# Contraste ampliado de la historia de la IA · 19/07/2026

## Propósito

Esta auditoría amplía la revisión del 18/07/2026 con fuentes históricas, artículos originales y documentación institucional. Su objetivo no es convertir cada dato encontrado en un nodo, sino identificar ausencias que cambien la explicación causal del proyecto y registrarlas sin confundir publicación científica, anuncio institucional, interpretación editorial e hipótesis.

Punto de partida: 226 nodos, 350 relaciones y 222 referencias. Resultado tras la incorporación: 239 nodos, 380 relaciones y 241 referencias únicas. La fuente canónica del grafo sigue siendo `data/graph.json`.

## Método y jerarquía de evidencia

1. **Artículos originales revisados por pares** para resultados científicos y fechas de publicación.
2. **Libros originales, archivos universitarios y actas** para fundamentos históricos.
3. **Organismos públicos y páginas oficiales de investigación** para premios, regulación y resultados institucionales recientes.
4. **Síntesis académicas** —Stanford AI100, *AI Index* y las historias de Nils Nilsson y Michael Wooldridge— para detectar vacíos y contrastar la estructura general.
5. **Preprints o informes de los desarrolladores** solo cuando aún no existe publicación revisada. Se identifican como evidencia provisional y no reciben el mismo peso editorial.

Una relación `enables` exige una dependencia técnica defendible. `continues` indica continuidad histórica, `parallel` contemporaneidad o analogía sin causalidad, y `bridges` una conexión interdisciplinar. Ninguna de estas etiquetas demuestra por sí sola causalidad histórica.

## Incorporaciones decididas

| Año | Nodo | Columna | Razón editorial | Evidencia | Estado |
|---:|---|---|---|---|---|
| 1948 | Cibernética — Wiener | IA | Introduce control, retroalimentación y comunicación como tradición paralela a la IA simbólica | Wiener, *Cybernetics* | Libro original |
| 1949 | Aprendizaje hebbiano | IA | Explica la regla local que alimenta la genealogía conexionista | Hebb, *The Organization of Behavior* | Libro original |
| 1957 | Procesos de decisión de Markov | Algoritmos | Aporta el marco de decisión secuencial que falta entre control y aprendizaje por refuerzo | Bellman, “A Markovian Decision Process” | Revisado por pares |
| 1959 | Samuel Checkers | IA | Documenta aprendizaje a partir de experiencia y autojuego antes del *deep learning* | Samuel, “Some Studies in Machine Learning Using the Game of Checkers” | Revisado por pares |
| 1980 | Neocognitron | IA | Completa la genealogía de jerarquías convolucionales entre perceptrón y LeNet | Fukushima, “Neocognitron” | Revisado por pares |
| 1986 | Redes bayesianas | IA | Añade la rama probabilística, ausente en una historia demasiado binaria entre símbolos y redes | Pearl, “Fusion, Propagation, and Structuring…” | Revisado por pares |
| 1992 | Q-learning | IA | Fija el algoritmo que conecta Bellman con el aprendizaje por refuerzo moderno | Watkins y Dayan, “Q-learning” | Revisado por pares |
| 1995 | Máquinas de vectores soporte | IA | Representa el aprendizaje estadístico dominante entre el segundo invierno y el auge profundo | Cortes y Vapnik, “Support-Vector Networks” | Revisado por pares |
| 1997 | LSTM | IA | Explica la memoria recurrente y el tratamiento de dependencias largas anterior al Transformer | Hochreiter y Schmidhuber, “Long Short-Term Memory” | Revisado por pares |
| 2025 | Gemini Deep Think · oro IMO | Lógica | Distingue razonamiento matemático en lenguaje natural de la demostración formal de AlphaProof | Google DeepMind; resultados IMO | Fuente institucional |
| 2025 | Aardvark Weather | Simulación | Conecta la meteorología de ENIAC con una cadena de previsión aprendida de extremo a extremo | Allen et al., *Nature* | Revisado por pares |
| 2025 | AlphaEvolve | Algoritmos | Muestra agentes que proponen y evalúan algoritmos, pero todavía requiere cautela documental | Informe técnico y preprint de Google DeepMind | Provisional |
| 2026 | AlphaGenome | IA | Amplía la IA científica desde estructura de proteínas a predicción de regulación genómica | Avsec et al., *Nature* | Revisado por pares |

## Decisiones sobre las relaciones

- **Wiener → tortugas de Grey Walter** (`enables`): el bucle de retroalimentación es parte de la base conceptual directa de la cibernética experimental.
- **Hebb → perceptrón** (`enables`): se presenta como genealogía de aprendizaje local, no como identidad entre las reglas.
- **Bellman → Q-learning** (`enables`): el segundo aprende valores de acción para problemas formulados como procesos de decisión de Markov.
- **Neocognitron → LeNet** (`continues`): continuidad de jerarquías con campos receptivos; no se afirma que toda CNN derive de una única implementación.
- **Redes bayesianas ↔ SLAM** (`parallel`): comparten razonamiento probabilístico, pero el enlace no implica que la formulación inicial de SLAM proceda directamente del artículo de Pearl.
- **Q-learning ↔ AlphaGo** (`bridges`): conecta dos etapas del aprendizaje por refuerzo; AlphaGo no es simplemente Q-learning.
- **LSTM ↔ Transformer** (`bridges`): ambos afrontan secuencias, con mecanismos distintos y sin una dependencia directa del Transformer respecto de LSTM.
- **AlphaFold ↔ AlphaGenome** (`bridges`): continuidad de programa científico e infraestructura de aprendizaje, no transferencia lineal de la tarea de estructura proteica a regulación genómica.
- **Modelos de mundo ↔ Aardvark** (`parallel`): analogía entre dinámicas aprendidas; Aardvark se evalúa como sistema meteorológico y no como generador general de mundos.
- **Agentes algorítmicos → AlphaEvolve** (`continues`): el nodo se mantendrá marcado editorialmente como provisional hasta disponer de revisión independiente suficiente.

## Conceptos revisados que ya estaban representados

- **RAG:** ya aparece como técnica en la narrativa de datos; no necesita un nodo independiente mientras el grafo priorice cambios históricos de mayor alcance.
- **RLHF:** ya forma parte de la explicación de ChatGPT y de la alineación de asistentes; crear otro nodo duplicaría esa función editorial.
- **Modelos fundacionales:** ya están presentes en robótica y en el glosario, además de quedar implícitos en la secuencia Transformer–GPT.
- **Cadena de pensamiento y razonamiento deliberativo:** ya está representada por `o1`; se evita identificar la técnica con una transcripción fiel del proceso interno del modelo.
- **IA generativa reciente:** la cronología ya contiene difusión, GPT‑4, Gemini, Llama, Claude, Sora/modelos de mundo y agentes de código. La ampliación prioriza por eso ciencia, algoritmos y razonamiento, no más lanzamientos de producto.

## Vacío detectado: IA como sistema sociotécnico

Las historias centradas solo en precisión, cómputo y productos omiten quién queda representado en los datos, cómo se documentan los conjuntos y cómo una tecnología se convierte en institución regulada. Se incorporan tres anclas a la propuesta editorial, no todavía como una columna nueva del grafo:

1. **Gender Shades (2018):** caso verificable de disparidades de desempeño interseccionales en sistemas comerciales de clasificación de género.
2. **Datasheets for Datasets (2018/2021):** propuesta de documentación sobre motivación, composición, usos y riesgos de conjuntos de datos.
3. **Reglamento europeo de IA (2024):** paso de principios voluntarios a obligaciones legales graduadas por riesgo; entró en vigor el 1 de agosto de 2024 y su aplicación es escalonada.

Esta decisión evita improvisar una categoría incompatible con la interfaz actual. El eje se integra transversalmente en datos, IA, interfaces, redes y robótica, y podrá convertirse en metadatos o columna cuando exista un diseño de esquema, navegación y fuentes equivalente al de las dieciséis columnas actuales.

## Fuentes principales

### Historias y síntesis académicas

- Nils J. Nilsson, [*The Quest for Artificial Intelligence*](https://ai.stanford.edu/~nilsson/qai.html), Cambridge University Press, 2010.
- Stanford AI100, [“A Short History of AI”, con anotaciones de 2021](https://ai100.stanford.edu/2016-report/appendix-i-short-history-ai/with-2021-annotations).
- Michael Wooldridge, [*A Brief History of Artificial Intelligence*](https://us.macmillan.com/books/9781250770745/abriefhistoryofartificialintelligence/), 2021.
- Stanford HAI, [*2026 AI Index Report*](https://hai.stanford.edu/ai-index/2026-ai-index-report).

### Fundamentos y métodos

- Norbert Wiener, [*Cybernetics*](https://mitpress.mit.edu/9780262730099/cybernetics/), 1948.
- Donald O. Hebb, [*The Organization of Behavior*](https://pure.mpg.de/view/item_2346268_3), 1949.
- Richard Bellman, [“A Markovian Decision Process”](https://iumj.org/article/1116/), 1957.
- Arthur L. Samuel, [“Some Studies in Machine Learning Using the Game of Checkers”](https://doi.org/10.1147/rd.33.0210), 1959.
- Kunihiko Fukushima, [“Neocognitron”](https://doi.org/10.1007/BF00344251), 1980.
- Judea Pearl, [“Fusion, Propagation, and Structuring in Belief Networks”](https://doi.org/10.1016/0004-3702(86)90072-X), 1986.
- Christopher Watkins y Peter Dayan, [“Q-learning”](https://doi.org/10.1007/BF00992698), 1992.
- Corinna Cortes y Vladimir Vapnik, [“Support-Vector Networks”](https://doi.org/10.1007/BF00994018), 1995.
- Sepp Hochreiter y Jürgen Schmidhuber, [“Long Short-Term Memory”](https://doi.org/10.1162/neco.1997.9.8.1735), 1997.

### Resultados recientes

- Google DeepMind, [Gemini Deep Think alcanza nivel de medalla de oro en la IMO](https://deepmind.google/blog/advanced-version-of-gemini-with-deep-think-officially-achieves-gold-medal-standard-at-the-international-mathematical-olympiad/), 2025.
- Anna Allen et al., [“Aardvark Weather”](https://doi.org/10.1038/s41586-025-08897-0), *Nature*, 2025.
- Alexander Novikov et al., [“AlphaEvolve: A Coding Agent for Scientific and Algorithmic Discovery”](https://arxiv.org/abs/2506.13131), white paper / preprint, 2025.
- Žiga Avsec et al., [“AlphaGenome”](https://doi.org/10.1038/s41586-025-10014-0), *Nature*, 2026.

### Dimensión sociotécnica

- Joy Buolamwini y Timnit Gebru, [“Gender Shades”](https://proceedings.mlr.press/v81/buolamwini18a.html), FAT* / PMLR, 2018.
- Timnit Gebru et al., [“Datasheets for Datasets”](https://www.microsoft.com/en-us/research/publication/datasheets-for-datasets/), *Communications of the ACM*, 2021 (preprint de 2018).
- Comisión Europea, [entrada en vigor del Reglamento de IA](https://commission.europa.eu/news-and-media/news/ai-act-enters-force-2024-08-01_en), 1/08/2024.

## Controles de mantenimiento

- Editar el grafo únicamente en `data/graph.json` y regenerar el bloque de la web con `node scripts/sync-graph.mjs`.
- Mantener los hitos narrativos en correspondencia uno a uno con los nodos de su categoría; `scripts/check-content-consistency.mjs` verifica ahora ese contrato.
- No convertir un preprint o anuncio en hecho consolidado sin etiquetarlo en el texto editorial.
- Conservar hechos, controversias, expectativas y propuestas futuras como registros visual y semánticamente distintos.
- Volver a auditar los hitos de 2025–2026 antes de cada edición, porque su interpretación y evidencia siguen evolucionando.