Inteligencia artificial: las claves de su evolución e importancia a lo largo de la historia de Google

Ya se desarrollaron dos modelos de inteligencia artificial capaces de predecir el tiempo. Foto: Unsplash.

Sin dudas, la inteligencia artificial (IA) se convirtió en una de las herramientas más relevantes en los últimos años. En base a ello, Google, quien celebra 25 años, decidió destacar algunas claves de su evolución e importancia en la historia de la empresa tecnológica. A continuación, su cronología.

Te puede interesar:

ChatGPT se cayó a nivel mundial: qué pasó y qué dijo OpenAI sobre el problema

2001: el aprendizaje automático ayuda a los usuarios de la Búsqueda de Google a corregir su ortografía

El cofundador de Google, Larry Page, alguna vez expresó: "El motor de búsqueda perfecto debe entender exactamente lo que quieres decir y entregarte exactamente lo que necesitas". Dimos un gran paso en el avance de esa visión cuando comenzamos a usar una versión simple de aprendizaje automático para sugerir mejoras ortográficas en las búsquedas web. Incluso si no lo escribes a la perfección, aún así podemos darte lo que necesitas.

Te puede interesar:

Neobancos, IA y criptomonedas: cuáles son las 5 tendencias que marcarán el futuro de los negocios en 2025

2006: lanzamiento de Google Translate

Cinco años después, se lanzó Google Translate, que usa el aprendizaje automático para traducir idiomas automáticamente. Comenzamos con traducciones de árabe a inglés e inglés a árabe, pero hoy Google Translate admite 133 idiomas hablados por millones de personas alrededor del mundo.

Google cumplió 25 años. Foto: Reuters.

Esta tecnología puede traducir texto, imágenes o incluso una conversación en tiempo real, rompiendo las barreras del idioma en toda la comunidad global, ayudando a las personas a comunicarse y ampliando el acceso a la información como nunca antes.

Te puede interesar:

Trump anunció una inversión privada de hasta 500.000 millones de dólares en inteligencia artificial

2015: TensorFlow democratiza la IA

La introducción de TensorFlow, un nuevo marco de aprendizaje automático de código abierto, hizo que la IA fuera más accesible, escalable y eficiente. También ayudó a acelerar el ritmo de la investigación y el desarrollo de la IA alrededor del mundo.

TensorFlow es ahora uno de los marcos de aprendizaje automático más populares y se utilizó para desarrollar una amplia gama de aplicaciones de IA, desde el reconocimiento de imágenes hasta el procesamiento del lenguaje natural y la traducción automática.

Te puede interesar:

Un país de Latinoamérica se destaca entre los líderes mundiales en empleos impulsados ​​por inteligencia artificial

2016: AlphaGo derrota al campeón mundial de Go

Como parte del Google DeepMind Challenge Match, más de 200 millones de personas vieron en línea cómo AlphaGo se convirtió en el primer programa de IA en derrotar a un campeón mundial humano en Go, un complejo juego de mesa que antes se consideraba fuera del alcance de las máquinas.

Esta victoria histórica demostró el potencial del aprendizaje profundo para resolver problemas complejos que antes se consideraban imposibles para las computadoras. La victoria de AlphaGo sobre Lee Sedol, uno de los mejores jugadores de Go del mundo, provocó una conversación global sobre el futuro de la IA y demostró que los sistemas de IA ahora podrían aprender a dominar juegos complejos que requieren pensamiento estratégico y creatividad.

Te puede interesar:

La IA puso fin al debate: eligió al club más grande del fútbol argentino y le ganó a su clásico rival

2016: los TPUs permiten una implementación de IA más rápida y eficiente

Las unidades de procesamiento tensorial, o TPU, son chips de silicio diseñados a la medida que inventamos específicamente para el aprendizaje automático y optimizados para TensorFlow. Pueden entrenar y ejecutar modelos de IA mucho más rápido que los chips tradicionales, lo que los hace ideales para aplicaciones de IA a gran escala. La versión v5e, anunciada en agosto, es el TPU en la nube más rentable, versátil y escalable hasta la fecha.

Te puede interesar:

Las expresiones faciales de los gatos: un estudio con IA revela cómo es su forma de comunicarse

2017: Google Research presenta el Transformer

El artículo de investigación de Google Research 'Attention Is All You Need' presentó el Transformer, una nueva arquitectura de red neuronal que ayudó a la comprensión del lenguaje. Antes de Transformer, las máquinas no eran muy buenas para entender el significado de oraciones largas: no podían ver las relaciones entre palabras que estaban muy separadas.

Logo G de Google. Foto: Reuters.

Transformer mejoró enormemente esto y se convirtió en la base de los sistemas de inteligencia artificial generativa y comprensión del lenguaje más impresionantes de la actualidad. Transformer revolucionó lo que significa para las máquinas traducir, resumir textos, responder preguntas e incluso generar imágenes y la robótica.

Te puede interesar:

OpenAI presentó propuestas para que EE.UU. se enfrente a China en la carrera de la IA

2019: BERT ayuda a la Búsqueda a comprender mejor las consultas

Nuestra investigación sobre Transformers condujo a la introducción del 'Bidirectional Encoder Representations from Transformers' (Representaciones bidireccionales de codificadores a partir de Transformers), o BERT para abreviar, que ayudó a la Búsqueda a comprender las consultas de los usuarios mejor que nunca.

En lugar de tratar de entender las palabras individualmente, nuestros algoritmos BERT ayudaron a Google a entender las palabras en contexto. Esto condujo a una gran mejora de la calidad en la Búsqueda y facilitó que las personas hicieran preguntas como lo harían naturalmente, en lugar de encadenar palabras clave.

Te puede interesar:

En busca de que sean "más humanos", Reino Unido suma IA para sus servicios públicos

2020: AlphaFold resuelve el problema del plegamiento de proteínas

En 2020, DeepMind dio un salto en el campo de la IA con su sistema, AlphaFold, que fue reconocido como una solución al "problema del plegamiento de proteínas". Las proteínas son los componentes básicos de la vida, y la forma en que una proteína se pliega determina su función; una proteína mal plegada podría causar enfermedades. Durante 50 años, los científicos habían estado tratando de predecir cómo se plegaría una proteína para ayudar a comprender y tratar enfermedades. AlphaFold hizo exactamente eso.

Luego, en 2022, compartió 200 millones de estructuras de proteínas de AlphaFold, que cubren casi todos los organismos del planeta de los que se secuenció su genoma, libremente con la comunidad científica a través de la base de datos de estructuras de proteínas de AlphaFold. Más de 1 millón de investigadores ya lo utilizaron para trabajar en una diversidad de cosas, desde acelerar nuevas vacunas contra la malaria en un tiempo récord y avanzar en el descubrimiento de fármacos contra el cáncer, hasta desarrollar enzimas que se alimentan de plástico.

Te puede interesar:

Cómo avanza y cuál es la visión de Europa sobre la implementación de la inteligencia artificial

2023: Bard te ayuda a colaborar con la IA generativa

LaMDA, un modelo de lenguaje de gran tamaño conversacional lanzado por Google Research en 2021, allanó el camino para muchos sistemas de IA generativa que han capturado la imaginación del mundo, incluido Bard. Lanzado en marzo, Bard ahora está disponible en la mayor parte del mundo y en más de 40 idiomas, por lo que más personas que nunca pueden usarlo para aumentar la productividad, acelerar las ideas y alimentar la curiosidad.

Búsqueda en Google. Foto: Reuters.

Y combinó el modelo más inteligente y capaz de Bard con los servicios de Google que usas todos los días, como Gmail, Docs, Drive, Vuelos/Hoteles, Maps y YouTube, para que sea aún más útil con tareas como la planificación de viajes, la verificación de respuestas y el resumen de correos electrónicos o documentos.

Te puede interesar:

No hay excusas: cuáles son los tres ejercicios para empezar a entrenar durante el verano, según la IA

2023: PaLM 2 avanza el futuro de la IA

En mayo de este año, se presentó PaLM 2, el modelo de lenguaje de gran tamaño de próxima generación que ha mejorado las capacidades multilingües, de razonamiento y de codificación. Es más capaz, más rápido y más eficiente que sus predecesores, y ya está impulsando más de 25 productos y funciones de Google, incluidas Bard, funciones de IA generativa en Gmail y Workspace, y SGE, nuestro experimento para integrar profundamente la IA generativa en la Búsqueda de Google. También, se utiliza PaLM 2 para avanzar en la investigación interna sobre una infinidad de cosas, desde la atención médica hasta la ciberseguridad.

Estas son sólo algunas de las innovaciones de IA de Google que están permitiendo muchos de los productos que miles de millones de personas usan todos los días. Con nuestros principios de IA para guiarnos mientras adoptamos un enfoque audaz y responsable de IA, ya estamos trabajando en Gemini, nuestro próximo modelo creado para permitir futuros avances en nuestros siguientes 25 años.