Comprenda los diferentes tipos de inteligencia artificial

Las primeras iteraciones de las aplicaciones de IA con las que más interactuamos hoy en día se basaron en modelos tradicionales de machine learning. Estos modelos se basan en algoritmos de aprendizaje desarrollados y mantenidos por científicos de datos. En otras palabras, los modelos tradicionales de machine learning necesitan la intervención humana para procesar nueva información y realizar cualquier tarea nueva que quede fuera de su entrenamiento inicial.

Por ejemplo, Apple convirtió a Siri en una característica de su iOS en 2011. Esta primera versión de Siri fue entrenada para comprender un conjunto de declaraciones y solicitudes muy específicas. Se requirió la intervención humana para ampliar la base de conocimientos y la funcionalidad de Siri.

Sin embargo, las capacidades de la IA han evolucionado constantemente desde el innovador desarrollo de las neural networks artificiales en 2012, que permiten a las máquinas participar en el aprendizaje por refuerzo y simular cómo el cerebro humano procesa la información.

A diferencia de los modelos básicos de machine learning, los modelos de aprendizaje profundo permiten a las aplicaciones de IA aprender a realizar nuevas tareas que necesitan inteligencia humana, adoptar nuevos comportamientos y tomar decisiones sin intervención humana. Como resultado, el aprendizaje profundo ha permitido la automatización de tareas, la generación de contenido, el mantenimiento predictivo y otras capacidades en todas las industrias.

Debido al aprendizaje profundo y otros avances, el campo de la IA permanece en un estado de flujo constante y rápido. Nuestra comprensión colectiva de la IA realizada y la IA teórica continúa cambiando, lo que significa que las categories de IA y la terminología de IA pueden diferir (y superponerse) de una fuente a otra. Sin embargo, los tipos de IA se pueden entender en gran medida mediante el examen de dos categories: capacidades y funcionalidades de IA.

1. IA artificial estrecha

La Inteligencia Artificial Estrecha, también conocida como IA débil (a la que nos referimos como IA Estrecha), es el único tipo de IA que existe en la actualidad. Cualquier otra forma de IA es teórica. Se puede entrenar para realizar una tarea única o específica, a menudo mucho más rápido y mejor que una mente humana.

Sin embargo, no puede actuar fuera de su tarea definida. En cambio, se centra en un único subconjunto de capacidades cognitivas y avanza en ese espectro. Siri, Alexa de Amazon e IBM Watson® son ejemplos de IA Estrecha. Incluso ChatGPT de OpenAI se considera una forma de IA Estrecha porque se limita a la única tarea del chat basado en texto.

2. IA General

La Inteligencia General Artificial (IAG), también conocida como IA Fuerte, no es hoy más que un concepto teórico. La IAG puede utilizar aprendizajes y habilidades anteriores para realizar nuevas tareas en un contexto diferente sin la necesidad de que los seres humanos entrenen los modelos subyacentes. Esta capacidad permite a la IAG aprender y realizar cualquier tarea intelectual que un ser humano pueda.

3. Súper IA

La Súper IA se conoce comúnmente como superinteligencia artificial y, al igual que la IAG, es estrictamente teórica. Si alguna vez se realizara, la Súper IA pensaría, razonaría, aprendería, haría juicios y poseería habilidades cognitivas que sobrepasan a las de los seres humanos.

Las aplicaciones que poseen capacidades de Súper IA habrán evolucionado más allá del punto de comprender los sentimientos y experiencias humanos para sentir emociones, tener necesidades y poseer creencias y deseos propios.

Debajo de la IA Estrecha, uno de los tres tipos basados en capacidades, hay dos categorías de IA:

1. IA de Máquina Reactiva

Las máquinas reactivas son sistemas de IA sin memoria y están diseñadas para realizar una tarea muy específica. Como no pueden recordar resultados o decisiones anteriores, solo trabajan con los datos disponibles actualmente. La IA Reactiva proviene de las matemáticas estadísticas y puede analizar grandes cantidades de datos para producir un resultado aparentemente inteligente.

Ejemplos de IA de Máquina Reactiva
 

• IBM Deep Blue: La IA del superordenador de ajedrez de IBM venció al gran maestro Garry Kasparov a finales de los 90 analizando las piezas del tablero y prediciendo los resultados probables de cada movimiento.
• El Motor de Recomendaciones de Netflix: Las recomendaciones de visualización de Netflix están impulsadas por modelos que procesan conjuntos de datos recopilados del historial de visualización para proporcionar a los clientes el contenido que es más probable que disfruten.

2. IA de Memoria Limitada

A diferencia de la IA de Máquina Reactiva, esta forma de IA puede recordar eventos y resultados pasados y monitorear objetos o situaciones específicas a lo largo del tiempo. La IA de Memoria Limitada puede utilizar datos del momento pasado y presente para decidir el curso de acción más probable para ayudar a lograr el resultado deseado.

Sin embargo, aunque la IA de Memoria Limitada puede emplear datos pasados durante un periodo específico, no puede retener esos datos en una biblioteca de experiencias pasadas para emplearlos a largo plazo. A medida que se capacita con más datos a lo largo del tiempo, la IA de Memoria Limitada puede mejorar su rendimiento.

Ejemplos de IA de Memoria Limitada
 

• IA generativa: Las herramientas de IA generativa como ChatGPT, Bard y DeepAI se apoyan en capacidades de IA de memoria limitada para predecir la siguiente palabra, frase o elemento visual dentro del contenido que está generando.
• Asistentes virtuales y chatbots: Siri, Alexa, Google Assistant, Cortana e IBM Watson Assistant combinan el procesamiento de lenguaje natural (NLP) y la IA de Memoria Limitada para comprender preguntas y solicitudes, tomar las acciones adecuadas y redactar respuestas.
• Automóviles autónomos: Los vehículos autónomos utilizan IA de Memoria Limitada para comprender el mundo que los rodea en tiempo real y tomar decisiones informadas sobre cuándo acelerar, frenar, girar, etc.

3. IA basada en la Teoría de la Mente

La IA basada en la Teoría de la Mente es una clase funcional de IA que se encuentra debajo de la IA General. Aunque hoy en día es una forma de IA no realizada, la IA con funcionalidad de Teoría de la Mente comprendería los pensamientos y emociones de otras entidades. Esta comprensión puede afectar la forma en que la IA interactúa con quienes la rodean. En teoría, esto permitiría a la IA simular relaciones similares a las humanas.

Dado que la IA basada en la Teoría de la Mente podría inferir los motivos y razonamientos humanos, personalizaría sus interacciones con los individuos en función de sus necesidades emocionales e intenciones únicas. La IA basada en la Teoría de la Mente también sería capaz de comprender y contextualizar obras de arte y ensayos, algo que las actuales herramientas de IA generativa son incapaces de hacer.

La IA de las Emociones es una IA basada en la teoría de la mente actualmente en desarrollo. Los investigadores de IA esperan que sea capaz de analizar voces, imágenes y otros tipos de datos para reconocer, simular, controlar y responder adecuadamente a los seres humanos a nivel emocional. Hasta la fecha, la IA de las Emociones es incapaz de comprender y responder a los sentimientos humanos.

4. IA autoconsciente

La IA autoconsciente es una clase de IA funcional para aplicaciones que poseerían capacidades de súper IA. Al igual que la IA basada en la teoría de la mente, la IA autoconsciente es estrictamente teórica. Si alguna vez se consigue, tendría la capacidad de comprender sus propias condiciones y rasgos internos junto con las emociones y pensamientos humanos. También tendría su propio conjunto de emociones, necesidades y creencias.

La IA de las emociones es una IA basada en la teoría de la mente actualmente en desarrollo. Los investigadores esperan que tenga la capacidad de analizar voces, imágenes y otros tipos de datos para reconocer, simular, monitorear y responder adecuadamente a los humanos a nivel emocional. Hasta la fecha, la IA de las Emociones es incapaz de comprender y responder a los sentimientos humanos.

Visión artificial

Se pueden entrenar aplicaciones de IA estrecha con visión artificial para interpretar y analizar el mundo visual. Esto permite que las máquinas inteligentes identifiquen y clasifiquen objetos dentro de imágenes y videos.

Las aplicaciones de visión artificial incluyen:

• Reconocimiento y clasificación de imágenes
• Detección de objetos
• Seguimiento de objetos
• Reconocimiento facial
• Recuperación de imágenes basada en contenido

La visión artificial es crítica para los casos de uso que involucran máquinas de IA que interactúan y atraviesan el mundo físico que los rodea. Los ejemplos incluyen automóviles autónomos y máquinas que navegan por almacenes y otros entornos.

Robótica

Los robots en entornos industriales pueden usar IA estrecha para realizar tareas rutinarias y repetitivas que involucran manejo de materiales, ensamblaje e inspecciones de calidad. En el cuidado de la salud, los robots equipados con IA estrecha pueden ayudar a los cirujanos a monitorear los signos vitales y detectar posibles problemas durante los procedimientos.

Las máquinas agrícolas pueden realizar podas, movimientos, aclareos, siembras y fumigaciones autónomas. Los dispositivos domésticos inteligentes, como el iRobot Roomba, pueden navegar por el interior de una casa mediante visión artificial y emplear los datos almacenados en la memoria para comprender su progreso.

Sistemas expertos

Los sistemas expertos equipados con capacidades de IA estrecha pueden capacitarse en un corpus para emular el proceso de toma de decisiones humanas y aplicar experiencia para resolver problemas complejos. Estos sistemas pueden evaluar grandes cantidades de datos para descubrir tendencias y patrones y tomar decisiones. También pueden ayudar a las empresas a predecir eventos futuros y comprender por qué ocurrieron eventos pasados.

IBM ha sido pionera en IA desde el principio, aportando un avance tras otro al campo. IBM lanzó recientemente una gran actualización de la cartera de productos de IA de IBM watsonx™. IBM® watsonx.ai™ reúne nuevas capacidades de IA generativa, impulsadas por modelos fundacionales y machine learning tradicional en un potente estudio que abarca todo el ciclo de vida de la IA. Con watsonx.ai, los científicos de datos pueden crear, entrenar y desplegar modelos de machine learning en un único entorno de estudio colaborativo.