Hilos
25 hilos que siguen una idea de la IA de principio a fin, hito a hito, con lo que llevó de cada uno al siguiente.
- De Boole al circuito. El álgebra con la que Boole escribe la lógica es la que Shannon usa en 1937 para describir circuitos de relés.
- De la neurona a la máquina. La lógica formal y el estudio de los circuitos neuronales se cruzan en la neurona de McCulloch y Pitts. Dos años después, su notación está en el informe que describe el programa almacenado.
- Shakey y sus algoritmos. A* y STRIPS se crearon dentro del proyecto de un robot, Shakey.
- Del premio al alineamiento. De la idea de que la recompensa refuerza la conducta a la técnica con la que se ajusta ChatGPT. Dos líneas corren en paralelo y se juntan en Sutton; otras dos se juntan en el trabajo de Ziegler.
- Datos, GPU y AlexNet. GPU programables y un conjunto masivo de imágenes etiquetadas, los dos ingredientes que faltaban, se juntan en AlexNet.
- De la atención al Transformer. La atención aparece sobre un modelo secuencia a secuencia. El Transformer conserva la atención y elimina la recurrencia.
- El invierno de las redes. Cómo las redes neuronales sobrevivieron veinte años en segundo plano, de la física de Hopfield a las GPU, y por qué volvieron con AlexNet.
- Auge y caída de los sistemas expertos. La apuesta japonesa por la programación lógica desata una carrera entre países por la IA simbólica en los años ochenta. Diez años después, el mercado se ha hundido y los grandes proyectos terminan sin cumplir lo prometido.
- Máquinas contra campeones. De las damas de Samuel al go de AlphaGo, los juegos miden cuánto ha avanzado la IA. Dos caminos se alternan, la búsqueda con fuerza de cálculo y el aprendizaje jugando contra sí misma, hasta juntarse.
- Coches que conducen solos. El dinero militar que movió la carrera de la IA en los ochenta paga un vehículo de pruebas en Carnegie Mellon. En él aprende a conducir una red neuronal, y dos décadas después un todoterreno cruza el desierto sin conductor.
- Del razonamiento pedido al razonamiento entrenado. Una forma de escribir los ejemplos de una instrucción se convierte en un método de entrenamiento, y en dos años todos los laboratorios ofrecen modelos que piensan antes de responder.
- De responder a actuar. Los modelos de lenguaje pasan de escribir respuestas a usar herramientas, navegadores y ordenadores, y a trabajar solos durante horas.
- El modelo demasiado capaz. En 2026 los modelos más capaces encuentran vulnerabilidades mejor que casi cualquier persona, y los tres grandes laboratorios estadounidenses los publican primero, o solo, para los defensores.
- China y los chips. Estados Unidos restringe la venta de chips avanzados a China, y los laboratorios chinos responden con modelos abiertos eficientes y, después, con chips propios.
- De la difusión al modelo de mundo. Los modelos de difusión pasan de generar imágenes a generar vídeo y, después, mundos interactivos que responden a quien los recorre.
- De la memoria de Hopfield al Nobel. Dos redes inspiradas en la física de los años ochenta reciben en 2024 el Nobel de Física como fundamento del aprendizaje automático.
- De la pregunta de Hilbert a la máquina universal. Hilbert pide procedimientos que decidan cualquier pregunta matemática. Gödel, Church, Post y Turing demuestran que no existen y, para demostrarlo, definen qué es calcular.
- El perceptrón y sus límites. La neurona lógica y la regla de Hebb se juntan en el perceptrón, la primera red que aprende de ejemplos. Minsky y Papert miden después sus límites.
- Del razonamiento general al conocimiento experto. La IA simbólica empieza buscando un método general de razonamiento y acaba encontrando su fuerza en el conocimiento especializado de los sistemas expertos.
- De la retina a la red convolucional. La jerarquía de células que Hubel y Wiesel encuentran en la corteza visual del gato se convierte en una red artificial y después en las redes convolucionales.
- De Atari al go. En cuatro años, DeepMind pasa de aprender videojuegos desde los píxeles a dominar el go sin partidas humanas.
- La escala como método. Del preentrenamiento con texto sin etiquetar a los modelos fundacionales, pasando por las leyes que predicen cuánto mejora un modelo al crecer.
- Del ruido a la imagen. Tres líneas de trabajo sobre cómo generar imágenes, el espacio latente, la difusión y la eliminación de ruido, se juntan en los generadores de 2022.
- Quién paga el cómputo. El coste de entrenar modelos cada vez mayores cambia la forma de las organizaciones que los hacen.
- De la proteína al Nobel. Cómo un problema abierto durante medio siglo, predecir la forma de una proteína, se resuelve en dos años y acaba en el Nobel de Química.