Los 251 acontecimientos más importantes de la historia del desarrollo de IA

Explora lo que nos llevó al boom de la IA, y se hizo en colaboración con Claude, Gemini y ChatGPT, es decir, los mejores investigadores de inteligencia artificial en profundidad disponibles actualmente, junto con las contribuciones del editor humano de HackerNoon como parte del lanzamiento de , nuestro enfoque al blogar a través del boom de la IA. periódicamente, pero publicar los primeros 251 eventos más importantes que hemos curado. La timeline de la historia de AI Hacker.es Actualizar el calendario de desarrollo Aristóteles desarrolló la lógica silógica formal y los principios de razonamiento deductivo, estableciendo el marco fundamental para el razonamiento lógico que se convertiría en esencial para la lógica computacional y la prueba de teoremas automatizados en los sistemas de IA. 1300: Máquinas lógicas de Ramon Llull. Creó dispositivos lógicos mecánicos para generar conocimiento a través de métodos combinatorios, representando el primer intento sistemático de mecanizar el razonamiento lógico e inspirando el trabajo posterior en la lógica computacional. 1666: Leibniz's Calculus Ratiocinator. propuso un lenguaje universal de razonamiento y cálculo mecánico de verdades lógicas, imaginando razonamiento automatizado donde las disputas podrían ser resueltas por cálculo, anticipando directamente los enfoques computacionales modernos a la IA. IEEE Spectrum, The Public Domain Review, HackerNoon - Computational Dreams 1834: El motor analítico de Babbage. diseñó la primera computadora mecánica de propósito general con memoria, unidad de procesamiento y programabilidad, creando el plan arquitectónico para las computadoras modernas que hicieron que la IA fuera técnicamente posible. 1843: Ada Lovelace publica el primer algoritmo informático y imagina que las máquinas podrían manipular símbolos más allá del cálculo, prediciendo que los ordenadores procesarían música, lenguaje e imágenes, prediciendo las capacidades de la IA moderna por más de un siglo. 1936: Turing's Computability Paper. 'On Computable Numbers' estableció las bases teóricas de la computación con el concepto de la máquina de Turing, demostrando que cualquier proceso computable podría ser mecanizado a través de la manipulación de símbolos, haciendo que la IA sea teóricamente posible. 18 de marzo de 1940: Primera instalación de bomba de Alan Turing. el dispositivo electromecánico de Turing se puso en funcionamiento en Bletchley Park, revolucionando la ruptura del código Enigma y poniendo las bases para la ciencia de la computadora moderna y los algoritmos de IA. Bletchley Park - 6 hechos sobre la bomba, El Museo Nacional de Computación - Bomba de Turing-Welchman, Museos Imperiales de Guerra - Cómo Alan Turing Cracked El Código Enigma 1943: McCulloch-Pitts Neurons. Creó el primer modelo matemático de las redes neuronales, demostrando cómo las unidades neuronales simples podían realizar operaciones lógicas y poniendo las bases para las redes neuronales artificiales modernas y el aprendizaje profundo. 15 de febrero de 1946: ENIAC Electronic Computer. El Electronic Numerical Integrator y Computer se convirtió en la primera computadora digital electrónica programable, de propósito general, estableciendo la base para todos los futuros sistemas de computación que alimentarían el desarrollo de la IA. ENIAC - Wikipedia, Britannica - ENIAC, Universidad de Pennsylvania - ENIAC 1 de enero de 1946: Alan Turing fue galardonado con la Orden del Imperio Británico. Turing fue honrado por su crucial trabajo de codificación durante la guerra, aunque la extensión completa de sus contribuciones fundamentales a la IA permaneció clasificada durante décadas. Alan Turing: The Enigma por Andrew Hodges, The Turing Archive - Awards and Honours, National Archives - Honours and Awards 1948: Cybernetics de Wiener. 'Cybernetics: o Control y Comunicación en el Animal y la Máquina' estableció la cibernética como la ciencia del control y la comunicación, introduciendo conceptos de retroalimentación esenciales para la IA y el aprendizaje automático. Julio-Octubre 1948: Teoría de la Información de Shannon. 'Una Teoría Matemática de la Comunicación' fundó la teoría de la información mediante la cuantificación de la información y el establecimiento del marco matemático para la comunicación digital, proporcionando herramientas teóricas esenciales para los sistemas de IA. Wikipedia, Edward Betts, ScienceDirect Octubre 1950: Turing Test Paper. 'Computing Machinery and Intelligence' propuso la prueba fundamental para la inteligencia de máquina (el juego de imitación) y estableció el marco filosófico para evaluar los sistemas de IA, convirtiéndose en el documento más influyente sobre la inteligencia artificial. 2 de diciembre de 1950: la publicación de Isaac Asimov de "I, Robot".La colección de Asimov introdujo las tres leyes de la robótica, estableciendo marcos éticos fundamentales para la IA que continúan influyendo en el desarrollo de la tecnología y la cultura popular. Marvin Minsky's SNARC Neural Network Machine. Minsky built the world's first randomly wired neural network learning machine, pioneering hardware implementations of neural network concepts. , , 1951: MIT AI Lab History Marvin Minsky's Personal Website Computer History Museum - AI Collection 14 de junio de 1951: UNIVAC I Commercial Computer. El Universal Automatic Computer I se convirtió en la primera computadora digital electrónica comercialmente producida en Estados Unidos, demostrando que la computación electrónica podría ser práctica para aplicaciones comerciales. UNIVAC I - Museo de Historia de la Computación, Smithsonian - UNIVAC I, IEEE Historia de la Sociedad de Computación Creó el primer programa de autoaprendizaje que demostró que las máquinas podían aprender de la experiencia y mejorar el rendimiento a lo largo del tiempo, estableciendo el aprendizaje automático como un enfoque viable para la IA. 1954: Defensa del doctorado de Marvin Minsky. tesis de doctorado de Princeton de Minsky sobre las redes neuronales estableció la teoría matemática fundamental para las redes neuronales y la IA. Archivos de la Universidad de Princeton, Marvin Minsky - MIT Biografía, Historia de las redes neuronales Newell, Simon y Shaw desarrollaron el primer programa de IA para el razonamiento automatizado que demostró teoremas matemáticos de Principia Mathematica, demostrando que las máquinas podrían realizar tareas que requieren inteligencia a nivel humano. 31 de agosto de 1955: John McCarthy Coins 'Inteligencia Artificial'. el documento preparatorio de McCarthy para la Conferencia de Dartmouth introdujo formalmente el término 'inteligencia artificial' y definió la misión central del campo. 18 de junio - 17 de agosto de 1956: Conferencia de Dartmouth. el Proyecto de Investigación de Verano de Dartmouth fundó oficialmente la inteligencia artificial como disciplina de investigación, acuñando el término "inteligencia artificial" y reuniendo a los pioneros que liderarían la investigación de IA durante décadas. 18 de junio de 1956: Dartmouth Summer Research Project Lanzamiento. McCarthy, Minsky, Shannon, y Rochester lanzaron la conferencia fundadora de la IA como una disciplina científica, estableciendo la agenda de investigación del campo y la comunidad. 1957: Perceptron de Rosenblatt. Creó la primera red neural artificial entrenable capaz de reconocimiento de patrones de aprendizaje, estableciendo las bases para los modernos enfoques de aprendizaje profundo y red neural a la IA. Cornell Chronicle, National Museum of American History, Quantum Zeitgeist McCarthy's LISP Language. Developed the first AI programming language with symbolic processing capabilities, introducing concepts like recursion and garbage collection that became fundamental to AI programming for decades. , , 1958: Stanford History-Computer Two Bit History 1959: MIT Laboratorio de Inteligencia Artificial Fundado. MIT estableció uno de los primeros laboratorios de investigación de IA dedicados, creando la base institucional para décadas de innovación de IA. MIT CSAIL Historia, MIT AI Lab Timeline, Museo de Historia de la Computación - MIT AI Lab 1961: Primer robot industrial Unimate.El primer robot industrial fue desplegado con éxito en la planta de GM en Nueva Jersey para la fundición y la soldadura, iniciando la revolución de la automatización en la fabricación y estableciendo la robótica como tecnología industrial práctica. John McCarthy fundó SAIL después de mudarse del MIT, creando un centro de excelencia para la investigación de IA que produciría numerosos avances. 1964-1966: ELIZA Chatbot. Joseph Weizenbaum en el MIT creó el primer chatbot que demostró la interacción del lenguaje natural, estableciendo la base para la IA conversacional y planteando preguntas sobre el entendimiento de la máquina versus el ajuste de patrones. 1965: DENDRAL Expert System. primer sistema de expertos para automatizar el razonamiento científico en química orgánica en Stanford, demostrando que la IA podía realizar tareas especializadas así como expertos humanos en dominios estrechos. Shakey the Robot. First mobile robot capable of reasoning about its own actions at SRI, combining perception, planning, and problem-solving while establishing foundations for modern robotics and autonomous systems. , , 1966-1972: SRI International Wikipedia TechTarget 1966: Fracasos en la traducción automática (Informe ALPAC).El informe del Comité Asesor de Procesamiento de Lengua Automática concluyó que la traducción automática era más cara que la traducción humana con resultados más pobres, enseñando al campo sobre la importancia del contexto en la comprensión del idioma.Informe ALPAC - Academia Nacional de Ciencias, Archivo MT - Documentos Históricos ALPAC, Asociación de Lingüística Computacional - Historia MT 3 de abril de 1968: HAL 9000 en '2001: Una Odisea Espacial'.HAL 9000 de Stanley Kubrick se convirtió en el personaje más icónico de la IA del cine, estableciendo el modelo para la IA como potencialmente peligrosa y plasmando la percepción pública de la inteligencia artificial durante generaciones. 1968: '¿Sueñan los androides con ovejas eléctricas?' Publicación. la novela de Philip K. Dick exploró las fronteras entre la conciencia artificial y la humana, más tarde adaptada a Blade Runner y estableciendo la literatura cyberpunk. 3 de abril de 1968: 2001: Una Odisea del Espacio.La película de Stanley Kubrick introdujo a HAL 9000, creando la primera descripción mainstream de una IA maliciosa que moldó la percepción pública de la inteligencia artificial durante décadas. El análisis matemático de Minsky y Papert demostró severas limitaciones de los perceptrones de capa única, acabando efectivamente con el financiamiento de la investigación de redes neuronales durante más de una década y contribuyendo al primer invierno de la IA. Wikipedia, Wikipedia, TechTarget 1969: Marvin Minsky gana el Premio Turing. Minsky se convirtió en uno de los primeros investigadores de IA en recibir el mayor honor de la computación, reconociendo sus contribuciones fundamentales a la inteligencia artificial y la ciencia cognitiva. ACM Turing Award - Marvin Minsky, MIT News - Minsky Turing Award, Museo de Historia de la Computación - Minsky El análisis matemático de Minsky y Papert mostró limitaciones fundamentales de los perceptrones de capa única, influyendo significativamente en la dirección de la investigación de la IA y contribuyendo al 'invierno de la IA.' MIT Press - Perceptrons, Google Books - Perceptrons Preview, ResearchGate - Perceptrons Impact 1970: Sistema de Lenguaje Natural de SHRDLU. el innovador programa de lenguaje natural de Terry Winograd podría interactuar en inglés simple para manipular objetos en un mundo virtual de "blocos", demostrando el potencial temprano para la comprensión del lenguaje informático. Wikipedia, MIT, HackerNoon - Procesamiento de lenguaje natural 1970: Fundada la Revista de Inteligencia Artificial, una de las revistas más largas y respetadas en AI fue fundada, publicada por Elsevier, sirviendo como el primer lugar para la publicación de artículos clave en investigación de inteligencia artificial. Elsevier - Artificial Intelligence Journal, ScienceDirect - AI Journal, Journal Citation Reports - AI Journal Impact 1971: John McCarthy gana el Premio Turing. el Premio Turing de McCarthy reconoció su papel en la fundación de la IA, la creación del lenguaje de programación LISP, y el avance de los sistemas informáticos que comparten el tiempo. El ambicioso proyecto de reconocimiento de habla de DARPA de cinco años no cumplió sus objetivos, demostrando las limitaciones de los primeros enfoques de IA y enseñando a los investigadores sobre la complejidad del procesamiento del lenguaje natural. 1972-1980: MYCIN Medical Expert System. el sistema de diagnóstico médico de Stanford logró un 69% de tasa de éxito en el tratamiento de infecciones de la sangre, mejor que los médicos humanos, demostrando la viabilidad comercial de los sistemas expertos y estableciendo aplicaciones basadas en reglas de IA. Wikipedia, Instituto de Historia de la Ciencia, Notas de Ingeniería La crítica devastadora de James Lighthill a la investigación de la IA encomendada por el Parlamento del Reino Unido identificó el problema de la "explosión combinatoria", lo que llevó a cortes masivos en el financiamiento global y al primer invierno de la IA que duró hasta 1980. El informe crítico de Sir James Lighthill al Parlamento del Reino Unido concluyó que la IA había fracasado por completo en alcanzar sus “grandiosos objetivos”, lo que llevó a cortes masivos de financiación y el primer invierno de la IA que enseñó al campo sobre los peligros de las capacidades exageradamente prometedoras. 1978: Doctorado de Geoffrey Hinton en Edimburgo. doctorado de Hinton en 'Relaxation y su papel en la visión' estableció conexiones tempranas entre la psicología y la computación neural que más tarde influirían en el aprendizaje profundo. Julio de 1978: Conferencia Europea sobre el Establecimiento de la Inteligencia Artificial.La primera conferencia de IA a nivel europeo creó una plataforma permanente para el intercambio internacional de investigación de IA, fomentando la colaboración entre las comunidades europeas de IA. Historia de la Conferencia ECAI, Asociación Europea de Inteligencia Artificial, Revista de Comunicaciones de IA 1979: Carnegie Mellon Robotics Institute Fundado.El primer departamento de robótica en cualquier universidad estadounidense fue establecido por Raj Reddy, centrándose en traer la robótica a las actividades cotidianas. 1979: Asociación para el Avance de la Inteligencia Artificial Fundada. Originalmente llamado la Asociación Americana para la Inteligencia Artificial, AAAI fue fundada para avanzar la comprensión científica de los mecanismos de IA. Historia AAAI, Documentos Fundadores AAAI, Revista AI - AAAI Origins El primer sistema de expertos comercialmente exitoso en DEC ahorró 25 millones de dólares anuales en 1986 con una precisión del 95-98% en la configuración de computadoras VAX, lo que demuestra que los sistemas expertos podrían proporcionar un valor de negocio sustancial. 1980: AAAI Conference on Artificial Intelligence First Held.La primera conferencia de la sociedad científica dedicada a avanzar el entendimiento científico de la IA se celebró en la Universidad de Stanford, clasificándose 4 en el Índice H5 entre las publicaciones de IA. AAAI Conference History, Stanford University - AAAI 1980, Google Scholar - AAAI Metrics 1980: Se celebra por primera vez la Conferencia Internacional sobre Aprendizaje de Máquinas.Se estableció una de las tres conferencias más respetadas en aprendizaje de máquina y investigación de IA, con el apoyo de la Sociedad Internacional de Aprendizaje de Máquinas. 1982: Proyecto de quinta generación japonés. el ambicioso proyecto de 10 años de Japón de 400 millones de dólares para desarrollar computadoras de IA estimuló la respuesta occidental, incluyendo la Iniciativa de Computación Estratégica de Estados Unidos, aunque finalmente no logró el éxito comercial. 1982: Hopfield Networks. John Hopfield introdujo el modelo de memoria asociativa utilizando redes neuronales recurrentes con dinámica basada en energía, conectando las redes neuronales a la física estadística y proporcionando la base para el desarrollo posterior. NCBI, Cybercat Institute, HackerNoon - Neural Network Revival 'Blade Runner' Film Release. Ridley Scott's adaptation of Philip K. Dick's novel explored AI consciousness and what makes someone human through replicant characters, establishing the 'tech noir' genre and deeply influencing AI storytelling. , , June 25, 1982: ScreenRant Pressbooks HackerNoon - Sci-Fi and AI Ethics Abril 1982: Proyecto de sistemas informáticos de quinta generación de Japón. la ambiciosa iniciativa de IA de Japón de 400 millones de dólares para desarrollar computadoras inteligentes despertó la competencia internacional y provocó respuestas europeas y estadounidenses. sistemas informáticos de quinta generación - ICOT, Museo de Historia de la Informática - quinta generación, IEEE Computer - Análisis de quinta generación 25 de junio de 1982: Blade Runner Release. la adaptación de Ridley Scott de la novela de Philip K. Dick exploró las fronteras entre la conciencia humana y la artificial, estableciendo la estética del cyberpunk en la cultura principal. IMDb - Blade Runner, Criterion Collection - Blade Runner, BFI - Blade Runner Analysis 1982-2000: Microelectronics and Computer Technology Corporation. la respuesta del consorcio de la industria estadounidense a la competencia de la IA japonesa reunió a las principales compañías de tecnología estadounidenses en la investigación de IA colaborativa. 1983-1988: Lanzamiento del Programa Alvey del Reino Unido. la respuesta británica de 350 millones de libras al proyecto de quinta generación japonés fomentó la colaboración internacional de IA entre universidades e industria. Alvey Programme Archives - UK National Archives, Science Policy Research Unit - Sussex, IEEE Computer Society - Alvey Report 1983-1993: Respuesta de la Iniciativa de Computación Estratégica de EE.UU. La respuesta de 1 billón de dólares de Estados Unidos al proyecto de quinta generación de Japón creó la competencia internacional de tecnología y la investigación de defensa colaborativa. 1983: Conferencia sobre la visión de ordenador y el reconocimiento de patrones Primero celebrada.La conferencia anual de reconocimiento de la visión de ordenador y el reconocimiento de patrones fue organizada por Takeo Kanade y Dana H. Ballard. IEEE CVPR Conference, Computer Vision Foundation, DBLP - CVPR History 2 de junio de 1983: Programa Estratégico Europeo de Investigación en TI (ESPRIT). la respuesta defensiva de Europa a la dominación de la IA estadounidense y japonesa creó el mayor programa internacional de investigación colaborativa en TI. Comisión Europea - Archivos ESPRIT, CORDIS - Base de datos de investigación de la UE, IEEE Computer - Análisis ESPRIT Julio 1984: Proyecto de la Base de Conocimiento Cyc. Douglas Lenat lanzó un proyecto masivo para codificar el conocimiento del sentido común humano con millones de hechos y reglas, representando el mayor intento de representación simbólica del conocimiento aún en curso hoy en día. 1 de julio de 1984: 'Neuromancer' Publication.William Gibson acuñó 'cyberspace' y estableció el género cyberpunk, influyendo fundamentalmente en cómo la gente conceptualizó la IA, la realidad virtual y la integración humano-computadora durante décadas. La película de James Cameron creó la imagen duradera de la IA como una amenaza existencial a través de Skynet, popularizando el concepto de que la IA se hace consciente de sí misma y se vuelve contra sus creadores, influyendo décadas en el discurso de la IA. 1 de julio de 1984: Neuromancer Publication. la novela debut de William Gibson popularizó el término 'cyberspace' y estableció el cyberpunk como un género, influyendo en cómo la cultura imagina la IA y la realidad virtual.William Gibson Sitio web oficial, Goodreads - Neuromancer, Ciencia Ficción Estudios - Análisis de Cyberpunk 1984-1996: European Computer-Industry Research Centre. Colaboración conjunta entre ICL (Reino Unido), Bull (Francia) y Siemens (Alemania) estableció el primer centro de investigación de IA importante en Europa. ECRC Archives - Computer History Museum, IEEE Computer Society - European IT Collaboration, Siemens Corporate Archives La película de James Cameron introdujo el concepto de Skynet y los asesinos robóticos, estableciendo la narración de la "rebelión de la IA" que continúa influyendo en el miedo público de la inteligencia artificial. El trabajo seminal de Hinton, Rumelhart y Williams popularizó la backpropagation, convirtiéndola en la columna vertebral de las redes neuronales modernas y los sistemas de aprendizaje profundo. 1987-1993: Comienza el segundo invierno de la IA. El mercado de hardware de IA colapsó y más de 300 empresas de IA cerraron o fueron adquiridas, acabando efectivamente con el boom de los sistemas de expertos y creando un escepticismo generalizado sobre la viabilidad comercial de la IA. La tesis de LeCun propuso formas tempranas de algoritmos de aprendizaje de backpropagation para las redes neuronales, estableciendo las bases para las redes neuronales convolucionales. Yann LeCun Personal Website, University Pierre et Marie Curie Archives, Facebook AI Research - LeCun 1987: Neural Information Processing Systems (NeurIPS) Fundada. La primera conferencia de aprendizaje automático y neurociencia computacional fue fundada por Ed Posner y Yaser Abu-Mostafa como una reunión interdisciplinaria abierta. 1987-1993: Segundo invierno de IA - Expert Systems Collapse. El colapso del mercado de sistemas expertos debido a los costosos requisitos de hardware y aplicaciones prácticas limitadas llevó al segundo invierno de IA, enseñando al campo sobre la importancia de soluciones prácticas y escalables. 17 de septiembre de 1991: Linux Kernel 0.01 Release. Linus Torvalds lanzó la primera versión del núcleo Linux, creando el sistema operativo de código abierto que se convertiría en la base para la mayoría de la infraestructura de computación de IA. Linux Kernel Archives, Linus Torvalds - First Linux Announcement, Free Software Foundation - Linux History Febrero 1991: Python 0.9.0 Primer lanzamiento público. Guido van Rossum lanzó la primera versión de Python al público, estableciendo las bases para lo que se convertiría en el lenguaje de programación de IA más popular. Python Software Foundation, Guido van Rossum Personal Blog, Python.org - Historia La subsidiaria de investigación de Microsoft fue fundada con más de 1.000 investigadores, invirtiendo $10-14 mil millones anualmente en investigación desde 2010 y poseyendo el 20% de las patentes mundiales de IA presentadas entre 2010-2018. 1991: Completamiento del doctorado de Yoshua Bengio en McGill. el trabajo de doctorado de Bengio bajo Yann LeCun se centró en las redes neuronales artificiales, estableciendo su experiencia en el aprendizaje automático que más tarde le haría un pionero en el aprendizaje profundo. 1992: TD-Gammon Reinforcement Learning. Gerald Tesauro de IBM creó TD-Gammon combinando redes neuronales con el aprendizaje de refuerzo para lograr un rendimiento de backgammon cercano a los expertos a través del auto-juego, poniendo las bases para futuros juegos de IA como AlphaGo. Una de las primeras revistas científicas de acceso abierto en la web fue fundada por Steven Minton como un lugar de publicación principal que cubre todas las áreas de IA. JAIR - Journal of Artificial Intelligence Research, AAAI - JAIR Partnership, IJCAI - JAIR Recognition 26 de enero de 1994: lanzamiento oficial de Python 1.0. Python 1.0 fue lanzado con características fundamentales incluyendo funciones de lambda y soporte de programación orientada a objetos, estableciendo Python como un lenguaje de programación serio. Cortes y Vapnik publicaron un revolucionario algoritmo de aprendizaje supervisado que introdujo métodos de kernel y aprendizaje basado en margen, avanzando significativamente la teoría de aprendizaje estadístico y permitiendo un reconocimiento robusto de patrones. 11 de mayo de 1997: Deep Blue derrota a Kasparov. el Deep Blue de IBM se convirtió en la primera computadora en derrotar al campeón del mundo de ajedrez en condiciones de torneo, demostrando poder de computación masivamente paralelo y marcando un hito psicológico en la competencia humano-máquina. La arquitectura LSTM de Hochreiter y Schmidhuber resolvió el problema de los gradientes desaparecidos en las redes recurrentes, permitiendo el aprendizaje de dependencias a largo plazo esenciales para la modelización de secuencias modernas y el procesamiento del lenguaje natural. El algoritmo de Page y Brin trató los enlaces web como señales de autoridad, revolucionando la recuperación de información y permitiendo el dominio de Google al mismo tiempo que influyó en el análisis de redes en múltiples campos. 1998: MNIST Handwritten Digit Database. el conjunto de datos de 70.000 dígitos escritos a mano de Yann LeCun se convirtió en el "Hello World" del aprendizaje automático, estableciendo el estándar de oro para los algoritmos de clasificación de imágenes de benchmarking. La película de Wachowskis que representa a la IA esclavizando a la humanidad en la realidad simulada se convirtió en un fenómeno cultural, popularizando conceptos como la “pílula roja/pílula azul” que entraron en el discurso principal sobre la verdad y el control de la IA. La película de Wachowskis popularizó los conceptos de la realidad simulada y el control de la IA sobre la humanidad, introduciendo a la audiencia principal a las preguntas filosóficas sobre la conciencia artificial. 16 de octubre de 2000: Python 2.0 Major Milestone. Python 2.0 introdujo comprensión de listas, recopilación de basura y soporte de Unicode, ampliando significativamente las capacidades de Python para el procesamiento de datos y la computación científica. Junio de 2000: OpenCV Alpha Release. La primera versión alfa de OpenCV fue lanzada en la Conferencia IEEE sobre visión de ordenador y reconocimiento de patrones, proporcionando algoritmos de visión de ordenador de código abierto esenciales para aplicaciones de IA. OpenCV - Wikipedia, OpenCV Sitio Oficial, Intel Developer - OpenCV con Intel IPP El método de aprendizaje de conjunto de Leo Breiman combinó el equipaje con la selección aleatoria de características para crear modelos robustos e interpretables que se convirtieron en uno de los algoritmos más utilizados del aprendizaje automático.Springer, SCIRP, Berkeley Statistics 2001: IPython 0.1 Release Initial. IPython fue lanzado por primera vez, proporcionando una capa de Python interactiva mejorada que evolucionaría a la base para los flujos de trabajo modernos de ciencia de datos y desarrollo de IA. Project Jupyter History, IPython Documentation, Fernando Pérez - IPython Creator SciPy fue lanzado por primera vez para complementar NumPy con algoritmos matemáticos adicionales y funciones para la optimización, álgebra lineal y estadísticas, esenciales para la computación científica en AI. 2002: Doctorado en Defensa de Andrew Ng en UC Berkeley. tesis de Ng 'Formación y búsqueda de políticas en el aprendizaje de refuerzo' bajo Michael I. Jordan estableció conceptos fundamentales todavía citados hoy en la IA y la robótica. Andrew Ng - Wikipedia, Andrew Ng - Google Scholar, UC Berkeley EECS 2002: Andrew Ng se convierte en profesor asistente de Stanford. la transición de Ng a la facultad de Stanford le permitió establecer el influyente proyecto STAIR y mentor a numerosos futuros líderes de IA. 2003: Amazon Recommendation System. Amazon publicó el artículo 'Item-to-Item Collaborative Filtering' revelando su algoritmo de recomendación que impulsó un crecimiento significativo de los ingresos y estableció recomendaciones alimentadas por IA como infraestructura esencial de comercio electrónico. IEEE Xplore, Amazon Research, HackerNoon - Recommendation Systems 1 de julio de 2003: MIT CSAIL Formado a partir de la fusión de AI Lab. MIT CSAIL se formó por la fusión de AI Lab (fundado en 1959) y Laboratorio de Ciencias de la Computación, creando el laboratorio interdisciplinario más grande en el campus del MIT con más de 600 empleados. El primer concurso de vehículos autónomos catalizó el desarrollo de automóviles autónomos; aunque ningún vehículo terminó en 2004, el ganador de 2005 (Stanford's Stanley) demostró la práctica de la navegación autónoma que conduce a los vehículos autónomos modernos. 2004: Google MapReduce.El modelo de programación de Dean y Ghemawat simplificó la computación distribuida para el procesamiento de datos a gran escala, permitiendo la revolución de los grandes datos e inspirando Hadoop, esencial para la formación de modelos modernos de gran IA. ACM Digital Library, ResearchGate, Google Research 13 de marzo de 2004: DARPA Grand Challenge. el desafío de vehículos autónomos de DARPA lanzó la revolución del automóvil autónomo, sin finalistas en 2004, pero Stanford Stanley ganó la carrera de 2005. Este concurso de 10 millones de dólares para el vuelo espacial privado lanzó la industria espacial comercial cuando SpaceShipOne alcanzó la altitud requerida dos veces en dos semanas. 2005: Fei-Fei Li recibe el doctorado de Caltech. El doctorado de Li en ingeniería eléctrica bajo Pietro Perona puso las bases para su trabajo revolucionario en visión por computadora e ImageNet. Fei-Fei Li - Stanford Profile, Caltech - Pietro Perona, Stanford HAI - Fei-Fei Li 7 de abril de 2005: Git First Commit and Initial Development. Linus Torvalds hizo el primer compromiso con Git después de desarrollarlo en tan solo 10 días, creando el sistema de control de versión distribuida esencial para el desarrollo colaborativo de IA. Git - Wikipedia, GitHub Blog - Git cumple 20 años: Un cuestionario con Linus Torvalds, Git SCM - Una breve historia de Git 21 de diciembre de 2005: Git 1.0 Major Release. Git 1.0 fue lanzado por Junio Hamano, marcando la disponibilidad de Git para una adopción más amplia más allá del núcleo Linux. Git Release History, Linus Torvalds - Linux GitHub, Celebrating Git's 20th Anniversary with Creator Linus Torvalds Octubre de 2006: Lanzamiento del Premio Netflix. concurso de 1 millón de dólares para mejorar los algoritmos de recomendación democratizó la investigación de aprendizaje automático, avanzando los métodos de filtración colaborativa y conjunto, al tiempo que estableció las competiciones ML como impulsores de la innovación. Wikipedia, Milvus, Sage Journals Julio 2006: Deep Belief Networks de Hinton. la preparación de capa por capa de Geoffrey Hinton resolvió problemas de capacitación de redes neuronales profundas, reavivando el interés en el aprendizaje profundo después de décadas de progreso limitado y permitiendo directamente la revolución de la IA moderna. Abril 2006: Apache Hadoop 0.1.0 Primer lanzamiento. Apache Hadoop 0.1.0 proporcionó almacenamiento distribuido y procesamiento de grandes datos utilizando MapReduce, poniendo las bases para el procesamiento de datos a gran escala esencial para las aplicaciones de IA. Apache Hadoop, Hadoop - Wikipedia, Apache Software Foundation - Hadoop Octubre 2006: NumPy 1.0 Primer lanzamiento principal. NumPy 1.0 proporcionó el objeto de array N-dimensional fundamental y las funciones matemáticas que se convirtieron en la piedra angular del ecosistema de computación científica de Python. NumPy - Wikipedia, Sitio Oficial de NumPy, SciPy - Historia de NumPy Octubre de 2006: Lanzamiento del concurso de premios de Netflix. el desafío de 1 millón de dólares de Netflix para mejorar su algoritmo de recomendación en un 10% provocó avances en la filtración colaborativa y la factorización de matriz. Octubre de 2006: OpenCV 1.0 Stable Release. OpenCV 1.0 fue lanzado como la primera versión estable, estableciéndolo como la biblioteca de visión de ordenador líder para el procesamiento de imágenes en tiempo real. OpenCV Releases, GitHub - OpenCV, SourceForge - OpenCV Library noviembre de 2006: CUDA 1.0 Architecture Launch. NVIDIA introdujo CUDA, abriendo capacidades de procesamiento paralelo de GPU a la computación de propósito general y poniendo las bases para la capacitación de IA acelerada. NVIDIA CUDA, CUDA - Wikipedia, NVIDIA Developer Documentation El iPhone de Apple revolucionó la computación móvil, creando la plataforma para los asistentes de IA; Siri lanzaría en 2011, trayendo la IA controlada por voz a cientos de millones de usuarios en todo el mundo. 15 de febrero de 2007: CUDA Toolkit Primer lanzamiento público. El original CUDA SDK se hizo público para Windows y Linux, proporcionando a los desarrolladores herramientas para aprovechar la potencia de la GPU para aplicaciones de computación científica e IA. NVIDIA CUDA Toolkit, CUDA Toolkit Archive, NVIDIA Technical Blog 3 de noviembre de 2007: DARPA Urban Challenge. La tercera competencia de DARPA requirió navegación autónoma en escenarios de tráfico urbano, ganado por el 'Boss' de Carnegie Mellon, demostrando la capacidad de la IA en la conducción compleja en el mundo real. GitHub fue lanzado por Tom Preston-Werner, Chris Wanstrath, PJ Hyett y Scott Chacon, revolucionando el desarrollo de software colaborativo y acelerando el desarrollo de proyectos de IA de código abierto. 2008: el desarrollo de pandas comienza en AQR. el desarrollo de pandas comenzó en el fondo de cobertura cuantitativo AQR, proporcionando estructuras de datos de alto rendimiento y herramientas de análisis esenciales para el preprocesamiento de datos en el aprendizaje automático. pandas Documentation, Wes McKinney - pandas Creator, PyData - pandas Historia 2008: Common Crawl Foundation. Este crawl web sin fines de lucro proporciona acceso gratuito a miles de millones de páginas web, permitiendo grandes modelos de idiomas como GPT-3. Common Crawl, Common Crawl - Wikipedia, Internet Archive - Common Crawl 3 de diciembre de 2008: Python 3.0 'Python 3000' Release. Python 3.0 fue lanzado con mejoras fundamentales en el diseño y cambios revolucionarios para corregir los defectos del lenguaje, marcando una evolución importante para el desarrollo de IA. Python 3.0 Release Notes, Python Software Foundation, Python.org - What's New in Python 3.0 Diciembre de 2008: OpenCL 1.0 Release. El Grupo Khronos lanzó OpenCL 1.0, proporcionando un estándar abierto para la computación paralela en diversas plataformas de hardware. 2009: Creación de Dataset de ImageNet.El equipo de Fei-Fei Li creó más de 14 millones de imágenes etiquetadas en 22,000 categorías, proporcionando el conjunto de datos a gran escala necesario para entrenar redes neuronales profundas y permitir la revolución de la visión por ordenador de 2012. 2009: CIFAR-10 y CIFAR-100 Datasets. Alex Krizhevsky, Vinod Nair, y Geoffrey Hinton crearon estos 60.000 conjuntos de datos de imágenes de 32×32 colores que se convirtieron en referencias esenciales para probar las redes neuronales convolucionales. CIFAR-10 y CIFAR-100 Datasets, Universidad de Toronto - Geoffrey Hinton, Machine Learning Datasets Repository La revolucionaria base de datos de imágenes de Fei-Fei Li de más de 14 millones de etiquetas con más de 20.000 categorías transformó la investigación de la visión por computadora proporcionando una escala y calidad sin precedentes. ImageNet, Stanford Vision Lab - ImageNet, Fei-Fei Li - Stanford Profile 2009: Demis Hassabis Completes Neuroscience PhD. El doctorado en neurociencia cognitiva de Hassabis bajo Eleanor Maguire conectó la investigación de la memoria, la imaginación y la amnesia, inspirando directamente sus posteriores arquitecturas de IA en DeepMind. Julio de 2009: matplotlib 1.0 Release. matplotlib 1.0 proporcionó capacidades completas de planificación 2D para Python, convirtiéndose en la biblioteca de visualización estándar para la ciencia de datos y la investigación de IA. Matplotlib, matplotlib - Wikipedia, Python Software Foundation - Matplotlib 2010: Apache Spark Open Source Release. Apache Spark fue abierto de AMPLab de UC Berkeley, proporcionando capacidades de procesamiento en memoria hasta 100 veces más rápido que Hadoop MapReduce. Apache Spark, UC Berkeley AMPLab, Apache Spark - Wikipedia Abril 2010: Lanzamiento de la plataforma Kaggle. la plataforma de competencia de ciencia de datos crowdsourced de Kaggle democratizó el aprendizaje automático al permitir la participación global en la resolución de problemas del mundo real. Kaggle, Kaggle - Wikipedia, Google AI - Kaggle Acquisition Junio de 2010: scikit-learn 0.1 Edición inicial. scikit-learn fue lanzado por primera vez proporcionando una biblioteca completa de aprendizaje automático con herramientas simples y eficientes para el análisis de datos. scikit-learn, scikit-learn - Wikipedia, INRIA - scikit-learn Development El desafío ImageNet desencadenó la revolución del aprendizaje profundo, con la victoria de AlexNet en 2012 demostrando la superioridad de CNN. ImageNet Large Scale Visual Recognition Challenge, ILSVRC - Wikipedia, Stanford Vision Lab noviembre de 2010: DeepMind Technologies Funded. Demis Hassabis, Shane Legg, y Mustafa Suleyman fundaron DeepMind para desarrollar inteligencia artificial general, enfoques pioneros de aprendizaje de refuerzo. Google DeepMind - Wikipedia, Google DeepMind - Sobre, Demis Hassabis - Wikipedia 6 de mayo de 2010: Desastre de negociación algorítmica de Flash Crash. Los sistemas de negociación algorítmicos causaron que el Dow Jones cayera casi 1.000 puntos en minutos, borrando $ 1 billón en valor de mercado antes de recuperarse. 2010 Flash Crash - Wikipedia, SEC Flash Crash Report, CFTC Flash Crash Analysis 2010: Lanzamiento del concurso Kaggle Titanic. El 'Hello World' de los concursos Kaggle desafía a los participantes a predecir la supervivencia de los pasajeros del Titanic, sirviendo como punto de entrada para millones de científicos de datos. Kaggle Titanic Competition, Kaggle Learn, Data Science Central - Kaggle Competitions IBM Watson Wins Jeopardy!. IBM Watson defeated human champions Ken Jennings and Brad Rutter at Jeopardy!, demonstrating AI's ability to understand natural language, process ambiguous questions, and retrieve knowledge at superhuman speeds. , , February 14-16, 2011: ALA Journals IBM Research HackerNoon - Watson's Impact Apple integró Siri en el iPhone 4S como el primer asistente de voz principal, vendiendo 4 millones de dispositivos en los primeros cuatro días y trayendo la IA conversacional a cientos de millones de usuarios. 2011: Google Brain Funded.Un equipo de investigación de inteligencia artificial dentro de Google AI fue fundado por Andrew Ng, más tarde se unió a Jeff Dean y Greg Corrado.Google AI Research, Google Brain - Wikipedia, Jeff Dean - Google AI Watson de IBM derrotó a los campeones humanos Ken Jennings y Brad Rutter en Jeopardy!, mostrando capacidades de procesamiento de lenguaje natural a la audiencia principal. IBM Watson, Watson (ordenador) - Wikipedia, IBM Research - Watson La primera versión de notas para IPython fue lanzada por Fernando Pérez, Brian Granger y Min Ragan-Kelley, revolucionando la computación interactiva.Proyecto Jupyter, Historia de notas IPython, Fernando Pérez - UC Berkeley 22 de septiembre de 2011: Person of Interest Premiere. la serie de J.J. Abrams introdujo a la audiencia principal a los sistemas de vigilancia predictiva de IA, anticipando las preocupaciones del mundo real sobre la policía algorítmica. 30 de septiembre de 2012: AlexNet ImageNet Breakthrough. Krizhevsky, Sutskever y la CNN profunda de Hinton alcanzaron un error del 15,3% frente al 26,2% en ImageNet, superando dramáticamente los métodos tradicionales y lanzando la era moderna del aprendizaje profundo. 16 de mayo de 2012: Google Knowledge Graph. Google introdujo las relaciones de comprensión de búsqueda semántica entre entidades, pasando más allá del ajuste de palabras clave para comprender el significado y el contexto, cambiando fundamentalmente la forma en que funcionan los motores de búsqueda. 2012: Fei-Fei Li recibe el cargo en Stanford. La designación de Li reconoció sus contribuciones revolucionarias a la visión de la computadora y la estableció como una voz líder en la ética de la IA. Stanford AI Lab - Fei-Fei Li, Stanford HAI - Fei-Fei Li, AI4ALL - Fei-Fei Li 19 de diciembre de 2013: DeepMind DQN Playing Atari. primer modelo de aprendizaje profundo para aprender con éxito las políticas de control de la entrada sensorial de alta dimensión utilizando el aprendizaje de reforzamiento, superando a los humanos en varios juegos de Atari sin programación específica del juego. ArXiv, Nature, Google DeepMind 16 de enero de 2013: Word2Vec Embeddings. el equipo de Mikolov en Google introdujo incorporaciones de palabras eficientes que capturan relaciones semánticas, permitiendo aritmética vectorial como 'rey - hombre + mujer = reina' y revolucionando el procesamiento del lenguaje natural. Wikipedia, Google Research, HackerNoon - Word Embeddings Marzo de 2013: Docker Public Release. Docker fue lanzado como código abierto, revolucionando la implementación de software a través de la containerización y haciendo la implementación de modelos de IA más gestionable. Docker, Docker - Wikipedia, Docker GitHub 11 de febrero de 2013: Black Mirror 'Be Right Back' Episodio. episodio de la serie de antología de Charlie Brooker exploró la IA recreando a los seres queridos fallecidos, influyendo en el discurso público sobre la inmortalidad digital. Black Mirror - Wikipedia, IMDb - Be Right Back, Netflix - Black Mirror Marzo de 2013: Geoffrey Hinton se une a Google.El traslado de Hinton a Google a través de la adquisición de DNNresearch por 44 millones de dólares marcó un momento crucial de experiencia de aprendizaje profundo entrando en las principales compañías de tecnología.Geoffrey Hinton - Google AI, Google AI Blog - Geoffrey Hinton, Universidad de Toronto - Geoffrey Hinton 2013: Conferencia Internacional sobre Representaciones de Aprendizaje Fundada. ICLR fue fundada como una de las tres conferencias primarias de alto impacto en el aprendizaje automático y la IA, pionera en procesos de revisión de pares abiertos basados en modelos propuestos por Yann LeCun. La película de Spike Jonze exploró las relaciones íntimas entre los seres humanos y la IA, influyendo en la forma en que el público piensa sobre los asistentes de IA y las conexiones emocionales con la tecnología. Diciembre 2013: Facebook AI Research (FAIR) Fundada. Una división de investigación fue fundada por Mark Zuckerberg y Yann LeCun para avanzar el estado de la IA a través de la investigación abierta. Meta AI (FAIR), Yann LeCun - Meta, Facebook AI Research - Wikipedia 10 de junio de 2014: Generative Adversarial Networks. Ian Goodfellow introdujo entrenamiento adversarial donde las redes de generador y discriminador compiten, revolucionando la modelización generativa y la creación de imágenes sintéticas, dando origen a todo el campo de la IA generativa. 6 de noviembre de 2014: Amazon Alexa Lanzamiento. Amazon introdujo Alexa con altavoces inteligentes Echo, democratizando la IA conversacional y dando nacimiento a la industria de altavoces inteligentes con más de 100 millones de dispositivos vendidos por 2019. Wikipedia, Amazon Science, Britannica 10 de septiembre de 2014: Modelos de secuencia a secuencia. Sutskever, Vinyals y Le introdujeron un marco general de codificador-decodificador que permite la traducción de máquinas neuronales y revolucionó la forma en que la IA maneja datos secuenciales de lengua a serie de tiempo.ArXiv, Wikipedia, NeurIPS 26 de enero de 2014: Google adquirió DeepMind. la adquisición de DeepMind por parte de Google de 400-650 millones de dólares trajo la investigación de IA de clase mundial en casa, permitiendo la investigación revolucionaria en el aprendizaje de reforzamiento. Google DeepMind, DeepMind Acquisition - TechCrunch, Google AI Blog Febrero 2014: Sam Altman se convierte en presidente de Y Combinator.El liderazgo de Altman de Y Combinator lo transformó en el acelerador de inicio líder del mundo, posicionándolo para liderar más tarde OpenAI.Y Combinator, Sam Altman - Wikipedia, Y Combinator - Wikipedia 2014: Project Jupyter Spin-off. Fernando Pérez anunció Project Jupyter como un spin-off de IPython, creando interfaces de notas agnósticas de lenguaje esencial para el desarrollo de IA. Project Jupyter, JupyterLab Documentation, Jupyter - Wikipedia May 2014: Apache Spark 1.0 Stable Release. Apache Spark 1.0 fue lanzado como una versión estable, proporcionando un motor de análisis unificado con MLlib para el aprendizaje automático. Apache Spark 1.0 Release, Apache Spark, Databricks - Spark History 1 de mayo de 2014: Microsoft COCO Dataset Release. Lin et al. 2.5 millones de instancias etiquetadas en 328k imágenes en 91 categorías de objetos revolucionaron la detección de objetos y la segmentación. 2014: pandas 0.14.0 Release. pandas 0.14.0 introdujo el método DataFrame.query() y mejoró el rendimiento, solidificando su posición como la biblioteca de manipulación de datos estándar para Python. pandas 0.14.0 Release Notes, pandas Documentation, PyData - pandas History 2014: scikit-learn 0.15.0 Release. scikit-learn 0.15.0 introdujo métodos de ensamblaje y algoritmos mejorados, convirtiéndolo en la biblioteca para el aprendizaje automático en Python. scikit-learn 0.15.0 Release Notes, scikit-learn, INRIA - scikit-learn Development 2014: NumPy 1.9.0 Release. NumPy 1.9.0 introdujo un mejor rendimiento y nuevas características, manteniendo su posición como el paquete fundamental para la computación científica con Python. NumPy 1.9.0 Release Notes, NumPy, SciPy - Historia de NumPy 2014: matplotlib 1.4.0 Release. matplotlib 1.4.0 introdujo mejoras en las capacidades de plotación y un mejor rendimiento, consolidando su posición como la biblioteca de plotación estándar para Python. matplotlib 1.4.0 Release Notes, Matplotlib, Python Software Foundation - Matplotlib 2014: IPython 2.0 Release. IPython 2.0 introdujo mejoras en la funcionalidad del notebook y un mejor rendimiento, lo que lo convierte en el entorno de computación interactivo estándar para Python. OpenCV 3.0 Release. OpenCV 3.0 introduced improved performance and new features, maintaining its position as the leading computer vision library for real-time image processing. , , 2014: OpenCV Releases GitHub - OpenCV SourceForge - OpenCV Library 2014: CUDA 6.0 Release. CUDA 6.0 introdujo un mejor rendimiento y nuevas características, manteniendo su posición como la principal plataforma de computación paralela para aplicaciones de IA. CUDA Toolkit Archive, NVIDIA CUDA, CUDA - Wikipedia 2014: OpenCL 2.0 Release. OpenCL 2.0 introdujo un mejor rendimiento y nuevas características, manteniendo su posición como el principal estándar abierto para la computación paralela en diversas plataformas de hardware. 2014: Docker 1.0 Release. Docker 1.0 fue lanzado como la primera versión estable, revolucionando la implementación de software a través de la containerización y haciendo que la implementación de modelos de IA sea más gestionable. 2014: Apache Spark 1.1.0 Release. Apache Spark 1.1.0 introdujo mejoras de rendimiento y nuevas características, manteniendo su posición como el principal motor de análisis unificado para el procesamiento de grandes datos. Apache Spark 1.1.0 Release, Apache Spark, Databricks - Spark History 2014: GitHub 2.0 Release. GitHub 2.0 introdujo mejores características de colaboración y mejor rendimiento, manteniendo su posición como la plataforma líder para el desarrollo de software colaborativo. 2014: Common Crawl 2014 Release. Common Crawl lanzó su conjunto de datos de 2014 con miles de millones de páginas web, proporcionando acceso gratuito a datos web a gran escala para investigación y desarrollo de IA. Common Crawl, Common Crawl - Wikipedia, Internet Archive - Common Crawl 2014: ImageNet 2014 Challenge. El reto ImageNet 2014 continuó impulsando la innovación en la visión por computadora, con equipos desarrollando modelos de aprendizaje profundo cada vez más sofisticados. ImageNet 2014 Challenge, ILSVRC 2014 Results, Papers With Code - ImageNet 2014 Kaggle acogió numerosas competiciones en 2014, incluyendo el Higgs Boson Machine Learning Challenge, que democratiza aún más el aprendizaje automático y la ciencia de los datos. Kaggle, Kaggle - Wikipedia, Google AI - Kaggle Acquisition 2014: Python 3.4.0 Release. Python 3.4.0 introdujo un mejor rendimiento y nuevas características, manteniendo su posición como el lenguaje de programación líder para el desarrollo de IA. Python 3.4.0 Release Notes, Python Software Foundation, Python.org - What's New in Python 3.4 Git 2.0 introdujo mejoras en el rendimiento y nuevas características, manteniendo su posición como el principal sistema de control de versiones para el desarrollo de software. 2014: Linux Kernel 3.15 Release. Linux Kernel 3.15 introdujo mejoras de rendimiento y nuevas características, manteniendo su posición como el principal núcleo del sistema operativo para la infraestructura de IA. Linux Kernel, Linux Kernel - Wikipedia, LWN.net - Kernel Development 2014: Apache Hadoop 2.6.0 Release. Apache Hadoop 2.6.0 introdujo un mejor rendimiento y nuevas características, manteniendo su posición como el marco líder para el almacenamiento distribuido y el procesamiento de grandes datos. 2014: Apache Kafka 0.8.0 Release. Apache Kafka 0.8.0 introdujo mejoras de rendimiento y nuevas características, manteniendo su posición como la principal plataforma de transmisión distribuida para el procesamiento de datos en tiempo real. Apache Kafka, Apache Kafka - Wikipedia, Confluent - Kafka 2014: Apache Cassandra 2.1.0 Release. Apache Cassandra 2.1.0 introdujo mejoras de rendimiento y nuevas características, manteniendo su posición como la base de datos NoSQL distribuida líder para aplicaciones de big data. Apache Cassandra, Apache Cassandra - Wikipedia, DataStax - Cassandra 2014: Apache HBase 1.0.0 Release. Apache HBase 1.0.0 introdujo un mejor rendimiento y nuevas características, manteniendo su posición como la base de datos distribuida orientada a columnas líder para aplicaciones de datos grandes. Apache HBase, Apache HBase - Wikipedia, Cloudera - HBase 2014: Apache Storm 0.9.0 Release. Apache Storm 0.9.0 introdujo mejoras de rendimiento y nuevas características, manteniendo su posición como el principal sistema de computación distribuido en tiempo real para el procesamiento de grandes datos. 2014: Apache Flink 0.9.0 Release. Apache Flink 0.9.0 introdujo un mejor rendimiento y nuevas características, manteniendo su posición como el principal marco de procesamiento de flujo distribuido para aplicaciones de big data. Apache Flink, Apache Flink - Wikipedia, Ververica - Flink 2014: Apache Beam 0.1.0 Release. Apache Beam 0.1.0 introdujo mejoras de rendimiento y nuevas características, manteniendo su posición como el modelo de programación unificado líder para el procesamiento de datos de batch y streaming. Apache Beam, Apache Beam - Wikipedia, Google Cloud - Dataflow 2014: Apache Airflow 0.1.0 Release. Apache Airflow 0.1.0 introdujo mejoras de rendimiento y nuevas características, manteniendo su posición como la plataforma líder para la redacción programática, la planificación y el monitoreo de flujos de trabajo. 2014: Apache Zeppelin 0.1.0 Release. Apache Zeppelin 0.1.0 introdujo un mejor rendimiento y nuevas características, manteniendo su posición como el principal notebook basado en la web para análisis de datos interactivos y visualización. Apache Zeppelin, Apache Zeppelin - Wikipedia, GitHub - Zeppelin 2014: Apache Superset 0.1.0 Release. Apache Superset 0.1.0 introdujo mejoras de rendimiento y nuevas características, manteniendo su posición como la aplicación web líder de inteligencia empresarial moderna y preparada para la empresa. Apache Superset, Apache Superset - Wikipedia, Preset - Superset 2014: Apache Druid 0.1.0 Release. Apache Druid 0.1.0 introdujo mejoras de rendimiento y nuevas características, manteniendo su posición como la base de datos de análisis en tiempo real líder para aplicaciones de datos grandes. 2014: Apache Pinot 0.1.0 Release. Apache Pinot 0.1.0 introdujo mejoras de rendimiento y nuevas características, manteniendo su posición como el principal almacenamiento de datos OLAP en tiempo real para aplicaciones de datos grandes. Apache Pinot, Apache Pinot - Wikipedia, LinkedIn - Pinot Apache Pulsar 0.1.0 Release. Apache Pulsar 0.1.0 introduced improved performance and new features, maintaining its position as the leading cloud-native distributed messaging and streaming platform. , , 2014: Apache Pulsar Apache Pulsar - Wikipedia StreamNative - Pulsar 2014: Apache NiFi 0.1.0 Release. Apache NiFi 0.1.0 introdujo mejoras de rendimiento y nuevas características, manteniendo su posición como el sistema líder para la gestión y procesamiento de flujo de datos. Apache NiFi, Apache NiFi - Wikipedia, Cloudera - NiFi 2014: Apache Ranger 0.1.0 Release. Apache Ranger 0.1.0 introdujo mejoras de rendimiento y nuevas características, manteniendo su posición como el marco líder para habilitar, monitorear y gestionar la seguridad de datos completa en la plataforma Hadoop. 2014: Apache Atlas 0.1.0 Release. Apache Atlas 0.1.0 introdujo un mejor rendimiento y nuevas características, manteniendo su posición como el marco líder para la gobernanza de datos y la gestión de metadatos en la plataforma Hadoop. Apache Atlas, Apache Atlas - Wikipedia, Hortonworks - Atlas 2014: Apache Knox 0.1.0 Release. Apache Knox 0.1.0 introdujo mejoras de rendimiento y nuevas características, manteniendo su posición como la principal puerta de entrada de aplicaciones para asegurar y monitorear el acceso a los clusters de Apache Hadoop. Apache Knox, Apache Knox - Wikipedia, Hortonworks - Knox 2014: Apache Ambari 2.0.0 Release. Apache Ambari 2.0.0 introdujo mejoras de rendimiento y nuevas características, manteniendo su posición como la plataforma líder para provisionar, gestionar y monitorear clusters de Apache Hadoop. Apache Ambari, Apache Ambari - Wikipedia, Hortonworks - Ambari 2014: Apache Oozie 4.0.0 Release. Apache Oozie 4.0.0 introdujo mejoras de rendimiento y nuevas características, manteniendo su posición como el principal sistema de planificación de flujo de trabajo para la gestión de trabajos de Apache Hadoop. Apache Oozie, Apache Oozie - Wikipedia, Yahoo - Oozie 2014: Apache Hive 0.13.0 Release. Apache Hive 0.13.0 introdujo un mejor rendimiento y nuevas características, manteniendo su posición como el principal software de almacenamiento de datos para la consulta y la gestión de grandes conjuntos de datos almacenados en almacenamiento distribuido. Apache Hive, Apache Hive - Wikipedia, Cloudera - Hive 2014: Apache Pig 0.14.0 Release. Apache Pig 0.14.0 introdujo mejoras de rendimiento y nuevas características, manteniendo su posición como la plataforma líder para analizar grandes conjuntos de datos utilizando un lenguaje de alto nivel para expresar programas de análisis de datos. 2014: Apache Sqoop 1.4.0 Release. Apache Sqoop 1.4.0 introdujo mejoras de rendimiento y nuevas características, manteniendo su posición como la herramienta líder para la transferencia eficiente de datos en masa entre Apache Hadoop y almacenes de datos estructurados. 2014: Apache Flume 1.5.0 Release. Apache Flume 1.5.0 introdujo un mejor rendimiento y nuevas características, manteniendo su posición como el principal servicio distribuido, confiable y disponible para la recopilación, agregación y movimiento eficientes de grandes cantidades de datos de registro. 2014: Apache Mahout 0.9.0 Release. Apache Mahout 0.9.0 introdujo mejoras de rendimiento y nuevas características, manteniendo su posición como la biblioteca de aprendizaje automático escalable líder para Apache Hadoop. Apache Mahout, Apache Mahout - Wikipedia, Cloudera - Mahout 2014: Apache Giraph 1.1.0 Release. Apache Giraph 1.1.0 introdujo mejoras de rendimiento y nuevas características, manteniendo su posición como el principal sistema de procesamiento de gráficos iterativos para Apache Hadoop. Apache Giraph, Apache Giraph - Wikipedia, Facebook - Giraph 2014: Apache Tez 0.5.0 Release. Apache Tez 0.5.0 introdujo mejoras de rendimiento y nuevas características, manteniendo su posición como el marco de aplicación líder para la creación de aplicaciones YARN que realizan tareas complejas de gráfico acílico dirigido (DAG). Apache Tez, Apache Tez - Wikipedia, Hortonworks - Tez 2014: Apache YARN 2.6.0 Release. Apache YARN 2.6.0 introdujo un mejor rendimiento y nuevas características, manteniendo su posición como la tecnología líder de gestión de recursos y planificación de puestos en Apache Hadoop. Apache YARN, Apache YARN - Wikipedia, Cloudera - YARN 2014: Apache HDFS 2.6.0 Release. Apache HDFS 2.6.0 introdujo mejoras de rendimiento y nuevas características, manteniendo su posición como el principal sistema de archivos distribuidos que proporciona acceso de alto rendimiento a los datos de la aplicación. Apache HDFS, Apache HDFS - Wikipedia, Cloudera - HDFS 2014: Apache Zookeeper 3.4.6 Release. Apache Zookeeper 3.4.6 introdujo un mejor rendimiento y nuevas características, manteniendo su posición como el principal servicio centralizado para mantener la información de configuración, nombrar, proporcionar sincronización distribuida y proporcionar servicios de grupo. Apache Zookeeper, Apache Zookeeper - Wikipedia, Cloudera - Zookeeper 2014: Apache Avro 1.7.7 Release. Apache Avro 1.7.7 introdujo mejoras de rendimiento y nuevas características, manteniendo su posición como el principal marco de serialización de datos para Apache Hadoop. Apache Avro, Apache Avro - Wikipedia, Cloudera - Avro 2014: Apache Parquet 1.0.0 Release. Apache Parquet 1.0.0 introdujo mejoras de rendimiento y nuevas características, manteniendo su posición como el principal formato de almacenamiento de columnas para Apache Hadoop. Apache Parquet, Apache Parquet - Wikipedia, Cloudera - Parquet 2014: Apache ORC 1.0.0 Release. Apache ORC 1.0.0 introdujo un mejor rendimiento y nuevas características, manteniendo su posición como el principal formato de almacenamiento de columnas para Apache Hadoop. Apache ORC, Apache ORC - Wikipedia, Hortonworks - ORC 2014: Apache Thrift 0.9.3 Release. Apache Thrift 0.9.3 introdujo mejoras de rendimiento y nuevas características, manteniendo su posición como el marco de software líder para el desarrollo de servicios cross-language escalables. Apache Thrift, Apache Thrift - Wikipedia, Facebook - Thrift 2014: Apache Protocol Buffers 2.6.1 Release. Apache Protocol Buffers 2.6.1 introdujo un mejor rendimiento y nuevas características, manteniendo su posición como el principal mecanismo de lenguaje-neutral, plataforma-neutral, extensible para serializar datos estructurados. 2014: Apache Arrow 0.1.0 Release. Apache Arrow 0.1.0 introdujo un mejor rendimiento y nuevas características, manteniendo su posición como la capa de análisis de columnas líder en la memoria para sistemas de datos grandes. 2014: Apache Calcite 1.0.0 Release. Apache Calcite 1.0.0 introdujo mejoras de rendimiento y nuevas características, manteniendo su posición como el marco líder para la construcción de sistemas de gestión de bases de datos. Apache Calcite, Apache Calcite - Wikipedia, Hortonworks - Calcite 2014: Apache Drill 1.0.0 Release. Apache Drill 1.0.0 introdujo un mejor rendimiento y nuevas características, manteniendo su posición como el principal motor de consulta SQL libre de esquemas para Hadoop, NoSQL y almacenamiento en la nube. El sofisticado examen de la conciencia de la IA y el test de Turing de Alex Garland ganó el premio de la Academia para los efectos visuales y ofreció una exploración nuancada de la ética de la IA y la dinámica de género. 11 de febrero de 2015: Normalización de lotes.La técnica de Ioffe y Szegedy normalizó las entradas de capa que permiten la formación de redes mucho más profundas con tasas de aprendizaje más altas, logrando la misma precisión con 14 veces menos pasos de formación. ArXiv, ACM Digital Library, Semantic Scholar 10 de diciembre de 2015: ResNet Deep Networks. Kaiming Sus conexiones revolucionarias permitieron la formación de redes extremadamente profundas (152 capas), logrando un error del 3,57% en ImageNet y ganando ILSVRC 2015, cambiando fundamentalmente la arquitectura de la red neural. 14 de octubre de 2015: Lanzamiento de Tesla Autopilot.La primera asistencia de conducción de IA comercialmente desplegada utilizando redes neuronales trajo autonomía alimentada por IA a los vehículos de consumo, demostrando aplicaciones prácticas de IA en la seguridad del transporte. Tesla Oficial, Tesla Blog, HackerNoon - Conducción autónoma 9-15 de marzo de 2016: AlphaGo derrota a Lee Sedol. AlphaGo de DeepMind derrotó al campeón mundial Go 4-1, demostrando que la IA podía dominar juegos estratégicos complejos que antes se pensaban imposibles para los ordenadores, chocando a las comunidades de IA y Go en todo el mundo. 23 de marzo de 2016: Incidente de Microsoft Tay. el chatbot de Microsoft Tay se convirtió en ofensivo en 16 horas a través de trolling, demostrando los riesgos del aprendizaje de la IA de la interacción humana no curada y estableciendo la necesidad de prácticas de seguridad de IA. Noviembre 2016: Google Translate Neural System. Google cambió a la traducción automática neural reduciendo los errores en un 60% durante la noche, demostrando el poder transformador del aprendizaje profundo para la traducción de idiomas al servicio de miles de millones de usuarios. 12 de junio de 2017: ‘Attention Is All You Need’ Paper. Vaswani et al. introdujeron la arquitectura de Transformer, reemplazando la recurrencia completamente con los mecanismos de atención, convirtiéndose en la base para todos los grandes modelos de lenguaje modernos y revolucionando la IA. ArXiv, Wikipedia, ArXiv HTML Julio 2017: Debate de la IA de Musk vs. Zuckerberg. La rivalidad pública entre la advertencia de Elon Musk sobre el riesgo existencial de la IA y el optimismo de Mark Zuckerberg trajo preocupaciones de seguridad de la IA a los medios de comunicación mainstream, estableciendo dos campos en el discurso público de la IA. Pressbooks, The Guardian, HackerNoon - Debate de seguridad de la IA 5 de diciembre de 2017: AlphaZero Masters tres juegos. algoritmo único aprendió ajedrez, shogi y Go desde cero a través del auto-juego sin conocimiento humano, logrando rendimiento sobrehumano en los tres juegos en 24 horas. Wikipedia, IBM, TOPBOTS El transformador bidireccional de Google revolucionó la comprensión del lenguaje natural en 11 tareas de NLP y se integró en la búsqueda de 70 idiomas de Google para diciembre de 2019, sirviendo a miles de millones de personas. Febrero de 2019: GPT-2 'Too Dangerous' Release.El modelo de parámetro 1.5B de OpenAI fue inicialmente considerado 'demasiado peligroso para ser lanzado' debido a las capacidades de generación de texto, provocando debates mundiales sobre la seguridad de la IA y las prácticas de publicación responsables. 23 de octubre de 2019: Google logra la supremacía cuántica. el procesador Sycamore de Google realizó un cálculo en 200 segundos que llevaría a los supercomputadores clásicos 10.000 años, potencialmente acelerando ciertos cálculos de IA exponencialmente en el futuro. Wikipedia, Neptune.ai, Zapier El modelo de parámetro 175B de OpenAI demostró un aprendizaje sin precedentes con pocos disparos con evaluadores humanos de calidad de generación de texto que luchaban por distinguirse de la escritura humana, marcando una nueva era en las capacidades de IA. Viso.ai, Wikipedia, ArXiv Noviembre de 2020: AlphaFold 2 Protein Folding. DeepMind resolvió un gran desafío de 50 años en la biología con una precisión del 92,4% en la predicción de las estructuras de proteínas, potencialmente revolucionando el descubrimiento de fármacos y la investigación biológica en todo el mundo. 22 de octubre de 2020: Vision Transformer (ViT). El primer transformador puro aplicado directamente a las imágenes logró excelentes resultados frente a CNNs con menos recursos computacionales, marcando la transición exitosa de los transformadores de NLP a la visión por computadora. Timnit Gebru Firing. Google's firing of Ethical AI team co-lead over paper questioning large language models sparked industry-wide controversy about AI ethics research independence and corporate AI governance. , , December 2, 2020: The Verge MIT Technology Review Wired 5 de enero de 2021: DALL-E Text-to-Image.El modelo de parámetros 12B de OpenAI que genera imágenes a partir de descripciones de texto demostró una extraordinaria capacidad para combinar conceptos no relacionados de manera plausible, abriendo una nueva era de aplicaciones de IA multimodales. 29 de junio de 2021: GitHub Copilot. primera aplicación comercial importante de la generación de código de IA transformó las prácticas de desarrollo de software, demostrando la aplicación práctica de modelos de lenguaje grande para la asistencia de programación. 22 de julio de 2021: Lanzamiento de la base de datos AlphaFold. DeepMind lanzó más de 365.000 estructuras de proteínas expandiéndose a más de 200 millones para 2024, democratizando el acceso a las predicciones de la estructura de proteínas y acelerando la investigación biológica global. 22 de agosto de 2022: Estable difusión de código abierto.El primer modelo de generación de imagen de código abierto ampliamente accesible democratizó la creación de arte de IA, permitiendo a millones generar imágenes localmente y estimulando un crecimiento explosivo en las herramientas de creatividad de IA. DemandSage, Wisernotify, CBS News 30 de noviembre de 2022: Lanzamiento de ChatGPT. La IA de conversación de OpenAI alcanzó 1 millón de usuarios en 5 días y 100 millones en 2 meses, convirtiéndose en la aplicación de consumo con más rápido crecimiento en la historia y trayendo la IA a la conciencia principal. Agosto de 2022: AI Art Wins Competition. el 'Théâtre D'opéra Spatial' de Jason Allen, generado por Midjourney, ganó el concurso de arte de Colorado State Fair, provocando debates mundiales sobre la creatividad de la IA, la autenticidad artística y el futuro del trabajo creativo humano. 23 de enero de 2023: Microsoft invierte $ 10B en OpenAI. la inversión masiva de Microsoft en OpenAI creó una asociación tecnológica sin precedentes, integrando GPT en Office / Azure y estableciendo un nuevo modelo para la colaboración y la competencia de la IA de gran tecnología. 14 de marzo de 2023: GPT-4 Multimodal Launch.GPT-4 de OpenAI con capacidades de visión marcó mejoras significativas en el razonamiento, la creatividad y la comprensión multimodal, pasando los exámenes de bar y las pruebas de licencia médica en los niveles de expertos humanos. 29 de marzo de 2023: 'Pause Giant AI' Carta abierta. la carta del Future of Life Institute firmada por más de 30.000 personas, incluyendo a Musk y Bengio, pidiendo una pausa de entrenamiento de IA de 6 meses, desató debates mundiales sobre la gobernanza de la IA e influyó en la política en todo el mundo. 2023: Las empresas de IA alcanzan $ 1B + Valoraciones. Veinte startups de IA se convirtieron en unicornios en 2023 solo con valoraciones combinadas de más de $ 100 mil millones, demostrando la confianza sin precedentes de los inversores y estableciendo la IA como el sector tecnológico dominante. 30 de mayo de 2023: NVIDIA Hits $1 Trillion Market Cap. NVIDIA se convirtió en el primer fabricante de chips en alcanzar una valoración de $1 trillón impulsada por la demanda de chips de IA, más tarde alcanzando $3 trillones en 2024, demostrando el enorme impacto económico de la IA en la industria del hardware. 11 de julio de 2023: Claude 2 100K Contexto. el Claude 2 de Anthropic con una ventana de contexto de 100,000 token permitió el procesamiento de libros enteros en un solo mensaje, demostrando nuevas posibilidades para el análisis y el razonamiento de documentos de forma larga. 18 de julio de 2023: Meta Llama 2 Open Source. Meta lanzó modelos Llama 2 (7B-70B parámetros) para uso comercial, democratizando el acceso a las capacidades de inteligencia artificial fronteriza y desafiando el dominio del modelo de código cerrado. Meta AI Blog, Hugging Face, ArXiv Julio 2023: Interpretación de Código (GPT-4). El Interpretación de Código de OpenAI permitió a ChatGPT ejecutar el código de Python y analizar los datos, transformándolo de un generador de texto a un solucionador de problemas computacionales utilizado por millones para el análisis. 30 de octubre de 2023: Orden Ejecutiva de Biden sobre la IA. La primera regulación federal de IA importante de Estados Unidos requirió pruebas de seguridad y informes para poderosos sistemas de IA, estableciendo un marco de supervisión del gobierno e influyendo en los enfoques globales de gobernanza de IA. Casa Blanca, Brookings, MIT Technology Review 1 de noviembre de 2023: Microsoft Copilot en Office 365. la integración de la IA a través de Word, Excel, PowerPoint trajo la IA generativa a cientos de millones de usuarios de Office a $ 30 / mes, marcando la mayor implementación de IA empresarial en la historia. 6 de diciembre de 2023: Gemini Multimodal Model. el Gemini de Google coincidió con el rendimiento de GPT-4 mientras que era multimodal desde el fondo, procesando texto, imágenes, vídeo y audio nativamente, avanzando hacia una comprensión más humana de la IA. Google DeepMind Blog, Nature, MIT Technology Review 27 de diciembre de 2023: NYT demanda OpenAI. Nueva York Times demanda por violación de derechos de autor usando millones de artículos para la formación levantó preguntas fundamentales sobre los derechos de datos de formación de IA, el uso justo y la compensación de los creadores de contenido. NYT Legal Filing, NPR, Columbia Journalism Review 15 de febrero de 2024: Sora Video Model Anunciado.Sora de OpenAI generó videos fotorrealistas de un minuto a partir de texto, estableciendo nuevos estándares para la calidad de vídeo de IA y levantando preocupaciones sobre deepfakes y desinformación. 4 de marzo de 2024: Claude 3 Opus. el Claude 3 Opus de Anthropic coincidió o superó el GPT-4 en la mayoría de los parámetros, manteniendo las propiedades de seguridad fuertes, intensificando la competencia en el desarrollo de modelos fronterizos. 13 de mayo de 2024: Modelo Omni GPT-4o. El GPT-4o de OpenAI proporcionó interacción en tiempo real de voz, visión y texto con tiempos de respuesta similares a los humanos, marcando un paso significativo hacia la conversación natural humano-IA. El 1 de agosto de 2024 entra en vigor la primera regulación global de IA del mundo con un enfoque basado en riesgos y prohibiciones sobre ciertos usos de IA, estableciendo un precedente mundial para la gobernanza de IA y los requisitos de cumplimiento. 23 de julio de 2024: Parámetros Llama 3.1 405B. El modelo de parámetros 405B de código abierto de Meta coincidió con el rendimiento de código cerrado, democratizando las capacidades de IA fronteriza y demostrando que el código abierto puede competir con los modelos propietarios. Octubre 2024: OpenAI Valorado en $ 157 mil millones.La valoración de OpenAI alcanzó $ 157 mil millones en la última ronda de financiación, convirtiéndola en una de las compañías privadas más valiosas del mundo y demostrando la transformación de la IA en una gran fuerza económica. Agosto de 2024: ChatGPT alcanza los 200 millones de usuarios semanales. ChatGPT duplicó los usuarios de 100 millones a 200 millones en menos de un año con 5,72 mil millones de visitas mensuales, demostrando un crecimiento sostenido sin precedentes y la IA se está convirtiendo en parte integral de la vida cotidiana a nivel mundial. 2025: Un billón de usuarios usan Google AI Daily. los servicios de IA de Google alcanzaron mil millones de usuarios activos diarios en Search, Gmail, Maps y otros productos, marcando la integración completa de la IA en la infraestructura digital diaria que sirve a la humanidad en una escala sin precedentes. ¿Hemos perdido algún acontecimiento clave que tenga importancia para el presente y el futuro de la IA y el papel de la humanidad en ella? . La timeline de la historia de AI