Cuando el software empezó a escribir software

Si entregas código, tu trabajo está cambiando.

Pasaste de escribir cada línea a usar el autocompletado. Ahora, escribes especificaciones y observas cómo los agentes escriben, prueban y entregan código por ti.

Esto no ocurrió de la noche a la mañana. Es una historia de 70 años de redefinición de la inteligencia.

Así es como llegamos aquí:

  1. La era simbólica (años 50-80) La inteligencia significaba lógica. Los humanos escribían cada regla a mano utilizando sentencias IF-THEN. Estos sistemas eran brillantes en un entorno muy limitado, pero fallaban en el mundo real. No podían aprender de los datos.

  2. La era estadística (años 90-2000) Dejamos de decirle las reglas a las máquinas. En su lugar, les mostramos ejemplos. Las máquinas utilizaban las matemáticas para encontrar patrones en los datos. Esto nos dio filtros de spam y motores de recomendación. La inteligencia aún dependía de que los humanos eligieran las características de los datos adecuadas.

  3. La era del Deep Learning (2012-2017) El juego cambió con AlexNet. Descubrimos que si apilas suficientes capas y usas suficientes datos, el modelo encuentra sus propias características. Se acabó la ingeniería de características manual. Las computadoras empezaron a ver y oír como los humanos.

  4. La era del Transformer (2017-2022) La arquitectura Transformer permitió que los modelos procesaran cantidades masivas de texto a la vez. Esto condujo a GPT. La inteligencia se volvió compositiva. Un solo modelo podía escribir un poema, depurar Python y explicar matemáticas. El lenguaje se convirtió en la interfaz para todas las tareas.

  5. La era de los agentes (2023-actualidad) Estamos dándoles manos a los modelos. Un agente no solo responde a una pregunta. Utiliza herramientas, navega por la web, ejecuta código y corrige sus propios errores. Pasa de una respuesta pasiva a un bucle activo.

El patrón es claro. Cada era trasladó el trabajo de los humanos a las máquinas.

  • IA simbólica: Los humanos escribían las reglas.
  • ML estadístico: Los humanos elegían las características.
  • Deep Learning: Los modelos aprendían las representaciones.
  • LLMs: Los modelos aprendieron de internet.
  • Agentes: Los modelos planifican y actúan.

Cada salto fue también una historia económica. Construimos lo que podemos permitirnos ejecutar. A medida que el cómputo se vuelve más barato, los agentes se vuelven más inteligentes.

No solo estamos construyendo herramientas. Estamos construyendo colaboradores.

Source: https://dev.to/adamthedeveloper/when-software-started-writing-software-a-developers-history-of-ai-4p9n

Optional learning community: https://t.me/GyaanSetuAi