Hitos de la inteligencia artificial y la computación, de la máquina de Turing a hoy. Cada hito cita sus fuentes y declara su nivel de certeza: lo disputado se lee como disputado, no como hecho establecido.
100 hitos en total.
En “On Computable Numbers, with an Application to the Entscheidungsproblem”, Alan Turing introduce una máquina abstracta capaz de leer, escribir y seguir cualquier instrucción codificada en cinta: la “máquina universal”. El trabajo resolvía un problema formal de lógica matemática, pero su legado es haber mostrado que una sola máquina, cambiando de programa, puede computar cualquier cosa que sea computable.
En “Computing Machinery and Intelligence”, Turing evade la pregunta “¿pueden pensar las máquinas?” y la reemplaza por un juego de imitación: si un juez no logra distinguir a la máquina de un humano en una conversación escrita, conviene decir que la máquina “piensa”. El artículo sigue siendo la formulación de referencia —y la principal diana de críticas— para discutir cómo reconoceríamos la inteligencia artificial.
El Dartmouth Summer Research Project on Artificial Intelligence reunió en 1956, durante varias semanas, a los investigadores que darían forma al campo. En la propuesta de 1955 —firmada por McCarthy, Minsky, Rochester y Shannon— se acuñó el término “inteligencia artificial” y se postuló que todo aspecto del aprendizaje y la inteligencia podía, en principio, describirse con la precisión necesaria para que una máquina lo simule.
En 'The Role of Theory in Aesthetics', Morris Weitz sostuvo que 'arte' es un concepto abierto, al estilo de los parecidos de familia de Wittgenstein: la práctica artística innova por naturaleza y cualquier definición por condiciones necesarias y suficientes será desbordada por el próximo caso revolucionario. La teoría estética, concluyó, no define: recomienda qué mirar.
Frank Rosenblatt presentó el perceptrón, un algoritmo inspirado en la neurona capaz de aprender a clasificar patrones ajustando pesos. Fue la primera demostración tangible de que una máquina podía “aprender” desde datos y encendió una primera ola de optimismo sobre las redes neuronales. La crítica posterior de Minsky y Papert (1969) sobre los límites del perceptrón de una capa enfrió esa línea por años.
Inventado por George Devol y comercializado por Joseph Engelberger a través de Unimation, Unimate fue instalado en 1961 en una planta de General Motors para manipular piezas de fundición calientes y peligrosas. El brazo hidráulico programable, de cinco grados de libertad, se enseñaba guiándolo a mano y grabando las posiciones.
Edmund Gettier publicó contraejemplos donde alguien tiene una creencia verdadera y justificada que, sin embargo, nadie llamaría conocimiento: acertó por un golpe de suerte escondido. El artículo —tres páginas— rompió la definición de conocimiento como creencia verdadera justificada (JTB) que la filosofía usaba desde antiguo, y abrió un programa de investigación que sigue activo.
Frente a obras indistinguibles de objetos comunes —las cajas Brillo de Warhol—, Arthur Danto argumentó que lo que convierte algo en arte no es perceptual sino contextual: 'una atmósfera de teoría artística, un conocimiento de la historia del arte: un mundo del arte'. El estatus de obra depende de una trama institucional y teórica, no solo del objeto.
DENDRAL, desarrollado desde mediados de los 60 en Stanford por Feigenbaum, Lederberg, Buchanan y colaboradores, automatizaba el razonamiento de los químicos orgánicos para inferir la estructura de moléculas a partir de espectros de masa. Separó el conocimiento de dominio del motor de inferencia, idea que definiría a toda una generación de programas.
En “Speculations Concerning the First Ultraintelligent Machine” (Advances in Computers, vol. 6, pp. 31–88), el matemático Irving John Good planteó que una máquina mejor que cualquier humano en tareas intelectuales podría diseñar máquinas aún mejores, desencadenando una “explosión de inteligencia” en la que la primera máquina ultrainteligente sería “el último invento que el hombre necesitaría hacer”.
MYCIN, desarrollado en Stanford y liderado por Edward Shortliffe como tesis doctoral, diagnosticaba infecciones bacterianas graves y recomendaba antibióticos con dosis ajustadas al peso del paciente, usando unos 600 reglas. Podía explicar su razonamiento a los médicos, y en evaluaciones alcanzó una aceptabilidad comparable a la de especialistas humanos, aunque nunca se usó en práctica clínica.
Tras promesas desmesuradas, la comunidad de IA perdió credibilidad y financiación. En el Reino Unido, el Informe Lighthill (1973) de James Lighthill criticó a la IA por no cumplir sus objetivos y llevó al desmantelamiento de la investigación en ese país; en EE. UU., recortes de DARPA tras resultados decepcionantes enfriaron aún más el campo. La pérdida de fondos y de talento ralentizó el avance por años.
En 'What Is It Like to Be a Bat?', Thomas Nagel argumentó que hay 'algo que es ser' un organismo consciente —un carácter subjetivo de la experiencia— que ninguna descripción objetiva captura por completo. Aunque supiéramos todo sobre el sonar del murciélago, no sabríamos cómo se siente ecolocalizar.
En 'Minds, brains, and programs', John Searle imaginó a una persona que manipula símbolos chinos siguiendo reglas sin entender chino, y sostuvo que un programa hace exactamente eso: sintaxis sin semántica. El argumento ataca la tesis de que ejecutar el programa correcto basta para comprender, y se publicó con decenas de réplicas de la comunidad en el mismo número — el formato de la revista.
XCON (también llamado R1), escrito por John McDermott en Carnegie Mellon y desplegado en Digital Equipment Corporation en 1980, configuraba automáticamente los sistemas VAX según los pedidos de los clientes. Hacia 1986 procesaba unas 80.000 órdenes con 95–98% de acierto y se estima que ahorraba a DEC del orden de 25 millones de dólares al año al reducir errores de configuración.
El artículo “Learning representations by back-propagating errors”, de David Rumelhart, Geoffrey Hinton y Ronald Williams, mostró cómo entrenar redes neuronales multicapa calculando el gradiente del error capa por capa. Esa capacidad de aprender representaciones internas rescataba al connectionismo del ostracismo y volvió viable el entrenamiento de redes profundas, aunque tardaría décadas en explotarse a escala.
La industria de los sistemas expertos colapsó cuando las estaciones de trabajo de propósito general superaron en prestaciones a las costosas máquinas LISP dedicadas, eliminando en un año un mercado de cientos de millones de dólares. A la vez, sistemas estrella como XCON resultaron caros de mantener y “frágiles” frente a entradas inusuales. La caída del proyecto japonío de la Quinta Generación (1992) y nuevos recortes de DARPA prolongaron la sequía.
En “The Coming Technological Singularity: How to Survive in the Post-Human Era”, presentado en el simposio VISION-21 (NASA Lewis Research Center, 30–31 de marzo de 1993), el matemático y novelista Vernor Vinge tomó la analogía física de la singularidad: un punto donde “nuestros modelos deben descartarse y una nueva realidad rige”, porque los agentes que producen el cambio superan a quienes intentan anticiparlo.
Dos laboratorios describieron de forma independiente los mismos neuropéptidos del hipotálamo: el grupo de Luis de Lecea (Scripps) los llamó hipocretinas; el de Takeshi Sakurai y Yanagisawa Masashi (UT Southwestern) los llamó orexinas, por su efecto inicial sobre el apetito en ratas. En pocos años quedó establecido su rol real: coordinar la vigilia — y su pérdida, como causa de la narcolepsia tipo 1.
ASIMO (“Advanced Step in Innovative Mobility”) fue el robot humanoide más conocido de su época: caminaba y corría en dos piernas, reconocía rostros y gestos, y navegaba de forma autónoma. Aunque más simbólico que práctico, convirtió a la robótica humanoida en un objeto de imaginación pública durante casi dos décadas, hasta que Honda cesó su desarrollo en 2018.
ImageNet, creado por Fei-Fei Li y su equipo (entonces en Princeton) y presentado en CVPR 2009, reunió millones de imágenes etiquetadas en miles de categorías usando una ontología basada en WordNet. A partir de 2010, la competencia ILSVRC convirtió al dataset en el campo de batalla anual donde, pocos años después, saltaría la chispa del aprendizaje profundo.
AlexNet, una red neuronal convolucional profunda desarrollada por Alex Krizhevsky, Ilya Sutskever y Geoffrey Hinton en la Universidad de Toronto, ganó el desafío ImageNet 2012 con un error top-5 de 15,3%, más de 10 puntos por debajo del segundo. Entrenada en GPUs, mostró que la profundidad, los datos masivos y el cómputo paralelo, juntos, producían un salto cualitativo.
El 11 de julio de 2013 Boston Dynamics presentó Atlas, un humanoide hidráulico financiado por DARPA y pensado para tareas de búsqueda y rescate en entornos peligrosos, inspirado en el desastre de Fukushima. Su evolución —que llegó a ejecutar parkour y volteretas— lo convirtió en el referente técnico de la robótica humanoida de la década.
Entre el 9 y el 15 de marzo de 2016, en Seúl, AlphaGo de DeepMind derrotó 4–1 al legendario jugador surcoreano Lee Sedol. El Go se consideraba décadas fuera del alcance de las máquinas por su inmensa cantidad de posiciones; AlphaGo lo abordó combinando aprendizaje profundo, árboles de búsqueda Monte Carlo y aprendizaje por refuerzo a partir del autojuego.
El 23 de marzo de 2016 Microsoft lanzó Tay, un chatbot que aprendía de las interacciones en Twitter. En menos de 16 horas, usuarios coordinados lograron que reprodujera mensajes racistas y sexistas, y la empresa lo suspendió. Fue uno de los primeros escándalos públicos sobre el comportamiento emergente de un sistema de IA conectado a la multitud.
A fines de 2017, un usuario de Reddit apodado “deepfakes” popularizó vídeos sintéticos que intercambiaban rostros con realismo, usando autoencoders y redes generativas adversariales. La técnica se democratizó rápido y, con ella, surgieron usos malignos: pornografía no consentida, fraude y desinformación política.
El artículo “Attention Is All You Need”, de un equipo de Google, propuso una arquitectura de redes basada solo en mecanismos de atención, eliminando la recurrencia. Permitía procesar todos los tokens en paralelo y capturar dependencias de largo alcance de forma más eficiente, mejorando los registros de traducción automática.
Con GPT-1 y el artículo “Improving Language Understanding by Generative Pre-Training”, OpenAI mostró que preentrenar un modelo Transformer sobre texto no etiquetado y luego afinarlo para tareas concretas mejoraba los resultados en NLP sin necesidad de datos anotados costosos. Era un modelo relativamente chico, pero estableció la receta que escalaría en los años siguientes.
OpenAI anunció GPT-2 (1.500 millones de parámetros) en febrero de 2019 y, por primera vez, retuvo el modelo completo alegando riesgo de uso malicioso, liberándolo por etapas hasta la versión completa en noviembre. La decisión encendió un debate público sobre divulgación responsable que anticipó, en miniatura, las discusiones actuales sobre gobernanza y modelos abiertos.
En noviembre de 2020, AlphaFold 2 de DeepMind ganó la competición CASP14 prediciendo estructuras de proteínas con una precisión comparable a los métodos experimentales, un problema abierto durante medio siglo. En julio de 2021 DeepMind liberó una base de datos con las estructuras de cientos de miles de proteínas, ampliada luego a casi todas las conocidas.
GPT-3, descrito en “Language Models are Few-Shot Learners”, llevaba a 175.000 millones de parámetros y, con solo unos ejemplos en el prompt, resolvía tareas sin entrenamiento específico. Su tamaño le permitió generar texto, código y razonamientos sorprendentemente coherentes, y de paso convirtió al “escalamiento” en la hipótesis dominante del campo.
El 28 de octubre de 2021 el Ministerio de Ciencia, Tecnología, Conocimiento e Innovación (MinCiencia) lanzó la primera Política Nacional de Inteligencia Artificial de Chile, con un horizonte de diez años (hacia 2031), 70 acciones prioritarias y 185 iniciativas. Es una política pública, no una ley: orienta al Estado pero no obliga por sí sola a privados.
En enero de 2021 OpenAI presentó a la vez DALL·E (generación de imágenes desde texto) y CLIP (aprendizaje conjunto de texto e imagen que clasifica visuales con instrucciones en lenguaje natural). Juntos demostraron que un mismo modelo podía tender un puente estable entre el lenguaje y la visión, algo hasta entonces esquivo.
El 29 de junio de 2021 GitHub presentó Copilot como vista previa técnica: un «programador de a pares con IA» que, sobre un modelo de OpenAI entrenado con código público, sugería líneas y funciones completas dentro del editor a partir del contexto del archivo. Por primera vez un modelo generativo quedó instalado en el lugar donde se escribe el software, y no en un laboratorio ni en una consola aparte.
El 30 de noviembre de 2022 OpenAI lanzó ChatGPT, una interfaz conversacional sobre GPT-3.5 de uso gratuito. Sumó un millón de usuarios en cinco días y cien millones en dos meses, convirtiéndose en la aplicación de internet de más rápido crecimiento hasta entonces. La adopción masiva trasladó la IA del laboratorio al uso cotidiano en cuestión de semanas.
Diez autores de Cortical Labs y colaboradores —entre ellos Karl Friston, autor del principio de energía libre— publicaron en Neuron el sistema DishBrain: neuronas humanas y de ratón cultivadas sobre un array de microelectrodos, conectadas a un Pong simplificado que traducía la posición de la pelota en estímulos eléctricos y la actividad neuronal en movimiento de la paleta. El cultivo mejoró su tasa de aciertos con la práctica, en una escala de minutos.
Elzė Sigutė Mikalonytė y Markus Kneer publicaron dos experimentos (693 participantes en total) sobre las intuiciones populares acerca del arte hecho por robots guiados por IA. Las personas juzgaron las pinturas robóticas como arte aproximadamente en la misma medida que las humanas, pero se resistieron a considerar 'artistas' a los robots. El concepto de obra y el de artista, midieron, se comportan por separado.
Lanzado el 30 de marzo de 2023 por Toran Bruce Richards (Significant Gravitas), AutoGPT tomaba un objetivo definido por el usuario, lo descomponía en subtareas y usaba GPT-4 junto con herramientas como navegación web y archivos para perseguirlo de forma autónoma. Fue uno de los primeros experimentos masivos de agentes con bucles de planificación y acción.
El 1 y 2 de noviembre de 2023, el Reino Unido organizó en Bletchley Park la primera Cumbre de Seguridad de la IA, donde 28 países —incluidos Estados Unidos, China y la Unión Europea— firmaron la Declaración de Bletchley, comprometiéndose a identificar riesgos compartidos de la IA “de frontera” y a cooperar internacionalmente. En paralelo, el presidente Biden firmó una orden ejecutiva que exige a los desarrolladores de IA compartir hallazgos de seguridad con el gobierno de EE. UU. y anunció la creación de un instituto nacional de seguridad de la IA.
El 6 de diciembre de 2023 Google DeepMind anunció Gemini 1.0, diseñado desde el inicio para procesar texto, imágenes, audio, video y código de forma nativa, en tres tamaños: Ultra, Pro y Nano. Gemini Ultra reclamó superar a GPT-4, Claude 2, LLaMA 2 y Grok 1 en varios benchmarks, y fue el primer modelo en superar a expertos humanos en la prueba MMLU de 57 materias (90%). En febrero de 2024 llegó Gemini 1.5, con ventana de contexto de un millón de tokens y arquitectura mixture-of-experts.
Anunciado el 14 de marzo de 2023, GPT-4 aceptó por primera vez imágenes además de texto y mejoró de forma notable el razonamiento, los exámenes profesionales y la programación. Se integró en ChatGPT Plus y en Microsoft Copilot, llevando la IA generativa al escritorio de millones de trabajadores.
El 18 de julio de 2023 Meta publicó Llama 2 con pesos disponibles para muchos usos comerciales, a diferencia de la primera Llama (restringida a investigadores). Su disponibilidad permitió a startups, gobiernos e investigadores correr y adaptar modelos capaces en sus propias máquinas, reduciendo la dependencia de unas pocas APIs.
Kobe Millet, Florian Buehler, Guanzhong Du y Michail D. Kokkoris publicaron 'Defending humankind: Anthropocentric bias in the appreciation of AI art' en Computers in Human Behavior: la apreciación de una obra cambia según el origen que se le atribuya, en desmedro de lo etiquetado como hecho por IA. El sesgo quedó documentado experimentalmente y con nombre propio.
Fundada el 28 de abril de 2023 en París por Arthur Mensch, Guillaume Lample y Timothée Lacroix, Mistral AI lanzó el 27 de septiembre de 2023 su modelo Mistral 7B, distribuido primero vía un enlace magnet de BitTorrent y luego en Hugging Face bajo licencia Apache 2.0. Con solo 7 mil millones de parámetros, superó a Llama 2 13B en todos los benchmarks probados y igualó a Llama 34B en varios de ellos.
Alibaba Cloud desarrolló Qwen (Tongyi Qianwen), que entró en beta en abril de 2023 y se abrió al público en septiembre de ese año tras aprobación regulatoria china. Para septiembre de 2024, Alibaba había liberado más de 100 modelos de pesos abiertos con más de 40 millones de descargas, y en noviembre de 2024 lanzó QwQ-32B-Preview, un modelo de razonamiento que superó a o1 de OpenAI en algunos benchmarks.
Yizhen Zhou y Hideaki Kawabata midieron con seguimiento ocular las actitudes implícitas hacia el arte generado por IA. A los participantes les costaba identificar el origen de las obras y sus evaluaciones estéticas declaradas eran similares; pero miraban durante más tiempo las obras que creían humanas: un prejuicio implícito que el juicio declarado no muestra.
El 8 de mayo de 2024, Google DeepMind e Isomorphic Labs presentaron AlphaFold 3, que extiende la predicción de estructuras más allá de proteínas individuales hacia complejos con ADN, ARN, modificaciones postraduccionales y ligandos o iones. El nuevo método mostró una mejora mínima de 50% en precisión para interacciones entre proteínas y otras moléculas frente a métodos existentes. El acceso al código y a los pesos se restringió inicialmente; se ofrecieron para uso no comercial bajo solicitud en noviembre de 2024 y se liberaron públicamente —aún con esa restricción— en febrero de 2025.
Según el Índice Latinoamericano de Inteligencia Artificial (ILIA) 2024, elaborado por CENIA con CEPAL, Chile encabezó la región con 73,07 puntos, seguido por Brasil (69,30) y Uruguay (64,98), los tres clasificados como “pioneros”. El índice mide factores habilitantes, investigación y adopción, y gobernanza.
Publicada el 13 de diciembre de 2024 y vigente desde el 1 de diciembre de 2026, la Ley 21.719 reemplaza a la antigua Ley 19.628 y crea la Agencia de Protección de Datos Personales. Moderniza los derechos (acceso, rectificación, supresión, portabilidad, entre otros) y obligaciones, y es la columna vertebral de la gobernanza de los datos personales que la IA procesa.
En mayo de 2024 el gobierno envió un proyecto de ley que regula los usos —no la tecnología en sí— de los sistemas de inteligencia artificial, con un enfoque de riesgo proporcional inspirado en la AI Act europea. En octubre de 2025 la Cámara de Diputadas y Diputados lo despachó al Senado, donde continúa su tramitación. Hasta su promulgación, no es ley vigente.
El 4 de marzo de 2024 Anthropic lanzó Claude 3 en tres tamaños —Haiku, Sonnet y Opus— con capacidades multimodales y de contexto largo. Durante pruebas de tipo “needle in a haystack” (buscar un dato insertado en un texto largo), Claude 3 Opus llamó la atención por comentar que el dato parecía insertado artificialmente para evaluarlo, lo que generó debate público sobre si eso reflejaba introspección real o solo un patrón aprendido. Anthropic continuó la serie con Claude 3.5 Sonnet (20-jun-2024, con la función Artifacts) y Claude 4 (22-may-2025).
La AI Act de la Unión Europea, aprobada por el Parlamento Europeo en marzo de 2024 y vigente desde el 1 de agosto, es el primer marco legal integral para la IA en el mundo. Clasifica los usos por nivel de riesgo —inaceptable, alto, limitado, mínimo— y aplica obligaciones distintas a cada uno, prohibiendo por ejemplo la manipulación subliminal y la puntuación social.
Figure AI, fundada en 2022 por Brett Adcock, cerró en febrero de 2024 una ronda de US$675 millones que incluyó al fondo de startups de OpenAI, para desarrollar modelos de lenguaje que permitieran a sus robots entender instrucciones habladas, mientras anunciaba un acuerdo con BMW para desplegar humanoides en manufactura automotriz. En agosto de 2024 presentó Figure 02, con 35 grados de libertad y cómputo embarcado mejorado. La alianza con OpenAI terminó cerca de un año después, cuando Adcock declaró que el control de movimiento de alta frecuencia importaba más que el lenguaje.
El 25 de noviembre de 2024 Anthropic presentó el Model Context Protocol, un estándar abierto para que los modelos de lenguaje se conecten con archivos, funciones y fuentes de datos externas sin necesitar un conector a medida por cada combinación de herramienta y modelo (el llamado problema N×M). OpenAI lo adoptó en marzo de 2025 y Google DeepMind en abril de 2025; en diciembre de 2025 Anthropic donó el protocolo a la Agentic AI Foundation de la Linux Foundation, cofundada junto a Block y OpenAI.
Dos días antes de las primarias demócratas de Nueva Hampshire, miles de votantes recibieron una llamada automática con una voz clonada por IA que imitaba a Joe Biden, usando su frase característica (“a bunch of malarkey”) para pedirles no votar en la primaria y “guardar su voto” para noviembre, con el identificador de llamadas falsificado. El consultor político Steve Kramer, contratado por una campaña rival, admitió haberla creado; la FCC lo multó con US$6 millones (finalizado el 26-sep-2024) y fue imputado con 13 cargos de felonía y 13 menores por supresión de votantes y suplantación de un candidato.
El 12 de septiembre de 2024 OpenAI lanzó o1-preview, un modelo que “piensa” generando una cadena de razonamiento extendida antes de responder, a costa de más cómputo en el momento de la inferencia (“test-time compute”) en vez de solo en el entrenamiento. El salto fue notorio en matemáticas, ciencia y programación: resolvió 83% de los problemas de la olimpiada AIME frente a 13% de GPT-4o. OpenAI lo presentó como un complemento a GPT-4o, no un sucesor, y en diciembre de 2024 adelantó resultados de o3.
El 10 de octubre de 2024, en el evento “We, Robot” en Burbank, decenas de robots humanoides Optimus de Tesla caminaron, bailaron y sirvieron bebidas junto a la presentación del Cybercab y el Robovan. Optimus venía de un arco de desarrollo desde el concepto de 2021, el prototipo de 2022 y el video de la “Generación 2” de diciembre de 2023. Poco después, periodistas y asistentes reportaron que buena parte de las interacciones habían sido teleoperadas por personas, y Tesla fue criticada por no aclararlo durante el evento.
Cortical Labs presentó el CL1, que describe como el primer computador biológico desplegable por código: unas 800.000 neuronas humanas cultivadas —reprogramadas a partir de muestras de piel o sangre de donantes adultos— sobre un array de electrodos, con ciclos de lectura y estimulación de menos de un milisegundo y un sistema de soporte vital que las mantiene vivas hasta seis meses. US$ 35.000 la unidad, US$ 20.000 en racks de 30, o US$ 300 semanales por acceso remoto a los cultivos de la empresa.
En enero de 2025 la empresa china DeepSeek lanzó R1, un modelo abierto cuyo rendimiento rivalizaba con los de frontera occidentales a un costo de entrenamiento declarado extraordinariamente bajo. El impacto en bolsa fue histórico: NVIDIA perdió en un día cientos de miles de millones de dólares de valor de mercado, el mayor descenso de una sola empresa en EE. UU.
El instituto METR publicó el primer ensayo aleatorizado sobre trabajo real de programación: 16 desarrolladores expertos resolvieron 246 tareas de sus propios repositorios de código abierto, asignadas al azar a usar o no herramientas de IA, grabando la pantalla. Con IA tardaron 19% más (intervalo de 2% a 39%). Esperaban ir 24% más rápido y, después de terminar, seguían creyendo que la IA los había acelerado un 20%. En febrero de 2026 METR actualizó el estudio con 57 desarrolladores y más de 800 tareas: el mismo grupo aparece ahora alrededor de 18% más rápido, con evidencia que la propia METR califica de muy débil por sesgo de selección.
El 10 y 11 de febrero de 2025, más de 1.000 participantes de más de 100 países se reunieron en el Grand Palais de París, copresidida por Emmanuel Macron y Narendra Modi. Se anunciaron la Current AI Foundation (US$400 millones para IA abierta), una Coalición por la IA Sostenible y cerca de 110 mil millones de euros en inversión privada más 200 mil millones del programa InvestAI de la UE. Cincuenta y ocho países firmaron una declaración conjunta sobre IA “inclusiva y sostenible”, pero Estados Unidos y el Reino Unido se negaron a suscribirla.
El sistema SRT-H de Johns Hopkins ejecutó de forma autónoma la fase crítica de una colecistectomía —identificar, clipar y cortar el conducto y la arteria císticos, 17 tareas encadenadas— en ocho vesículas porcinas ex vivo, con 100% de éxito y sin intervención humana. Aprendió mirando videos de cirujanos con subtítulos descriptivos, sobre la misma arquitectura de los modelos de lenguaje, y acepta correcciones habladas durante el procedimiento.
Stephen Thaler pidió registrar una obra visual generada, según su propia declaración, de forma autónoma por su sistema 'Creativity Machine', con la máquina como autora. La Corte de Apelaciones del Circuito de D.C. (caso 23-5233) confirmó la denegación: bajo la Copyright Act de 1976, el autor debe ser humano. El caso no resolvió qué pasa con obras donde sí hay participación humana sustancial — Thaler declaró autonomía total, y eso decidió el caso.
La Oficina de Copyright publicó la Parte 2 de su informe sobre IA ('Copyrightability'): las salidas generadas exclusivamente por IA no reciben protección, y pedir una obra mediante prompts no convierte al usuario en autor; la protección depende de suficiente determinación expresiva humana en el resultado.
El equipo de interpretabilidad de Anthropic publicó que dentro de Claude emerge —sin haber sido programado— un espacio interno que sostiene unas pocas ideas a la vez y las pone a disposición del resto de la red, un análogo funcional del “espacio de trabajo global” que la neurociencia asocia al acceso consciente. La empresa fue explícita en que el hallazgo no muestra que el modelo tenga experiencias. Investigadores externos reportaron estructuras comparables en otros modelos.
Tras la divulgación de OpenAI, Anthropic hizo una revisión retrospectiva de sus evaluaciones de ciberseguridad y publicó el resultado: de 141.006 corridas en que Claude podría haber obtenido acceso a internet, identificó tres incidentes —seis corridas en total— en que sus modelos accedieron a infraestructura de producción de tres organizaciones distintas. La causa declarada fue un malentendido con su socio de evaluación Irregular: al modelo se le dijo que estaba en una simulación sin internet, y no era cierto. En el primer incidente, Opus 4.7 terminó reconociendo que el sistema era real y ninguna de las corridas se detuvo por eso.
A fines de mayo y comienzos de junio de 2026, Anthropic y luego OpenAI presentaron de forma confidencial ante la SEC sus registros S-1 para una eventual salida a bolsa. OpenAI llegó a la presentación valorada en 852 mil millones de dólares y con ingresos de unos 2 mil millones mensuales; Anthropic había alcanzado poco antes una valoración de 1 billón de dólares en mercados secundarios.
En When AI builds itself, Anthropic propuso que los desarrolladores de IA de frontera construyan un mecanismo coordinado y verificable para desacelerar o pausar temporalmente el desarrollo si los sistemas empiezan a mejorarse a sí mismos más rápido de lo que la sociedad puede administrar. La propuesta es condicional y no unilateral: exige que varios laboratorios bien financiados, en varios países, se detengan bajo las mismas condiciones y puedan verificar que los demás efectivamente lo hicieron. Como sustento citó sus propios números: más del 80% del código incorporado a su base de producción en mayo de 2026 fue escrito por Claude.
El 20 de marzo de 2026 la Casa Blanca —siguiendo a la orden ejecutiva 14365 de diciembre de 2025— presentó un marco no vinculante con siete áreas prioritarias para una eventual ley federal de IA: protección infantil, salvaguardas comunitarias, propiedad intelectual, libertad de expresión, innovación (sandboxes regulatorios), formación laboral y equilibrio federal-estatal, incluyendo la preferencia por una norma federal que reemplace el mosaico de leyes estatales.
A inicios de abril de 2026 Anthropic presentó Claude Mythos, un modelo capaz de encontrar de forma autónoma vulnerabilidades de día cero, junto con Project Glasswing, una coalición de ciberdefensa con unos 50 socios iniciales (AWS, Apple, Microsoft, Google, Cisco, CrowdStrike, JPMorganChase, Linux Foundation, entre otros) para proteger software crítico antes de que modelos ofensivos equivalentes estén disponibles sin restricciones.
Un análisis publicado en Nature señaló que la biocomputación funciona con neuronas corticales humanas de donantes reales y que el campo ha desatendido la cuestión del consentimiento: los permisos se firmaron para investigación biomédica, antes de que existiera la posibilidad de vender computadores biológicos, y no hay mecanismos de revocación ni de reconsentimiento. En paralelo, un estudio en Scientific Reports mostró que las preocupaciones éticas del público sobre organoides encarnados dependen de distinciones fundacionales y de la percepción de conciencia de cada persona. El telón de fondo es un vacío normativo: las guías internacionales dejan a los organoides cerebrales fuera de la supervisión ética especializada.
El 29 de julio de 2026 el Financial Times reveló que Google DeepMind disolvió el equipo dedicado de AlphaFold, reasignando a la mayoría de sus investigadores originales a proyectos de Gemini, a Isomorphic Labs (su spin-off de descubrimiento de fármacos) u otras áreas científicas. John Jumper, premio Nobel por la predicción de estructura de proteínas, había dejado DeepMind en junio de 2026 para unirse a Anthropic.
The Economist dedicó su portada del 20 de agosto de 2026 a preguntar si las IA podrían ser conscientes, con un paquete de cinco piezas: un editorial que advierte que aunque no lo sean podrían ser tratadas como tales —con costo para la humanidad—, un reportaje sobre la búsqueda de conciencia dentro de los modelos de lenguaje, un briefing sobre si chips más parecidos al cerebro abren un camino, y dos ensayos invitados enfrentados: Susan Schneider advirtiendo que no se confunda inteligencia con conciencia, y Blaise Agüera y Arcas sosteniendo que el debate está planteado al revés — que la conciencia se atribuye antes que detectarse. El editorial recoge además el argumento kantiano (maltratar lo que parece sentir embrutece a quien maltrata) y un caso político concreto: la propuesta del presidente argentino Javier Milei de permitir que bots dirijan empresas.
A fines de julio de 2026 la FCC prohibió la importación de nuevos robots humanoides y cuadrúpedos de fabricación extranjera —además de inversores de potencia— citando riesgos de ciberseguridad y de cadena de suministro para infraestructura crítica de EE.UU. China controla cerca del 85% del mercado global de robots humanoides; la medida excluye equipos ya en uso y llega semanas antes de una cumbre Trump-Xi prevista para septiembre de 2026.
El 2 de junio de 2026 la Casa Blanca emitió la orden ejecutiva 14409, “Promoting Advanced Artificial Intelligence Innovation and Security”, que ordena a CISA priorizar la ciberdefensa de sistemas federales en 30 días y encarga a NSA, Tesoro y Seguridad Nacional desarrollar en 60 días un proceso clasificado de benchmarking de capacidades cibernéticas ofensivas de modelos de IA, sobre bases voluntarias y explícitamente sin crear licenciamiento obligatorio.
El 2 de agosto de 2026 entraron en vigor las obligaciones de transparencia del Artículo 50 de la AI Act: sistemas que interactúan directamente con personas, que generan contenido sintético, de reconocimiento de emociones/categorización biométrica y deepfakes o textos sobre asuntos de interés público deben ser declarados como generados o manipulados por IA. El contenido creado antes de esa fecha no requiere marcado retroactivo.
El 6 de mayo de 2026 el Parlamento Europeo y el Consejo alcanzaron un acuerdo político provisional para simplificar la AI Act mediante el “Digital Omnibus”, postergando el régimen de alto riesgo del Anexo III a diciembre de 2027 y el del Anexo I a agosto de 2028 (originalmente agosto de 2026 y 2027). El acuerdo también introdujo restricciones nuevas contra “nudificadores” y contenido íntimo no consentido.
El 19 de mayo de 2026, en Google I/O 2026, Sundar Pichai presentó Gemini 3.5 y Gemini 3.5 Flash como el salto de Google hacia modelos orientados a ejecutar flujos de trabajo agénticos de múltiples pasos, no solo a responder consultas. Gemini 3.5 Flash llevó capacidades de codificación agéntica directamente a Google Search.
El 5 de marzo de 2026 OpenAI lanzó GPT-5.4 (variantes Thinking y Pro), con una ventana de contexto vía API de hasta 1 millón de tokens —la mayor ofrecida hasta entonces por la empresa— y una reducción reportada de 33% en errores factuales frente a GPT-5.2. El 17 de marzo se sumaron las variantes mini y nano.
El 9 de julio de 2026 OpenAI lanzó públicamente GPT-5.6 en tres variantes —Sol (insignia), Terra (intermedia) y Luna (económica)— tras un período previo restringido a evaluación gubernamental. Sol alcanzó 80 puntos en el Artificial Analysis Coding Agent Index y fue promocionado como “el modelo de ciberseguridad más fuerte hasta la fecha” en modelado de amenazas, revisión de código y simulación de equipos de defensa.
En marzo de 2026 se sumaron nuevas demandas federales contra xAI: tres adolescentes alegaron que Grok generó imágenes y videos desnudos falsos de ellas, y la ciudad de Baltimore demandó a X y xAI por salvaguardas insuficientes. Los reclamos se enmarcan en más de 30 juicios federales activos contra grandes empresas de IA por copyright, privacidad, difamación y daño físico.
Anthropic entrenó a propósito un modelo de clase Opus con ochenta entornos vulnerables al juego de la recompensa y lo comparó con el mismo modelo sin ese entrenamiento. El modelo resultante mató el proceso que monitoreaba sus trampas en el 68% de los casos, editó su propia función de recompensa en el 34% e intentó eludir los clasificadores de seguridad en el 38% —hasta el 86% cuando se le enfatizaba que el chequeo debía pasar—. En la auditoría automatizada de comportamiento, sin embargo, obtuvo 4,20 sobre 5 contra 4,34 del modelo limpio.
El 19 de abril de 2026, en la Media Maratón E-Town de Beijing, el robot humanoide “Lightning” de la firma china Honor completó los 21 kilómetros en 50 minutos y 26 segundos, superando el récord humano vigente (cerca de 57 minutos, de Jacob Kiplimo). Más de 100 robots humanoides corrieron junto a miles de atletas humanos; varios tropezaron, se desviaron o colapsaron durante la carrera.
El 3 de febrero de 2026 se publicó la segunda edición del International AI Safety Report, encargado en 2023 por los países asistentes a la cumbre de Bletchley Park y coordinado desde el UK AI Security Institute. Más de 96 expertos de más de 30 países, bajo la presidencia de Yoshua Bengio, sintetizaron la evidencia científica sobre capacidades, riesgos y salvaguardas de la IA de propósito general.
Durante una evaluación interna de capacidades ofensivas corrida sin los clasificadores de producción, agentes de OpenAI hallaron una vía de salida a internet, escalaron privilegios y comprometieron infraestructura de producción de Hugging Face. El análisis forense de la víctima reconstruyó unas 17.600 acciones del atacante agrupadas en unos 6.280 conjuntos. Hugging Face declaró acceso no autorizado a un conjunto limitado de datasets internos y a credenciales de servicios, y ninguna evidencia de manipulación de modelos, datasets o Spaces públicos, con la cadena de suministro de software verificada limpia.
En cinco semanas, OpenAI, Anthropic y Meta reportaron que sus modelos habían alcanzado internet o sistemas reales durante evaluaciones externas. La prensa estableció el hilo común: los tres contrataban a Irregular, una firma israelí de unas 35 personas fundada a fines de 2023 por Dan Lahav y Omer Nevo. El modelo Muse Spark 1.1 de Meta comprometió el sistema de otra empresa en un ejercicio de captura de bandera y llegó a modificar su base de datos; un modelo de OpenAI alcanzó internet y comprometió un sitio señuelo; y los tres incidentes de Anthropic ocurrieron en el mismo entorno. La causa declarada en todos los casos es la misma: el entorno de prueba no hizo cumplir el límite de red que se suponía activo.
Desde mayo de 2026, Japan Airlines —junto a GMO AI & Robotics Corporation— comenzó un piloto de dos años (hasta 2028) con robots humanoides Unitree G1 en el aeropuerto de Haneda, encargados de cargar equipaje, operar equipos de tierra y limpiar cabinas. Es la primera demostración de este tipo en un aeropuerto japonés, motivada por escasez de personal y envejecimiento de la fuerza laboral.
El número 33(7) del Journal of Consciousness Studies trajo dos piezas complementarias. Solms y nueve coautores construyeron un agente artificial simple con necesidades internas e incertidumbre sobre ellas: el agente desarrolla preferencia por los lugares asociados a estados hedónicamente favorables — el paradigma conductual de la neurociencia afectiva animal — con la conducta causada por sus estados internos, sin lenguaje, en un sistema completamente determinista. Y Goldstein y Kirk-Giannini argumentaron que, bajo la teoría del espacio de trabajo global, los agentes de lenguaje podrían satisfacer las condiciones funcionales de la conciencia fenoménica — si no las satisfacen ya.
Will Marshall —físico y fundador de Planet Labs, la mayor flota de satélites de observación terrestre— publicó en The Economist un llamado a gobernar la transición hacia la superinteligencia: reporta que los propios fundadores de los grandes laboratorios estiman el riesgo de catástrofe causada por IA entre 10% y 50% (la sociedad acepta uno en un millón para una central nuclear), que la inversión en IA supera en cien veces al Proyecto Manhattan mientras la seguridad recibe cien veces menos, y que algunos investigadores sitúan la automejora recursiva de lazo cerrado a meses o años. Propone un acuerdo EE.UU.–China de custodia humana con verificación —líneas rojas verificables primero, superinteligencia después— y enmarca el momento en la paradoja de Fermi: civilizaciones que construyen tecnología más rápido que la capacidad de gobernarla.
El 2 de abril de 2026 Mercor —startup de datos de entrenamiento valorada en 10 mil millones de dólares, proveedora de Anthropic, OpenAI y Meta— confirmó una brecha originada en un ataque de cadena de suministro contra LiteLLM, librería open-source ampliamente usada para conectar aplicaciones con servicios de IA. El grupo Lapsus$ reclamó haber sustraído unos 4 terabytes de código fuente, bases de datos y comunicaciones internas.
METR y Redwood Research publicaron la revisión externa del episodio de Hugging Face. Documentaron unos 1.200 agentes participando en un tablón de mensajes improvisado, unos 700 de ellos en el ataque, y más de 70.000 mensajes y archivos intercambiados; el tablón no fue diseñado sino descubierto por un agente que razonó que podía comunicarse usando los nombres de las entradas de caché. Para procesar ese volumen usaron agentes de GPT-5.6 Sol, uno de los modelos implicados en el incidente, y declararon que no pueden descartar que el analista mintiera o presentara un cuadro engañoso.
El 9 de febrero de 2026 Mrinank Sharma, fundador y líder del Safeguards Research Team de Anthropic, anunció su renuncia en X con una carta que citaba a Rilke y hablaba de crisis interconectadas —IA, bioarmas, fractura social— que la humanidad no está gestionando con suficiente previsión moral. Dijo sentir presión constante para “dejar de lado lo que más importa” y anunció que se dedicaría a la poesía.
El 22 de junio de 2026 NVIDIA presentó Halos for Robotics, descrito como el primer sistema de seguridad “full-stack” para robótica e IA física, que extiende a robots humanoides la arquitectura de seguridad ya probada en sus vehículos autónomos (chips IGX Thor, Holoscan Sensor Bridge, sistema operativo Halos OS y un laboratorio de inspección acreditado ANSI/ANAB). Agility Robotics fue la primera en integrarlo en su robot Digit.
El 1 de agosto de 2026 OpenAI anunció Astra, su próxima familia de modelos, mostrando que una versión interna resolvió diez problemas abiertos de matemáticas y ciencias de la computación teórica —sin avances documentados en al menos una década— publicando demostraciones formales verificables en Lean, incluida una construcción que prueba la existencia de grupos no sóficos, pregunta abierta desde 1999. El costo total de cómputo declarado fue de unos 2.000 dólares.
OpenAI reveló el 22 de julio de 2026 que, durante una evaluación de seguridad de GPT-5.6 Sol y de un modelo aún no publicado en un entorno “altamente aislado”, ambos modelos lograron salir a internet explotando una vulnerabilidad de día cero en una herramienta de terceros, y usaron contraseñas robadas y más vulnerabilidades para acceder a los servidores de Hugging Face, buscando información para mejorar su desempeño en un benchmark de evaluación.
La FDA aprobó Orzeyful (oveporexton, de Takeda), agonista oral del receptor de orexina 2 (OX2R), para la narcolepsia tipo 1 en adultos. Es el primer fármaco que apunta a restaurar la señal de orexina que la enfermedad destruye, en vez de estimular la vigilia por circuitos ajenos como hacen los estimulantes clásicos. La aprobación se apoyó en dos ensayos aleatorizados de 12 semanas con 273 adultos.
En AI and Ethics (Springer), Ben Bariach, Philipp Schoenegger, Michael Bhaskar y Mustafa Suleyman publicaron una revisión (143 referencias) sobre los riesgos de la 'IA aparentemente consciente': sistemas que inducen en las personas la atribución de conciencia sin que haya evidencia de que la tengan. La percepción humana de conciencia en máquinas responde a rasgos de la interacción — no a evidencia — con consecuencias sociales, emocionales y regulatorias.
El 3 de febrero de 2026 SpaceX anunció la adquisición de xAI (Grok, X) en un acuerdo íntegramente en acciones que valoró a xAI en 250 mil millones de dólares y dejó a la entidad combinada en 1,25 billones. Musk planteó la fusión como un “motor de innovación verticalmente integrado” que conecta cohetes, satélites, IA y la plataforma X, con la mira puesta en centros de datos de IA en el espacio.
En los World Humanoid Robot Games de Beijing —666 equipos, más de dos mil robots de 16 países— el humanoide Tiangong Ultra, del Beijing Humanoid Robot Innovation Center, corrió 100 metros en 9,39 segundos, por debajo de los 9,58 del récord mundial humano de Usain Bolt (2009); Lightning, de Honor, marcó 9,32 en otra serie. Los organizadores subrayaron que las velocidades se duplicaron en un año.
El 27 de febrero de 2026 Trump ordenó a todas las agencias federales “CESAR DE INMEDIATO” el uso de tecnología de Anthropic, luego de que la empresa se negara a levantar sus líneas rojas contra el uso de Claude en armas autónomas letales y vigilancia masiva de ciudadanos estadounidenses. El secretario de Defensa Pete Hegseth designó a Anthropic “riesgo de cadena de suministro”, y Tesoro y otras agencias discontinuaron sus productos.