En los últimos tres años parece que todo el mundo de la tecnología se volvió monotemático y el tema es… ¡Inteligencia artificial! Aunque la popularización de los agentes de IA ocurrió de 2022 en adelante, la omnipresencia de la inteligencia artificial es tal que, a veces, parece que siempre ha existido.
No es para menos: estamos en la generación de la inteligencia artificial o GenAI, como la definió una investigación de McKinsey de 2024. Así como los baby boomers se sorprendían con la facilidad que la generación X tenía con los computadores, y de la misma forma que esta se asombraba con la naturalidad con la que los millennials usaban Internet, la generación que está naciendo actualmente llega después de la popularización de la inteligencia artificial.
Dicho de otra forma, la IA es ese tipo de innovación que define una Era. Así como no concebimos más la vida sin energía eléctrica, medios de transporte rápidos, telefonía, computadores e Internet, no será posible imaginar la vida sin inteligencia artificial.
Al haberse convertido casi en el único tema de discusión en el campo de la tecnología y en el mundo corporativo, la IA parece una gran novedad. Pero tiene historia —y no es corta—. Acompáñanos en este artículo para entender de dónde viene y, en consecuencia, cuáles caminos son posibles a partir de ella.
Un recuento histórico
Antes de la historia, el porqué. Al término “inteligencia artificial” podemos oponer “inteligencia natural”. Dado que la especie humana es la más inteligente del planeta, cuando hablamos de inteligencia natural nos referimos a nuestra capacidad de pensar y de construir razonamientos complejos.
Sin embargo, desde la invención de los computadores, los científicos creían que las máquinas serían capaces de emular el pensamiento humano. Antes incluso de que existiera el término “inteligencia artificial”, Walter Pitts y Warren McCulloch, en un artículo de 1943 titulado “Un cálculo lógico de las ideas inmanentes en la actividad nerviosa”, propusieron un modelo matemático simplificado para ilustrar cómo supuestamente funcionaría el cerebro humano.
Siete años después, Alan Turing sugirió que los computadores evolucionarían hasta el punto de que fuera imposible distinguir si estábamos interactuando con humanos o con máquinas. En su artículo “Máquinas de computación e inteligencia”, publicado en 1950, el matemático inglés propone el “juego de la imitación”, un ejercicio en el cual un evaluador interactuaría, por separado y mediante mensajes de texto, con un humano y con una máquina.
Si al final del ejercicio el evaluador no lograba distinguir quién era quién, la máquina habría ganado. Desde entonces, año tras año, hay afirmaciones de que un programa superó el test de Turing. Un caso famoso, que convenció a un tercio de los evaluadores en 2014, fue el del chatbot ruso Eugene Goostman.
Superado o no el test, lo cierto es que la proyección de Turing evolucionó en gran medida a partir de las ideas de Pitts y McCulloch. En 1952, Marvin Minsky creó la Snarc, la primera máquina construida con una red neuronal artificial y, por lo tanto, capaz de aprender.
En la década de 1960, la inteligencia artificial salió de las universidades y centros de investigación para entrar en la industria y en los negocios. Utilizando Lisp, un lenguaje de programación desarrollado por John McCarthy —el creador del término “inteligencia artificial”—, se programó el Dendral, un sistema que, a partir del análisis de datos de elementos químicos, conseguía identificar estructuras de grandes moléculas orgánicas.
Los años 60 también vieron nacer el primer chatbot que usaba lenguaje natural, el primer brazo robótico industrial, el primer robot capaz de percibir su entorno para moverse… La IA se acercaba cada vez más al uso cotidiano.
Inteligencia artificial: concepto y futuro
La IA como la conocemos hoy solo existe porque desde hace casi 100 años imaginamos que sería posible emular el funcionamiento del cerebro. Inspirada en redes de neuronas, la Ciencia de la Computación concibió las redes neuronales artificiales (RNA): modelos computacionales capaces de reconocer patrones, clasificarlos y aprender de ellos.
Al igual que las biológicas, las redes neuronales artificiales tienen capas. Y como cualquier programa informático, tienen arquitectura. En la práctica, la cantidad y organización de las capas definen la arquitectura de la RNA. Cuanto más profunda, mayores las posibilidades de aprendizaje. Redes neuronales con cuatro o más capas pueden realizar aprendizaje profundo, el deep learning del que tanto escuchamos hablar —y que será tratado en futuras publicaciones de este blog.
Gracias a las redes neuronales artificiales es posible el Procesamiento de Lenguaje Natural (PLN), incluyendo los LLMs (Large Language Models) —traducidos como “Grandes Modelos de Lenguaje”—.
Dado que las RNA pueden reconocer patrones, clasificarlos, aprender de ellos y procesar lenguaje natural, tienen todo lo necesario para… ¿pensar? Eso es precisamente lo que propone la inteligencia artificial generativa: generar contenido a partir del análisis y procesamiento de datos. Así fue como llegamos a los agentes de IA, ya tan presentes en nuestro día a día.
Como mencionamos al inicio, la inteligencia artificial marca una nueva Era. Así como electrificamos todo lo posible, desde duchas hasta autos, y vimos a Internet llegar a los dispositivos más pequeños, veremos lo mismo con la IA.
Si tu empresa aún no aplica inteligencia artificial en sus procesos, puedes contar con nosotros para dar ese paso y transformar tu negocio. Aquí en Inmetrics desarrollamos LIEV, nuestra solución de inteligencia artificial generativa que acelera la productividad de tu equipo, garantizando total seguridad y privacidad de los datos.
Y dado que la IA estará en todo, así funciona el LIEV: está incorporado en varias de nuestras soluciones, aumentando la agilidad y calidad de nuestras entregas.
Para conocer más sobre nuestras soluciones con LIEV integrado, haz clic aquí y contáctanos.
¡Te mostraremos todas las posibilidades que ofrece la inteligencia artificial!