-
Primer trabajo de IA
Warren McCulloch y Walter Pitts desarrollan el modelo de una neurona artificial, estableciendo las bases teóricas para la simulación de procesos neuronales en máquinas. -
Aprendizaje Hebbiano
Donald Hebb formula la regla de aprendizaje Hebbiana, que sugiere que la eficacia sináptica entre dos neuronas aumenta si son activadas simultáneamente. -
Prueba de Turing
Alan Turing propone la prueba de Turing, una evaluación de la capacidad de una máquina para exhibir comportamiento inteligente similar al humano. -
SNARC - Primer computador con redes neuronales
Marvin Minsky y Dean Edmonds construyen el primer computador con redes neuronales, demostrando la viabilidad de implementar conceptos biológicos en sistemas artificiales. -
Programa de juego de damas
Arthur Samuel, desarrolló el programa de juego de damas que se considera uno de los primeros ejemplos de aprendizaje automático en la historia de la informática. Samuel implementó un algoritmo que permitió a la máquina mejorar su rendimiento en el juego mediante la experiencia acumulada. El programa de Samuel aprendió a jugar damas a través de la práctica continua, mejorando sus movimientos basándose en la retroalimentación de las partidas jugadas. -
Conferencia de Dartmouth
Organizada por John McCarthy, Marvin Minsky, Nathaniel Rochester y Claude Shannon, esta conferencia reunió a investigadores interesados en la creación de programas que pudieran imitar la inteligencia humana. Fue aquí donde se acuñó el término "Inteligencia Artificial" (IA) y se delinearon las metas y objetivos del campo. -
Lenguaje de Programación LISP (List Processing):
John McCarthy desarrolla el lenguaje de programación LISP, diseñado para la manipulación de listas y utilizado en investigación en inteligencia artificial. LISP se convirtió en un lenguaje clave en el desarrollo de sistemas expertos y representación del conocimiento, además aún es utilizado. -
Logic Theorist
Herbert A. Simon y Allen Newell desarrollan el programa de lógica de sentido común, un programa de inteligencia artificial que simula el razonamiento humano. Este programa fue capaz de demostrar teoremas matemáticos de manera automática, utilizando reglas lógicas y heurísticas. -
Publicación de Programs with Common Sense
Descripción: John McCarthy publica el artículo "Programs with Common Sense", donde explora la idea de construir programas que puedan exhibir sentido común y razonamiento lógico. McCarthy aborda cuestiones fundamentales relacionadas con la representación del conocimiento y la toma de decisiones en sistemas artificiales, sentando las bases para el desarrollo de sistemas más avanzados en el futuro. -
Programa SAINT
Richard C. Schank y su equipo desarrollan SAINT (Semantic Analysis for INteractive Teaching), un programa para analizar y entender oraciones en lenguaje natural, permitiendo interacción a través de preguntas y respuestas. -
Fundación del Laboratorio de Inteligencia Artificial en Stanford:
Marvin Minsky, junto con John McCarthy y otros, co-funda el Laboratorio de Inteligencia Artificial en la Universidad de Stanford. Este laboratorio se convierte en un centro influyente para la investigación y el desarrollo de la inteligencia artificial, atrayendo a muchos investigadores destacados y contribuyendo significativamente al progreso del campo. -
Proyecto Shakey
El Proyecto Shakey fue liderado por Charles Rosen y Peter Hart en el Laboratorio de Inteligencia Artificial de Stanford. Shakey era un robot móvil equipado con cámaras de televisión, un brazo mecánico y sensores. Su objetivo era demostrar la capacidad de un robot para percibir su entorno, tomar decisiones autónomas y realizar tareas en un entorno complejo -
Programa STUDENT
Desarrollo del programa STUDENT (STudent Using Novice Data Exploration Tools) por Albert Corbett y John Anderson como un tutor inteligente para álgebra elemental. -
Programa ANALOGY
Douglas Hofstadter y Melanie Mitchell desarrollan ANALOGY, centrado en el razonamiento analógico y la resolución de problemas mediante la identificación de analogías entre situaciones. -
Teoría de Aprendizaje de Patrick Winston
Patrick Winston propone su teoría de aprendizaje, influyendo en la comprensión de cómo los sistemas pueden adquirir conocimiento. -
Proyecto de Visión de David Huffman
David Huffman trabaja en un proyecto de visión, explorando cómo las computadoras pueden interpretar y comprender información visual. -
Programa para la Comprensión del Lenguaje Natural de Terry Winograd
Terry Winograd desarrolla un programa para la comprensión del lenguaje natural, contribuyendo al avance en este campo. -
Informe de Lighthill
James Lighthill presenta un informe crítico sobre el estado de la inteligencia artificial, influyendo en la financiación y dirección futura de la investigación en este campo. -
Planificador de Scott Fahlman
Scott Fahlman trabaja en el desarrollo de un planificador, explorando la capacidad de las máquinas para planificar y tomar decisiones. -
Visión y Trabajo de Propagación con Restricciones de David Waltz
David Waltz contribuye al campo de la visión por computadora y la propagación de restricciones. -
Hipótesis del sistema de símbolos físicos
Publicación de "Human Problem Solving" por Allen Newell y Herbert A. Simon, donde presentan la hipótesis del sistema de símbolos físicos, influyendo en la dirección de la investigación en inteligencia artificial hacia el procesamiento simbólico y la resolución de problemas. -
Proyecto Japonés Quinta Generación
Japón inicia el proyecto Quinta Generación para desarrollar tecnologías avanzadas de inteligencia artificial. -
John Hopfield
John Hopfield propone las redes neuronales hopfieldianas, marcando el regreso del interés en las redes neuronales. -
Invierno de la IA
La IA experimenta un período de desilusión y reducción de fondos de investigación, conocido como el "invierno de la IA". -
Paralel Distributed Processing de Rumelhart y McClelland
David Rumelhart y James McClelland publican "Parallel Distributed Processing", contribuyendo al renacimiento de las redes neuronales. -
Probabilistic Reasoning in Intelligent Systems de Judea Pearl
Judea Pearl publica su influyente libro sobre razonamiento probabilístico en sistemas inteligentes. -
Smolensky
Stephen Smolensky propone conexiones paralelas masivas en redes neuronales, contribuyendo al avance en el campo. -
Cohen
Paul Cohen publica "Empirical Methods for Artificial Intelligence", contribuyendo al enfoque científico en la IA. -
David McAllester
David McAllester contribuye a la teoría de aprendizaje computacional y al desarrollo de algoritmos. -
2000s - Presente: Desarrollos Actuales en IA
La IA experimenta un resurgimiento, con avances notables en aprendizaje profundo, procesamiento del lenguaje natural, visión por computadora y sistemas inteligentes en diversas aplicaciones. La IA se convierte en una parte integral de la vida cotidiana y la industria.