A inicios de los 90, el grupo de IBM (Brown et al.) publicó modelos estadísticos de traducción automática que aprendían alineamientos a partir de corpus paralelos, desafiando el dominio de sistemas basados en reglas.
BLEU y datasets cada vez mayores profesionalizaron la evaluación. La frase típica pasó de “codificar gramática” a “estimar parámetros”.
Esa cultura data-driven desembocó en phrase-based SMT, luego en seq2seq neuronal y transformers. El hilo conductor: más datos alineados, menos reglas manuales.
