Es difícil establecer una línea de tiempo para lo que llamamos Inteligencia Artificial ya que hasta el día de hoy el concepto, para muchos, sigue siendo relativamente abstracto. Se considera un tema amplio y a la vez revolucionario que es igual de arduo proveer una explicación concreta. Lo que sabemos es que, en su definición más sencilla, la Inteligencia Artificial es una ciencia multidisciplinaria, que abarca una plétora de materias en su haber.

En 1950, Alan Turing, matemático, lógico, informático teórico, criptógrafo, filósofo y biólogo teórico británico y uno de los padres de la computación y precursor de la informática moderna, se hizo una simple pregunta, ¿pueden las máquinas pensar?

A raíz de esta incógnita, desarrolló el “El Test de Turing”, una prueba en la que un humano mantiene una conversación con una computadora y otra persona simultáneamente, pero sin saber quién de los dos conversadores es realmente la máquina. En su momento, Turing propuso esta prueba con el objetivo de entender la capacidad de una máquina para exhibir un comportamiento inteligente similar al de un ser humano o indistinguible de este.

En su ensayo “Computing Machinery and Intelligence” de 1950, Turing inicia con estas palabras, “propongo que se considere la siguiente pregunta, ¿pueden pensar las máquinas?”.

Cómo fue difícil definir la palabra pensar, Turing decide reemplazar esta pregunta con otra: ¿Existirán computadoras digitales imaginables que tengan un buen desempeño en el juego de imitación? Turing creía que esta pregunta sí era posible de responder y en lo que resta de su ensayo se dedica a argumentar en contra de las objeciones principales a la idea de que “las máquinas pueden pensar”.

Controversialmente, numerosos investigadores e historiadores consideran que el punto de partida de la Inteligencia Artificial fue en el año 1956, cuando John McCarty, Marvin Misky y Claude Shannon acuñaron formalmente el término durante una conferencia en la Universidad de Darmouth, como: “la ciencia e ingenio de hacer máquinas inteligentes, especialmente programas de cálculo inteligente”. La conferencia fue financiada por la Fundación Rockefeller y se llamó “Dartmouth Summer Research Project on Artificial Intelligence”.

Posterior a estos orígenes, y muchos años después, se publicó el libro académico, “Artificial Intelligence: A Modern Approach” en 1995, en el cual se buscaba la concreta definición de lo que es una máquina inteligente y que es en realidad Inteligencia Artificial. Sus autores, Stuart Russell y Peter Norvig concluyen que “IA es el estudio de los agentes que reciben percepciones del entorno y realizan acciones”.

Entre sus páginas explican los cuatro factores moldeadores de la Inteligencia Artificial: el pensamiento humano y el pensamiento racional (para el razonamiento y procesamiento del pensamiento), la acción humana y la acción racional (para el comportamiento).

¿Estás de acuerdo?

Por su parte, el informático estadounidense, profesor de MIT y director del Laboratorio de Inteligencia Artificial, Patrick Winston, llevaba sus propias investigaciones y define la Inteligencia Artificial como “algoritmos activados por restricciones, expuestos por representaciones que soportan modelos que vinculan el pensamiento, la percepción y la acción”

Recientemente, el investigador Yoshua Bengio, da como fecha de partida la explosión de IA en el año 2012, donde se presentaron los primeros productos comerciales que entendían el habla y aplicaciones que permitían identificar el contenido de una imagen, como hoy incorpora Google Photos.

En 2017 se acuñó la definición más reciente sobre la Inteligencia Artificial, por el CEO de DataRobot, Jeremy Achin: “La Inteligencia Artificial es un sistema informático capaz de realizar tareas que normalmente requieren inteligencia humana… Muchos de estos sistemas de IA se basan en el Machine Learning, otros en el Deep Learning y otros en cosas muy aburridas como las reglas”.

Es importante que podamos definir y diferenciar estos dos términos para estar más cerca a entender lo que es la IA. Machine Learning o aprendizaje automático, es el proceso de alimentar un ordenador con datos, en el cual la máquina utiliza técnicas de análisis sobre estos datos para aprender a realizar una tarea.

El Deep Learning o aprendizaje profundo, es un tipo de Machine Learning directamente inspirado en la arquitectura de las neuronas del cerebro humano. Utiliza redes neuronales artificiales con múltiples capas para procesar y aprender de grandes cantidades de datos.

ADA por Jenny Sabin, en colaboración con Microsoft Research.