En els orígens de la intel·ligència artificial (IA), als anys cinquanta del segle passat, ja es pensava a programar una màquina que guanyés l'humà als escacs. Els escacs eren vistos com una manera de mesurar i comparar la «intel·ligència» de les màquines amb la intel·ligència humana. Però van haver de passar gairebé cinquanta anys d'avenços en el disseny dels processadors per disposar d'un maquinari amb la capacitat computacional suficient que permetés executar de manera eficient els algorismes requerits per una IA com Deep Blue, el 1997, per vèncer el millor jugador d'escacs del món en aquell moment, Garri Kaspàrov.
I el següent pas notable a IA no es va produir fins a l'any 2012, aprofitant els avenços en la capacitat de processament que presentaven els xips acceleradors acabats de llançar que es van fer servir en la competició anual de visió per ordinador, la ImageNet. Un equip de la Universitat de Toronto, dirigit per Geoffrey Hinton, va guanyar la competició amb un algorisme basat en xarxes neuronals entrenades amb aquests xips acceleradors que van mostrar un rendiment computacional per a les xarxes neuronals molt més gran que la que oferien els processadors disponibles en aquell moment. Els resultats de la utilització d'aquests nous xips acceleradors van proporcionar la prova inequívoca que les xarxes neuronals, les idees fonamentals de les quals ja s'havien consolidat a finals dels vuitanta, esdevinguessin una tecnologia pràctica i llesta per ser aplicada a partir de llavors com a base de les IA d'aquest darrer decenni.
En aquest punt es va comprendre que la computació podia ser el factor més determinant en l'avenç de la IA, i les companyies tecnològiques van centrar els seus esforços a crear supercomputadors dotats amb una gran quantitat de nous xips acceleradors cada vegada més potents. Això va permetre la creació d'AlphaGo, una IA basada en xarxes neuronals que va aprendre dels grans mestres a jugar a Go, un joc de taula molt més complex que els escacs. El 2016 AlphaGo va guanyar Lee Sedol, el millor jugador de Go del món. I poc després, el 2018, s'aconseguia que una altra IA, anomenada AlphaZero, aprengués a jugar als escacs o al Go jugant contra si mateixa, només coneixent les regles del joc, sense necessitat d'aprendre dels millors jugadors del món. El que és interessant és que inspirat en el mateix tipus d'IA s'ha arribat a èxits de gran importància en el món de la ciència, per exemple, a finals del 2020 la IA AlphaFold marcava un punt d'inflexió en el camp de la biologia computacional aconseguint predir com es plegarà una proteïna en la forma final en funció del codi genètic.
Potser la millor evidència que la computació és el pilar fonamental de l'avenç de la IA és l'adveniment de les IA generatives —com ChatGPT—, ja que no van ser possibles fins a l'arribada dels supercomputadors a gran escala. Un exemple: per entrenar el model de llenguatge GPT-3 —cor del primer ChatGPT— es va requerir aproximadament 600.000 vegades més capacitat de computació que la requerida per guanyar el concurs ImageNet el 2012.
En resum, la computació és, en última instància, el motor més important del progrés en IA.
