Nivel : Principiante
Breve historia de la inteligencia artificial, de Turing a los agentes autónomos
Por La redacción de Info Agent IA ·
La inteligencia artificial nació oficialmente en el verano de 1956, pero sus ideas se remontan a los años 40 y su historia alterna grandes esperanzas, largas decepciones y avances repentinos. De las primeras neuronas artificiales a asistentes como ChatGPT, y ahora a los agentes de IA capaces de actuar por sí solos, estas son las etapas que de verdad importan, sin jerga.
Antes del nombre: neuronas artificiales y máquinas que piensan
1943: una neurona sobre el papel
Todo empieza con una idea matemática. En 1943, Warren McCulloch y Walter Pitts publican un modelo muy simplificado de la neurona: una pequeña unidad que recibe señales y decide si transmite o no una señal a su vez. Es el antepasado lejano de las redes neuronales que hacen funcionar a los asistentes actuales.
1950: Alan Turing plantea la pregunta
En octubre de 1950, el matemático británico Alan Turing publica «Computing Machinery and Intelligence» en la revista Mind. En lugar de debatir sin fin si las máquinas pueden pensar, propone un experimento: el «juego de la imitación». Un juez conversa por escrito con una persona y con una máquina, y debe adivinar quién es quién. Es el famoso test de Turing.
1956: Dartmouth le pone nombre a la IA
El 31 de agosto de 1955, cuatro investigadores, John McCarthy, Marvin Minsky, Nathaniel Rochester y Claude Shannon, firman una propuesta de investigación. En ella emplean la expresión «inteligencia artificial» y anuncian un taller de verano en el Dartmouth College, en Estados Unidos.
El taller se celebra en el verano de 1956. Su hipótesis de partida es ambiciosa: cada aspecto del aprendizaje o de la inteligencia podría describirse con tanta precisión que una máquina pudiera simularlo. Se considera el acta de nacimiento de la disciplina.
Las primeras esperanzas (1956-1973)
Las dos décadas siguientes están marcadas por un optimismo enorme. Conviven dos grandes familias de ideas.
- La IA simbólica: se escriben reglas y se manipulan símbolos, como haría un lógico. Los programas demuestran teoremas o resuelven rompecabezas.
- El aprendizaje: se deja que la máquina mejore a partir de ejemplos. En 1958, Frank Rosenblatt presenta el perceptrón, una red neuronal capaz de aprender a reconocer formas sencillas. En 1959, Arthur Samuel, en IBM, describe un programa de damas que mejora jugando y habla de «machine learning».
En 1966, Joseph Weizenbaum, en el MIT, presenta ELIZA, un programa que imita a un psicoterapeuta reformulando las frases de su interlocutor. El sistema es rudimentario, pero algunos usuarios le atribuyen una comprensión real. Ese reflejo humano sigue presente ante los chatbots actuales.
Los inviernos de la IA
Las promesas van demasiado rápido. En 1969, Marvin Minsky y Seymour Papert publican Perceptrons, un libro que muestra los límites de las redes neuronales de una sola capa. El interés por esa vía decae durante mucho tiempo.
En 1973, en el Reino Unido, el informe Lighthill juzga con dureza los resultados de la investigación en IA. La financiación retrocede a ambos lados del Atlántico: es el primer invierno de la IA, a mediados de los años 70.
Los años 80 reactivan el sector con los sistemas expertos. Estos programas codifican el saber de especialistas en forma de reglas «si… entonces…», para diagnosticar una avería o configurar un ordenador. Las empresas invierten mucho. Pero estos sistemas son caros de mantener y frágiles fuera de su ámbito. A finales de los 80 el mercado se hunde: es el segundo invierno de la IA.
Mientras tanto, una idea antigua vuelve a la superficie. En 1986, David Rumelhart, Geoffrey Hinton y Ronald Williams popularizan la retropropagación, un método para entrenar redes neuronales de varias capas. Se convertirá en la base del aprendizaje profundo.
1997: Deep Blue, la victoria del cálculo
El 11 de mayo de 1997, el ordenador Deep Blue de IBM vence al campeón del mundo de ajedrez Garri Kaspárov en un match. La noticia da la vuelta al mundo. Sin embargo, Deep Blue casi no aprende nada: explora a gran velocidad cantidades enormes de jugadas posibles, guiado por reglas de evaluación escritas por personas.
En febrero de 2011, otro sistema de IBM, Watson, gana el concurso de televisión estadounidense Jeopardy! frente a antiguos campeones. Estas victorias espectaculares siguen siendo hazañas especializadas.
Una IA discreta que se instala en todas partes
Lejos de los focos, en los años 90 y 2000 la IA se instala sin ruido en las herramientas cotidianas. La palabra «IA» pasa un poco de moda, y los investigadores prefieren hablar de estadística o de aprendizaje automático. Sin embargo, es la época en que los filtros de spam aprenden a clasificar correos a partir de ejemplos, los buscadores ordenan las páginas, las tiendas en línea recomiendan productos y el reconocimiento de escritura a mano ayuda a leer direcciones o cheques.
En octubre de 2011, Apple presenta Siri con el iPhone 4S: un asistente al que se le habla. Estos usos preparan el terreno. Acostumbran al público a máquinas que «entienden» una petición, aunque sea de forma limitada.
2012: el despegue del aprendizaje profundo
El verdadero punto de inflexión llega en 2012. En la competición de reconocimiento de imágenes ImageNet, el equipo de Geoffrey Hinton reduce, según la ACM, casi a la mitad la tasa de error gracias a una red neuronal profunda. Las ideas eran antiguas; lo que cambia es la combinación de tres ingredientes: grandes cantidades de datos digitales, chips de cálculo adecuados (las GPU) y redes con muchas capas.
El aprendizaje profundo conquista entonces la visión por ordenador, y después el reconocimiento de voz y la traducción. En marzo de 2016, AlphaGo, el programa de DeepMind, vence a Lee Sedol, uno de los mejores jugadores de go del mundo, por 4 partidas a 1. El go se consideraba demasiado complejo para una máquina.
2017: el Transformer lo cambia todo
En junio de 2017, investigadores de Google publican «Attention Is All You Need». El artículo presenta el Transformer, una arquitectura que procesa todas las palabras de un texto en paralelo y detecta cuáles importan más unas para otras. Al principio estaba pensada para la traducción automática.
Ya en 2018, OpenAI con GPT y Google con BERT demuestran que un Transformer entrenado con enormes cantidades de texto puede servir después para muchas tareas distintas. Es el nacimiento de los grandes modelos de lenguaje, o LLM, que explicamos en detalle en nuestro artículo sobre los LLM.
30 de noviembre de 2022: ChatGPT abre la IA al gran público
El 30 de noviembre de 2022, OpenAI lanza ChatGPT. Por primera vez, cualquiera puede conversar con un gran modelo de lenguaje, gratis, en una simple ventana de chat. La IA sale de los laboratorios y entra en la vida diaria: redactar un correo, resumir un documento, preparar un viaje. Para entender qué ocurre cuando le hace una pregunta, lea cómo funciona ChatGPT.
La competencia reacciona rápido. En marzo de 2023, Google lanza Bard, rebautizado después como Gemini, y OpenAI presenta GPT-4. En Europa, el Reglamento (UE) 2024/1689, conocido como Reglamento de IA o AI Act, entra en vigor el 1 de agosto de 2024: es el primer gran marco jurídico dedicado a la IA, de aplicación directa en España.
Los datos confirman la aceleración. Según Our World in Data (datos obtenidos el 22 de octubre de 2026), la inversión mundial en IA generativa pasó de 3.700 millones de dólares en 2022 a 25.400 millones en 2023, y a 143.800 millones en 2025.
Lo que muestran los datos: una carrera entre Estados Unidos y China
El instituto de investigación Epoch AI registra los modelos de IA que considera «destacados». Según su documentación, consultada el 22 de octubre de 2026, son los que mejoraron el estado del arte en una prueba reconocida, están muy citados, tienen relevancia histórica o un uso importante. Este es su número por año, según el país de la primera organización citada.
| Año | Estados Unidos | China | Reino Unido | Corea del Sur | Canadá | Otros |
|---|---|---|---|---|---|---|
| 2012 | 5 | 0 | 0 | 0 | 6 | 2 |
| 2014 | 13 | 2 | 7 | 0 | 4 | 7 |
| 2016 | 32 | 4 | 5 | 0 | 1 | 7 |
| 2017 | 23 | 9 | 10 | 3 | 3 | 7 |
| 2019 | 51 | 5 | 7 | 1 | 0 | 4 |
| 2021 | 49 | 18 | 4 | 1 | 1 | 6 |
| 2022 | 61 | 10 | 13 | 3 | 1 | 3 |
| 2023 | 81 | 23 | 2 | 1 | 1 | 11 |
| 2024 | 55 | 30 | 1 | 1 | 1 | 10 |
| 2025 | 62 | 34 | 1 | 8 | 0 | 2 |
| 2026 (al 22 de octubre) | 49 | 29 | 0 | 5 | 0 | 1 |
Fuente: Epoch AI, «Data on AI Models», datos obtenidos el 22 de octubre de 2026. Selección de años.
Destacan tres tendencias. Estados Unidos domina con claridad desde mediados de la década de 2010. China gana terreno a partir de 2021 y alcanza o supera los 30 modelos destacados al año en 2024 y 2025. El Reino Unido, muy presente durante el auge del aprendizaje profundo, aparece mucho menos desde 2023. España y América Latina figuran, en su caso, en la columna «Otros».
Las capacidades han avanzado igual de rápido. En GPQA, una prueba de preguntas científicas de nivel de doctorado diseñada para resistir una simple búsqueda en internet, la mejor puntuación registrada por Epoch AI pasó de 35,7 sobre 100 (GPT-4, primer trimestre de 2023) a 96,4 (Gemini 4 Argon, tercer trimestre de 2026).
La era de los agentes (desde 2024)
La última etapa ya no consiste solo en responder, sino en actuar. Un agente de IA recibe un objetivo, divide el trabajo en pasos, utiliza herramientas (navegador, archivos, programas) y comprueba sus resultados.
Algunos hitos:
- 25 de noviembre de 2024: Anthropic anuncia el Model Context Protocol, un protocolo abierto para conectar asistentes y agentes con herramientas y datos.
- 23 de enero de 2025: OpenAI presenta Operator, un agente capaz de usar un navegador web para realizar tareas.
- 2025-2026: los grandes asistentes añaden modos agente, y se multiplican las herramientas para crear agentes propios.
El cambio es profundo. Un asistente clásico produce un texto que usted relee antes de utilizarlo. Un agente, en cambio, puede hacer clic, rellenar un formulario o enviar un mensaje en su nombre. Los errores tienen consecuencias más directas, y la confianza se vuelve la cuestión central: qué confiarle, con qué accesos y cómo comprobar lo que ha hecho.
Al 22 de octubre de 2026, esta es la cabeza de la clasificación de modelos elaborada a partir de las pruebas de Epoch AI. Los modelos que impulsan a estos agentes se renuevan ahora en cuestión de meses.
| Puesto | Modelo | Organización | Índice |
|---|---|---|---|
| 1 | Claude Sonnet 5.5 | Anthropic | 95,9 |
| 2 | Claude Opus 5.5 | Anthropic | 95,9 |
| 3 | Gemini 4 Argon | Google DeepMind | 95,3 |
| 4 | GPT-6 Astra | OpenAI | 94,7 |
| 5 | Claude Opus 5 | Anthropic | 92,7 |
Póngase a prueba ¿Cuál de estas etapas es la más antigua: el test de Turing, el taller de Dartmouth o el primer modelo de neurona artificial?
El modelo de neurona artificial de Warren McCulloch y Walter Pitts, publicado en 1943. Después vienen el artículo de Alan Turing, en 1950, y el taller de Dartmouth, en el verano de 1956.
Lo que conviene recordar
Recuerde también que las grandes rupturas rara vez son ideas nuevas. Las redes neuronales datan de 1943; esperaron casi setenta años a tener los datos y el cálculo necesarios. Para repasar lo básico, nuestra guía para entender la inteligencia artificial retoma los fundamentos. Y para explorar cada fecha y cada modelo destacado desde 2012, abra la cronología interactiva de la IA.
Preguntas frecuentes
¿Cuándo se inventó la inteligencia artificial?
Su nacimiento suele situarse en el taller de Dartmouth, en el verano de 1956, preparado por una propuesta fechada el 31 de agosto de 1955 en la que aparece la expresión inteligencia artificial. Trabajos anteriores lo hicieron posible, como el modelo de neurona artificial de 1943 y el artículo de Alan Turing de 1950.
¿Quién es el padre de la inteligencia artificial?
No hay un único padre. Alan Turing planteó la cuestión de las máquinas pensantes en 1950, y John McCarthy propuso el nombre de la disciplina junto con Marvin Minsky, Nathaniel Rochester y Claude Shannon. Más recientemente, Yoshua Bengio, Geoffrey Hinton y Yann LeCun suelen citarse como pioneros del aprendizaje profundo.
¿Qué es un «invierno de la IA»?
Es un periodo en el que la financiación y el entusiasmo por la IA se desploman tras promesas incumplidas. Se suelen contar dos: a mediados de los años 70 y a finales de los 80 y comienzos de los 90. Recuerdan que el progreso de la IA nunca ha sido lineal.
¿Por qué ha avanzado tanto la IA desde 2012?
Se juntaron tres ingredientes: redes neuronales profundas, enormes cantidades de datos digitales y chips de cálculo adecuados, las GPU. La arquitectura Transformer, publicada en 2017, permitió después construir los grandes modelos de lenguaje que hacen funcionar a los asistentes actuales.
¿Dónde puedo ver todas las fechas de la historia de la IA?
La cronología interactiva de Info Agent IA reúne los grandes hitos históricos y los modelos de IA que el instituto de investigación Epoch AI considera destacados desde 2012. Puede filtrar por ámbito y por organización, y ampliar un periodo concreto.