En la antigüedad los alquimistas intentaron descubrir los secretos de la transmutación de la materia y la piedra filosofal. Hoy en día existe una nueva clase de alquimistas que, mediante el desarrollo de algorítmicos de Inteligencia Artificial, buscan descifrar patrones y estructuras complejas dentro de los datos de la realidad, logran avances asombrosos que permiten que las máquinas aprendan a resolver problemas complejos y a comunicarse con los humanos. Aquí exploro el legado de esas figuras científicas de las últimas décadas, cuatro de ellos, en un acto sin precedentes, reconocidos con los Premios Nobel 2024.

El primer paso clave en la alquimia de la IA moderna fue la obra de Vladimir Vapnik y Alexey Chervonenkis, en la década del 1980. Estos matemáticos rusos, migrados a los Estados Unidos y trabajando para Bell Lab, popularizaron la “Teoría Estadística del Aprendizaje (SLT)”. Este avance teórico permitió comprender cómo las maquinas pueden aprender de los datos de la realidad para crear patrones y minimizar el riesgo de errores al aplicar lo aprendido, aportando al criterio de que la IA simula la inteligencia humana. SLT dio nacimiento al concepto de “Machine Learning” que cambió el paradigma predominante de la IA simbólica, y le permitió salir de un largo período de estancamiento, conocido como el “invierno de la IA” (décadas de 1970 y 1980).

El siguiente gran alquimista de la IA fue Geoffrey Hinton, de la Universidad de Toronto, quien en 1986 co-desarrolló el algoritmo de “retropropagación” de las redes neuronales artificiales (ANN) de varias capas que simulan el funcionamiento del cerebro. Este algoritmo permitió que las ANN ajustaran sus parámetros de manera óptima en el proceso de entrenamiento, resolviendo problemas que antes eran intratables. Gracias a Hinton, nace el “deep learning” y sus grandes aportes al reconocimiento de imágenes y al procesamiento del lenguaje natural (NLP).