La historia de la IA: entre los padres del deep learning, los avisos de peligro y la gran pregunta filosófica

Padres de la IA

Durante años, la inteligencia artificial parecía un asunto de laboratorios, universidades y empresas tecnológicas. Algo lejano. Algo que ocurría en congresos científicos, papers difíciles de leer y departamentos de innovación.

Hasta que un día empezó a escribir, dibujar, programar, resumir reuniones, crear canciones, hacer presentaciones, responder correos, analizar datos y, en algunos casos, tomar decisiones que afectan a personas reales.

Y entonces la pregunta dejó de ser:“¿Qué puede hacer la inteligencia artificial?”

Para convertirse en otra mucho más incómoda: “¿Qué estamos dispuestos a delegar en ella?”

La historia de la IA no empieza con ChatGPT. Tampoco empieza con las apps que hoy usamos para crear imágenes, automatizar procesos o escribir contenidos. La inteligencia artificial como disciplina científica suele situar su nacimiento oficial en la conferencia de Dartmouth de 1956, impulsada por investigadores como John McCarthy, Marvin Minsky, Nathaniel Rochester y Claude Shannon.

La propuesta original partía de una idea muy ambiciosa: estudiar si los aspectos del aprendizaje y de la inteligencia podían describirse con tanta precisión que una máquina pudiera simularlos.

Visto desde hoy, aquella idea parece a la vez brillante e ingenua. Brillante, porque abrió uno de los campos científicos y tecnológicos más importantes de nuestro tiempo.

Ingenua, porque seguimos sin ponernos de acuerdo sobre algo aparentemente básico: qué significa realmente “inteligencia”. Y ahí empieza el verdadero debate.

De las máquinas que razonan a las máquinas que aprenden

Durante décadas, la IA se movió entre dos grandes visiones:

• La primera entendía la inteligencia como razonamiento simbólico: reglas, lógica, instrucciones, árboles de decisión, conocimiento explícito. Era una IA que intentaba parecerse al modo en que creemos que razonamos cuando resolvemos un problema paso a paso.

• La segunda visión, el conexionismo, se inspiraba de forma simplificada en el cerebro: redes de unidades conectadas entre sí, capaces de aprender patrones a partir de datos. En vez de programar cada regla, se entrenaba al sistema para que ajustara sus propios parámetros.

Esta diferencia es fundamental para entender el debate actual. La IA simbólica buscaba decirle a la máquina cómo razonar.

El machine learning y el deep learning buscan que la máquina aprenda patrones por sí misma.

Y ese cambio lo transformó todo.

La historia de la IA ha tenido momentos de entusiasmo y momentos de decepción. A esos periodos de desilusión se les conoce como “inviernos de la IA”: etapas en las que las promesas fueron demasiado grandes, los resultados no llegaron al nivel esperado y la financiación cayó. IBM recuerda, por ejemplo, el informe Lighthill de 1973 como uno de los factores que contribuyeron al primer invierno de la IA en Reino Unido.

Esto debería darnos una primera lección: la IA siempre ha vivido entre el avance real y la exageración. Y quizá por eso hoy conviene mirar la revolución actual con una mezcla de entusiasmo, prudencia y pensamiento crítico.

El triunfo del deep learning: cuando las redes neuronales dejaron de ser una promesa

Durante mucho tiempo, las redes neuronales fueron vistas por parte de la comunidad científica como una línea interesante, pero limitada. Sin embargo, investigadores como Geoffrey Hinton, Yoshua Bengio y Yann LeCun siguieron trabajando en ellas cuando no estaban de moda.

El tiempo les dio la razón.

En 2018, los tres recibieron el Premio Turing, considerado uno de los máximos reconocimientos de la informática, por sus avances conceptuales y de ingeniería que hicieron de las redes neuronales profundas un componente crítico de la computación moderna.

Hinton recibió además el Premio Nobel de Física en 2024, junto a John Hopfield, por descubrimientos e invenciones fundacionales que permiten el aprendizaje automático mediante redes neuronales artificiales. El comité Nobel destacó que sus trabajos ayudaron a construir métodos capaces de encontrar patrones en datos y realizar tareas como identificar elementos en imágenes. Por eso es tan importante escucharles.

No estamos hablando de tertulianos opinando sobre tecnología. Estamos hablando de científicos que ayudaron a construir la base de la inteligencia artificial moderna.

Y, curiosamente, algunos de ellos son hoy quienes más miedo tienen.

Geoffrey Hinton: el padre que teme a su criatura

Geoffrey Hinton se ha convertido en una figura casi literaria dentro de la historia de la IA: el creador que empieza a temer las consecuencias de su creación.

Durante décadas defendió una idea poderosa: las máquinas podían aprender representaciones internas del mundo a partir de datos. No era necesario programar todas las reglas. Si el sistema tenía suficientes datos, suficiente capacidad computacional y una arquitectura adecuada, podía descubrir patrones por sí mismo.

Esa intuición está en la base del deep learning. Pero también está en la base de su preocupación actual.

Hinton no teme simplemente que la IA quite empleos o genere noticias falsas. Su miedo va más lejos: le preocupa que sistemas cada vez más capaces puedan superar la inteligencia humana en determinadas tareas, desarrollar comportamientos difíciles de prever y escapar parcialmente a nuestro control.

Su posición podría resumirse así:

Si las máquinas aprenden mejor, más rápido y a mayor escala que nosotros, ¿qué nos hace pensar que siempre podremos controlarlas?

Aquí aparece una pregunta profundamente filosófica: si un sistema aprende, generaliza, predice y toma decisiones, ¿estamos ante una herramienta sofisticada o ante algo que empieza a parecerse a una forma nueva de agencia? No hace falta caer en ciencia ficción para tomar esta pregunta en serio.

Una empresa puede usar IA para seleccionar candidatos.Un banco puede usar IA para evaluar riesgos.Un hospital puede usar IA para apoyar diagnósticos.Un adolescente puede usar IA para hacer sus deberes, escribir sus textos y resolver sus dudas emocionales.

En todos esos casos, la IA no “manda” oficialmente. Pero empieza a mediar decisiones. Y cuando una tecnología media demasiadas decisiones, deja de ser una simple herramienta.

Yoshua Bengio: la urgencia de gobernar lo que todavía no controlamos

Yoshua Bengio comparte con Hinton el reconocimiento como uno de los grandes padres del deep learning. Es profesor en la Universidad de Montreal, fundador y asesor científico de Mila —Quebec AI Institute— y una de las voces más influyentes en investigación sobre IA. Pero su preocupación tiene un matiz diferente.

Bengio no solo habla del riesgo técnico. Habla también del riesgo institucional, geopolítico y social.

Su gran advertencia podría expresarse así:

El problema no es solo que la IA sea poderosa. El problema es que estamos desarrollando sistemas cada vez más poderosos dentro de una carrera competitiva, empresarial y geopolítica que no siempre premia la prudencia.

Aquí el peligro no es únicamente la máquina.También lo somos nosotros.

Empresas que compiten por lanzar antes.Gobiernos que compiten por no quedarse atrás.Usuarios que adoptan herramientas sin entender sus límites.Organizaciones que automatizan procesos sin revisar sesgos, responsabilidades ni consecuencias.

La pregunta de Bengio no es solo:“¿Puede la IA volverse peligrosa?”

Es también: “¿Tenemos instituciones suficientemente maduras para gobernarla?”

Y esa pregunta debería preocuparnos mucho.

Porque la tecnología avanza a una velocidad que las leyes, los sistemas educativos y las organizaciones rara vez pueden seguir.

Yann LeCun: el optimismo técnico frente al miedo excesivo

LeCun, también Premio Turing 2018 junto a Hinton y Bengio, suele representar una posición menos alarmista. No niega los riesgos, pero tiende a considerar que muchas visiones catastrofistas sobre la IA general o la pérdida de control están sobredimensionadas.

Su presencia en el debate es útil porque demuestra algo importante: ni siquiera los padres del deep learning están de acuerdo entre ellos. Y eso debería hacernos pensar.

Si los científicos que más saben no comparten un diagnóstico único, quizá la actitud más razonable no sea ni el pánico ni la confianza ciega, sino una prudencia activa.

Senén Barro: el riesgo de que dejemos de pensar

En España, una de las voces más interesantes para entender la IA desde una mirada prudente y humanista es Senén Barro.

Barro es catedrático de Ciencias de la Computación e Inteligencia Artificial, doctor en Física y director científico del CiTIUS, el Centro Singular de Investigación en Tecnologías Inteligentes de la Universidad de Santiago de Compostela. Ha publicado más de 300 artículos científicos, es autor o editor de varios libros, miembro de la Real Academia Gallega de Ciencias y recibió el Premio Nacional de Informática José García Santesmases en 2020.

Su visión me parece especialmente interesante porque no cae en el espectáculo del apocalipsis, pero tampoco banaliza los riesgos.

Uno de los conceptos más potentes que plantea es el de la delegación cognitiva. Es decir: el riesgo de dejar que la IA piense por nosotros.

Y aquí el debate deja de estar solo en Silicon Valley, Bruselas o los laboratorios de investigación. Entra directamente en nuestra vida diaria.

Cuando usamos IA para escribir un texto, ¿estamos pensando mejor o pensando menos?

Cuando pedimos a una herramienta que nos resuma un libro, ¿estamos ganando tiempo o perdiendo profundidad?

Cuando una empresa automatiza la atención al cliente, ¿está mejorando la eficiencia o deteriorando la relación humana?

Cuando un emprendedor usa IA para hacer su plan de negocio, ¿está ordenando sus ideas o evitando enfrentarse a ellas?

La IA puede ser una herramienta extraordinaria para pensar mejor.Pero también puede convertirse en una prótesis que nos vuelva intelectualmente más perezosos.

Y esa es una de las grandes cuestiones éticas de nuestro tiempo.

No solo si la IA será más inteligente que nosotros. Sino si nosotros seremos menos inteligentes por usarla mal.

Ramón López de Mántaras: la gran mentira de llamar inteligencia a lo que no comprende

Ramón López de Mántaras introduce una crítica distinta y muy necesaria.

Es uno de los pioneros de la inteligencia artificial en España y Europa. Es profesor de investigación emérito del CSIC, fundador y exdirector del Instituto de Investigación en Inteligencia Artificial del CSIC, y lleva investigando en IA desde 1975.

Su posición es menos apocalíptica que la de Hinton o Bengio, pero no por ello menos crítica.

López de Mántaras no dice simplemente: “tranquilos, no pasa nada”.

Lo que dice, en el fondo, es algo más incómodo:

Cuidado con llamar inteligencia a sistemas que no entienden lo que hacen.

Para él, la IA actual puede generar resultados impresionantes, pero eso no significa que comprenda el mundo como lo comprende un ser humano.

Puede escribir un poema sin sentir. Puede diagnosticar una imagen sin saber qué es estar enfermo.Puede mantener una conversación sin tener experiencia, intención ni conciencia.Puede responder con seguridad y estar completamente equivocada. Y esto es clave.

Porque el mayor peligro de la IA no siempre está en que falle.A veces está en que falle con apariencia de autoridad.

Cualquiera que haya usado una herramienta de IA generativa sabe de qué hablo: puede darte una respuesta elegante, estructurada, convincente… y falsa.

La forma puede ser brillante.El contenido puede ser dudoso.Y el usuario puede no darse cuenta. Ahí aparece una cuestión ética enorme: la confianza.

¿Cuándo confiamos en una máquina?¿Quién verifica sus respuestas?¿Quién responde si una recomendación automatizada perjudica a una persona?¿Quién tiene la responsabilidad cuando el error no parece un error?

El desacuerdo de fondo: ¿qué significa entender?

El verdadero debate entre Hinton, Bengio, Barro y López de Mántaras no es solo si la IA es peligrosa o no. El debate más profundo es otro:

• Para Hinton, los sistemas actuales muestran capacidades que merecen ser tomadas muy en serio. Si aprenden representaciones, generalizan y resuelven problemas, quizá no deberíamos subestimar lo que pueden llegar a ser.

• Para Bengio, el problema está en que esas capacidades avanzan más rápido que nuestra capacidad de controlarlas y regularlas.

• Para Senén Barro, el riesgo está también en nosotros: en cómo usamos la tecnología, en cuánto delegamos y en qué capacidades humanas dejamos de ejercitar.

• Para López de Mántaras, la gran confusión está en atribuir comprensión a sistemas que realmente no comprenden.

Cuatro miradas. Cuatro alertas. Cuatro preguntas distintas.

Hinton pregunta: ¿Qué pasa si la IA nos supera?

Bengio pregunta: ¿Qué pasa si no la gobernamos a tiempo?

Barro pregunta:¿ Qué pasa si dejamos de pensar por nosotros mismos?

López de Mántaras pregunta: ¿Qué pasa si estamos llamando inteligencia a algo que no entiende?

Y todas importan.

La IA aplicada: ejemplos reales para empresas, profesionales y emprendedores

Más allá del gran debate científico, la IA ya está entrando en la vida cotidiana de empresas y profesionales.

Un emprendedor puede usar IA para analizar su mercado, estudiar competidores, diseñar una propuesta de valor, preparar un pitch, hacer simulaciones financieras o crear contenidos para redes sociales.

Una pyme puede usar IA para responder consultas frecuentes, clasificar correos, analizar datos de clientes, automatizar informes, detectar patrones de venta o mejorar procesos internos.

Un equipo de marketing puede usar IA para generar ideas de campaña, segmentar audiencias, adaptar mensajes, analizar conversaciones de clientes o crear borradores de contenido.

Un profesor puede usar IA para preparar materiales, adaptar explicaciones a distintos niveles o proponer ejercicios personalizados.

Un médico puede apoyarse en sistemas de IA para interpretar imágenes, revisar literatura científica o detectar señales de riesgo.

Pero en todos esos casos hay una diferencia esencial entre usar la IA como copiloto y entregarle el volante.

La IA puede ayudar a pensar. Pero no debería sustituir el juicio.

Puede acelerar procesos.Pero no debería eliminar la responsabilidad.

Puede generar hipótesis.Pero no debería convertirse en autoridad incuestionable.

Puede ayudarnos a ser más productivos.Pero también puede llenar el mundo de contenido mediocre, automatizado y sin criterio.

Esa es una de las paradojas de la IA generativa: nunca ha sido tan fácil producir texto, imágenes, vídeos, planes y presentaciones.

Pero precisamente por eso, el verdadero valor estará cada vez menos en producir y cada vez más en pensar, seleccionar, interpretar y decidir.

La cuestión ética: no todo lo que se puede automatizar debería automatizarse

El debate ético sobre la IA no puede reducirse a una lista de miedos.

No se trata solo de robots que dominan el mundo .Se trata de decisiones pequeñas, acumuladas, aparentemente razonables, que pueden transformar nuestra forma de vivir y trabajar.

Por ejemplo:

Una empresa automatiza procesos de selección para ahorrar tiempo.Pero el sistema reproduce sesgos de género, edad o procedencia.

Un colegio permite que los alumnos usen IA para hacer trabajos.Pero nadie les enseña a verificar, contrastar ni pensar críticamente.

Una startup lanza un chatbot de atención psicológica. Pero no está claro qué ocurre cuando una persona vulnerable recibe una mala respuesta.

Una administración pública usa algoritmos para priorizar ayudas.Pero los ciudadanos no entienden cómo se ha tomado la decisión.

Una marca genera cientos de contenidos con IA.Pero deja de aportar mirada, experiencia y autenticidad.

La pregunta ética no es solo:“¿Funciona?”

La pregunta ética es: “¿A quién afecta, quién lo controla, quién responde y qué capacidades humanas estamos sustituyendo?”

Ni ingenuidad ni pánico: prudencia activa

Después de escuchar a Hinton, Bengio, Barro y López de Mántaras, mi conclusión no es que debamos tener miedo a la IA. Tampoco que debamos abrazarla sin reservas.

Creo que necesitamos una posición más madura: prudencia activa.

Prudencia, porque estamos ante una tecnología poderosa, opaca en muchos aspectos y con impactos sociales, económicos y culturales profundos.

Activa, porque no podemos quedarnos al margen. No entender la IA no nos protege de ella. Al contrario: nos vuelve más vulnerables.

Los profesionales, emprendedores, docentes, comunicadores y directivos no necesitamos convertirnos todos en ingenieros de machine learning. Pero sí necesitamos entender lo suficiente para hacer buenas preguntas.

• Qué puede hacer.

• Qué no puede hacer.

• Dónde se equivoca.

• Qué sesgos introduce.

• Qué responsabilidades desplaza.

• Qué capacidades humanas potencia.

• Y cuáles puede atrofiar.

Porque quizá la gran pregunta no sea si la inteligencia artificial acabará pensando como nosotros.

Quizá la pregunta sea si nosotros dejaremos de pensar por confiar demasiado en ella.

La historia de la IA es también la historia de nuestra idea de humanidad

La historia de la inteligencia artificial es una historia tecnológica, pero también filosófica.

Cada avance nos obliga a revisar lo que entendemos por inteligencia, creatividad, lenguaje, aprendizaje, conciencia, responsabilidad y verdad.

Por eso este debate no pertenece solo a los ingenieros. Pertenece también a filósofos, educadores, empresarios, legisladores, periodistas, médicos, familias y ciudadanos.

La IA no es solo una herramienta más. Es un espejo.

Nos obliga a preguntarnos qué hacemos mejor que las máquinas, qué deberíamos delegar, qué deberíamos proteger y qué tipo de sociedad queremos construir alrededor de estas tecnologías.

Hinton nos recuerda que no debemos subestimar el poder de lo que hemos creado.Bengio nos advierte de que necesitamos gobernanza antes de que sea tarde.Barro nos invita a no perder nuestra autonomía intelectual.López de Mántaras nos exige precisión conceptual: no confundamos producir respuestas con comprender el mundo.

Y quizá ahí esté la clave.

La IA puede ser una de las grandes herramientas de progreso de nuestra época.Pero solo si no renunciamos a lo más humano que tenemos: el criterio.

Si quieres profundizar más en esta evolución, he preparado una guía sobre la historia de la inteligencia artificial, con los principales hitos, los grandes protagonistas, las corrientes de pensamiento y los dilemas éticos que marcarán los próximos años.

Porque entender la IA no solo es aprender a usar herramientas. Es comprender el cambio cultural, profesional y humano que ya está en marcha.

Pincha aquí