Hay lenguajes que se aprenden para aprobar una asignatura. Otros, para conseguir un trabajo. Y luego está LISP, que lo estudié como el lenguaje para inteligencia artificial del momento. No era el más popular, ni el que salía en las ofertas de empleo… pero tenía algo especial: parecía que estaba hecho para pensar como una máquina.
Table of contents
Open Table of contents
Un viaje en el tiempo
A finales de los años 50, mientras la IA apenas daba sus primeros pasos, John McCarthy creó LISP (LISt Processor). Su propósito era claro: manipular símbolos, listas y estructuras de datos de una forma sencilla y directa, algo clave en la investigación de inteligencia artificial de la época.
Cuando yo lo conocí, décadas después, ya no era “el lenguaje del futuro”, pero todavía se enseñaba como ejemplo de claridad, flexibilidad y potencia para resolver problemas de IA.
Por qué LISP era perfecto para la IA de su época
En aquellos primeros experimentos con IA, no existían redes neuronales como las actuales. La IA se entendía como procesamiento simbólico: manipular hechos, reglas y relaciones. LISP brillaba porque:
- Todo estaba basado en listas: fáciles de recorrer, modificar y combinar.
- Su sintaxis era mínima y consistente: prácticamente todo era una expresión (S-Expression).
- Permitía modificar y ejecutar código de forma dinámica: ideal para prototipar y experimentar rápidamente.
Para un investigador, eso significaba menos tiempo peleando con el lenguaje y más tiempo probando ideas.
El legado de LISP en la IA moderna
Aunque hoy no es común ver LISP en proyectos de producción, muchas de sus ideas siguen vivas:
- First-class functions: en Python o JavaScript, las funciones se pueden pasar como datos… eso viene de LISP.
- Evaluación dinámica: la capacidad de generar y ejecutar código sobre la marcha sigue siendo clave en ciertos entornos, como intérpretes o meta-programación.
- Simplicidad sintáctica: influenció a lenguajes como Clojure y Scheme, que aún hoy tienen comunidades activas.
¿Podría LISP volver a ser relevante?
Quizá no como lenguaje dominante, pero sí como inspiración. En un momento en el que hablamos de crear lenguajes específicos para IA y para LLMs, LISP nos recuerda que un buen lenguaje para trabajar con conocimiento y lógica no siempre es el más popular, sino el que mejor se adapta al problema.
En agentes inteligentes, meta-programación y sistemas que aprenden sobre la marcha, esa filosofía podría volver a tener protagonismo.
¿Qué supuso para mí?
Aprender LISP no me convirtió en un programador de LISP… pero sí en alguien que valora la importancia del lenguaje a la hora de pensar un problema. En inteligencia artificial, el “cómo” programamos es tan importante como el “qué” programamos. Y quién sabe: quizá el próximo gran lenguaje para IA tenga más en común con LISP de lo que imaginamos.
💌 Si quieres leer la versión extendida, con ejemplos de código y casos actuales donde la filosofía de LISP sigue viva, suscríbete gratis a mi newsletter Coffee & Get to It.