Historia de la Inteligencia Artificial (desde sus orígenes hasta el 7 de agosto de 2026)

La inteligencia artificial (IA) es el campo de la informática dedicado a crear sistemas capaces de realizar tareas que normalmente requieren inteligencia humana: razonar, aprender, percibir, planificar y generar contenido. Su historia no es lineal: alterna períodos de gran optimismo (“primaveras”) con fases de decepción y recortes de financiación (“inviernos de la IA”), impulsados por avances teóricos, hardware, datos y algoritmos.

Orígenes teóricos y filosóficos (antes de 1950)

Las ideas de máquinas inteligentes aparecen en mitos antiguos (autómatas de Héfesto, el golem) y en la filosofía (Descartes, Leibniz). En el siglo XIX, George Boole formalizó la lógica algebraica y Charles Babbage diseñó la Máquina Analítica, con Ada Lovelace como primera programadora conceptual.

Los cimientos modernos se establecen en el siglo XX:

• 1936: Alan Turing publica On Computable Numbers, introduciendo la Máquina de Turing, modelo teórico de computación universal.
• 1943: Warren McCulloch y Walter Pitts publican el primer modelo matemático de una neurona artificial (“A Logical Calculus of the Ideas Immanent in Nervous Activity”), base de las redes neuronales.
• 1950: Turing publica Computing Machinery and Intelligence, plantea la pregunta “¿Pueden pensar las máquinas?” y propone el Test de Turing (o “juego de imitación”).

Nacimiento oficial de la IA (1950s)

• 1955-1956: John McCarthy, Marvin Minsky, Nathaniel Rochester y Claude Shannon proponen y organizan el Dartmouth Summer Research Project on Artificial Intelligence (verano de 1956). McCarthy acuña el término “Artificial Intelligence”. Se considera el acto fundacional de la disciplina. Allen Newell y Herbert Simon presentan el Logic Theorist, uno de los primeros programas de IA (demostraba teoremas matemáticos).
• 1957-1958: Frank Rosenblatt desarrolla el Perceptrón, la primera red neuronal artificial entrenable (hardware y software). Arthur Samuel acuña “machine learning” con su programa de damas que mejoraba jugando.

Época de gran optimismo: se predijo que las máquinas alcanzarían inteligencia humana en pocos años.

Primeros sistemas y primer invierno (1960s-1970s)

• 1966: Joseph Weizenbaum crea ELIZA, el primer chatbot (simula un terapeuta rogeriano). Aparece el “efecto ELIZA” (la gente atribuye comprensión a respuestas simples).
• Shakey (SRI, finales de los 60): primer robot móvil con razonamiento y planificación.
• Limitaciones: los sistemas simbólicos (basados en reglas “si-entonces”) no escalaban bien; el libro Perceptrons (Minsky y Papert, 1969) destacó limitaciones de las redes de una capa.
• 1973-1980: Primer AI Winter. El Informe Lighthill (Reino Unido) y recortes de DARPA en EE.UU. reducen drásticamente la financiación por promesas incumplidas.

Sistemas expertos y segundo invierno (1980s-principios de 1990s)

• Auge de los sistemas expertos (MYCIN para diagnóstico médico, XCON de Digital Equipment). Japón lanza el ambicioso Fifth Generation Computer Project.
• 1986: Se populariza el algoritmo de backpropagation (Rumelhart, Hinton, Williams), clave para entrenar redes profundas.
• 1987-1993: Segundo AI Winter. Colapso del mercado de hardware especializado y decepción con los sistemas expertos (frágiles y costosos de mantener).

Renacimiento y aprendizaje automático (1990s-2000s)

• 1997: Deep Blue de IBM derrota al campeón mundial de ajedrez Garry Kasparov en condiciones de torneo.
• Auge del aprendizaje estadístico, redes bayesianas (Judea Pearl) y algoritmos como SVM.
• 2006: Geoffrey Hinton y colaboradores impulsan el “deep learning”. Se lanza ImageNet (Fei-Fei Li), dataset masivo de imágenes.
• 2011: IBM Watson gana Jeopardy!.

La era del deep learning (2012-2017)

• 2012: AlexNet (Krizhevsky, Sutskever, Hinton) gana ImageNet con una red convolucional profunda entrenada en GPUs. Marca el inicio de la revolución del deep learning.
• 2016: AlphaGo (DeepMind) derrota a Lee Sedol en el juego de Go (mucho más complejo que el ajedrez).
• 2017: El paper “Attention Is All You Need” introduce la arquitectura Transformer, base de los grandes modelos de lenguaje (LLMs) modernos.

La explosión generativa y multimodales (2018-2023)

• 2018-2020: BERT (Google), GPT-2 y especialmente GPT-3 (OpenAI, 175 mil millones de parámetros) demuestran capacidades emergentes en lenguaje.
• 2021: DALL·E, GitHub Copilot, AlphaFold (DeepMind resuelve predicción de estructura de proteínas).
• Noviembre 2022: Lanzamiento de ChatGPT (basado en GPT-3.5 + RLHF). Alcanza 100 millones de usuarios en dos meses: el producto de consumo de más rápido crecimiento de la historia. Inicia el “AI boom”.
• 2023: GPT-4, Claude (Anthropic), Gemini (Google), Llama (Meta). Modelos multimodales (texto + imagen). Integración masiva en productos (Microsoft Copilot, etc.).

La era de los agentes, razonamiento y carrera hacia AGI (2024-agosto 2026)

• 2024: Modelos de video (Sora de OpenAI), Llama 3 y explosión de modelos open-source/open-weight. Entra en vigor el EU AI Act (primera regulación integral de IA a gran escala). Aparecen modelos de razonamiento (serie o1 de OpenAI).
• 2025:
  • DeepSeek-R1 y otros modelos chinos de razonamiento de bajo coste sacuden el mercado.
  • Anuncio del proyecto Stargate (hasta 500 mil millones de dólares en infraestructura de IA en EE.UU., OpenAI/Oracle/SoftBank).
  • Modelos y sistemas agenticos (Claude Code, agentes de codificación y uso de herramientas) pasan de demos a uso productivo. Mejoras notables en razonamiento, uso de herramientas y tareas largas.
  • Avances en benchmarks difíciles (ARC-AGI, Olimpiada Internacional de Matemáticas a nivel de medalla de oro con modelos generales).
  • Grandes inversiones en clusters de cómputo (cientos de miles de GPUs) y debates intensos sobre seguridad, regulación y AGI.
• 2026 (hasta el 7 de agosto):
  • Continúa la carrera de modelos de frontera: series GPT-5.x (OpenAI), Claude Opus/Fable (Anthropic), Gemini 3.x (Google), Grok (xAI) y modelos open-weight competitivos (DeepSeek, Qwen, Kimi, etc.).
  • Enfoque dominante en sistemas agenticos: IA que planifica, usa herramientas, ejecuta tareas complejas de forma semi-autónoma (código, investigación, uso de ordenador).
  • Mayor integración en ciencia, programación (gran porcentaje de código nuevo asistido o generado por IA), medicina y automatización.
  • Regulación y gobernanza aceleran (códigos de práctica de la UE, marcos nacionales, debates sobre seguridad de modelos frontera y riesgos existenciales).
  • La conversación pública y científica se centra en la proximidad de la AGI (inteligencia artificial general) y posibles caminos hacia ASI (superinteligencia), aunque no hay consenso sobre fechas ni definición exacta. El progreso es “tarea a tarea” más que un salto único.

Resumen de eras

Era	Años aproximados	Enfoque principal	Características clave
Fundamentos	1930s-1955	Teoría y modelos	Turing, neuronas artificiales
Nacimiento	1956-1969	IA simbólica	Optimismo, primeros programas
Primer invierno	1970s	Crisis	Limitaciones evidentes
Sistemas expertos	1980s	Reglas y conocimiento	Aplicaciones prácticas limitadas
Segundo invierno	Finales 80s-90s	Crisis	Colapso de expectativas
ML estadístico	1990s-2011	Datos y algoritmos	Deep Blue, Watson
Deep Learning	2012-2017	Redes profundas + GPUs	AlexNet, AlphaGo, Transformers
Generativa	2018-2023	LLMs y multimodal	GPT, ChatGPT, difusión
Agentes y AGI race	2024-2026	Razonamiento, herramientas, escala	Sistemas autónomos, regulación

Conclusión

Desde la pregunta filosófica de Turing hasta los agentes de 2026, la IA ha pasado de ser un sueño académico a una tecnología que transforma economía, ciencia, trabajo y sociedad. El progreso se ha acelerado enormemente desde 2012 gracias a cómputo masivo, datos y arquitecturas escalables. A agosto de 2026, la disciplina se encuentra en una fase de intensa competencia industrial y científica, con avances reales en capacidades agenticas y debates abiertos sobre seguridad, alineación, impacto laboral y gobernanza global.

Este informe sintetiza los hitos más consensuados de fuentes históricas y cronologías actualizadas hasta mediados de 2026. La historia sigue escribiéndose a gran velocidad.