Habría que esperar hasta 2006 para que la euforia volviera a ser completa gracias al renacimiento de las redes neuronales profundas (Deep Learning), impulsadas por tres factores clave: más datos que nunca (Big Data), mayor potencia de cálculo (especialmente gracias al uso de GPUs) y el
A partir de los 2000, el machine learning se convirtió en el enfoque que captó toda la atención en el campo de la IA, dejando totalmente de lado a los sistemas expertos. Este cambio se debió, sobre todo, a tres factores clave: el aumento en la
En 1987, sin embargo, vuelve desaparecer el entusiasmo tras demostrarse que los sistemas expertos eran difíciles de escalar, caros de mantener y poco adaptables a contextos específicos. La iniciativa japonesa fracasó, y muchas expectativas volvieron a quedarse cortas. Esto provocó un nuevo colapso de la financiación,
Pero en la tecnología, como en la vida, después de los inviernos llegan las “primaveras”, y a comienzos de los años 80, los sistemas expertos vivieron un nuevo auge, considerado por muchos como una “primavera parcial”, gracias al desarrollo de herramientas comerciales que lograron cierta utilidad
Mientras las redes neuronales quedaban un poco “en pausa” tras la desilusión del perceptrón, durante las décadas de 1960 y 1970 la investigación en inteligencia artificial tomó un rumbo diferente: el desarrollo de los llamados sistemas expertos. Este enfoque, también conocido como IA simbólica, se basaba
En 1958, el psicólogo e ingeniero Frank Rosenblatt presentó un modelo computacional que marcaría otro gran hito en la historia de la inteligencia artificial: el perceptrón. Inspirado en el funcionamiento básico de las neuronas biológicas, el perceptrón fue uno de los primeros intentos de construir unamáquina
Durante la Conferencia de Dartmouth, dos de los investigadores, Herbert Simon y Allen Newell, presentaron un sistema que marcaría un antes y un después en la historia de la inteligencia artificial: el Logic Theorist, un programa que trataba de demostrar teoremas matemáticos de forma automática, utilizando
En el verano de 1956, un pequeño grupo de científicos se reunió en el Dartmouth College, en New Hampshire (Estados Unidos), con una idea revolucionaria: investigar la posibilidad de que las máquinas pudieran imitar la inteligencia humana. Esta reunión, conocida como la Conferencia de Dartmouth, organizada
La tesis de Church-Turing: los fundamentos de la computación universal Mientras Alan Turing desarrollaba su conocida máquina teórica (capaz de simular cualquier proceso computacional mediante una serie de reglas y símbolos), el lógico y matemático Alonzo Church trabajaba en paralelo con el cálculo lambda (λ), un
En los años 30, el matemático británico Alan Turing propuso un modelo teórico que cambió por completo la forma en que entendemos la computación: la llamada “Máquina de Turing”. No era un aparato físico, sino una idea abstracta que describía cómo una máquina podía seguir instrucciones