En la década de 1950, una generación de científicos, matemáticos y filósofos quedó fascinada con el concepto de inteligencia artificial (IA). Los humanos usan la información disponible para ayudar a resolver problemas y tomar decisiones, entonces, ¿cómo pueden las máquinas usar ese mismo proceso de aprendizaje para volverse más inteligentes por sí mismas? A lo largo de los años, la IA se ha vuelto más avanzada, está comenzando a implementarse más ampliamente en los procesos comerciales y está disponible para el consumidor masivo. ¿Cuáles son las fuerzas impulsoras detrás de esta nueva ola de tecnología y cómo podrían usarse en el futuro?

Las primeras computadoras enfrentaron un problema: se les podía decir qué hacer, pero no podían recordar acciones ni almacenar comandos. Las computadoras también eran extremadamente caras y, a principios de la década de 1950, el costo de alquilar una computadora podía llegar a los $200 mil dólares al mes.[ 1 ]. La defensa de la inteligencia artificial fue necesaria para ayudar a convencer a los inversores de alto perfil de que la inteligencia artificial valdría la pena.

Al Proyecto de Investigación de Verano de Dartmouth de 1956 se le atribuye el inicio de la IA como disciplina de investigación y la acuñación del término Inteligencia Artificial.[ 2 ]. Los mejores investigadores de varios campos se reunieron para discusiones abiertas sobre inteligencia artificial, lo que ayudó a catalizar los siguientes veinte años de investigación en IA.

De 1957 a 1974, las computadoras se volvieron más rápidas, más avanzadas y podían almacenar más información. Machine Learning (ML) se separó de la IA a finales de los años 70 como su propia subdivisión de investigación, donde las computadoras podían aprender y adaptarse sin seguir comandos explícitos. Antes de este período, los principios de ML se agruparon con la IA general, pero a medida que mejoraron los algoritmos, el aprendizaje automático floreció junto con la IA.

Fue durante este tiempo que el mayor obstáculo que bloqueó la IA fue la falta de poder computacional. Las computadoras no podían almacenar suficientes datos o procesar los datos rápidamente, lo que resultó en barreras para el acceso de la IA. Los costos de las computadoras estaban disminuyendo, pero no eran lo suficientemente potentes para adaptarse al sector en crecimiento.

El sector de la IA se reavivó en la década de 1980 a medida que aumentaba el poder computacional. Un aumento de $400 millones en fondos entre 1982 y 1990 ayudó a impulsar los esfuerzos de investigación[ 3 ]. Naomi Freundlich luego escribió en febrero de 1989 sobre "computadoras de estilo cerebral" y su experiencia en la Universidad de Columbia con una computadora que aprendió sola a pronunciar textos en inglés de la noche a la mañana.[ 4 ]. A pesar de la ausencia de financiación gubernamental y de la publicidad pública, la IA siguió creciendo. de IBM Deep Blue, una computadora para jugar al ajedrez venció al actual campeón mundial de ajedrez y gran maestro Gary Kasparov en 1997, sirviendo como un gran paso hacia la adopción pública[ 5 ].

Hoy, vivimos en la era de los "grandes datos". El poder computacional ha superado nuestras necesidades actuales, la popularidad de la Web 3.0 ha ido en aumento y ha habido una adopción generalizada de la IA para el uso diario. Desde 2011 hasta hoy, el reconocimiento de voz, la automatización de procesos robóticos, los hogares inteligentes y los usos cotidianos de la inteligencia artificial han llevado la IA a nuestros hogares, empresas y bolsillos. Casi la mitad de todas las empresas utilizan herramientas de análisis de datos, aprendizaje automático o inteligencia artificial para abordar los problemas de calidad de los datos, según una encuesta de 2020 realizada por O'Reilly[ 6 ]. La financiación de riesgo se ha puesto al día con la tecnología emergente, ya que se prevé que el tamaño del mercado de IA alcance los 86.9 millones de dólares en 2022[ 7 ].

Puede ser difícil predecir cómo se verá la inteligencia artificial en el futuro, pero Forbes describió cinco predicciones sobre cómo se podría usar la IA en los próximos cinco a diez años.[ 8 ]. Primero, AI y ML podrían transformar el método científico, usando computadoras para abordar un conjunto más amplio de ideas de las que un cerebro humano podría explorar computacionalmente. La IA también podría convertirse en un pilar de la política exterior, ya que la innovación de la IA podría ayudar a mejorar la resiliencia económica y el liderazgo geopolítico en los EE. UU. La IA también podría permitir la próxima generación de experiencias de consumo. La inteligencia artificial habilita críticamente la popularidad del metaverso y la criptomoneda y podría ayudar a transformar la forma en que las personas consumen contenido. La IA también podría ser fundamental para abordar la crisis climática, con mercados de predicción que podrían mostrar el impacto de las políticas ambientales. Finalmente, la IA podría permitir una medicina verdaderamente personalizada, lo que podría permitir que los pacientes reciban terapias sintetizadas individualmente para diferentes enfermedades o afecciones. La IA tiene muchas posibilidades, pero también tiene un largo camino por recorrer antes de impactar ampliamente estas facetas críticas de nuestra economía y sociedad.

La IA se ve drásticamente diferente de cuando se acuñó por primera vez en 1956. Al igual que las computadoras han evolucionado a lo largo de las décadas, se espera que la Inteligencia Artificial evolucione a medida que se produzca una adopción generalizada y continúe la financiación de empresas. Si bien no podemos estar seguros de cómo será la IA en el futuro, hay muchos casos de uso prometedores para la IA en una variedad de sectores e industrias.

[ 1 ] https://sitn.hms.harvard.edu/flash/2017/history-artificial-intelligence/#:~:text=In%20the%20early%201950s%2C%20the%20cost%20of%20leasing%20a%20computer%20ran%20up%20to%20%24200%2C000%20a%20month.

[ 2 ] file:///Users/anyabuck/Downloads/1911-Article%20Text-1907-1-10-20080129.pdf

[ 3 ] https://sitn.hms.harvard.edu/flash/2017/history-artificial-intelligence/#:~:text=From%201982%2D1990%2C%20they%20invested%20%24400%20million%20dollars%20with%20the%20goals%20of%20revolutionizing%20computer%20processing%2C%20implementing%20logic%20programming%2C%20and%20improving%20artificial%20intelligence.

[ 4 ] https://www.popsci.com/technology/ai-history-eighties/#:~:text=%E2%80%9CThis%20is%20a%20recording%20of%20a%20computer%20that%20taught%20itself%20to%20pronounce%20English%20text%20overnight%2C%E2%80%9D

[ 5 ] https://www.ibm.com/ibm/history/ibm100/us/en/icons/deepblue/

[ 6 ] https://www.oreilly.com/radar/the-state-of-data-quality-in-2020/#:~:text=Almost%20half%20(48%25)%20of,to%20address%20data%20quality%20issues.

[ 7 ] https://www.marketsandmarkets.com/Market-Reports/artificial-intelligence-market-74851580.html

[ 8 ] https://www.forbes.com/sites/forbesbusinesscouncil/2022/05/05/the-future-of-ai-5-things-to-expect-in-the-next-10-years/?sh=4638245b7422

*****

La información presentada aquí es solo para fines informativos generales y no tiene la intención de ser, ni debe interpretarse ni utilizarse como, documentación de oferta integral para ningún tipo de seguridad, inversión, asesoramiento fiscal o legal, una recomendación o una oferta de venta, o una solicitud de una oferta de compra, un interés, directa o indirectamente, en cualquier empresa. Invertir tanto en empresas en etapa inicial como en etapas posteriores conlleva un alto grado de riesgo. Una pérdida de la inversión total de un inversor es posible, y no se pueden obtener ganancias. Los inversores deben ser conscientes de que este tipo de inversiones no son líquidas y deben anticipar la retención hasta que se produzca una salida.