que realicen tareas simples que cualquier niño de 4 años puede hacer, como reconocer un objeto o entender un lenguaje natural.

  • Redes neuronales artificiales: Imitan el funcionamiento de las neuronas del cerebro humano para aplicaciones de Machine Learning.

    • Neurona artificial (1943)
    • Perceptrón (1957)
    • Red de Hopfield (1982)
    • Backpropagation (1986)
    • LeNet-5 (1998) (reconocimiento de dígitos)

  • Deep Learning: Subcampo de la IA que se enfoca en el desarrollo de redes neuronales profundas (redes neuronales con muchas capas ocultas) y con el se desarrolla el boom de la IA.

    • AlexNet (2012)

  • IA Generativa: Campo de la IA que utiliza Deep Learning en la creación de sistemas que pueden generar contenido nuevo y original.
    • ChatGPT, Dall-E, Sora, etc.
    • Lo que hoy se ha dado en llamar "La IA" gracias al reciente boom de los modelos generativos.

El Boom de la IA (del deep learning)​

  • Causas:

    • Aumento de la capacidad de cómputo (GPUs, TPUs)
    • Disponibilidad de enormes conjuntos de datos (Internet, Big Data)
    • Avances en algoritmos y arquitecturas de redes
    • Gran incremento de la financiación e inversión industrial

  • Hitos principales:

    • 2012: AlexNet reduce el error en ImageNet al 15.3% (antes 26%), demostrando el poder de las redes neuronales convolucionales y marcando el inicio del boom.
    • 2014: DeepFace de Facebook alcanza precisión casi humana (97.35%) en reconocimiento facial.
    • 2014: Las GANs (Generative Adversarial Networks), revolucionan la generación de contenido.
    • 2016: AlphaGo de DeepMind derrota al campeón mundial Lee Sedol.
    • 2017: Aparece la arquitectura Transformer, transformando el procesamiento de lenguaje.
    • 2020: GPT-3 de OpenAI demuestra capacidades emergentes en modelos de lenguaje a gran escala.
    • 2021: Los modelos de difusión (DALL-E, GLIDE) comienzan a dominar la generación de imágenes realistas.
    • 2022: ChatGPT (GPT-3.5) de OpenAI populariza los asistentes conversacionales.
    • 2023: GPT-4 de OpenAI y proliferación de modelos multimodales (texto, imagen, audio, video).
    • 2024: Primeros modelos con capacidades avanzadas de razonamiento (OpenAI o1).
    • 2025: DeepSeek-R1 (open-weights) baja el coste de los modelos de lenguaje con un rendimiento similar al de o1.

Expectativas futuras:​

Aumento de las capacidades humanas (Human Augmentation)​

La IA se perfila como un colaborador que potenciará nuestras habilidades. Desde la asistencia en tareas complejas y la toma de decisiones hasta la superación de limitaciones físicas o cognitivas, la IA actuará como una extensión de nuestras propias capacidades.

Creación Audiovisual Generativa​

Los avances en los modelos de difusión, el vídeo generativo y la síntesis de audio están transformando la producción audiovisual. Entre las expectativas más relevantes se encuentran:

  • Vídeo generativo de alta fidelidad: Modelos como Sora (OpenAI), Pika o Runway Gen-2 permitirán crear secuencias cinematográficas completas a partir de simples descripciones textuales.
  • Música y sonido: Herramientas como Stable Audio, LMusic o Sunshine compondrán bandas sonoras y efectos adaptados al contexto en tiempo real.
  • Realidad mixta y videojuegos: Mundos y personajes que se generan dinámicamente, ajustándose al estilo y preferencias de cada jugador.
  • Post-producción automatizada: Procesos de edición, corrección de color, doblaje y subtitulado guiados por IA, reduciendo drásticamente los tiempos de producción.
  • Accesibilidad incrementada: Generación automática de audiodescripciones, traducciones y lenguaje de señas, ampliando el alcance del contenido.

Estos avances, aunque centrados en la creatividad, comparten con la automatización la capacidad de acelerar flujos de trabajo y derribar barreras técnicas, razón por la cual merecen un apartado propio.

Agentes Autónomos​

Representan la evolución natural de los chatbots hacia sistemas verdaderamente proactivos e independientes.

¿Qué es un agente de IA? Diferencias clave:

  • Chatbot tradicional: "¿En qué puedo ayudarte?" → Responde a cada pregunta individual.
  • Agente autónomo: "Organiza mi viaje a Roma" → Planifica, busca opciones, compara precios, hace reservas, gestiona imprevistos y te informa del resultado final.

Características fundamentales de los agentes: Se definen por su autonomía para actuar a largo plazo, proactividad para tomar la iniciativa, reactividad para adaptarse al entorno, capacidad social para interactuar y el uso de herramientas (APIs, Internet, etc.).

Ejemplos y aplicaciones destacadas:

  • Gestión personal: Planificación automática de viajes (Kayak), gestión de finanzas o coordinación de tareas domésticas.
  • Ámbito profesional:
    • Programación: Desarrollo de software con Devin AI o GitHub Copilot Workspace.
    • Investigación y legal: Análisis de información con Perplexity Pro o revisión de contratos con Harvey AI.
  • Sectores de impacto: Ya se utilizan en atención al cliente (Zendesk), logística y trading algorítmico.

IA en la Educación​

La inteligencia artificial transformará el panorama educativo, creando un entorno de aprendizaje más personalizado, eficiente y accesible.

  • Tutoría personalizada e inteligente: Los sistemas de IA actuarán como tutores individuales para cada estudiante, adaptando el contenido y el ritmo de aprendizaje a sus necesidades específicas. Proporcionarán feedback instantáneo, resolverán dudas y ofrecerán refuerzo en las áreas donde el alumno presente dificultades.
  • Creación de contenido educativo dinámico: Los docentes podrán utilizar herramientas de IA para generar materiales didácticos a medida, como planes de lecciones, ejercicios, rúbricas de evaluación, presentaciones interactivas y simulaciones. Esto permitirá una enseñanza más rica y diversificada con menos esfuerzo.
  • Automatización de tareas administrativas: La IA liberará a los educadores de tareas repetitivas como la corrección de exámenes, la gestión de horarios o la comunicación de rutinas, permitiéndoles centrarse en la interacción directa con los estudiantes y en el diseño de experiencias de aprendizaje significativas.
  • Accesibilidad e inclusión: Las tecnologías de IA eliminarán barreras para estudiantes con necesidades especiales. Herramientas como la transcripción en tiempo real, la traducción simultánea o los lectores de pantalla avanzados garantizarán que todos los alumnos tengan las mismas oportunidades de acceso a la información.
  • Análisis del aprendizaje y detección temprana: La IA analizará patrones en el rendimiento de los estudiantes para identificar posibles dificultades de aprendizaje de manera proactiva. Esto permitirá a los educadores intervenir a tiempo y ofrecer el apoyo necesario antes de que los problemas se agraven.
  • Desarrollo profesional para docentes: La IA también podrá asistir a los propios docentes, ofreciendo análisis sobre sus métodos de enseñanza, sugiriendo nuevas estrategias pedagógicas y facilitando el acceso a recursos de formación continua.

Inteligencia Artificial General (AGI)​

¿Qué es exactamente la AGI?

  • Definición amplia: Un sistema que puede realizar cualquier tarea cognitiva que un humano pueda hacer.
  • Definición estricta: Un sistema que no solo iguala sino que supera significativamente a los humanos en la mayoría de tareas económicamente valiosas.
  • El problema: No existe consenso científico sobre qué constituye exactamente "inteligencia general" o cómo medirla objetivamente. Investigadores como Yann LeCun (Meta) argumentan que el propio término AGI es impreciso y que la inteligencia es un espectro multidimensional alcanzable solo mediante avances graduales.

Hitos esperados hacia la AGI:

  • Próximos 2-5 años: Modelos que superen a los humanos en la mayoría de tareas cognitivas individuales (escritura, programación, análisis, etc.).
  • 5-10 años: Sistemas que puedan combinar múltiples habilidades de forma coherente y mantener contexto a largo plazo.
  • 10-20 años: Posible emergencia de sistemas que demuestren razonamiento abstracto, creatividad genuina y aprendizaje autónomo comparables o superiores a los humanos.