Un campamento de verano frenético 70 años atrás: el origen oculto de la IA y su versión argentina

“Creíamos que podríamos resolver el dilema de la inteligencia artificial en un verano”, comentó años después John McCarthy, con una mezcla de nostalgia y humor. En 1956, él y un grupo selecto de científicos se congregaron en Dartmouth College con la ambición de crear máquinas capaces de pensar. Lo que sucedió durante esos dos meses transformó la historia.

Dos años antes, en 1954, McCarthy asumió el rol de profesor adjunto de matemáticas en Dartmouth College, situado en Hanover, Nueva Hampshire. Su interés por la inteligencia artificial, aunque el término aún no existía, se encendió en 1948 al asistir al Simposio Hixon sobre Mecanismos Cerebrales en el Comportamiento. Salió de esa experiencia cautivado, convencido de que ahí yacía el futuro de la informática y su propia vocación.

Hasta entonces, la noción de que una máquina pudiera aprender o razonar era más una fantasía que una realidad académica. McCarthy se propuso cambiar esa visión. Consideró que era urgente poner claridad en el debate que comenzaba a cobrar fuerza sobre el tema, y la primera medida que tomó fue elegir un término: “Inteligencia Artificial”. Escogió esta nomenclatura no solo por su sonoridad, sino también por estrategia: evito términos como “cibernética” o “teoría de autómatas”, que lo vincularían a figuras prominentes como Norbert Wiener. McCarthy deseaba fundar su propio camino, sin ser seguidor de ningún gurú.

El siguiente paso fue encontrar cómplices. Durante un verano en IBM, McCarthy se reunió con Nathaniel Rochester, ingeniero principal de la compañía, Claude Shannon, pionero de la teoría de la información, y Marvin Minsky, un joven matemático del MIT especializado en redes neuronales. Los cuatro compartían una visión común: creían que las máquinas podían emular el pensamiento humano, pero requerían recursos financieros. Así, en agosto de 1955, elaboraron una propuesta que enviaron a la Fundación Rockefeller.

“Sugerimos que durante el verano de 1956 se realice en Dartmouth College un estudio de dos meses para diez personas. Este estudio parte de la conjetura de que cualquier aspecto del aprendizaje o de la inteligencia puede describirse con suficiente precisión para fabricar una máquina que lo simule. Se intentará descubrir cómo crear máquinas que usen el lenguaje, formulen abstractions y conceptos, resuelvan problemas típicamente humanos y se mejoren a sí mismas. Creemos que es posible lograr un avance significativo en uno o más de estos temas si un grupo selecto de científicos colabora durante un verano”.

Para este estudio, puntualizaban, consideraban que la inteligencia artificial se manifestaba en el comportamiento de las máquinas de maneras que se considerarían inteligentes si les correspondiera a los humanos. Aunque parecía una simple vuelta de palabras, realmente tenía sentido.

Al conseguir financiamiento, en el verano de 1956 un grupo de científicos se reunió en Dartmouth. McCarthy y sus colegas se dedicaron a seleccionar con cuidado a los participantes en el proyecto. Invitaron a expertos que marcarían el futuro de la computación: Arthur Samuel, pionero en aprendizaje automático en IBM; Oliver Selfridge, especialista en percepción de máquinas en el MIT; Ray Solomonoff, matemático y creador de la teoría algorítmica de la información; Allen Newell y Herbert Simon, investigadores de Carnegie Mellon que desarrollarían el primer programa funcional de inteligencia artificial; y Alex Bernstein, un experto en programación de ajedrez.

Desde el primer día, los debates fueron intensos. El objetivo central era construir máquinas que pudieran razonar, aprender y resolver problemas. Newell y Simon presentaron su programa para demostrar teoremas lógicos, mientras que Bernstein trabajaba en un software de ajedrez. McCarthy, por su parte, aspiraba a crear un lenguaje artificial que permitiera a las computadoras procesar conocimiento de una forma similar a un humano.

El término “Inteligencia Artificial” no era del agrado de todos. Arthur Samuel lo consideraba exagerado e incluso pretencioso. Newell y Simon preferían la denominación de “procesamiento complejo de información”. Sin embargo, el término de McCarthy se impuso, quizás por su atractivo comercial, convirtiéndose con el tiempo en la referencia universal del ámbito.

Las jornadas eran agotadoras. Los participantes permanecían despiertos hasta altas horas de la noche, discutiendo sobre cómo conseguir que las máquinas aprendieran y tomaran decisiones. “La Conferencia de Dartmouth convocó a individuos que pensaban en ideas similares, pero que nunca habían tenido contacto previo”, recordaría más tarde Marvin Minsky.

Alrededor de las mesas de discusión y en las charlas informales, se respiraba un entusiasmo contagioso. “La percepción que me quedó de la Conferencia de Dartmouth fue el notable optimismo respecto al futuro de la IA”, comentaría Ray Solomonoff. El grupo aspiraba a resolver en pocos días problemas que requerirían décadas de investigación, muchos de los cuales siguen abiertos a día de hoy.

La dura realidad no tardó en aparecer. Rápidamente se dieron cuenta de que resolver el enigma de la inteligencia no sería tarea de un verano, pero comenzaron a cosechar resultados. En diciembre de 1956, Newell y Simon anunciaron la creación de una “máquina pensante”: el programa Logic Theorist (LT), diseñado para demostrar teoremas matemáticos. Este fue un primer avance tangible hacia la inteligencia artificial moderna, aunque aún quedaban numerosos desafíos por enfrentar.

El taller de Dartmouth no brindó respuestas definitivas, pero estableció las bases para un campo que, décadas después, -muchas décadas después- revolucionaría el mundo. La tecnología pasó de ser un concepto abstracto a una realidad tangible, aunque fuese en teoría. El sueño de McCarthy y sus colegas estaba lejos de concretarse, pero al menos habían cumplido su cometido: la inteligencia artificial había llegado al mundo.

Todo comenzó con una apuesta audaz, casi fantasiosa: comprender la inteligencia lo suficiente como para replicarla en una máquina. Setenta años más tarde, esta tecnología ha dado pasos gigantescos, especialmente después de que OpenAI lanzara ChatGPT, que ahora es parte integral de la vida cotidiana en diversas partes del mundo.

La inteligencia artificial avanza entre promesas, límites y sorpresas que ni siquiera sus propios creadores, llenos de optimismo, hubiesen anticipado. El Proyecto de Investigación de Verano de Dartmouth de 1956 no solo introdujo un nuevo campo de estudio, sino que lo formó de manera significativa. Al reunir a matemáticos, psicólogos y científicos de la computación, se sentaron las bases para una disciplina que, hasta ese momento, carecía de un nombre propio. Surgieron conceptos fundamentales, como la noción de que una máquina puede aprender, razonar y resolver problemas con cierto nivel de autonomía. También emergió un abrumador entusiasmo. Creían que en pocos años se lograrían avances radicales. Sin embargo, la realidad fue mucho más complicada.

Setenta años después del taller, James Dobson lidera el programa de escritura creativa en Dartmouth y tiene un especial interés por la IA. En una entrevista con Infobae, el profesor señala que en sus clases la historia de la IA no solo se menciona, sino que se analiza a fondo. “Reflexionamos sobre la magnitud de la propuesta original, sus ambiciones y sus limitaciones. En particular, nos detenemos en la confianza con la que los participantes sostenían que un estudio de dos meses podría generar un avance significativo en inteligencia artificial. Esa mezcla de visión y audacia aún caracteriza al campo”, afirmó.

Algunas ideas planteadas en 1956, pueden considerarse proféticas, se confirmaron con el tiempo. Las redes neuronales, que en ese entonces eran solo una de las muchas posibilidades, ahora dominan el desarrollo de la inteligencia artificial moderna. La idea de crear programas que generen otros programas se hizo realidad con la llegada de asistentes de código basados en modelos de lenguaje. Y el lenguaje, que en la propuesta original solo era un punto de interés, se ha convertido en la piedra angular del avance tecnológico, como lo evidencian sistemas como ChatGPT o Gemini.

Aun así, hubo errores de cálculo. “Cuando afirmaron que ‘todo aspecto de la inteligencia podría ser descrito con precisión y replicado en una máquina’, nunca imaginaron que sería tan complejo. Aún hoy, los modelos más avanzados requieren intervención humana para mejorar, corregir y ajustar su funcionamiento”, explicó Dobson. La inteligencia sigue siendo un concepto complejo, difícil de definir y aún más complicado de imitar.

El optimismo desbordante no se desvaneció del todo con el tiempo. En los años siguientes, pioneros como Herbert Simon y Marvin Minsky realizaron predicciones que hoy parecen ingenuas. Simon proclamó en 1965 que, en 20 años, las máquinas podrían realizar cualquier trabajo que un humano pudiera hacer. Minsky pronosticó en 1967 que en una generación se resolvería el enigma de la inteligencia artificial. Ninguna de esas expectativas se concretó.

Si los participantes originales de 1956 observaran el estado actual de la inteligencia artificial, probablemente se sorprenderían por varios aspectos. Eugene Santos, director del programa de maestría en Ingeniería de Dartmouth, considera que la mayor sorpresa sería el impacto de los modelos de lenguaje y su uso como chatbots. “No habrían anticipado que la interacción con la IA se daría de esta manera, ni que la comunicación sería el eje de tantas aplicaciones”, expuso. También les llamaría la atención la complejidad de los desafíos relacionados con la autonomía, evidenciados en los vehículos autónomos y los muchos problemas que aún persisten.

Otra revelación sería el rol que juegan los datos hoy en día. En 1956, la inteligencia artificial se concebía más como un reto lógico y matemático. Hoy, gran parte del éxito de los sistemas actuales se basa en su capacidad para procesar enormes volúmenes de información. Les asombraría ver que podemos entrenar modelos usando datos no estructurados, ruidosos e incluso contradictorios, y que aun así logran resultados impresionantes. Sin embargo, también notarían que los sistemas modernos enfrentan dificultades difíciles de resolver, desde alucinaciones hasta sesgos inesperados”, comentó Santos.

Para el 50° aniversario del campamento, más de 100 investigadores y académicos se reunieron nuevamente en Dartmouth para el evento AI@50. No solo fue un homenaje al pasado, sino también una evaluación del presente y una plataforma para vislumbrar el futuro. Se discutieron los avances, limitaciones y nuevos caminos para la inteligencia artificial, con McCarthy y varios de sus colegas aún presentes.

Para Sandra Peter, profesora en la Universidad de Sydney y experta en la genealogía de la IA, el legado de la Conferencia de Dartmouth es complicado. “Por una parte, su visión sigue siendo fundamental para la IA actual. Quisieron que las máquinas usaran el lenguaje, formaran conceptos y resolvieran problemas, y eso sigue siendo el objetivo. Sin embargo, su confianza en que podían descifrar la inteligencia en un solo verano ha dejado una huella en el campo: la tendencia al optimismo desmedido y a subestimar los retos presentes, sigue siendo un rasgo de la comunidad científica”, advirtió en respuesta a una consulta de Infobae.

La especialista sostiene que muchas de las preguntas abiertas que surgieron en aquella reunión de 1956 permanecen sin respuesta. Aún no tenemos una comprensión completa de lo que es la inteligencia ni de cómo replicarla. Y seguimos lidiando con los mismos dilemas éticos sobre el impacto de la automatización en la sociedad”, agregó.

Setenta años después del proyecto de investigación, la inteligencia artificial continúa en desarrollo. Como señala Peter, los pioneros de Dartmouth se sorprenderían al observar el panorama actual. Los admiraría la presencia omnipresente de la IA en nuestras vidas, así como el formidable poder de los sistemas que operan en dispositivos pequeños, que son millones de veces más potentes que las computadoras de tamaño monumental que utilizaban.

Recientemente, entre el 11 y el 13 de febrero, casi siete décadas después del histórico verano en Dartmouth, un grupo de líderes argentinos se reunió en el campus de la Universidad de San Andrés con un objetivo similar: debatir sobre el futuro de la inteligencia artificial. Durante tres días de intensa discusión, buscaron replicar el espíritu pionero de aquella conferencia de 1956, adaptándola a los desafíos que enfrenta América Latina.

La organización del evento estuvo a cargo de los profesores Fredi Vivas y Augusto Salvatto, junto con Ariel Urcola, director de educación ejecutiva de la Universidad. Durante esos tres días, empresarios e investigadores se agruparon en las instalaciones del campus para reflexionar y debatir sobre el futuro del trabajo. Conscientes del vertiginoso avance de la tecnología, los participantes coincidieron en la necesidad de establecer una guía clara que asegurara que la IA se utilizará como una herramienta de progreso, y no como un factor que genere desigualdad o incertidumbre en las organizaciones latinoamericanas.

“Confío en que existe una IA en la que podamos confiar, diseñada para potenciar el desarrollo humano y generar un impacto positivo en la sociedad. La IA no debería ser solo una herramienta tecnológica, sino un catalizador del progreso, la competitividad y el bienestar en el ámbito empresarial en la región”, enfatizó Vivas en diálogo con Infobae.

El resultado de esta experiencia se materializó en una declaración de cinco principios clave:

1) IA como motor de competitividad en América Latina: la inteligencia artificial debe ser una herramienta para mejorar la competitividad de las empresas en la región. Su adopción estratégica permitirá optimizar procesos, generar soluciones innovadoras y abrir nuevas oportunidades en un entorno cada vez más globalizado.

2) Potenciación de la inteligencia humana a través de la IA: en vez de suplantar el talento humano, la IA debe expandirlo y complementarlo. Fomentar un “AI Growth Mindset” asegurará que las personas permanezcan relevantes en un mundo laboral en constante evolución.

3) Cultura de experimentación organizacional: las empresas y organizaciones deben adoptar una mentalidad de prueba constante. Experimentar, medir y ajustar serán esenciales para innovar de forma sostenible. Probar hipótesis, desafiar suposiciones y crear un ambiente donde los errores se vean como oportunidades de aprendizaje.

4) IA transparente, ética y centrada en el ser humano: la confianza en la inteligencia artificial dependerá de su capacidad para ser explicable, justa y alineada con principios éticos. Los participantes del evento enfatizaron la necesidad de que la IA no reproduzca sesgos y de promover equipos diversos durante su desarrollo y aplicación.

5) Colaboración y gobernanza compartida: la IA no puede desarrollarse en un vacío. Su implementación efectiva exigirá trabajo conjunto entre empresas, gobiernos, instituciones académicas y la sociedad civil. Solo mediante un diálogo multilateral se podrán establecer marcos de gobernanza que mantengan un equilibrio entre innovación y regulación.

El manifiesto para sus promotores no es solo una declaración de principios, sino un llamado a la acción. Los organizadores dejaron claro que no desean que estas ideas queden solo en la teoría, sino que reflejen cambios concretos en las organizaciones de la región.

Setenta años después, el espíritu del campamento de Dartmouth sigue vivo. Si en 1956 un grupo de investigadores con una visión audaz sentó las bases de la IA moderna, en 2025 se busca, desde Latinoamérica, al menos imaginar un futuro donde la IA sea un motor de avance y bienestar.