José Carlos Botto Cayo
Hasta hace algunos años, conversar con una computadora parecía una escena reservada al cine. Hoy basta escribir una pregunta para recibir una explicación, traducir un texto o preparar una imagen. Estas posibilidades forman parte de la inteligencia artificial, un campo de la informática que desarrolla sistemas capaces de realizar tareas relacionadas con el lenguaje, el aprendizaje y la resolución de problemas. Algunas herramientas reconocen patrones; otras generan contenidos o ayudan a analizar información. Para quienes se acercan por primera vez, lo sorprendente es poder pedir algo con palabras corrientes y obtener una respuesta que parece comprender lo solicitado.
Detrás de esa facilidad existe una historia que merece conocerse. La IA recoge antiguas inquietudes sobre la posibilidad de construir seres artificiales, pero su desarrollo científico pertenece al siglo XX. Desde entonces ha atravesado periodos de entusiasmo, dificultades y nuevos descubrimientos. Recorrer ese camino permite entender cómo funciona, por qué ha llegado a tantas actividades y qué podemos esperar de ella en los próximos años.
Los orígenes de una antigua aspiración
La idea de fabricar seres capaces de actuar por nosotros acompañó al ser humano mucho antes de la aparición de las computadoras. La investigadora Adrienne Mayor, de la Universidad de Stanford, ha estudiado esa aspiración en los mitos griegos. Entre ellos aparece Talos, el gigante de bronce encargado de proteger Creta, que recorría la isla y atacaba a los invasores. También figuran las sirvientas de oro de Hefesto, dotadas de movimiento y conocimiento. Aquellas historias expresaban una curiosidad que seguimos reconociendo: hasta dónde puede llegar una creación y qué tareas podría cumplir sin que alguien dirija cada uno de sus movimientos.
Desde luego, esos relatos no describían inteligencia artificial en el sentido actual. Eran antecedentes de una idea, todavía lejos de convertirse en tecnología. Para dar ese paso hacían falta procedimientos que pudieran ponerse a prueba, además de máquinas capaces de ejecutar operaciones con precisión y de manera repetida.
En el siglo XIX, Charles Babbage proyectó la máquina analítica, que anticipaba principios de las computadoras programables. Aunque no llegó a completarla, su propuesta acercó el problema al terreno de la ingeniería. Más adelante, en 1950, Alan Mathison Turing planteó examinar el comportamiento de una computadora mediante intercambios escritos. Su juego de imitación, conocido después como prueba de Turing, ofrecía una manera concreta de discutir si una máquina podía producir respuestas semejantes a las humanas.
El nombre de la disciplina apareció en una propuesta de 1955 firmada por John McCarthy, Marvin Minsky, Nathaniel Rochester y Claude Shannon. Los investigadores organizaron un encuentro en Dartmouth durante el verano de 1956, considerado el nacimiento formal de la inteligencia artificial. Querían estudiar cómo las máquinas podían utilizar el lenguaje, formar conceptos y resolver problemas. La tarea era ambiciosa: describir aspectos de la inteligencia con suficiente precisión para reproducirlos mediante procedimientos computacionales. Con ello se abría un espacio de investigación que reuniría a especialistas de distintas áreas alrededor de preguntas compartidas.
Cómo las máquinas comenzaron a aprender
Una de las primeras preguntas fue cómo enseñar a una computadora. Turing había propuesto explorar un programa que recibiera una forma de educación, en lugar de intentar introducir desde el comienzo todos los conocimientos de una persona adulta. La idea incluía experimentar, corregir y comparar resultados. Esa posibilidad de aprender ocuparía un lugar central en el desarrollo posterior de la disciplina.
Los investigadores exploraron distintos caminos. Algunos trabajaron con reglas explícitas para representar conocimientos; otros estudiaron redes de unidades inspiradas, de manera simplificada, en el funcionamiento de las neuronas. Las expectativas, sin embargo, avanzaban más rápido que los resultados. Durante las décadas de 1970 y 1980 hubo periodos de menor interés y financiamiento, conocidos como los inviernos de la IA. Esa experiencia deja una enseñanza útil para leer las noticias actuales: entre presentar una posibilidad y conseguir que funcione de manera confiable puede existir una distancia considerable. El entusiasmo necesita demostraciones que lo sostengan.
El aprendizaje a partir de datos permitió ampliar las aplicaciones. Durante el entrenamiento, las redes neuronales ajustan conexiones internas para reconocer patrones. Las redes con múltiples capas dieron impulso al aprendizaje profundo. A ello se sumaron conjuntos de datos más extensos y procesadores capaces de realizar los cálculos necesarios.
Pensemos en una tarea sencilla: reconocer un número escrito a mano. Una misma cifra puede aparecer inclinada, apretada o trazada con poca claridad. Aprender de muchos ejemplos permite tratar esas variaciones sin describir manualmente cada caso. Los avances también se hicieron visibles en acontecimientos como la victoria de Deep Blue sobre Garry Kasparov en 1997. Más adelante, los modelos de lenguaje ampliaron la generación de textos y ChatGPT acercó estas capacidades al público en 2022. Para el usuario, la novedad era inmediata: podía comenzar a explorar una herramienta escribiendo lo que necesitaba, sin aprender primero un lenguaje de programación.
El futuro también depende de nosotros
Las próximas aplicaciones apuntan a sistemas capaces de ejecutar tareas más extensas. El Informe Internacional sobre Seguridad de la IA de 2026 destaca el desarrollo de agentes que realizan secuencias de acciones con menor intervención humana, especialmente en programación. También señala que su fiabilidad disminuye ante ciertos trabajos complejos. Para comprender esa diferencia, pensemos en un encargo de oficina: preparar un borrador exige una revisión; administrar por cuenta propia todo un procedimiento requiere controles adicionales. Cuanto mayor sea la responsabilidad delegada, más importante será saber cómo detectar y corregir un fallo.
La velocidad de ese avance sigue siendo incierta. La disponibilidad de energía, equipos, datos y financiamiento puede imponer límites. Además, los sistemas todavía producen información incorrecta. Por ello, las fechas anunciadas para alcanzar capacidades extraordinarias deben leerse como predicciones, sujetas a comprobación y a cambios.
Desde la educación y los oficios podemos formular una orientación práctica. Un estudiante que solicita una explicación necesita poder contrastarla con sus materiales y reconocer qué parte todavía no entiende. Un periodista que utiliza un resumen debe volver a los documentos cuando un dato resulte decisivo. En ambos casos, la herramienta adquiere valor cuando ayuda a desarrollar una tarea y permite revisar su resultado. Esa debería ser una prioridad al enseñar a utilizarla: acompañar el manejo de la aplicación con la capacidad de preguntar, comparar y comprobar. De otro modo, aprenderíamos a obtener respuestas sin aprender a reconocer cuándo están equivocadas.
La historia de la IA comenzó a escribirse mucho antes de que pudiéramos abrir una conversación en el teléfono. Conocerla ayuda a recibir las novedades con curiosidad y a exigir resultados concretos. En adelante, una pregunta deberá acompañar cada uso: ¿podemos responder por lo que estamos entregando? En una clase, una oficina o una redacción, esa responsabilidad seguirá teniendo nombre y apellido, aunque parte del trabajo se haya realizado con una máquina.
Bibliografía
Shashkevich, Alex. (2019, 28 de febrero). Stanford researcher examines earliest concepts of artificial intelligence, robots in ancient myths. Stanford Report, Universidad de Stanford.
https://news.stanford.edu/stories/2019/02/ancient-myths-reveal-early-fantasies-artificial-life
Turing, Alan Mathison. (1950). Computing machinery and intelligence. Mind, 59(236), 433–460.
https://doi.org/10.1093/mind/LIX.236.433
McCarthy, John; Minsky, Marvin; Rochester, Nathaniel; y Shannon, Claude. (1955, 31 de agosto). A proposal for the Dartmouth Summer Research Project on Artificial Intelligence. Propuesta de investigación. Copia conservada en la Universidad de Stanford.
https://www-formal.stanford.edu/jmc/history/dartmouth/dartmouth.html
Mucci, Tim; Finio, Matthew; y Downie, Amanda. (2026, 19 de agosto, actualización). The history of AI. IBM Think. Publicación original: 21 de octubre de 2024.
https://www.ibm.com/think/topics/history-of-artificial-intelligence
International AI Safety Report. (2026). 2026 report: Extended summary for policymakers. Resumen del informe internacional presidido por Yoshua Bengio.
https://internationalaisafetyreport.org/publication/2026-report-extended-summary-policymakers
