Tras el nacimiento de la inteligencia artificial como disciplina en los años 50, ésta fue intercalando fases de rápidos avances tecnológicos con otros de desesperanzador estancamiento. Puede parecer extraño, pero en los años 50 existía un gran optimismo sobre las capacidades de la IA... porque ya entonces habían sido capaces de lograr que una computadora jugase a las damas y fuera capaz de aprender de sus propios errores.

Pero en campos como el procesamiento del lenguaje natural (básico para el desarrollo de los chatbots, la traducción automática, la síntesis de voz, etc) el avance fue lento durante mucho tiempo: las redes neuronales recurrentes (RNN) se desarrollaron ya en los 80 pero, además de destacar por su lento proceso de entrenamiento, su arquitectura no era la óptima para manejar grandes secuencias de palabras, pues hacían gala de una memoria a corto plazo que provocaba que las fueran olvidando.

En 1997 llegaron las redes neuronales LTSM (Long Short-Term Memory), que mejoraban el 'recuerdo' de los elementos de la secuencia, sin embargo, las secuencias excesivamente largas (ya no hablemos de conversaciones completas) seguían presentando problemas. Además, tanto las RNN como las LTSM se basaban en el procesamiento palabra a palabra, no en paralelo, lo que complicaba que la IA fuera capaz de 'comprender' el contexto de las frases.

En Xataka

Conceptos de inteligencia artificial: qué son las GANs o redes generativas antagónicas

Google lo cambió todo en 2017

…