Una mirada al pasado de la IA

Imagen generada con Ideogram (corregida)

La historia de la inteligencia artificial (IA) se remonta a varias décadas en el pasado y ha evolucionado a través de distintos hitos significativos, que para tener contexto de la rapidez de los avances vamos a continuación a presentar un resumen de los eventos más relevantes en la evolución de la IA hasta la actualidad.

• Década de 1950-1980: conceptos fundamentales y principios de la IA

  
  

  • 1950 - Prueba de Turing: Alan Turing propone la "prueba de Turing" en su artículo "Computing Machinery and Intelligence", en el que cuestiona si las máquinas pueden pensar. Esto prepara el terreno para los debates sobre las capacidades de la IA.

    
    

  • 1956 - El nacimiento de la IA: se acuña el término inteligencia artificial por John McCarthy en la Conferencia de Dartmouth, donde los investigadores debaten sobre el potencial de las máquinas para simular el aprendizaje y la inteligencia humanos.

    
    

  • Década de 1960-1970 - IA simbólica y sistemas expertos: la investigación en IA se centra en los sistemas basados ​​en reglas, la lógica simbólica y los sistemas expertos. Sin embargo, estos modelos tienen dificultades con las tareas que requieren reconocimiento de patrones o percepción.

    
    

  • 1980 - Introducción de las redes neuronales: si bien en la década de 1950 eran en gran medida teóricas, las redes neuronales ganan terreno en la década de 1980, en particular con el desarrollo de la retropropagación, que permite a las máquinas aprender de los errores.

    
    

En este momento vemos la semilla de preguntas acerca de la inteligencia de las maquinas donde grandes pensadores empiezan las investigaciones de crear una computadora inteligente y representaciones de las redes neuronales en computadoras

• Década de 1990-2000: La era del aprendizaje automático

  
  

  • 1997 - Deep Blue de IBM: Deep Blue de IBM se convierte en la primera IA en derrotar a un campeón mundial, Garry Kasparov, en ajedrez, lo que demuestra el potencial de la IA en la toma de decisiones complejas.

    
    

  • 2001 - Reconocimiento de voz: Microsoft presenta Cortana y Dragon Naturally Speaking gana prominencia. Estos primeros esfuerzos allanan el camino para la comprensión del lenguaje natural y la interacción con la IA.

    
    

  • 2006 - Aprendizaje profundo y el gran avance de Hinton: Geoffrey Hinton reaviva el interés en el aprendizaje profundo al demostrar que las redes neuronales con muchas capas pueden superar a los métodos anteriores en ciertas tareas como la clasificación de imágenes.

    
    

Ya vemos los primemos pasos del aprendizaje de las maquinas, ya siendo entrenadas para toma de decisiones, en ocasiones superiores a humanos, y se busca el nuevo avance, poder interactuar con estos modelos en lenguaje natural.

• Década de 2010: Auge de los modelos generativos

  
  

  • 2014 - Redes generativas antagónicas (GAN): Ian Goodfellow propone las GAN, un gran avance que permite a las máquinas generar imágenes, música y otros datos. Las GAN cuentan con dos redes neuronales, un generador y un discriminador, que trabajan una contra la otra para producir datos realistas.

    
    

  • 2015 - VAE (codificadores automáticos variacionales): los VAE ofrecen una forma de codificar y generar nuevos datos, mejorando aún más la capacidad de la IA para generar resultados significativos y variados, especialmente en la generación de imágenes y videos.

    
    

  • 2015 - Fundación de OpenAI: se funda OpenAI, un laboratorio de investigación centrado en la creación de IA segura y escalable. Sus contribuciones posteriores se vuelven fundamentales en el desarrollo de modelos generativos.

    
    

  • 2017 - Transformers (Attention is All You Need): Vaswani et al. presentan el modelo Transformer, que revoluciona el procesamiento del lenguaje natural (NLP). Los Transformers eliminan la necesidad de redes neuronales recurrentes (RNN) mediante el uso de mecanismos de autoatención, lo que mejora drásticamente la eficiencia de entrenamiento de los modelos de lenguaje.

    
    

Después de investigaciones y avances, empezamos la primera década de los modelos generativos, donde principalmente ya podemos entregar instrucciones a estos modelos y nos van a generar una respuesta con su entrenamiento que considere nuestras instrucciones y el paso mas importante de todo este auge la habilidad de retención de estos modelos.

• 2018–2020: Era GPT y explosión de Transformers

  
  

  • 2018 - GPT-1 (OpenAI): OpenAI lanza el primer Transformer preentrenado generativo (GPT-1), lo que marca un paso significativo en la generación de lenguaje natural. Utiliza aprendizaje no supervisado y ajuste fino para tareas específicas.

    
    

  • 2019 - GPT-2 (OpenAI): GPT-2, con 1500 millones de parámetros, muestra capacidades asombrosas en la generación de texto, incluido contenido coherente de formato largo. OpenAI inicialmente restringe su lanzamiento, citando preocupaciones sobre un posible uso indebido.

    
    

  • 2019 - BERT (Google): Google presenta Representaciones de codificador bidireccional de Transformers (BERT), que se destaca en una amplia gama de tareas de NLP. BERT llama la atención sobre el entrenamiento bidireccional, lo que permite una comprensión del lenguaje más matizada.

    
    

  • 2020 - GPT-3 (OpenAI): GPT-3, un gran salto con 175 mil millones de parámetros, se convierte en un fenómeno en IA por su capacidad de generar texto similar al humano. GPT-3 potencia numerosas aplicaciones, incluida la generación de contenido, la codificación y los asistentes virtuales, lo que demuestra la madurez de la IA generativa.

    
    

El final de la década de la IA generativa, y que, debido a la cantidad de avances, no es correcto hacer divisiones por décadas ya que año a año los avances son exponenciales, como para el año 2020, los modelos ya están cerca superar el teste de Turing, con la gran mejora en producción de texto en lenguaje natural.

• 2021-2022: modelos multimodales e integración de IA

  
  

  • 2021 - CLIP y DALL·E (OpenAI): OpenAI presenta CLIP, un modelo capaz de comprender imágenes en contexto con el lenguaje. También se presenta DALL·E, un modelo generativo basado en GPT-3, que crea imágenes a partir de indicaciones de texto.

    
    

  • 2021 - Codex (OpenAI): OpenAI lanza Codex, un modelo basado en GPT-3 diseñado específicamente para tareas de programación. Codex potencia GitHub Copilot, que ayuda a los desarrolladores completando automáticamente el código.

    
    

  • 2021 - LaMDA (Google): Google presenta LaMDA, un modelo diseñado para tener conversaciones abiertas y matizadas, lo que significa avances en las capacidades conversacionales de la IA.

    
    

  • 2022 - DALL·E 2 (OpenAI): se lanza DALL·E 2, que mejora enormemente la calidad y la resolución de las imágenes generadas a partir de descripciones textuales. Muestra hasta dónde ha llegado la IA generativa en la creación de imágenes fotorrealistas a partir de indicaciones abstractas.

    
    

  • 2022 - Stable Diffusion (IA de estabilidad): Stable Diffusion democratiza la generación de imágenes al ofrecer un modelo de código abierto que puede crear imágenes detalladas y de alta calidad a partir de indicaciones de texto. Su lanzamiento desencadena un auge en las aplicaciones creativas de IA.

    
    

  • 2022 - ChatGPT (OpenAI): ChatGPT, basado en GPT-3.5, se convierte en una sensación viral por sus capacidades conversacionales, mostrando como los modelos de lenguaje avanzados pueden participar en interacciones naturales, similares a las humanas, en diversos temas.

    
    

  • 2022 - Whisper (OpenAI): Whisper, un modelo de voz a texto de última generación, demuestra un rendimiento superior en transcripción y traducción, lo que destaca el progreso de la IA generativa en la comprensión y generación del habla.

    
    

Los años donde más se ha visto avances, terminan aquí, ya no solo hay varias tecnologías a las que podemos acceder con lenguaje natural que dan respuestas convienes en múltiples campos de la ciencia, ahora también reconocen imágenes y las crean a partir de una instrucción dada e interpretan nuestra voz.

Imagen generada con Ideogram (corregida)

• 2023-2024: IA generativa multimodal y a gran escala

  
  

  • 2023 - GPT-4 (OpenAI): se lanza GPT-4 con mejoras en las capacidades multimodales, lo que le permite procesar y generar tanto texto como imágenes. Mejora aún más el razonamiento, la creatividad y las tareas de resolución de problemas.

    
    

  • 2023 - LLaMA (Meta): Meta lanza LLaMA, una serie de modelos de lenguaje de gran tamaño que priorizan la eficiencia y reducen los costos computacionales, lo que permite una IA de alto rendimiento en una gama más amplia de hardware.

    
    

  • 2023 - Leonardo AI: Permite crear imágenes de alta calidad a partir de descripciones textuales o prompts. Utilizando modelos de IA avanzados, puede generar una amplia variedad de estilos visuales, desde arte conceptual hasta diseños fotorrealistas.

    
    

  • 2023 - Gemini (Google DeepMind): se presenta el modelo de IA Gemini de Google, que combina los principios de aprendizaje profundo y aprendizaje por refuerzo, como parte del conjunto de herramientas de IA generativa de Google destinadas a mejorar el contenido generado por IA en varios dominios.

    
    

  • 2024 – GPT-4o (OpenIA): Es presentado el modelo con el podemos hablar, un asistente por voz, lo más importante de este modelo es la multimodalidad que ahora se aplica, permitiendo procesar y generar respuestas no solo en texto, sino también en audio y visuales, todo dentro de un único modelo

    
    

  • 2024 – Apple intelliegnece (apple): Se crea la integración de herramientas de inteligencia artificial generativa en sus dispositivos. Se trata de una IA, centrada en actuar como un asistente personal integrado en las funciones del dispositivo y priorizando la privacidad.

    
    

A este punto la inteligencia artificial se encuentra integrada en todo el mundo, las empresas están en una carrera para aplicarla y tomar beneficios de la misma, no es una opción si aceptarla o no, es una cuestión de tiempo, pues los tiempos de producción y trabajo se han reducido gracias a esto, aún representa grandes riesgos, sin embargo, modelos cada vez mas capaces no paran de salir.

A pesar de su avance, la IA enfrenta desafíos éticos y de seguridad. Expertos han advertido sobre los riesgos potenciales de la IA, sugiriendo la necesidad de una regulación adecuada para asegurar su desarrollo ético y seguro. La preocupación por el uso malintencionado de la IA, como en la creación de "deepfakes", también ha sido un tema de debate. En la actualidad, la IA continúa evolucionando y se anticipa que su impacto en la sociedad y la economía seguirá creciendo. Se espera que el desarrollo de técnicas que permitan entender y explicar las decisiones de los algoritmos sea un enfoque central en los próximos años, junto con la especialización de la IA en tareas específicas. La historia de la inteligencia artificial es un testimonio de la curiosidad humana y la búsqueda de crear máquinas que imiten la inteligencia, un viaje que sigue en curso y que promete transformar la forma en que vivimos y trabajamos.

IAs que ayudaron a hacer esto posible:

• Asistencia de Ideogram IA para la representación de la imagen.

• Asistencia para mejorar la calidad de la imagen con Krea IA.

• Asistencia para la investigación con Perplexity IA.

• Asistencia para el contenido media con GPT assistant (fine tuned).

Todo el contenido has sido creado por un humano con la ayuda de inteligencia artificial.