Historia de la IA

Apple presentó su innovadora función "Apple Intelligence", que integra perfectamente las capacidades de ChatGPT en los últimos iPhones y el asistente digital Siri, ofreciendo a los usuarios una experiencia elevada e inteligente.

OpenAI presenta Sora, un modelo de IA capaz de crear videos cortos a partir de descripciones textuales, el 15 de febrero de 2024.

Google presentó una versión avanzada de su plataforma Gemini, denominada Gemini 1.0 Ultra, que ofrece capacidades mejoradas y actualizaciones de rendimiento.

El presidente Biden promulgó una Orden Ejecutiva el 30 de octubre de 2023, dirigida a promover el desarrollo y la utilización responsable y ética de la tecnología de Inteligencia Artificial, garantizando su seguridad, protección y fiabilidad.

Google hace la transición de Bard de LaMDA al modelo de lenguaje PaLM2 más avanzado en mayo de 2023.

Los gigantes tecnológicos e innovadores, incluidos Elon Musk y Steve Wozniak, han respaldado una petición que aboga por una pausa temporal en el desarrollo rápido de sistemas avanzados de IA. La petición cita preocupaciones sobre los riesgos potenciales de crear modelos de IA que podrían superar la comprensión y el control humano, instando a una pausa de seis meses para reevaluar la trayectoria de esta tecnología.

Google presentó su chatbot Bard, impulsado por los modelos de lenguaje LaMDA y PaLM, de manera limitada como respuesta a ChatGPT en marzo de 2023.

El modelo GPT-4 presentado recientemente por OpenAI representa un avance importante con respecto a su predecesor, GPT-3.5, aunque sigue compartiendo algunas limitaciones intrínsecas. En particular, GPT-4 introduce capacidades multimodales, lo que le permite procesar entradas tanto de texto como de imágenes. Esta versión mejorada se ha integrado en ChatGPT como una oferta premium. Según las evaluaciones internas de OpenAI, GPT-4 demostró un rendimiento excepcional, con una puntuación del 94 % en el SAT, del 88 % en el LSAT y del 90 % en el examen uniforme de acceso a la abogacía.

ChatGPT, el notable modelo de lenguaje de IA, alcanzó un hito sin precedentes al acumular más de 100 millones de usuarios en enero de 2023, estableciéndose como la aplicación de consumo de más rápido crecimiento jamás vista.

GPT-3, un modelo de lenguaje revolucionario desarrollado por OpenAI, aprovecha técnicas avanzadas de aprendizaje profundo para generar texto similar al humano en diversos dominios, incluyendo código de computadora, poesía y otras tareas lingüísticas. Con una capacidad de modelo sin precedentes diez veces mayor que su predecesor T-NLG, GPT-3 produce resultados sorprendentemente similares y casi indistinguibles del contenido escrito por humanos. Este innovador modelo de lenguaje fue presentado en mayo de 2020 y entró en pruebas beta el mes siguiente.

AlphaFold 2, el modelo de predicción de estructura de proteínas de DeepMind, resultó victorioso en la competencia CASP 2020 celebrada en noviembre.

Microsoft presentó su Turing Natural Language Generation (T-NLG), un modelo de lenguaje masivo que cuenta con unos parámetros sin precedentes de 17 mil millones, en febrero de 2020, estableciendo un nuevo récord como el modelo de lenguaje más grande jamás publicado.

Google presentó Duplex, un sistema de IA capaz de mantener conversaciones naturales para gestionar tareas como programar citas. El habla de la IA imitaba los patrones vocales humanos de manera tan convincente que el Los Angeles Times lo describió como una imitación "casi perfecta".

Un sistema de IA desarrollado por Alibaba para el procesamiento del lenguaje superó el rendimiento de los mejores participantes humanos en un examen de lectura y comprensión de la Universidad de Stanford. La IA obtuvo una puntuación de 82,44, superando ligeramente la puntuación humana de 82,304, en una prueba que constaba de 100.000 preguntas.

La creación de la arquitectura transformer allanó el camino para modelos innovadores de lenguaje de gran escala como BERT de Google, y posteriormente, OpenAI fue pionera en el modelo transformer generativo pre-entrenado.

Un sistema de inteligencia artificial desarrollado por OpenAI compitió en The International 2017, un prestigioso torneo de Dota 2, donde resultó victorioso contra el jugador profesional Dendi en un partido 1 contra 1.

Un programa informático utilizado para resolver problemas de satisfacibilidad booleana en lógica proposicional ha sido empleado para fundamentar una conjetura matemática de larga data sobre las ternas pitagóricas dentro del conjunto de los números enteros. La prueba inicial, que abarca unos enormes 200 terabytes, fue validada por dos sistemas certificados independientes de verificación automática de pruebas.

El algoritmo Deepstack116 superó a los jugadores humanos en juegos de información imperfecta, específicamente en el póker sin límite heads-up, con significación estadística. Posteriormente, el Libratus, una IA de póker desarrollada por un grupo de investigación diferente, derrotó a cada uno de sus cuatro oponentes humanos altamente cualificados, logrando una tasa de victorias excepcionalmente alta en una muestra estadísticamente significativa. A diferencia del Ajedrez y el Go, el Póker es un juego de información imperfecta, lo que hace que el logro sea más desafiante.

Un sistema de IA llamado AlphaGo, desarrollado por Google DeepMind, derrotó decisivamente a Fan Hui, un jugador profesional de Go y tres veces campeón europeo, con un marcador de 5 juegos a 0.

Figuras reconocidas como Stephen Hawking, Elon Musk y numerosos expertos en IA abogaron por estudiar los posibles impactos sociales de la inteligencia artificial a través de una carta abierta en enero de 2015.

Las técnicas como las redes de autopistas y las ResNets permitieron el entrenamiento de redes neuronales extremadamente profundas con más de 1000 capas, lo que anteriormente era difícil de lograr.

NEIL, un sistema diseñado para aprender y analizar sin fin las conexiones visuales entre imágenes, fue presentado en la Universidad Carnegie Mellon, permitiéndole comparar y examinar continuamente las relaciones entre diversos datos de imágenes.

AlexNet, un modelo pionero de aprendizaje profundo para el reconocimiento de imágenes desarrollado por Alex Krizhevsky, logró un avance al ganar el ImageNet Large Scale Visual Recognition Challenge con significativamente menos errores que el segundo lugar. Esto marcó un momento crucial en la historia de la IA, llevando a la adopción generalizada de técnicas de aprendizaje profundo para tareas de reconocimiento de imágenes y al abandono de numerosos enfoques alternativos. El uso innovador de chips GPU por parte de Krizhevsky para entrenar la red de aprendizaje profundo contribuyó a este éxito.

Estos asistentes virtuales inteligentes aprovechan las capacidades de procesamiento del lenguaje natural para comprender las consultas de los usuarios, proporcionar información relevante, ofrecer sugerencias y ejecutar tareas en teléfonos inteligentes.

Un sistema de inteligencia artificial llamado Watson, desarrollado por IBM, superó a los campeones del popular programa de concursos de televisión Jeopardy!, Rutter y Jennings.

Mary Lou Maher y Doug Fisher encabezaron un taller inaugural de la Asociación para el Avance de la Inteligencia Artificial, centrado en el nexo entre la IA y la sostenibilidad ambiental.

Una red neuronal recurrente llamada LSTM, entrenada mediante clasificación temporal conexionista, resultó victoriosa en competiciones de reconocimiento de patrones, específicamente en el ámbito del reconocimiento de escritura manuscrita conectada, marcando un hito significativo al ser la primera de su tipo en lograr tal éxito.

Un grupo de investigadores de la Universidad de Alberta determinó exitosamente el resultado del juego de damas mediante análisis computacional.

La reconocida revista científica Philosophical Transactions of the Royal Society, B – Biology, publicó una edición especial que explora la aplicación de la inteligencia artificial para comprender la inteligencia biológica, titulada "Models of Natural Action Selection."

La Conferencia de Inteligencia Artificial de Dartmouth exploró el futuro de la IA durante las próximas cinco décadas. El evento, titulado "AI@50," tuvo lugar del 14 al 16 de julio de 2006.

Una iniciativa revolucionaria, Blue Brain, fue lanzada para desarrollar una simulación integral del cerebro a nivel molecular.

OWL (Lenguaje de Ontologías Web), que es una Recomendación W3C publicada el 10 de febrero de 2004. Es un lenguaje utilizado para representar ontologías o dominios de conocimiento en la web.

Los robopets interactivos comercialmente viables, denominados "juguetes inteligentes", llegaron al mercado, haciendo realidad las aspiraciones de los creadores de juguetes novedosos del siglo XVIII.

Proyecto de arquitectura Oxygen, un sistema diseñado para integrar dispositivos informáticos móviles y estacionarios en un entorno de red adaptable.

Un laboratorio inteligente y agentes emocionales desarrollados en el laboratorio de IA del MIT.

Los programas impulsados por IA, como los rastreadores web, desempeñan un papel vital en la extracción y utilización de información de la vasta extensión de la World Wide Web.

Ulises Cortés y Miquel Sànchez-Marrè iniciaron un taller pionero en Europa, titulado "Vinculación de las Ciencias Ambientales y la Inteligencia Artificial", que tenía como objetivo cerrar la brecha entre las ciencias ambientales y la inteligencia artificial durante la conferencia ECAI.

El documento Roadmap de la Web Semántica, que describía una visión para una web más inteligente e interconectada, fue presentado por Tim Berners-Lee.

El lanzamiento del Furby de Tiger Electronics marcó un hito significativo como el producto pionero de IA doméstica que logró éxito comercial.

Una red neuronal artificial llamada Memoria a Largo y Corto Plazo (LSTM) fue presentada por Sepp Hochreiter y Juergen Schmidhuber en su trabajo de investigación publicado en la revista Neural Computation.

Un software de inteligencia artificial para jugar Othello, conocido como Logistello, logró una victoria decisiva de 6-0 contra Takeshi Murakami, el campeón mundial vigente del juego.

Una poderosa computadora de ajedrez llamada Deep Blue, desarrollada por IBM, triunfó sobre el campeón mundial de ajedrez reinante Garry Kasparov en un partido histórico.

Cindy Mason, empleada de NASA, organiza el primer Taller Internacional IJCAI dedicado a explorar el papel de la Inteligencia Artificial en asuntos ambientales.

El programa informático Chinook triunfó sobre el campeón mundial inglés de damas Tinsley, quien renunció a su partido. Además, Chinook derrotó a Lafferty, el jugador con la segunda clasificación más alta. También logró una victoria contundente en el Torneo Nacional de EE. UU., ganando por un margen sin precedentes.

Zadeh, profesor de Berkeley, desarrolló el concepto de "computación suave", que integra diferentes campos como redes neuronales, lógica difusa, algoritmos evolutivos, programación genética y teoría del caos. Estableció una red de investigación global que fusionó estas disciplinas, permitiendo avances en inteligencia computacional y sistemas de toma de decisiones.

ISX Corporation recibió el reconocimiento como el principal contratista de DARPA (Agencia de Proyectos de Investigación Avanzada de Defensa) por su Herramienta de Análisis Dinámico y Replanificación (DART). El éxito de esta herramienta impulsada por IA se consideró altamente valioso, superando la inversión total del gobierno en investigación de IA durante varias décadas.

La aplicación de programación DART, utilizada durante la Guerra del Golfo, demostró exitosamente el valor de las tres décadas de esfuerzos de investigación de DARPA en inteligencia artificial, justificando la inversión sustancial realizada en este campo.

TD-Gammon, un programa de backgammon creado por Gerry Tesauro, demuestra la eficacia del aprendizaje por refuerzo en el desarrollo de un programa de juego capaz de competir contra jugadores de clase mundial a nivel de campeonato.

La IA ha progresado notablemente en diferentes ámbitos, como el aprendizaje automático, los sistemas de tutoría inteligente, el razonamiento basado en casos, la planificación multiagente, los algoritmos de programación, las técnicas de razonamiento incierto, los métodos de minería de datos, el procesamiento del lenguaje natural y los modelos de traducción, la visión por computadora, las simulaciones de realidad virtual, el desarrollo de juegos y otras áreas emergentes.

ALVINN (Un Vehículo Terrestre Autónomo en una Red Neuronal), un sistema desarrollado por Dean Pomerleau en la Universidad Carnegie Mellon, fue utilizado en el proyecto Navlab, permitiendo la navegación autónoma de vehículos terrestres mediante tecnología de redes neuronales.

El avance de la tecnología de semiconductores complementarios de óxido metálico (CMOS), que es un tipo de integración a muy gran escala (VLSI) de semiconductores de óxido metálico (MOS), facilitó la implementación práctica de las redes neuronales artificiales (RNA) en la década de 1980. Una obra seminal en este campo fue el libro de 1989 "Implementación VLSI analógica de sistemas neuronales" de Carver A. Mead y Mohammed Ismail, que jugó un papel significativo en el desarrollo de la tecnología RNA.

Una empresa llamada Alacritous Inc./Allstar Advice Inc. de Toronto lanzó la segunda generación de su sistema de asesoramiento estratégico y de gestión comercial, Alacrity 2.0. Este sistema utiliza un sistema experto de encadenamiento progresivo con unas 3.000 reglas enfocadas a la evolución del mercado y las estrategias competitivas. Los coautores fueron los fundadores de la empresa, Alistair Davidson y Mary Chung, mientras que el motor subyacente fue desarrollado por Paul Tarvydas. Asimismo, Alacrity 2.0 incorporó un pequeño sistema experto financiero capaz de interpretar estados y modelos financieros.

El trabajo de Marvin Minsky sobre un modelo teórico de la mente, donde lo propuso como una colección de agentes cooperantes. Había estado presentando esta idea a través de conferencias años antes de publicar su libro, The Society of Mind.

Las investigadoras pioneras Barbara Grosz y Candace Sidner desarrollaron el marco computacional inicial para analizar el discurso, abriendo el camino para un nuevo campo de estudio.

El algoritmo de retropropagación, también conocido como el modo inverso de diferenciación automática, introducido por Seppo Linnainmaa en 1970 y posteriormente aplicado a las redes neuronales por Paul Werbos, contribuyó significativamente a la adopción generalizada de las redes neuronales.

El Cálculo de Intervalos, una formalización pionera de eventos temporales, fue concebido por James F. Allen, marcando un avance significativo en el campo.

John Laird y Paul Rosenbloom, en colaboración con Allen Newell, finalizaron su investigación doctoral sobre el programa Soar en la Universidad Carnegie Mellon.

Los Sistemas Informáticos de Quinta Generación (FGCS), iniciados por el Ministerio de Comercio Internacional e Industria de Japón en 1982, tenían como objetivo desarrollar una "computadora de quinta generación" que aprovecharía el paralelismo masivo para realizar cálculos extensos. El proyecto se centró en crear un sistema informático capaz de ejecutar cálculos complejos mediante el procesamiento paralelo.

Danny Hillis diseñó un innovador sistema de computación paralela, conocido como Connection Machine, que impulsó significativamente las capacidades de IA y computación. Posteriormente, fundó Thinking Machines Corporation.

La conferencia inaugural de la AAAI, una organización dedicada a la inteligencia artificial, tuvo lugar en la Universidad de Stanford.

En el período indicado, se diseñaron, fabricaron y comercializaron máquinas Lisp. Además, surgieron las primeras interfaces de sistemas expertos y aplicaciones comerciales.

Dirigido por Ed Feigenbaum y Joshua Lederberg, el recurso SUMEX-AIM en Stanford demostró cómo ARPAnet facilitó la cooperación científica.

Los investigadores del MIT y Stanford fueron pioneros en el estudio de las lógicas no monótonas, explorando métodos formales para gestionar y actualizar creencias o conocimientos a medida que se dispone de nueva información.

Un programa informático para backgammon, desarrollado por Hans Berliner en CMU, logra derrotar al campeón mundial actual, en parte debido a circunstancias afortunadas.

Un vehículo autónomo desarrollado por Hans Moravec en la Universidad de Stanford, conocido como Stanford Cart, logró un hito al navegar de forma independiente por una sala llena de sillas y maniobrar alrededor del Laboratorio de IA de Stanford.

Los investigadores de la Universidad de Stanford, incluyendo a Cordell Green, David Barstow y Elaine Kant, presentaron el sistema CHI, que permitía la programación automática.

INTERNIST fue un programa de diagnóstico médico basado en el conocimiento creado por Jack Myers y Harry Pople, investigadores de la Universidad de Pittsburgh. Utilizaba la experiencia clínica de Myers para diagnosticar condiciones médicas.

El programa MOLGEN, desarrollado en la Universidad de Stanford, demostró el potencial de la programación orientada a objetos para representar conocimientos y planificar experimentos de clonación de genes.

La racionalidad limitada, un concepto revolucionario introducido por Herbert A. Simon, le valió el Premio Nobel de Economía. Esta teoría, que constituye un pilar fundamental de la Inteligencia Artificial, postula que los individuos toman decisiones basadas en información y capacidades cognitivas limitadas, resultando en elecciones que satisfacen sus necesidades en lugar de maximizar resultados óptimos.

Un investigador llamado Tom Mitchell de la Universidad de Stanford propuso la idea de espacios de versión, que representa el espacio de búsqueda para un algoritmo de formación de conceptos.

La investigación doctoral de Davis en Stanford demostró la eficacia del razonamiento a nivel meta, donde un sistema de IA puede razonar sobre sus propios procesos de pensamiento.

El programa AM, desarrollado por Douglas Lenat para su tesis doctoral de Stanford, ilustró el modelo de descubrimiento, que involucraba una búsqueda vagamente guiada de conjeturas intrigantes.

La percepción visual comienza con la creación de una representación preliminar, conocida como el "boceto primario", que captura características esenciales como bordes, límites y orientaciones de superficie a partir de la entrada visual inicial. Esta etapa fundamental establece las bases para el procesamiento posterior y el reconocimiento de objetos y escenas.

Los métodos tradicionales de IA para modelar el discurso fueron encontrados con limitaciones por Barbara Grosz. Más tarde, Grosz, junto con Bonnie Webber y Candace Sidner, desarrollaron el concepto de "centering" que ayuda a determinar el foco del discurso y resolver referencias anafóricas en el procesamiento del lenguaje natural.

El sistema de inteligencia artificial Meta-Dendral realizó descubrimientos revolucionarios en el campo de la química, específicamente en el área de la espectrometría de masas, que fueron publicados en una revista científica revisada por pares, marcando un hito como los primeros hallazgos científicos realizados por una computadora.

El influyente artículo de Marvin Minsky sobre Marcos introdujo una representación del conocimiento que combinaba ideas sobre esquemas y conexiones semánticas.

Austin Tate creó el sistema Nonlin, que podía explorar diferentes planes parciales como formas alternativas para lograr los objetivos generales de planificación.

Earl Sacerdoti introdujo métodos de planificación de orden parcial con su sistema NOAH, apartándose del enfoque anterior de búsqueda de espacio de estados. NOAH se utilizó en SRI International para el diagnóstico interactivo y la reparación de sistemas electromecánicos.

La tesis doctoral de Ted Shortliffe en Stanford introdujo MYCIN, un sistema basado en reglas para diagnósticos médicos que podía manejar la incertidumbre. Inspirado por DENDRAL, MYCIN impactó significativamente en el desarrollo de sistemas expertos, particularmente los comerciales.

El informe Lighthill criticó la investigación de IA en Gran Bretaña, lo que llevó al gobierno a recortar la financiación para estudios de IA excepto en dos universidades.

Earl Sacerdoti creó un sistema de planificación jerárquica temprano llamado ABSTRIPS.

El lenguaje de programación Prolog fue creado por Alain Colmerauer.

El desarrollo del demostrador de teoremas Boyer-Moore comenzó en Edimburgo.

Bill Woods introdujo las Redes de Transición Aumentada (ATN) como una forma de representar y comprender el lenguaje natural.

Jaime Carbonell (Sr.) creó SCHOLAR, un software interactivo que facilita el aprendizaje asistido por computadora, utilizando redes semánticas para la representación del conocimiento.

Seppo Linnainmaa introdujo el modo inverso de diferenciación automática, una técnica posteriormente denominada retropropagación que se emplea ampliamente para entrenar redes neuronales artificiales.

En SRI, Jane Robinson y Don Walker fundaron un grupo de investigación pionero centrado en el Procesamiento del Lenguaje Natural que tuvo un impacto significativo en el campo.

McCarthy y Hayes introdujeron el problema del marco en el razonamiento de la IA.

Minsky y Papert en "Perceptrons" destacaron las limitaciones de las redes neuronales simples, que algunos consideran como el desencadenante del invierno de la IA en la década de 1970, aunque los métodos de aprendizaje profundo ya existían a través del trabajo de Ivakhnenko, Lapa y Amari.

Stanford organizó la primera conferencia IJCAI (Conferencia Internacional Conjunta sobre Inteligencia Artificial).

Yorick Wilks fue pionero en la Semántica de Preferencias en Stanford, creando el primer sistema de traducción automática basado en semántica, que influyó en muchos investigadores posteriores.

Roger Schank desarrolló el modelo de dependencia conceptual para la comprensión del lenguaje en Stanford, que luego fue expandido en Yale a través del trabajo de doctorado de Wilensky, Lehnert y Kolodner para la comprensión de historias y el modelado de la memoria.

Wallace y Boulton crearon Snob, un algoritmo de agrupamiento temprano que aplicó la navaja de Occam mediante principios bayesianos de longitud mínima de mensaje.

En el MIT, Richard Greenblatt desarrolló Mac Hack, un revolucionario programa de ajedrez que alcanzó el nivel de torneo clase C, convirtiéndose en la primera IA de ajedrez en competir de manera creíble contra humanos.

Joel Moses fue pionero en las matemáticas simbólicas a través de su trabajo doctoral en el MIT sobre Macsyma - el primer programa en resolver con éxito problemas de integración de cálculo utilizando inteligencia artificial y representación del conocimiento.

Shun'ichi Amari fue el primero en utilizar el descenso de gradiente estocástico para el aprendizaje profundo en perceptrones multicapa. En experimentos informáticos realizados por su estudiante Saito, un perceptrón multicapa de cinco capas con dos capas modificables aprendió representaciones internas útiles para clasificar clases de patrones no separables linealmente.

Ross Quillian demostró las redes semánticas en su tesis doctoral en el Instituto Tecnológico Carnegie (ahora CMU).

El taller de Inteligencia de Máquina 71 en Edimburgo fue el primero de una influyente serie anual organizada por Donald Michie y otros.

Un informe negativo sobre la traducción automática paralizó gran parte del trabajo en el procesamiento del lenguaje natural (PLN) durante muchos años.

El programa Dendral, desarrollado por Edward Feigenbaum, Joshua Lederberg, Bruce Buchanan y Georgia Sutherland en la Universidad de Stanford, demostró la capacidad de interpretar espectros de masa en compuestos químicos orgánicos, convirtiéndolo en el primer programa basado en conocimiento exitoso para el razonamiento científico.

Edward Feigenbaum inició el proyecto Dendral, un esfuerzo de diez años para desarrollar software que pudiera deducir la estructura molecular de compuestos orgánicos utilizando datos de instrumentos científicos. Dendral fue el primer sistema experto.

J. Alan Robinson inventó el Método de Resolución, un procedimiento de prueba mecánica que permitió a los programas trabajar eficientemente con la lógica formal como lenguaje de representación.

En 1965, Lotfi A. Zadeh, profesor de la Universidad de California, Berkeley, publicó su innovador artículo "Conjuntos Difusos" en la revista Information and Control, introduciendo el concepto de lógica difusa.

Ivakhnenko y Lapa crearon el primer algoritmo de aprendizaje profundo para entrenar perceptrones multicapa en la Unión Soviética, siendo pioneros en técnicas que más tarde se convertirían en fundamentales para las redes neuronales modernas.

La tesis doctoral de Bobrow en el MIT demostró que las computadoras podían comprender el lenguaje natural lo suficientemente bien como para resolver problemas de palabras en álgebra, mientras que el trabajo de Raphael en SIR mostró cómo la representación lógica del conocimiento podía permitir que los sistemas informáticos respondieran preguntas.

Uhr y Vossler crearon uno de los primeros programas de aprendizaje automático adaptativo que podía generar y modificar sus propias características, superando las limitaciones de los perceptrones de Rosenblatt.

Feigenbaum y Feldman compilaron "Computers and Thought", la primera antología de trabajos de investigación centrada en la inteligencia artificial.

Solomonoff estableció una base matemática para la IA mediante el desarrollo de enfoques bayesianos universales para hacer predicciones y aprender de ejemplos.

Masterman y su equipo en Cambridge crearon redes semánticas diseñadas para facilitar la traducción automática.

Newell, Shaw y Simon desarrollaron el General Problem Solver (GPS) en CMU, mientras que McCarthy y Minsky establecieron el Laboratorio de IA del MIT.

McCarthy creó Lisp, uno de los primeros lenguajes de programación diseñados para la IA. En IBM, Gelernter y Rochester desarrollaron un comprobador de teoremas geométricos que utilizaba modelos visuales de casos típicos. La Conferencia de Teddington presentó varios documentos influyentes: la propuesta de McCarthy para el Advice Taker y el razonamiento de "sentido común", el "Pandemonium" de Selfridge y el trabajo de Minsky sobre programación heurística.

McCarthy, Minsky, Rochester y Shannon organizaron la conferencia de verano del Dartmouth College, donde McCarthy introdujo el término "inteligencia artificial" - un evento que marcó el comienzo formal de la IA como campo.

Arthur Samuel desarrolló el primer programa de juego que podía competir seriamente con jugadores humanos: un programa de damas creado en 1952. Lo mejoró en 1955 para incluir capacidades de aprendizaje, permitiéndole mejorar a través de la experiencia.

Strachey y Prinz crearon los primeros programas funcionales de IA en 1951, desarrollando programas de damas y ajedrez respectivamente para el ordenador Ferranti Mark 1 de la Universidad de Manchester.

Donald Hebb estableció la teoría hebiana, que propuso un mecanismo sobre cómo las redes neuronales podrían aprender mediante el fortalecimiento de las conexiones entre neuronas que se activan juntas.

Bush publicó "As We May Think" en The Atlantic Monthly, describiendo un futuro donde las computadoras mejorarían las capacidades humanas en diversas actividades.

Von Neumann y Morgenstern publicaron "Theory of Games and Economic Behavior", estableciendo la teoría de juegos como un marco matemático que más tarde se volvería crucial para el desarrollo de la IA.

Rosenblueth, Wiener y Bigelow introdujeron el término "cibernética," que Wiener posteriormente popularizó en su libro de 1948 del mismo nombre.

McCulloch y Pitts publicaron "Un Cálculo Lógico de las Ideas Inmanentes en la Actividad Nerviosa", que proporcionó el primer modelo matemático de redes neuronales artificiales, representando cómo las neuronas podían realizar operaciones lógicas.

Zuse completó la construcción del primer ordenador programable de propósito general funcional.

Edward Condon creó Nimatron - una computadora digital que podía jugar al juego Nim sin cometer errores.

Konrad Zuse presentó una patente para uno de los primeros ordenadores programables.

Alonzo Church se basó en el trabajo de Gödel al demostrar la indecidibilidad de los problemas computacionales generales y desarrollar el cálculo lambda, que se volvió esencial para la teoría de los lenguajes de programación informática.

Kurt Gödel demostró las limitaciones fundamentales en los sistemas computacionales mediante la codificación de enunciados matemáticos como números y probó que algunas declaraciones verdaderas no pueden ser demostradas por ningún sistema mecánico consistente, un avance que moldearía la informática teórica y la IA.

El modelo de Ising, desarrollado por Lenz e Ising en 1925, fue una forma temprana de red neuronal recurrente que utilizaba elementos de umbral. Más tarde, Amari hizo que este sistema fuera adaptable en 1972.

Torres Quevedo creó El Ajedrecista, la primera máquina capaz de jugar finales de ajedrez, y fue pionero en conceptos como la aritmética de punto flotante. Sus Ensayos sobre Automática exploraron la relación entre el pensamiento y las máquinas automatizadas, lo que le valió el reconocimiento como uno de los primeros pioneros de la IA.

Los Principia Mathematica de Russell y Whitehead demostraron que las matemáticas básicas podían expresarse mediante el razonamiento lógico formal.

Samuel Butler propuso que las máquinas podrían evolucionar como organismos biológicos, prediciendo que eventualmente podrían desarrollar consciencia y reemplazar a los humanos.

George Boole creó el álgebra booleana - un sistema matemático diseñado para expresar y analizar las operaciones fundamentales del razonamiento humano.

Bernard Bolzano fue pionero en el enfoque moderno de formalizar cómo se representa el significado en el lenguaje y la lógica (semántica).

Babbage y Lovelace colaboraron en el desarrollo de computadoras mecánicas que podían programarse para realizar cálculos.

Legendre y Gauss desarrollaron la regresión lineal (también conocida como el método de mínimos cuadrados) a finales del siglo XVIII/principios del siglo XIX para predecir el movimiento planetario. Esta técnica matemática sería reconocida posteriormente como la forma más simple de red neuronal artificial.

Von Kempelen creó El Turco, una supuesta máquina de jugar al ajedrez que recorrió Europa derrotando a oponentes humanos. Más tarde se reveló que era un engaño que ocultaba a un jugador de ajedrez humano.

El ensayo publicado póstumamente de Thomas Bayes introdujo lo que se conocería como el teorema de Bayes, un principio matemático que más tarde se convertiría en fundamental para los sistemas de IA a través de las redes bayesianas.

La Mettrie propuso en "L'Homme Machine" (Hombre Máquina) que los procesos del pensamiento humano eran completamente mecánicos por naturaleza.

David Hume identificó la inducción - el proceso de derivar principios generales a partir de ejemplos específicos - como un método fundamental de aprendizaje.

Daniel Bernoulli desarrolló el concepto de utilidad, extendiendo la teoría de la probabilidad a un marco para medir el valor y la toma de decisiones - principios que más tarde se convertirían en fundamentales para la forma en que los sistemas de IA modelan objetivos y elecciones.

Los viajes de Gulliver de Swift satirizó el Ars Magna de Llull y la lógica mecánica de Leibniz a través del Motor de Laputa - una máquina ficticia que afirmaba producir obras académicas sin requerir inteligencia o aprendizaje.

Leibniz imaginó un sistema lógico universal que asignaría valores numéricos a todos los objetos, con el objetivo de crear un método algebraico para resolver cualquier problema mediante el razonamiento mecánico.

Leibniz descubrió la regla de la cadena, un principio matemático que más tarde se convertiría en esencial para entrenar redes neuronales a través de algoritmos como la retropropagación.

Leibniz impulsó el cálculo mecánico mediante la creación del Stepped Reckoner, una calculadora capaz de realizar operaciones de multiplicación y división.

Descartes teorizó que los cuerpos de los animales funcionaban como máquinas sofisticadas, mientras mantenía que la conciencia y los procesos mentales eran fundamentalmente distintos.

Blaise Pascal creó la primera calculadora digital - un dispositivo mecánico capaz de realizar cálculos numéricos.

El Novum Organum de Francis Bacon, nombrado en referencia a la obra de Aristóteles, estableció la metodología empírica y el razonamiento inductivo como fundamentos para adquirir conocimiento.

Según la leyenda, el Rabino Loew de Praga creó el Golem - un ser artificial moldeado con arcilla y traído a la vida mágicamente.

Paracelso, el médico y alquimista del Renacimiento, afirmó haber fabricado un ser humanoide utilizando una combinación de fuerzas magnéticas, material reproductivo y procesos alquímicos.

En el siglo XIII, Ramon Llull creó el Ars Magna, adaptando un dispositivo árabe llamado Zairja para combinar conceptos mecánicamente. Lo imaginó como máquinas que podían generar conocimiento complejo combinando verdades simples. Este concepto influyó posteriormente en el trabajo de Leibniz en el siglo XVII.

Al-Jazari diseñó una orquesta automatizada compuesta por figuras humanoides mecánicas que podían programarse para tocar música de manera coordinada.

Al-Khwarizmi escribió influyentes libros de texto matemáticos que proporcionaron procedimientos detallados y sistemáticos para resolver problemas aritméticos y algebraicos. Estos métodos fueron ampliamente utilizados en la civilización islámica, India y Europa durante varios siglos, hasta el 1500. Su nombre es el origen de la palabra "algoritmo", reflejando su contribución a los métodos sistemáticos de resolución de problemas.

El alquimista árabe Jabir ibn Hayyan desarrolló un marco teórico llamado Takwin, que exploraba la posibilidad de crear vida artificialmente, incluyendo la vida humana, a través de procesos de laboratorio.

Porfirio, un filósofo griego, escribió la Isagogê - una obra que organizó el conocimiento y la lógica en categorías. Notablemente, incluía una representación visual que fue una versión temprana de lo que ahora llamamos una red semántica (una forma de mostrar relaciones entre conceptos a través de un diagrama estructurado).

Herón de Alejandría, un inventor griego antiguo, diseñó varios dispositivos automatizados, incluyendo figuras humanoides mecánicas. Uno de sus logros más notables fue crear lo que algunos consideran la primera máquina programable de la historia: un teatro automatizado que podía realizar movimientos y escenas programadas.

Ctesibius, un ingeniero de la antigua Grecia, creó un reloj de agua avanzado que incluía un sistema de alarma. Este dispositivo fue revolucionario ya que representó el primer uso conocido de un mecanismo de control de retroalimentación, donde el sistema podía monitorear y ajustar su propia operación según su estado actual.

Aristóteles hizo dos contribuciones significativas a los fundamentos del pensamiento sistemático y la resolución de problemas:

En su obra Organon, desarrolló el silogismo - un método estructurado de razonamiento lógico donde las conclusiones se extraen de dos premisas. Esto representó uno de los primeros sistemas formalizados de pensamiento lógico mecánico y paso a paso.

2) En la Ética a Nicómaco, describió lo que ahora llamamos análisis de medios y fines - un método para resolver problemas mediante la identificación repetida de la brecha entre el estado actual y el estado objetivo, para luego tomar acciones que reduzcan esa brecha. Curiosamente, este mismo algoritmo básico se implementaría miles de años después en uno de los primeros programas de IA, el Solucionador General de Problemas, creado por Newell y Simon en 1959.

Durante la dinastía Zhou de China, un ingeniero llamado Yan Shi creó y mostró al Rey Mu figuras automatizadas o "hombres mecánicos" que podían moverse por sí mismos.

En el antiguo Egipto y Grecia, la gente creía que ciertas estatuas sagradas poseían consciencia y sentimientos. Según los escritos atribuidos a Hermes Trismegistus, se pensaba que estas estatuas mecánicas tenían tanto percepción sensorial (sensus) como fuerza vital o aliento (spiritus). Él afirmaba que al comprender la naturaleza divina de los dioses, los humanos habían aprendido a recrear estas cualidades en sus formas construidas.