La línea de tiempo de la IA — hitos año a año

La línea de tiempo de la IA — hitos año a año

Por qué la historia importa más de lo que parece

La IA no es nueva. Lo nuevo es que ahora funciona a escala consumible. Entender los ciclos te permite distinguir hype genuino de especulación hueca. Y te posiciona mejor para los cambios que vienen.

Si querés operar en este campo con criterio, no alcanza con saber que ChatGPT salió en 2022. Hay que entender por qué los predecesores fallaron y qué cambió en los 2010s para que esta vez sí funcionara.

1936-1950: fundaciones teóricas sin máquinas

Turing (1936) y McCulloch-Pitts (1943) establecen que la inteligencia es computable. Pero es teoría pura: las computadoras útiles tardarían años en existir.

El insight de fondo: la inteligencia no es magia, es matemática. Si podés formalizar la lógica, una máquina puede ejecutarla. Eso fue revolucionario conceptualmente.

1950-1956: Turing y Dartmouth

Turing publica "Computing Machinery and Intelligence" en 1950. Operacionaliza la pregunta filosófica con el Turing Test.

McCarthy, Minsky, Rochester y Shannon organizan Dartmouth en 1956. Acuñan el término. Subestiman la escala del problema por un factor de probablemente cinco mil. La inteligencia requiere contexto, datos y poder de cálculo en magnitudes que en los 50s eran imposibles. Una computadora típica de la época ocupaba un edificio y procesaba kilobytes.

El presupuesto original de Dartmouth era de 7.500 dólares de la época para diez personas dos meses (archivo de Dartmouth). Para tener perspectiva: el entrenamiento de GPT-4 se estima en cientos de millones de dólares (Stanford AI Index 2024, sin cifra oficial pero coherente con estimaciones públicas de Epoch AI).

1966-1973: ELIZA y la primera crisis de expectativa

Weizenbaum (MIT) crea ELIZA. Programa que simula un psicoanalista con búsqueda de palabras clave y plantillas. Los humanos empatizaron profundamente.

ELIZA es brillante pedagógicamente: demuestra que los humanos proyectamos inteligencia sobre respuestas coherentes, sin comprensión real.

Pero también expone los límites. ELIZA no generaliza, no aprende, no se adapta. Es un árbol de decisiones disfrazado.

Eso causó el primer desencanto masivo. Si una máquina de pattern matching simple engaña pero no puede ir más allá, ¿cuál es el siguiente paso? La respuesta: aprendizaje de datos, no programación manual de reglas. Pero eso tardaría 40 años en ser técnicamente posible.

1973-1980 y 1987-1997: por qué los inviernos duraron tanto

Los inviernos no fueron porque la IA fuera imposible. Fueron porque las condiciones de éxito no existían.

Computadoras: lentas, megaherzios y no gigaherzios. Datos: escasos, internet público recién empezó a popularizarse a mediados de los 90. Algoritmos: ingenuos para los problemas reales. Inversión: secada por promesas incumplidas (reporte Lighthill 1973 en UK, recortes DARPA 1974).

El ciclo: hype, inversión, promesas incumplidas, retiro de fondos, silencio investigador.

En el silencio, sin embargo, trabajaba gente seria. Rumelhart, Hinton y Williams (1986) redescubren backpropagation en el contexto de redes profundas (Nature 323). LeCun desarrolla redes convolucionales en Bell Labs (LeNet, 1989-1998). Hopfield publica las redes que llevan su nombre (1982). Pero sin datos ni cálculo, eran curiosidades académicas.

El segundo auge fallido: los sistemas expertos (1980-1987)

Sistemas como XCON de DEC, MYCIN de Stanford y otros parecían demostrar que la IA podía generar valor económico. XCON ahorraba a DEC unos 40 millones de dólares por año (Crevier 1993, citando documentación interna). El mercado global de expertos llegó a estimarse en 3 mil millones de dólares anuales a fines de los 80.

Pero la fragilidad estructural acabó con todo. Los sistemas expertos no aprendían. Cada cambio de regla podía romper comportamientos en cascada. Mantenerlos costaba más que reescribirlos. Cuando Japón desfinanció el proyecto Fifth Generation (que había anunciado 850 millones de dólares en 1982), el mercado occidental tomó la pista.

2010-2012: el quiebre — convergencia de tres factores

Tres cosas coinciden en una ventana muy estrecha.

Uno: la GPU general. CUDA de Nvidia (2006 en adelante) habilita cómputo masivamente paralelo. Las redes neuronales profundas pasan de "imposibles de entrenar" a "entrenan en días".

Dos: internet y datos. ImageNet (Deng et al., 2009) pone a disposición 14 millones de imágenes etiquetadas. Wikipedia consolida conocimiento estructurado. YouTube acumula video a escala planetaria.

Tres: algoritmos correctos. Backpropagation más capas profundas más datasets enormes equivale a redes que pueden aprender patrones complejos que antes no podían.

AlexNet (Krizhevsky, Sutskever, Hinton, 2012) es la prueba de concepto. Una CNN de ocho capas entrenada en ImageNet, que ganó con margen histórico (top-5 error: 15.3% versus 26.2% del segundo puesto, según los resultados oficiales del concurso ImageNet 2012).

Desde ahí, la curva exponencial nunca se detiene.

2012-2017: el deep learning domina cualquier dominio con datos

2013: comienza la investigación de AlphaGo en DeepMind. 2014: Goodfellow publica las GANs (Generative Adversarial Networks). 2015: He y otros publican ResNets (redes residuales), permitiendo profundidades sin precedentes. 2016: AlphaGo le gana a Lee Sedol (Silver et al., Nature 529). 2016: los modelos sequence-to-sequence dominan la traducción automática. 2017: Vaswani y otros publican "Attention Is All You Need" (NeurIPS 30).

El mensaje agregado: deep learning más escala más datos equivale a superhabilidad en cualquier tarea donde existan datos previos para entrenar.

2017-2020: transformers y GPT — preludio del salto grande

El transformer es la arquitectura que cambió todo. La innovación: el mecanismo de atención permite que la red decida matemáticamente qué partes del contexto importan para predecir el próximo token.

OpenAI experimenta. ¿Qué pasa si entrenás un transformer gigante con textos de internet?

GPT-1 (2018): 117 millones de parámetros, entrenado con 40 GB de texto. GPT-2 (2019): 1.500 millones de parámetros. GPT-3 (2020): 175 mil millones de parámetros, ~300 mil millones de tokens (Brown et al., 2020, NeurIPS).

Cada salto trae capacidades emergentes: tareas para las que el modelo no fue entrenado específicamente y que sin embargo ejecuta. Ese fenómeno todavía es objeto de investigación activa. La hipótesis dominante es que ciertas habilidades requieren un umbral mínimo de escala para manifestarse.

2021-2022: Anthropic y el cambio de paradigma público

Anthropic se funda en 2021 con Dario Amodei (ex VP de Investigación de OpenAI), Daniela Amodei y un grupo de investigadores. Foco explícito en seguridad, interpretabilidad y alineación. Pioneros de Constitutional AI (Bai et al., 2022): un enfoque donde el modelo se entrena para criticar sus propias salidas contra un conjunto de principios.

ChatGPT se lanza el 30 de noviembre de 2022. Es una versión RLHF de GPT-3.5 con interfaz conversacional. Llega a 100 millones de usuarios en dos meses (Stanford AI Index 2024). Fue, en ese momento, el producto de consumo de adopción más rápida de la historia.

Consecuencia operacional: por primera vez en la historia, la IA es una herramienta común, no un objeto de laboratorio.

2023-2024: competencia, especialización y diferenciación

OpenAI: GPT-4 (marzo 2023, multimodal completo en septiembre 2023 con GPT-4V). Google: Gemini 1.0 (diciembre 2023), Gemini 1.5 (febrero 2024) con context window largo. Meta: Llama 2 (julio 2023) y Llama 3 (abril 2024), abiertos a la comunidad. Anthropic: Claude 2 (julio 2023), Claude 3 (marzo 2024), Claude 3.5 Sonnet (junio 2024 y actualización en octubre 2024). Microsoft: Copilot integrado en Office 365.

Los precios bajan dos órdenes de magnitud entre 2023 y 2025. El acceso sube. La IA deja de ser monopolio.

Cada modelo se diferencia en datos de entrenamiento, arquitectura específica y elecciones de fine-tuning. Claude calibra mejor incertidumbre. GPT-4 es más agresivo en intentar resolver. Gemini empuja capacidades multimodales. Llama domina el segmento open source.

2024-2026: era de agentes y MCP

Paradigma nuevo. La IA deja de solo predecir. Actúa.

Lee tu calendario y agenda. Monitorea correo y responde categorías predefinidas. Accede a herramientas: GitHub, Figma, Slack, CRM, bases de datos. Encadena tareas: escribe, revisa, itera, publica. Aprende del feedback en tiempo real.

MCP (Model Context Protocol), lanzado por Anthropic en noviembre 2024, es un protocolo abierto que permite que cualquier IA acceda a herramientas y fuentes de datos sin integraciones custom. Fue rápidamente adoptado por OpenAI, Google y otros, lo que convirtió a MCP en un estándar de facto en menos de un año.

La implicación de fondo: la IA ya no es una herramienta que usás puntualmente. Es un asistente que opera dentro de tu stack.

El patrón histórico y qué dice del futuro

El patrón es claro y se repitió varias veces.

Primero, un quiebre tecnológico. Después, hype inicial. Después, promesas excesivas. Después, la realidad alcanza la expectativa más lentamente. Después, una nueva normalidad y el siguiente quiebre.

Estamos en fase cuatro o cinco. ChatGPT prometió cambiar todo. Cuatro años después: cambió mucho, pero no "todo". Las promesas de AGI inminente fueron exageradas. La tecnología de fondo, sin embargo, es real, funciona y escala.

El próximo quiebre probable es el de agentes con memoria persistente y acción sostenida. Sistemas que recuerden conversaciones a lo largo de meses, aprendan de tu feedback acumulado, ejecuten tareas multi-paso sin intervención. Eso parece estar a dos o cuatro años.

La tesis del blog

Mirar la historia completa cambia tu lectura del presente.

Quien viene leyendo IA hace décadas, no se asusta con cada nuevo modelo. Sabe que los saltos son reales pero los plazos siempre son más largos de lo que el hype sugiere. Sabe que las capacidades emergentes existen pero también sabe que las alucinaciones persisten porque son inherentes a la arquitectura.

Quien recién entra al campo en 2023 vive cada novedad como un cambio civilizatorio. Eso lo lleva a sobreinvertir, sobreprometer y después sobrecorregir cuando algo no funciona.

La gente que mejor opera en este campo no es la más optimista ni la más escéptica. Es la que aprendió a leer ciclos. Sabe que hay momentos de aceleración real (estamos en uno) y momentos de corrección (siempre llegan). Y construye sus apuestas con esa lente.

La IA no es futuro. Es presente. La pregunta operativa es: ¿en qué parte del ciclo estás vos, y qué decisiones te exige eso esta semana?