La historia de la IA no se memoriza: se entiende como una tecnología de ampliación cognitiva.
Un repositorio personal, serio y navegable de papers fundamentales, modelos frontera y sitios de referencia para comprender cómo llegamos desde lógica, cibernética y redes neuronales primitivas hasta Transformers, modelos fundacionales, razonamiento, multimodalidad, agentes y automatización organizacional.
La tesis central
La IA hace mucho más que automatizar tareas: funciona como una nueva infraestructura cognitiva. Permite razonar con más memoria de trabajo, producir más alternativas, simular escenarios, analizar datos, crear contenido, coordinar herramientas y rediseñar procesos.
Pero hay una condición: usarla como socio estratégico, con el pensamiento humano siempre al mando. Que termine potenciándote o degradándote depende de cómo diseñes el proceso.
Lectura ejecutiva
- IA tradicional: predicción, clasificación, analítica y decisión basada en datos.
- IA generativa: texto, imagen, audio, video, código y comunicación multimodal.
- IA agéntica: modelos que razonan, usan herramientas, ejecutan pasos y participan en flujos de trabajo.
- Gobernanza: sesgos, seguridad, privacidad, propiedad intelectual, auditoría y responsabilidad.
Línea histórica
Una síntesis por etapas para orientar la lectura: no todos los papers tienen la misma función histórica. Algunos fundan una idea; otros convierten una idea en industria.
Raíces formales
Lógica, computabilidad, información, cibernética y neurona artificial.
Nacimiento de la IA
Dartmouth, IA simbólica, perceptrón, juegos, sentido común y ELIZA.
Conocimiento y aprendizaje
Frames, expertos, redes, backprop, PAC learning y razonamiento probabilístico.
ML estadístico
Q-learning, SVM, LSTM, CNNs, Random Forests, ImageNet y deep belief nets.
Deep learning
AlexNet, embeddings, GANs, seq2seq, atención, AlphaGo y Transformer.
Modelos fundacionales
GPT, BERT, GPT-3, RAG, difusión, CLIP, InstructGPT, GPT-4 y agentes.
Razonamiento y agentes
DeepSeek-R1/V4, GPT-5.5, Claude Opus 4.8, Gemini 3.1/3.5/Omni, Muse Spark (Meta cierra weights), Qwen3, Mistral 3, Kimi K2.6 y Grok 4.3.
Repositorio de papers
Filtrá por autor, modelo, año, concepto o familia tecnológica. Cada tarjeta enlaza al paper, model card o fuente oficial.
Mapa de modelos, chatbots y APIs
Una brújula práctica para saber dónde probar, comparar, desarrollar y desplegar modelos de IA. Pensalo como un mapa de acceso para profesionales, sin rankings ni sponsoreo.
Sitios para conocer más de IA
Curaduría de sitios canónicos para seguir el campo en vivo: leaderboards, reportes anuales, papers del día, newsletters críticas y análisis técnicos. Si elegís uno solo, que sea Stanford AI Index.
De repositorio personal a formación profesional
Este archivo personal organiza la historia intelectual de la IA. La Diplomatura, en cambio, es el espacio académico donde esa mirada se convierte en criterio profesional: entender modelos, diseñar procesos, evaluar riesgos y aplicar IA en organizaciones reales.
Sobre el autor
Quién está detrás de este repositorio y por qué importa para entender la perspectiva de la curaduría.
Cualquiera va a "usar IA". La diferencia la marca entender qué pasa debajo y rediseñar el trabajo con criterio.
Este repositorio personal funciona como mapa intelectual curado por Diego Parrás. La Diplomatura ofrece el marco académico para transformar esa comprensión en práctica profesional: estrategia, modelos, automatización, comunicación, gobernanza y ejecución real.