Especialistas que entrevistaban a expertos humanos — médicos, geólogos, químicos — y traducían a mano su saber en miles de reglas si-entonces para sistemas expertos como MYCIN y XCON. El oficio desapareció en gran medida cuando los sistemas expertos resultaron demasiado frágiles y caros de mantener, y el aprendizaje automático estadístico sustituyó las reglas escritas a mano por reglas aprendidas automáticamente a partir de datos.
Ingeniero del conocimiento ya no existe como oficio vivo. Aquí qué lo borró y qué profesión tomó el relevo.
La idea y el nombre
El artículo de 1943 de Warren McCulloch y Walter Pitts que modelaba las neuronas como interruptores lógicos simples dio a investigadores posteriores un punto de partida matemático, y la propuesta de 1950 de Alan Turing de una prueba práctica de inteligencia de máquina dio a la pregunta una forma pública. Ambas ideas alimentaron el taller de Dartmouth de 1956, donde John McCarthy y tres colegas acuñaron «inteligencia artificial» para una reunión de verano que produjo mucho menos progreso técnico del que esperaban sus organizadores, pero nombró de forma permanente el campo que acababan de fundar.
Qué más pasaba entonces
Warren McCulloch y Walter Pitts publican «A Logical Calculus of the Ideas Immanent in Nervous Activity», mostrando que redes de neuronas simplificadas, de todo o nada, podían en principio computar cualquier función lógica — una semilla teórica acreditada más tarde como antepasado de la red neuronal artificial.
En «Computing Machinery and Intelligence», publicado en la revista Mind, Alan Turing elude la pregunta «¿pueden pensar las máquinas» y propone en su lugar una prueba práctica, prediciendo que en cincuenta años una máquina con unos mil millones de bits de almacenamiento engañaría a un interrogador medio al menos el 30% de las veces.
El taller de verano de ocho semanas de John McCarthy, Marvin Minsky, Nathaniel Rochester y Claude Shannon en Dartmouth acuña el término «inteligencia artificial» y reúne a unos diez investigadores que fundarían gran parte de la agenda temprana de investigación del campo.
El Perceptrón de Frank Rosenblatt, implementado primero en software y luego en hardware a medida en Cornell, aprende a clasificar imágenes simples ajustando sus propios pesos de conexión — la primera demostración operativa de una red neuronal artificial entrenable.
Dónde vive ese trabajo ahora
Diseña y prueba los algoritmos detrás de la inteligencia de máquina, en un campo que ahora corre a automatizar una parte creciente de su propio proceso de investigación.
🤖 Investigador en IA →