20,000 a.C. | El Hueso de Ishango: En África, se utiliza este artefacto para el conteo y la medición del tiempo. Esto demuestra que las matemáticas eran esenciales para la contabilidad básica y el registro de fenómenos naturales.

3,500 a.C. | Mesopotamia y Egipto: Las primeras civilizaciones usan las matemáticas para construir estructuras como las pirámides y para la agricultura. El desarrollo de la aritmética y la geometría era vital para el comercio, la ingeniería y el cobro de impuestos.

600 a.C. | Grecia Clásica: Matemáticos como Pitágoras y Euclides establecen las bases de la geometría formal. Su énfasis en el razonamiento lógico y deductivo sentó un precedente para el pensamiento estructurado, que es la base de la programación y los algoritmos.

Siglo VII d.C. | La invención del cero: El desarrollo del sistema de numeración arábigo y el concepto del cero por matemáticos de la India y el mundo árabe simplificó enormemente los cálculos. Este sistema es la base del sistema binario que usan las computadoras modernas.

847 | Álgebra Booleana: George Boole crea un sistema de lógica matemática que usa valores de "verdadero" y "falso". Esta lógica es el fundamento de la electrónica digital y los circuitos lógicos, permitiendo la construcción de computadoras.

1936 | La Máquina de Turing: Alan Turing formaliza el concepto de un algoritmo. Su modelo teórico de una "máquina universal" sentó las bases de la ciencia de la computación y la idea de que una máquina podría realizar cualquier cálculo.

1943 | El nacimiento de las redes neuronales: Warren McCulloch y Walter Pitts proponen el primer modelo matemático de una neurona artificial. Este fue el primer paso conceptual para las redes neuronales, que hoy son el núcleo de la IA.

1956 | Conferencia de Dartmouth: En este evento se acuña el término "Inteligencia Artificial". Matemáticos y científicos de la computación se reúnen para explorar cómo las máquinas podrían imitar el razonamiento humano.

1970s | Avances en algoritmos: El desarrollo de algoritmos como la retropropagación permite que las redes neuronales "aprendan" de los datos. Este avance matemático es clave para el aprendizaje automático (machine learning), un pilar de la IA.

2010s | El auge del Deep Learning: Con la masiva disponibilidad de datos (Big Data) y el aumento del poder de cómputo, las redes neuronales profundas se vuelven viables. Esto ha llevado a grandes avances en el reconocimiento de imágenes, el procesamiento del lenguaje natural y la creación de modelos generativos. En esencia, la IA es la aplicación avanzada de las matemáticas para resolver problemas complejos de una manera que simula