Inteligencia artificial, clasificación y aprendizaje

En 1958, John McCarthy acuñó el término inteligencia artificial (IA) para describir el uso de algoritmos y métodos en la programación de computadoras. Para comportarse de manera inteligente, imitando el comportamiento humano. La inteligencia artificial utiliza tanto procedimientos simbólicos como conexionistas para hacer computacional el conocimiento humano. Además, el pensamiento computacional se refiere a la aplicación de la detección de patrones, la abstracción y el razonamiento lógico para resolver problemas.

En términos sencillos, el objetivo es que las computadoras tengan un comportamiento similar al de los seres humanos. En los últimos tiempos, la IA ha cobrado cada vez más relevancia debido a que, aunque aún está en sus primeras etapas de desarrollo. Puede ser una herramienta útil para simplificar las labores realizadas por los seres humanos.

Las inteligencias artificiales se pueden dividir en distintos tipos que tienen diferentes capacidades, además, estas IA a su vez se pueden usar en conjunto para crear otros sistemas IA más complejos y eficientes capaces de realizar tareas más difíciles estos tipos son los siguientes:

Inteligencia artificial estrecha (ANI)

La Inteligencia Artificial Estrecha (ANI) se refiere a un tipo de IA menos flexible, que no puede adaptarse ni ajustarse a las necesidades de un sistema o máquina en particular. Su objetivo es centrarse en una única tarea y aplicar toda su complejidad en ella. En otras palabras, es como un especialista que se dedica a una función compleja específica.

El ANI funciona mediante la programación de sus acciones, y su capacidad se limita a realizar un solo papel de manera eficiente. Aunque esto puede parecer una limitación, también se puede interpretar como una dedicación completa y total.

Las características del ANI incluyen una inteligencia artificial reactiva y una memoria limitada, y por definición, todos los demás modelos de IA pueden considerarse como un tipo de ANI. La diferencia es que otros tipos de IA están diseñados para cumplir con una variedad de funciones y tareas.

El ANI se utiliza comúnmente en funciones como asistentes virtuales (Siri, Alexa, Cortana, etc.), reconocimiento facial, filtros de spam en correos electrónicos y sistemas de vehículos autónomos. Técnicamente, el ANI se considera una IA incapaz de reproducir el comportamiento humano, sino solo de simularlo, y solo se enfoca en objetivos específicos.

Autoconciencia

La autoconciencia es un concepto que guía el desarrollo futuro de la inteligencia artificial, pero aún no se han creado máquinas conscientes de sí mismas. Este es el nivel más alto que la IA puede alcanzar, lo que llevará mucho tiempo y esfuerzo. La idea es que estas máquinas puedan comprender emociones, tener las suyas propias y entender cada detalle de sus interacciones con las personas.

Aunque esto es ambicioso, no se sabe cuántos años se necesitarán para alcanzar este nivel de desarrollo tecnológico. Sin embargo, también es una etapa peligrosa en el avance de la inteligencia artificial, ya que las máquinas independientes pueden tener un razonamiento que no se puede detener todo el tiempo.

La tecnología actual permite que las máquinas actúen como seres humanos, lo que es útil para diversas soluciones de mercado. Esto puede llevar a nuevos tipos de inteligencia artificial que cambien el mundo.

Inteligencia artificial general (AGI)

La Inteligencia Artificial General se considera un tipo de IA fuerte y profunda que imita la inteligencia humana y tiene una amplia capacidad de acción. AGI tiene la capacidad de aprender y replicar comportamientos para resolver problemas de manera única. Lo que la convierte en uno de los modelos más versátiles disponibles.

 AGI puede pensar y tiene una comprensión única y adaptable para cada escenario que enfrenta, lo que la hace muy cercana a la mente humana en su actividad de resolución. Su capacidad de evaluación y detección de necesidades, procesos y emociones es una característica única que la diferencia de otros tipos de IA.

En la práctica, AGI tiene un alto nivel cognitivo y capacidad de aprendizaje, lo que permite moldear el servicio de una empresa según las necesidades y dudas de los clientes de manera precisa. AGI es capaz de estudiar y comprender a los humanos y manejar las interacciones y comportamientos de los usuarios de manera efectiva.

Super inteligencia artificial (ASI)

La Super inteligencia Artificial es una categoría de inteligencia artificial considerada la más poderosa, ya que es capaz de volverse consciente y autónoma. A diferencia de otras formas de IA, ASI no solo replica el comportamiento humano, sino que se considera que puede pensar y ser más hábil que los humanos en todas las áreas, incluyendo deportes, ciencias, arte y medicina.

Aunque todavía está en desarrollo, la meta es crear sistemas que despierten emociones y deseos propios. Sin embargo, el desarrollo de ASI requiere un cuidado meticuloso para analizar las posibles consecuencias, ya que su capacidad de razonamiento avanzado podría tener impactos significativos. Por lo tanto, el trabajo en esta inteligencia artificial se realiza con responsabilidad y continua mejora.

Inteligencia artificial simbólica

El enfoque de la IA simbólica se basa en el aprendizaje de la Inteligencia Artificial de la misma forma que aprende el cerebro humano, a través de la formación de representaciones simbólicas internas de su entorno. Los símbolos son fundamentales en el proceso de pensamiento y razonamiento humano, ya que aprendemos tanto objetos como conceptos abstractos y creamos reglas para manejarlos.

La IA simbólica imita este mecanismo al representar explícitamente el conocimiento humano a través de símbolos legibles por el hombre y reglas que permiten la manipulación de esos símbolos. En este enfoque, el conocimiento humano y las reglas de comportamiento se incorporan en programas informáticos.

Inteligencia artificial autónoma

La tecnología de inteligencia artificial autónoma utiliza los mismos principios que la IA, pero con la capacidad de una respuesta más eficiente y rápida en situaciones críticas. Su principal aspecto es la coordinación, donde se aprovecha el máximo potencial de varias aplicaciones de IA para producir resultados superiores. Esto permite que los operadores deleguen las tareas repetitivas y centrarse en tareas más creativas y estratégicas.

Teoría de la mente

La Teoría de la Mente es un área de la inteligencia artificial que ha recibido mucha atención en los últimos años. Aunque todavía no se sabe exactamente cómo se aplicará y cuál será su nivel de desarrollo, se espera que sea uno de los modelos más innovadores que se hayan creado. Su objetivo es comprender mejor las interacciones humanas, centrándose en las emociones, necesidades y procesos mentales que influyen en el comportamiento.

A pesar de que se han logrado grandes avances en la investigación de la inteligencia artificial, la Teoría de la Mente sigue siendo vista como un concepto futuro. Los expertos creen que aún se necesitan muchos avances en otras áreas para lograr su pleno desarrollo. No obstante, se considera una idea prometedora que tiene el potencial de ser uno de los modelos más importantes. Para lograr esto, es necesario seguir investigando y comprender mejor los factores mentales que influyen en las reacciones y sentimientos humanos.

Maquinas reactivas

Este tipo de inteligencia artificial se enfoca en realizar tareas específicas basándose en la información que recibe. A diferencia de otras formas de IA que adoptan una perspectiva más global, se centra en generar los mejores resultados posibles para cumplir con su programación. No tiene la capacidad de almacenar información en su memoria ni de percibir el tiempo, sino que su enfoque está en lograr un objetivo específico.

Un ejemplo de este tipo de IA es el software de ajedrez de IBM, Deep Blue. Que en los años 90 venció al campeón de ajedrez Garry Kasparov. Deep Blue puede reconocer las piezas del tablero de ajedrez y realizar predicciones. Pero no puede utilizar información del pasado para influir en el futuro, ya que no tiene memoria.

Memoria limitada

Las máquinas con memoria limitada son similares a las máquinas reactivas en que son altamente reactivas, pero tienen la diferencia de que poseen una pequeña cantidad de memoria disponible para ellas. Esto les permite aprender de la información que reciben o usan, creando pequeñas bases de datos a partir de su historial de interacciones. Si bien aún son limitadas en su capacidad, estas máquinas han evolucionado y unos de los ejemplos donde se utilizan son en sistemas de reconocimiento facial, asistentes virtuales y chatbots.

Así como existen tipos de inteligencias artificiales, también se encuentra una variedad de formas en que una IA puede aprender la información que utiliza para realizar la tarea que necesita completar, estas formas son principalmente 4:

Aprendizaje supervisado

Este aprendizaje se refiere a un proceso en el cual se utilizan datos etiquetados para producir conocimientos y generar resultados predecibles. Este modelo de inteligencia artificial es capaz de tomar decisiones y realizar predicciones sobre nuevos datos, gracias a los patrones que ha identificado previamente en los datos etiquetados. Es comúnmente utilizado en aplicaciones como filtros de spam, reconocimiento de voz y captchas, entre otros.

Aprendizaje no supervisado

Se caracteriza por no contar con información previa sobre la estructura de los datos. Este tipo de aprendizaje se enfrenta a datos no etiquetados y sin variables de salida. Por lo que su objetivo es descubrir patrones e información clave a través de la exploración de la estructura de los datos. El aprendizaje no supervisado se divide en dos categorías: clustering y reducción dimensional. El primero se enfoca en analizar datos y organizar la información en grupos con características similares, lo que resulta útil en estrategias de marketing. El segundo se encarga de identificar correspondencias entre las características de los datos para reducir redundancias y tiempo de análisis, obteniendo información valiosa en datos complejos y de alta demanda de procesamiento.

Aprendizaje semi supervisado

Este modelo de aprendizaje, se centra en combinar los dos tipos de aprendizaje mencionados antes. Haciendo uso de información etiquetada y no etiquetada para lograr dar resultados que usando los datos por separado no podrían salir a la luz.

Aprendizaje por refuerzo

El aprendizaje por refuerzo, también llamado Deep Learning, el objetivo principal es crear modelos que tomen decisiones con alto rendimiento basándose en la experiencia previa. En este proceso, se lleva a cabo una prueba y error, y se refuerza con una recompensa cuando se toma una decisión correcta, lo que ayuda a ajustar el comportamiento para tomar mejores decisiones en el futuro. Para resumir, se trata de un modelo que aprende por sí mismo a través de la experiencia y el refuerzo positivo.

Autor: Cristian David Huertas Rios

Editor: Carlos Iván Pinzón Romero

Código: UCPSG6-1

Universidad: Universidad Central

Fuentes

Netapp. (s.f). ¿que es la inteligencia artificial?. netapp.com. https://www.netapp.com/es/artificial-intelligence/what-is-artificial-intelligence/

Kellison Ferreira. (2021). Tipos de Inteligencia Artificial: conoce cuáles existen y cómo usarlos. rockcontent.com. https://rockcontent.com/es/blog/tipos-de-inteligencia-artificial/

Inbenta. (s.f). La IA Simbólica. inbenta.com. https://www.inbenta.com/es/tecnologia/ia-simbolica/

Algotive. (2022). Guía de Inteligencia Artificial Autónoma: El futuro de la IA. algotive.ai. https://www.algotive.ai/es-mx/blog/guía-de-inteligencia-artificial-autónoma-el-futuro-de-la-ia#:~:text=La%20inteligencia%20artificial%20autónoma%20es%20una%20tecnología%20que%20usa%20los,diversos%20escenarios%20de%20alta%20criticidad.

MBIT School. (2022). ¿Cómo Aprende una Inteligencia Artificial?. mbitschool.com. https://www.mbitschool.com/actualidad/como-aprende-una-inteligencia-artificial#:~:text=El%20“machine%20learning”%20o%20aprendizaje,permitiendo%20de%20esta%20manera%2C%20al

El Ágora. (2021). Inteligencia Artificial para hacer frente al cambio climático [imagen]. elagoradiario. https://www.elagoradiario.com/desarrollo-sostenible/cambio-climatico/inteligencia-artificial-cambio-climatico/

Mateus Ramirez, L. A. (2021). Conocimientos y habilidades para aprender a programar inteligencia artificial (IA) [imagen]. bloque10 unimagdalena.edu. https://bloque10.unimagdalena.edu.co/conocimientos-y-habilidades-para-aprender-a-programar-inteligencia-artificial-ia/

Rodriguez, R. (2023).¿Cuánto sabes sobre inteligencia artificial? [imagen]. national geographic. https://www.nationalgeographic.com.es/ciencia/cuanto-sabes-sobre-inteligencia-artificial_19125/1

Aceves, C. (2022). Inteligencia artificial y su potencial para acelerar la logística [imagen]. thelogisticsworld. https://thelogisticsworld.com/almacenes-e-inventarios/inteligencia-artificial-para-acelerar-la-logistica/

Derivando. (4 de agosto de 2021). ¿Qué es y cómo funciona la INTELIGENCIA ARTIFICIAL? . youtube. https://www.youtube.com/watch?v=_tA5cinv0U8