Introducción general

Desde que la humanidad cuenta historias, sueña con insuflar pensamiento a la materia inerte: estatuas que cobran vida, golems de arcilla, autómatas de cobre. Durante mucho tiempo, ese sueño perteneció al mito. Luego, a mediados del siglo XX, se convirtió en una disciplina científica. Y desde el cambio de la década de 2020, se ha convertido en una realidad industrial que transforma, semana tras semana, la manera en que trabajamos, curamos, creamos y hacemos la guerra.

La inteligencia artificial designa el conjunto de técnicas que permiten a las máquinas realizar tareas que, llevadas a cabo por seres humanos, requerirían «inteligencia»: comprender un texto, reconocer un rostro, conducir un coche, demostrar un teorema, mantener una conversación. Es una definición deliberadamente difusa, y esa imprecisión no es un defecto, sino una característica del tema. Lo que llamamos «inteligente» se desplaza sin cesar: ayer, jugar al ajedrez al más alto nivel parecía la cumbre de la inteligencia; hoy es una funcionalidad que se descarga gratis. Los investigadores lo llaman el «efecto IA»: en cuanto una máquina sabe hacer algo, dejamos de considerar esa cosa como inteligencia.

Este curso se organiza en torno a una bisagra histórica. Durante sesenta años (1956-2017), la IA avanzó a trompicones, alternando promesas exaltadas e «inviernos» de desilusión. Dos grandes familias de enfoques se sucedieron y se enfrentaron: la IA simbólica, que pretendía reproducir el razonamiento mediante reglas explícitas, y la IA conexionista, que buscaba imitarlo inspirándose en el cerebro, a base de redes neuronales alimentadas con datos.

En 2017, una publicación científica de título provocador («La atención es todo lo que necesitas») introduce una nueva arquitectura, el Transformer. Nadie, en aquel momento, calibra su alcance. Cinco años más tarde, en noviembre de 2022, un producto construido sobre esa arquitectura, ChatGPT, alcanza cien millones de usuarios en dos meses, la adopción más rápida en la historia de una tecnología de consumo masivo. El mundo descubre los grandes modelos de lenguaje (en inglés Large Language Models, o LLM): sistemas capaces de escribir, programar, traducir y razonar a un nivel que impone respeto e inquieta al mismo tiempo.

Todo este curso puede leerse como el relato de ese vuelco y de sus consecuencias:

¿Cómo ha podido una idea sencilla (predecir la palabra siguiente) producir máquinas que parecen comprender? ¿Y qué significa eso para la ciencia, el trabajo, la guerra, el planeta y, quizá, el futuro de nuestra especie?

Un hilo conductor recorre todo el documento. A medida que estos sistemas se vuelven más capaces, la cuestión de su control se torna más acuciante. Son las dos caras de una misma moneda:

• En el lado luminoso: proteínas plegadas por ordenador que abren la vía a nuevos medicamentos; diagnósticos médicos más tempranos; descubrimientos matemáticos inéditos; una productividad multiplicada por diez.
• En el lado oscuro: empleos amenazados; una factura energética colosal; armas autónomas; una desinformación industrializada; y, en el horizonte, la pregunta vertiginosa de si los sistemas más inteligentes que nosotros seguirán alineados con nuestras intenciones.

Ni el relato puramente entusiasta («la IA lo va a resolver todo») ni el relato puramente catastrofista («la IA va a destruirnos») hacen justicia a la realidad. Este curso se esfuerza por sostener ambos extremos a la vez.

Para situar el escenario (cada punto se desarrolla en detalle en los capítulos correspondientes):

• La vanguardia está en manos de un puñado de laboratorios. Del lado estadounidense, Anthropic (modelos Claude), OpenAI (GPT), Google DeepMind (Gemini) y xAI (Grok); del lado chino, DeepSeek, Qwen (Alibaba), Moonshot y otros, a menudo en pesos abiertos y a muy bajo coste; del lado europeo, la francesa Mistral porta la bandera de la soberanía. La clasificación cambia cada mes, y la lección de 2026 es que ya no existe un mejor modelo, sino un mejor modelo para cada tarea.
• La IA se ha vuelto agéntica. Ya no nos limitamos a conversar con un modelo: le confiamos objetivos, y actúa: escribe código, navega por la web, manipula software. Es el paso del «copiloto» al «empleado digital».
• La robótica ha salido del laboratorio. En 2026, robots humanoides trabajan realmente en fábricas (Figure en BMW, Atlas de Boston Dynamics en Hyundai), mientras plataformas chinas como Unitree los venden a 16 000 dólares. Ya no es una demostración: es un mercado naciente.
• La regulación se está implantando. El reglamento europeo sobre la IA (AI Act) da un paso decisivo el 2 de agosto de 2026, fecha en la que entra en vigor lo esencial de sus obligaciones.
• El debate sobre la AGI se ha intensificado. Los dirigentes de los grandes laboratorios afirman públicamente aspirar a una «inteligencia artificial general» en los próximos años. Escenarios prospectivos detallados, como AI 2027, describen una posible aceleración vertiginosa, que otros consideran exagerada. Volveremos sobre ello sin complacencia ni catastrofismo.

Partiremos de los cimientos (Parte I): la historia anterior a los LLM, luego la mecánica del aprendizaje automático, hasta la revolución del Transformer. A continuación entraremos en la era de los grandes modelos (Parte II): LLM, modelos del mundo, agentes y el mapa de los actores. Bajaremos a la sala de máquinas con el hardware y la infraestructura (Parte III): chips, centros de datos, IA local, energía. Exploraremos las grandes convergencias (Parte IV): cadena de bloques, cuántica, robótica. Veremos la IA en acción en el mundo real (Parte V): salud, trabajo, derecho, defensa. Por último, afrontaremos los desafíos existenciales (Parte VI): alineación, seguridad, gobernanza y futuros posibles.

Que disfrute de la lectura.

---