Istockphoto 1283386423 170667a

Historia de IA

  • Primer Trabajo de IA

    Primer Trabajo de IA

    Warren McCulloch y Walter Pitts (1943) han sido reconocidos como los autores del pri­ mer trabajo de IA. Partieron de tres fuentes: conocimientos sobre la fisiología básica y funcionamiento de las neuronas en el cerebro, el análisis formal de la lógica proposi­ cional de Russell y Whitehead y la teoría de la computación de Turing.
  • Aprendizaje Hebbiano

    Aprendizaje Hebbiano

    Donald Hebb (1949) propuso y demostró una sencilla regla de actualización para modificar las intensidades de las conexiones entre neuronas. Su regla, ahora llamada de aprendiza­je Hebbiano o de Hebb, este sigue vigente en la actualidad.
  • Computing Machinery and Intelligence

    Computing Machinery and Intelligence

    Alan Turing quien articuló primero una visión de la IA en su artículo Computing Machinery and lntelligence, en 1950. Ahí, introdujo la prueba de Turing, el aprendiza­ je automático, los algoritmos genéricos y el aprendizaje por refuerzo.
  • Primer Computador SNARC

    Primer Computador SNARC

    Dos estudiantes graduados en el Departamento de Matemáticas de Princeton, Mar­vin Minsky y Dean Edmond, construyeron el primer computador a partir de una red neu­ronal en 1951. El SNARC, como se llamó, utilizaba 3.000 válvulas de vacío y un meca­nismo de piloto automático obtenido de los desechos de un avión bombardero B-24 para simular una red con 40 neuronas.
  • Taller de Dartmounth

    Taller de Dartmounth

    Organizaron un taller con una duración de dos meses en Darmouth en el verano de 1956. Hubo diez asistentes en total, entre los que se incluían Trenchard More de Prin­ceton, Arthur Samuel de IBM, y Ray Solomonoff y Oliver Selfridge del MIT. Este taller no produjo ningún avance notable pero puso en contacto a las figuras importantes de este campo.
  • Lenguaje de Programación Lisp

    Lenguaje de Programación Lisp

    En el Laboratorio de lA del MIT Memo Número 1, McCarthy definió el lenguaje de alto nivel Lisp
  • Programas de IA

    Programas de IA

    En IBM, Nathaniel Rochester y sus colegas desarrollaron algunos de los primeros programas de IA. HerbertGelemter (1959) construyó el demostrador de teoremas de geometría (DTG), el cual era capaz de probar teoremas que muchos estudiantes de matemáticas podían encontrar muy complejos de resolver.
  • FORTRAN

    FORTRAN

    1959: Aparecio FORTRAN
  • Laboratorio de lA en Stanford

    Laboratorio de lA en Stanford

    En 1963 McCarthy creó el Laboratorio de lA en Stanford.
  • Programa SAINT

    Programa SAINT

    El programa SAINT de James Slagle fue capaz de resolver problemas de integración de cálculo en forma cerrada, habituales en los primeros cursos de licenciatura.
  • Problemas en IA

    Problemas en IA

    1- El primer tipo de problemas surgió porque la mayoría de los primeros programas contaban con poco o ningún conocimiento de las materia objeto de estudio
    2-El segundo problema fue que muchos de los problemas que se estaban intentando resolver mediante la IA eran intratables.
    3- El tercer obstáculo se derivó de las limitaciones inherentes a las estructuras básicas que se utilizaban en la generación de la conducta inteligente.
  • Programa DoBROW

    Programa DoBROW

    El programa STUDENT de Daniel Bobrow (1967) podía resolver problemas de álgebra
  • Programa ANALOGY

    Programa ANALOGY

    El programa ANALOGY de Tom Evans (1968) resolvía problemas de analogía geométrica que se aplicaban en las pruebas de medición de inteligencia
  • Algoritmos de Retroalimentación

    Algoritmos de retroalimentación se descubrieron por primera vez en 1969 (Bryson y Ho, 1969).
  • DENDRAL

    DENDRAL

    DENDRAL fue el el primer sistema de conocimiento in­tenso que tuvo éxito: su base de conocimiento estaba formada por grandes cantidades de reglas de propósito particular.
  • Proyecto de Programación Heurística

    1969 Feigenbaum junto con otros investigadores de Stanford dieron comienzo al Proyecto de Programación Heurística,
  • Comprensión del lenguaje natural

    Comprensión del lenguaje natural

    Programa para la comprensión de lenguaje natural de Terry Winograd (1972)
  • MYCIN

    MYCIN

    En 1972 Feigenbaum, Buchanan y el doctor Edward Shortliffe diseñaron el progra­ma MYCIN, para el diagnóstico de infecciones sanguíneas.
  • Sistema de Símbolos Físicos

    Sistema de Símbolos Físicos

    Newell y Simon (1976) formularon la famosa hipótesis del sistema de símbolos físicos, que afirma que «un sistema de símbolos físicos tiene los medios suficientes y necesarios para generar una acción inteligente». Lo que ellos querían decir es que cualquier sistema (humano o máquina) que exhibiera inteligencia debería operar manipulando estructuras de datos compuestas por símbolos.
  • Lenguaje Natural

    Lenguaje Natural

    Schank y sus estudiantes diseñaron una serie de pro­gramas (Schank y Abelson, 1977; Wilensky, 1978;Schank y Riesbeck, 1981; Dyer, 1983) cuyo objetivo era la comprensión del lenguaje natural.
  • Quinta Generación

    En 1981 los japoneses anunciaron el proyecto «Quinta Generación», un plan de diez años para construir computadores inteligentes en los que pudiese ejecutarse Prolog.
  • Primer Sistemas Experto Comercial

    Primer Sistemas Experto Comercial

    El primer sistema experto comercial que tuvo éxito ,R1 ,inició su actividad en Digital Equipment Corporation (McDennott, 1982). El programa se utilizaba en la elaboración de pedi­dos de nuevos sistemas informáticos.
  • Regreso de las redes neuronales

    John Hopfield (1982) utilizaron técnicas de la mecánica estadística para analizar las propieda­des de almacenamiento y optimización de las redes, tratando colecciones de nodos como colecciones de átomos.
  • Promover la noción de sistema expertos

    El trabajo de Judea Pearl (1982a) y de Eric Horvitz y David Heckerman (Horvitz y Hec­ kerman, 1986; Horvitz et al.1986) sirvió para promover la noción de sistemas expertos normativos: es decir, los que actúan racionalmente de acuerdo con las leyes de la teoría de la decisión, sin que intenten imitar las etapas de razonamiento de los expertos humanos.
  • MMO

    Los Modelos De Markov Ocultos (MMO) han mejorado sus resultados a un ritmo constante. La tecnología del habla y el campo relacionado del reconocimiento de caracteres manuscritos están actualmente en transición hacia una generalizada utilización en aplicaciones industriales y de consumo.
  • Probabilidad y IA

    Probabilidad y IA

    La aparición de Probabilistic Reasoning in intelligent Systems de Judea Pearl (1988) hizo que se aceptara de nuevo la probabilidad y la teoría de la decisión como parte de la IA.
  • Sistemas Inteligentes

    Sistemas Inteligentes

    Los sistemas de 1A han llegado a ser tan comunes en aplicaciones desarrolladas para la Web que el sufijo «bot» se ha introducido en el lenguaje común. Más aún, tecnologías de IA son la base de mu­chas herramientas para Internet, como por ejemplo motores de búsqueda, sistemas de recomendación, y los sistemas para la construcción de portales Web.
  • IA se convierte en una ciencia

    La IA se fundó en parte en el marco de una rebelión en contra de las limitaciones de los campos existentes como la teoría de control o la estadística, y ahora abarcan estos campos. Tal y como indica David McAJlester (1998 ).

Plan projects on a visual timeline

Map milestones, phases, deadlines, and key events in one place so the sequence is easier to see and share. Timetoast is a timeline maker for work, school, research, and stories.