Bienvenido al curso de Fundamentos de Inteligencia Artificial. En esta primera lección haremos dos cosas: presentar el hilo conductor que nos acompañará durante todo el curso (una tienda online ficticia llamada NovaMarket) y recorrer la historia de la inteligencia artificial, desde sus raíces filosóficas hasta la era de la IA generativa. Entender esta historia no es un ejercicio de cultura general: los altibajos del campo (los famosos "inviernos de la IA") explican por qué hoy funciona lo que funciona, por qué fracasaron ideas que parecían prometedoras y qué expectativas es razonable tener cuando una empresa como NovaMarket decide invertir en IA.

1. Presentación del curso y de NovaMarket
2. Precedentes filosóficos y matemáticos: de la lógica a Turing
3. Dartmouth 1956: nace la disciplina
4. La edad de oro (1956–1974): Logic Theorist, ELIZA y el perceptrón
5. El primer invierno (1974–1980)
6. Los sistemas expertos y el segundo invierno (1980–1993)
7. El resurgimiento estadístico (1993–2011): Deep Blue y el aprendizaje automático
8. Big data y deep learning (2012–2016): ImageNet y AlphaGo
9. Transformers y era generativa (2017–hoy)
10. Cronología resumida
11. Las lecciones de los inviernos

Este curso es una introducción amplia a la IA pensada para perfiles técnicos que empiezan (futuros AI engineers, desarrolladores junior, analistas). A lo largo de diez módulos veremos qué es la IA, cómo se representan los problemas, qué algoritmos clásicos existen (búsqueda, optimización, lógica), cómo aprenden las máquinas a partir de datos (machine learning, redes neuronales, modelos de lenguaje) y con qué herramientas se trabaja en la práctica. No necesitas matemáticas avanzadas: cuando haga falta un concepto numérico, lo introduciremos con ejemplos pequeños. Sí conviene tener nociones básicas de Python, porque los ejemplos de código están escritos en ese lenguaje.

Para que los conceptos no queden en el aire, todo el curso gira alrededor de una empresa ficticia:

• NovaMarket es una tienda online española de electrónica y hogar de tamaño mediano: unos 180 empleados, dos almacenes (Zaragoza y Getafe), reparto propio en varias ciudades y envío por mensajería al resto de España.
• Vende unos 12.000 productos distintos y recibe del orden de 3.000 pedidos diarios en temporada normal (bastantes más en campañas como el Black Friday o Navidad).
• Marta es la responsable de datos. Viene del mundo de la analítica de negocio y quiere que la empresa deje de tomar decisiones "a ojo".
• Diego es el responsable de operaciones: almacenes, reparto, devoluciones y atención al cliente. Es escéptico con las modas tecnológicas, pero le duelen los costes.

NovaMarket dispone de cinco conjuntos de datos que iremos usando en ejemplos y ejercicios:

Hace veinte años, una empresa como NovaMarket no habría podido plantearse casi nada de lo que veremos en este curso. Hoy sí, y por tres razones que aparecerán una y otra vez en esta lección histórica:

1. Datos: NovaMarket genera cada día miles de registros de pedidos, clics, reseñas e incidencias. Antes esos datos se perdían o se guardaban sin usar; hoy están en bases de datos accesibles.
2. Cómputo barato: entrenar un modelo que en los años 90 habría requerido un superordenador cuesta hoy unos euros de servidor en la nube.
3. Herramientas maduras: existen librerías, servicios y modelos preentrenados que hacen que un equipo pequeño pueda construir en semanas lo que antes exigía años de investigación.

Los problemas que Marta y Diego quieren atacar (recomendar productos, prever la demanda, detectar fraude, clasificar reseñas, planificar rutas, asignar pedidos a repartidores, atender al cliente, automatizar reglas de devoluciones) son, cada uno, un ejemplo de una técnica distinta de IA. En las próximas lecciones los iremos ubicando en un mapa. Pero primero, la historia.

La pregunta "¿puede una máquina pensar?" es muy anterior a los ordenadores.

• Aristóteles (s. IV a. C.) formalizó los silogismos: reglas para obtener conclusiones válidas a partir de premisas ("todos los hombres son mortales; Sócrates es hombre; luego Sócrates es mortal"). Es la primera vez que el razonamiento se trata como algo mecánico.
• Leibniz (s. XVII) soñó con un calculus ratiocinator: un lenguaje formal en el que discutir fuese "calcular".
• George Boole (1854) publicó Las leyes del pensamiento, donde la lógica se convierte en álgebra: verdadero/falso pasan a ser 1/0 y las operaciones AND, OR y NOT se comportan como sumas y productos. Toda la electrónica digital descansa sobre esto.
• Frege, Russell y Whitehead (1879–1913) desarrollaron la lógica de predicados y trataron de reconstruir las matemáticas a partir de la lógica.
• Gödel (1931) demostró que todo sistema formal suficientemente potente tiene verdades que no puede demostrar: hay límites a lo que se puede mecanizar.
• Alan Turing (1936) definió la máquina de Turing, un modelo abstracto de qué significa "computar". Cualquier cosa que un ordenador pueda hacer, la puede hacer una máquina de Turing. Es la base teórica de la informática.
• McCulloch y Pitts (1943) propusieron el primer modelo matemático de una neurona artificial: una unidad que suma señales de entrada y "dispara" si supera un umbral. Es el antepasado directo de las redes neuronales que veremos en el módulo 5.
• Norbert Wiener (1948) fundó la cibernética, el estudio del control y la comunicación en máquinas y seres vivos (sistemas con retroalimentación).

En su artículo Computing Machinery and Intelligence, Turing evitó la pregunta filosófica "¿puede pensar una máquina?" y la sustituyó por un experimento práctico, el juego de imitación:

1. Un juez humano conversa por escrito con dos interlocutores que no ve: una persona y una máquina.
2. Si el juez no consigue distinguir cuál es cuál con más acierto que el azar, la máquina "pasa el test".

La idea es potente porque define la inteligencia por su comportamiento observable, no por lo que ocurre "por dentro". Ha sido criticada (una máquina podría engañar sin entender nada) pero sigue siendo una referencia cultural. Curiosamente, los sistemas conversacionales actuales, que en muchas conversaciones cortas superarían a un juez, han demostrado que pasar el test no equivale a "ser inteligente" en el sentido general.

¿Y para NovaMarket? El asistente de atención al cliente que la empresa quiere construir es, en cierto modo, un heredero del juego de imitación: no importa tanto si "entiende", sino si resuelve la duda del cliente de forma indistinguible (o mejor) que un agente humano.

En el verano de 1956, John McCarthy, Marvin Minsky, Nathaniel Rochester y Claude Shannon organizaron un seminario en el Dartmouth College (New Hampshire, EE. UU.). En la propuesta, McCarthy acuñó el término "Artificial Intelligence" y planteó una conjetura muy optimista:

"Cada aspecto del aprendizaje o cualquier otra característica de la inteligencia puede, en principio, describirse con tanta precisión que una máquina puede simularlo."

Del seminario salieron pocas conclusiones concretas, pero sí algo decisivo: una comunidad con nombre, un objetivo compartido y financiación (sobre todo militar, a través de la agencia DARPA). A partir de aquí la IA existe como disciplina académica.

Los primeros veinte años estuvieron marcados por un entusiasmo enorme. Algunos hitos:

• Logic Theorist (1956), de Newell, Simon y Shaw, presentado en Dartmouth: un programa capaz de demostrar teoremas de los Principia Mathematica de Russell y Whitehead. Uno de sus demostraciones era más elegante que la original. Se le considera el primer programa de IA.
• General Problem Solver (1957), de los mismos autores: intentaba resolver cualquier problema formalizado como "estado inicial → estado objetivo" mediante búsqueda (una idea que veremos en el módulo 3).
• Perceptrón (1958), de Frank Rosenblatt: la primera neurona artificial que aprendía de ejemplos, ajustando pesos. La prensa habló de una máquina que pronto "andaría, hablaría, vería y sería consciente de su existencia".
• LISP (1958), de McCarthy: el lenguaje de programación de la IA durante décadas.
• ELIZA (1966), de Joseph Weizenbaum: un programa que simulaba a un psicoterapeuta reformulando lo que decía el usuario. Funcionaba con reglas de sustitución muy simples, pero mucha gente sintió que "les entendía". Weizenbaum se asustó de ese efecto (hoy lo llamamos efecto ELIZA).
• SHRDLU (1970), de Terry Winograd: entendía órdenes en inglés sobre un "mundo de bloques" simulado.
• Shakey (1966–1972): el primer robot móvil que razonaba sobre sus acciones; de su desarrollo salió el algoritmo de búsqueda A*, que estudiaremos en el módulo 3.

Para entender el espíritu de ELIZA, aquí tienes una versión mínima en Python. No es "inteligente": solo busca palabras clave y responde con plantillas.

Fíjate en el detalle: el programa recorre el diccionario en orden y devuelve la primera coincidencia. Con "Mi pedido llega tarde" responde sobre el pedido y nunca llega a la regla de "tarde". Este tipo de sistema no aprende nada: todo lo que sabe se lo ha escrito una persona. Guarda esta idea, porque en la lección 01-02 contrastaremos "reglas escritas a mano" con "reglas aprendidas de datos".

A principios de los 70 las promesas no se cumplían y la financiación se cortó. Se conoce como el primer invierno de la IA. Causas principales:

• Límites del perceptrón: en 1969 Minsky y Papert publicaron Perceptrons, demostrando que una sola capa de perceptrones no puede aprender funciones tan simples como el XOR (o exclusivo). Aunque el problema se resuelve con varias capas, entonces no se sabía entrenarlas, y la investigación en redes neuronales quedó casi abandonada durante 15 años.
• Explosión combinatoria: los métodos de búsqueda funcionaban en problemas de juguete (el mundo de bloques) pero, al crecer el problema, el número de combinaciones se disparaba y los ordenadores de la época no podían con ello.
• Falta de datos y de cómputo: un ordenador de 1970 tenía menos memoria que una tarjeta de felicitación musical actual.
• Informe Lighthill (1973): el matemático James Lighthill evaluó la investigación en IA para el gobierno británico y concluyó que no había cumplido casi ninguna de sus "grandiosas promesas". El Reino Unido desmanteló buena parte de su financiación. En EE. UU., DARPA hizo algo parecido tras el fracaso de proyectos de comprensión del habla.

La IA renació en los 80 con un enfoque más pragmático: en lugar de una inteligencia general, construir programas que capturasen el conocimiento de un experto humano en un dominio concreto en forma de reglas "SI... ENTONCES...".

• MYCIN (años 70, Stanford): diagnosticaba infecciones bacterianas y recomendaba antibióticos con unas 600 reglas. En evaluaciones acertaba tanto o más que los médicos, aunque nunca se usó en la práctica clínica (por responsabilidad legal y por lo engorroso de introducir los datos). Introdujo los factores de certeza para razonar con incertidumbre.
• XCON / R1 (1980, Digital Equipment Corporation): configuraba pedidos de ordenadores VAX (qué cables, tarjetas y armarios hacen falta). Ahorró a DEC decenas de millones de dólares al año. Fue el primer sistema experto con éxito comercial claro.
• Se crearon empresas dedicadas a máquinas LISP y "shells" de sistemas expertos; Japón lanzó el ambicioso proyecto de la Quinta Generación (1982).

Veremos los sistemas expertos con detalle en el módulo 6. Para NovaMarket, sus reglas de devoluciones y garantías ("si el producto tiene menos de 14 días y está sin abrir, se acepta la devolución sin preguntas") son un sistema experto en miniatura.

• Los sistemas expertos eran caros de mantener: cada nueva regla podía entrar en conflicto con las anteriores y solo un ingeniero del conocimiento sabía tocarlas.
• Eran frágiles: fuera de su dominio no sabían nada, y no aprendían de la experiencia.
• El mercado de máquinas LISP se hundió en 1987 cuando los PC genéricos las superaron.
• El proyecto de la Quinta Generación no alcanzó sus objetivos y volvió a cortarse la financiación.

En los 90 el campo cambió de filosofía. En vez de escribir el conocimiento a mano, se apostó por métodos estadísticos y probabilísticos que aprenden de los datos, y por evaluar los resultados con rigor:

• Redes bayesianas (Judea Pearl, finales de los 80): razonamiento probabilístico riguroso (módulo 6).
• Retropropagación (redescubierta y popularizada en 1986 por Rumelhart, Hinton y Williams): por fin se podían entrenar redes neuronales de varias capas, aunque de forma lenta.
• Máquinas de vectores soporte, árboles de decisión, boosting: algoritmos de machine learning que funcionaban bien con los datos y ordenadores de la época (módulo 4).
• Deep Blue (1997): el ordenador de IBM derrotó al campeón mundial de ajedrez Garri Kaspárov. Su fuerza no venía de "entender" ajedrez, sino de una búsqueda con adversario muy optimizada (minimax con poda, módulo 3) que evaluaba unos 200 millones de posiciones por segundo, más una base de conocimiento de aperturas.
• Internet y los primeros grandes datos: filtros de spam bayesianos, buscadores, recomendadores de Amazon (2003) y Netflix (concurso Netflix Prize, 2006–2009).
• Watson (2011): el sistema de IBM ganó a los campeones humanos del concurso Jeopardy! respondiendo preguntas en lenguaje natural.

Es la época en que la IA "que funciona" dejó de llamarse IA: se llamó machine learning, minería de datos o analítica. Muchos de los métodos que Marta usará en NovaMarket (previsión de demanda, detección de fraude) nacen aquí.

Tres ingredientes coincidieron a principios de los 2010:

1. Datos masivos: internet, smartphones y sensores generaron conjuntos de datos etiquetados gigantescos. ImageNet (2009) contenía millones de imágenes clasificadas en miles de categorías.
2. GPU: las tarjetas gráficas, diseñadas para videojuegos, resultaron ideales para las multiplicaciones de matrices que necesitan las redes neuronales.
3. Mejoras algorítmicas: nuevas funciones de activación (ReLU), regularización (dropout) y arquitecturas convolucionales.

Los hitos:

• AlexNet (2012): la red neuronal profunda de Krizhevsky, Sutskever y Hinton redujo el error en el concurso ImageNet del 26 % al 16 %, una mejora inaudita. A partir de ese año todas las entradas ganadoras fueron redes profundas: nace la era del deep learning.
• Reconocimiento de voz (2012–2014): los asistentes de voz pasan de casi inútiles a usables.
• Traducción neuronal (2016): Google Translate cambia a redes neuronales y mejora de golpe.
• AlphaGo (2016), de DeepMind, derrota a Lee Sedol, uno de los mejores jugadores del mundo de Go, un juego que se consideraba fuera del alcance de la IA durante décadas por su enorme número de posiciones. Combinó redes neuronales profundas con búsqueda de árbol y aprendizaje por refuerzo (jugando millones de partidas contra sí mismo).

• "Attention Is All You Need" (2017): investigadores de Google presentan la arquitectura transformer, basada en un mecanismo de atención que permite procesar secuencias (texto, sobre todo) en paralelo y a gran escala. Lo estudiaremos en la lección 05-05.
• BERT (2018) y GPT-2 (2019): modelos de lenguaje preentrenados con enormes cantidades de texto que luego se adaptan a tareas concretas.
• GPT-3 (2020): 175.000 millones de parámetros; muestra que, al escalar el tamaño y los datos, aparecen capacidades no programadas explícitamente (resolver tareas a partir de unos pocos ejemplos en el propio texto).
• Modelos de difusión (2021–2022): DALL·E 2, Stable Diffusion y Midjourney generan imágenes a partir de descripciones de texto.
• ChatGPT (noviembre de 2022): OpenAI ofrece un modelo conversacional al público general; alcanza 100 millones de usuarios en dos meses. La IA se convierte en tema de conversación cotidiano y de agenda política.
• 2023–hoy: modelos multimodales (texto, imagen, audio, vídeo), modelos abiertos, agentes que ejecutan herramientas, regulación (Reglamento Europeo de IA, 2024) y una carrera de inversión sin precedentes.

Para una empresa como NovaMarket, esta última etapa cambia las reglas del juego: cosas que hace cinco años exigían un equipo de investigación (un asistente que responde en lenguaje natural sobre el estado de un pedido, resumir miles de reseñas) hoy se construyen sobre modelos preentrenados accesibles por API. Cuáles son sus límites y riesgos lo veremos en el módulo 2 (ética) y en el módulo 5.

Los dos inviernos comparten un patrón que conviene grabarse, porque se repite en cada ciclo tecnológico:

1. Un éxito en un problema pequeño se extrapola a la inteligencia general. ELIZA "conversaba", luego "pronto entenderá el lenguaje"; el perceptrón "aprendía", luego "pronto será consciente". Cada demostración impresionante venía acompañada de una promesa desmedida.
2. La capacidad de cómputo y los datos no acompañaban. Las ideas de 1960 (redes neuronales, búsqueda) eran esencialmente correctas; lo que faltaba eran millones de veces más potencia de cálculo y datos, que solo llegaron 50 años después. Muchas "revoluciones" recientes son ideas viejas con hardware nuevo.
3. Los sistemas frágiles no escalan. El conocimiento escrito a mano (reglas) funciona en dominios cerrados y se rompe fuera de ellos. Los métodos que aprenden de datos se generalizan mejor, a costa de ser menos explicables.
4. Cuando la financiación se corta, se corta de golpe. Los inversores que sobreestimaron el corto plazo subestimaron el largo plazo.

¿Qué significa esto para NovaMarket? Marta y Diego deben evitar los dos errores simétricos:

• Sobreexpectativa: creer que "la IA" resolverá cualquier problema con solo conectarla. Un asistente que responde bien a preguntas frecuentes no sabrá gestionar una reclamación compleja sin diseño y datos adecuados.
• Descarte prematuro: pensar que, como un proyecto anterior fracasó (o como los sistemas expertos fracasaron en los 80), la técnica no vale. Muchas veces la técnica era correcta y faltaban los datos.

La regla práctica que seguiremos en el curso: empezar por problemas concretos, medibles y con datos disponibles, y escalar solo cuando algo funciona.

• Pensar que la IA nació con ChatGPT. La disciplina tiene setenta años y la mayoría de las técnicas actuales (redes neuronales, búsqueda, probabilidad) tienen décadas. Conocer la historia evita "reinventar la rueda" y ayuda a valorar las novedades.
• Confundir "pasar el test de Turing" con "ser inteligente". El test mide comportamiento conversacional; un sistema puede resultar convincente sin razonar (efecto ELIZA). Al evaluar un asistente para NovaMarket, mide si resuelve problemas reales, no si "suena humano".
• Creer que los sistemas basados en reglas están muertos. Siguen usándose muchísimo (validaciones, normativa, motores de reglas de negocio). Lo que se aprendió es dónde funcionan: dominios estables y bien delimitados.
• Ignorar el coste de datos y cómputo. Cada salto histórico llegó cuando hubo datos y hardware suficientes. Antes de proponer un proyecto, pregúntate qué datos tienes realmente.
• Consejo: cuando leas una noticia sobre IA, sitúala en la cronología: ¿es una idea nueva o una idea antigua que ahora es viable? Esa pregunta te dará una perspectiva mucho más realista que el titular.

Coloca los siguientes hitos en orden cronológico y asigna a cada uno la etapa a la que pertenece (precedentes, edad de oro, primer invierno, sistemas expertos, segundo invierno, enfoque estadístico, deep learning, era generativa):

a) AlphaGo vence a Lee Sedol · b) Informe Lighthill · c) Test de Turing · d) XCON entra en producción en DEC · e) ChatGPT se abre al público · f) Seminario de Dartmouth · g) Deep Blue vence a Kaspárov · h) AlexNet gana ImageNet

Diego ha leído que "una IA puede atender a los clientes sin intervención humana" y propone despedir en seis meses a la mitad del equipo de atención al cliente. Marta, en cambio, recuerda que en 2015 la empresa contrató un "chatbot inteligente" que resultó ser un ELIZA con reglas y fue un fracaso, y propone no tocar nada. Usando las lecciones de los inviernos, escribe tres o cuatro frases razonadas sobre qué error comete cada uno y qué enfoque sería más sensato.

Modifica el programa mini-ELIZA de la lección para que:

1. Cuando la frase contenga varias palabras clave, elija la regla de la palabra que aparece más tarde en la frase (en lugar de la primera del diccionario).
2. Añade una regla para "garantía" con la respuesta "¿Cuándo compró el producto?".

Prueba con la frase "Mi pedido llega tarde y quiero usar la garantía". Reflexiona: ¿el programa "entiende" algo más después del cambio?

Solución 1

Solución 2 (orientativa)

Diego comete el error de sobreexpectativa: extrapola una demostración (un asistente que responde bien a preguntas sencillas) a la resolución de todo el servicio de atención al cliente, igual que en los 60 se extrapoló ELIZA a la comprensión del lenguaje. Marta comete el error de descarte prematuro: juzga la técnica actual por un fracaso de 2015 con una tecnología (reglas escritas a mano) que no tiene nada que ver con los modelos de lenguaje actuales; es como descartar las redes neuronales en 2010 porque el perceptrón falló en 1969. Lo sensato es un enfoque incremental: elegir un subconjunto medible (por ejemplo, las consultas de "¿dónde está mi pedido?"), comprobar con datos reales qué porcentaje resuelve bien el asistente, mantener a las personas para los casos complejos y ampliar solo si las métricas lo avalan.

Solución 3

Explicación: find devuelve la posición de la palabra en la frase; guardamos la palabra con la posición mayor. El programa sigue sin "entender" nada: solo hemos cambiado el criterio de elección de plantilla. Es un buen recordatorio de por qué los sistemas de reglas se quedaron cortos y por qué el campo acabó apostando por aprender de los datos.

En esta lección hemos presentado el curso y a NovaMarket, la empresa que nos servirá de laboratorio, y hemos recorrido setenta años de historia de la IA: de la lógica y Turing al seminario de Dartmouth; de la edad de oro (Logic Theorist, ELIZA, perceptrón) al primer invierno; de los sistemas expertos (MYCIN, XCON) al segundo invierno; del resurgimiento estadístico (Deep Blue) al deep learning (ImageNet, AlphaGo) y a la era generativa de los transformers y ChatGPT. La lección de fondo es que las ideas suelen llegar antes que los datos y el cómputo que las hacen viables, y que las expectativas desmedidas acaban en inviernos.

Ahora que sabemos de dónde viene el campo, toca precisar de qué estamos hablando: en la siguiente lección, Definición y Áreas de la IA, veremos qué es (y qué no es) la inteligencia artificial, cómo se relaciona con el machine learning y el deep learning, y cuáles son sus grandes áreas, cada una con lo que le aportaría a NovaMarket.