75 años en 15 minutos: de Turing a ChatGPT

Parece que la IA apareció en 2022 con ChatGPT. En realidad, su historia tiene 75 años y está llena de genios, drama y promesas incumplidas. Vamos a verla.

Pruébalo primero, aquí mismo. Debajo del prompt hay un botón de Ejecutar: púlsalo y una IA real responderá en esta misma página. Solo necesitas iniciar sesión con un clic (Google o Telegram). Pon tu propio trabajo entre corchetes, o ejecútalo tal cual:

You are an experienced assistant. I work as a [your job].
Name 5 work tasks you could take off my hands,
and for each one give a short example of the request I'd send you.

Eso es la IA: tú escribiste la tarea con palabras sencillas y ella hizo el trabajo. Todo este curso trata de obtener respuestas así de forma fiable, no por casualidad. Recuerda cómo te sentiste en este momento. Ahora, volvamos a la historia, sin la cual la IA nunca llega a tener sentido del todo.

Acto I. El hombre que planteó la pregunta (1950)

Inglaterra, 1950. El matemático Alan Turing publica un artículo con una pregunta audaz: «¿Pueden pensar las máquinas?» Es el mismo Turing que descifró la máquina Enigma en la Segunda Guerra Mundial. Los historiadores calculan que acortó la guerra en dos años.

En lugar de discutir filosofía, propone un juego que ahora llamamos el test de Turing. La idea es sencilla: si no puedes distinguir una máquina de un humano en una conversación escrita, ¿importa si «piensa»? El resultado supera la definición. Setenta y dos años después, millones de personas chatearían a diario con una máquina cada vez más difícil de distinguir de una persona. Turing nunca lo vio. Murió en 1954, a los 41 años, perseguido por el mismo gobierno al que había ayudado a salvar. Hoy, el premio más importante de la informática, el Premio Turing, lleva su nombre.

Acto II. Nace el término y las promesas (1956–1969)

Verano de 1956, Dartmouth College en EE. UU. Un joven matemático llamado John McCarthy reúne a un par de docenas de científicos para un taller de verano y, para la solicitud de subvención, inventa una etiqueta pegadiza: inteligencia artificial. El término que todos usamos tiene literalmente 70 años y nació como marketing para una subvención.

El optimismo se disparó. En 1958, el psicólogo Frank Rosenblatt presentó el perceptrón, la primera «red neuronal» de aprendizaje, del tamaño de un armario. The New York Times escribió que las máquinas pronto «caminarían, hablarían, verían y serían conscientes de su existencia». Los pioneros prometieron una inteligencia a nivel humano «en 20 años».

Acto III. Los inviernos de la IA (los años 70 y finales de los 80)

Casi todo salió mal: los ordenadores eran millones de veces demasiado débiles, no había datos y los propios métodos llegaron a un límite. En 1973, el informe británico Lighthill destrozó el campo: las promesas no se habían cumplido. Se recortó la financiación, se cerraron laboratorios: había llegado el invierno de la IA. En los 80, los «sistemas expertos» (programas compuestos por miles de reglas de tipo "si-entonces") repitieron la historia: un auge, miles de millones invertidos y luego un segundo colapso cuando se descubrió que las reglas eran imposibles de mantener.

Recuerda este patrón: promesas desmesuradas → decepción → colapso. También explica los debates actuales sobre la IA.

Acto IV. La revolución silenciosa (1990–2012)

Mientras que «IA» era prácticamente una mala palabra, un pequeño grupo de científicos —entre ellos Geoffrey Hinton, una de las mentes líderes detrás de las redes neuronales y premio Nobel en 2024— siguió trabajando obstinadamente en ellas. Su idea era sencilla y radical: no programar el conocimiento, dejar que la máquina aprenda de ejemplos. Faltaban dos ingredientes: datos y potencia de cálculo.

Internet trajo ambos. Para 2012, se habían acumulado miles de millones de imágenes etiquetadas, y las tarjetas gráficas creadas para videojuegos (GPU) resultaron ser perfectas para entrenar redes neuronales. En 2012, AlexNet, creada por Hinton y sus estudiantes, arrasó en el concurso de reconocimiento de imágenes ImageNet: el margen fue enorme; la tasa de error cayó de aproximadamente el 26 % al 15 % en un solo año. La carrera había comenzado.

Acto V. La explosión (2016–2022)

2016: AlphaGo vence al campeón mundial de Go, Lee Sedol, en un juego con más posiciones posibles que átomos en el universo. Los comentaristas calificaron su movimiento número 37 en la segunda partida como «no un movimiento humano, ni un movimiento de máquina, sino algo nuevo».

2017: Ingenieros de Google presentan una nueva arquitectura de red neuronal: el transformer. Una arquitectura es la disposición interna de la red: el esquema que sigue para procesar información. Los esquemas antiguos leían el texto palabra por palabra y, al final de una frase larga, habían «olvidado» el principio. El transformer mira el texto completo a la vez y averigua qué palabras están conectadas con cuáles; el mecanismo se denominó «atención».

Una red así puede entrenarse con cantidades gigantescas de texto, y es precisamente lo que hay detrás de la T de GPT: Generative Pretrained Transformer. Datos y potencia tenían ahora un tercer compañero: la arquitectura adecuada.

30 de noviembre de 2022: OpenAI abre ChatGPT al público. 100 millones de usuarios en dos meses; en ese momento, el crecimiento más rápido que cualquier aplicación de consumo había visto (Instagram tardó 2,5 años en llegar, TikTok 9 meses). El récord de velocidad pura caería más tarde con Threads, que alcanzó los 100 millones en cinco días, pero fue ChatGPT quien mostró por primera vez que la IA se había convertido en un producto de consumo masivo. Una historia de 75 años salió de los laboratorios y llegó al teléfono de todo el mundo.

Qué significa esto para ti

Tres puntos clave que usarás en cada lección siguiente. Uno: la IA moderna aprende de ejemplos en lugar de seguir reglas programadas; la idea de Hinton superó a los sistemas expertos del Acto III. Dos: el avance llegó cuando se unieron tres ingredientes: datos (internet), potencia (GPU) y arquitectura (el transformer), y los tres siguen creciendo. Tres: como demostraron los inviernos de la IA, este campo puede tanto prometer en exceso como superar las expectativas, así que a partir de ahora separaremos la realidad del bombo publicitario con hechos.

Y si ya probaste la petición del principio de esta lección, considéralo tu primer paso práctico: vendrán muchos más, y con cada uno la IA te seguirá con más precisión.