Puntos clave: La inteligencia artificial (IA) se está categorizada en tres tipos de capacidades: IA artificial estrecha (ANI), IA artificial general (AGI) y superIA artificial (ASI). Además, la IA puede clasificarse por funcionalidad en cuatro tipos: máquinas reactivas, memoria limitada, teoría de la mente e IA autoconsciente, cada una influyendo en diversas industrias y planteando preocupaciones éticas.
- La IA tiene un potencial transformador en diversos sectores.
- Las cuestiones éticas incluyen la privacidad, los prejuicios y la sustitución del empleo.
La inteligencia artificial (IA) se ha popularizado. Estamos experimentando son un salto evolutivo en la tecnología y en su adopción y uso. Antes era dominio exclusivo de tecnólogos especializados, ahora todo el mundo la están utilizando, desde niños en edad escolar que redactan informes hasta empleados que la emplean para aplicaciones empresariales. La IA pronto tendrá un papel en casi todos los ámbitos de la tecnología.
El ritmo de adopción y la evolución continua de la tecnología de IA solo aumentarán. A medida que te seguimos las tendencias, están útil entender los distintos tipos de IA que son entrando en uso común.
¿Cuáles son los diferentes tipos de IA?
Las formas de organizar los distintos enfoques de la IA son en constante evolución. En 2024, podemos clasificar la inteligencia artificial en al menos siete tipos distintos: tres tipos basados en capacidades y cuatro tipos basados en funcionalidades que corresponden de forma aproximada a la jerarquía de necesidades de Maslow. Las tecnologías de IA más simples coinciden con el nivel básico de supervivencia del modelo de Maslow. Los niveles más sofisticados de IA son autoconscientes y coinciden con el nivel de autorrealización de ese modelo.
Los cuatro tipos funcionales de IA son:
- Máquinas reactivas
- Memoria limitada
- Teoría de la Mente
- Autoconsciente
El estado actual de la tecnología de IA ha evolucionado más allá del primer tipo de máquinas reactivas. El tercer y cuarto tipo existen actualmente solo en teoría. Representan la siguiente etapa de la IA: el desarrollo.
Los especialistas orientados a la tecnología organizan diferentes tipos de modelos de IA según cómo se están utilizados los IA, cuáles son sus capacidades y cómo contribuye a avanzar a la humanidad.
Los tres tipos de IA basados en sus capacidades son:
- Inteligencia artificial estrecha
- Inteligencia artificial general
- Superinteligencia artificial
4 tipos principales de IA basada en funcionalidades
Aquí son resúmenes de cómo está organizada la IA basada en funcionalidades.
1. IA de máquinas reactivas
La IA de máquina reactiva realiza operaciones básicas y representa el nivel más simple de inteligencia artificial. Estos tipos reaccionan a alguna entrada con alguna salida. No están en ese momento de aprendizaje.
La IA automática reactiva es la primera etapa de cualquier sistema de IA. Un algoritmo de aprendizaje automático que toma un rostro humano como entrada y genera una caja alrededor de la cara para identificarla como una cara está una IA máquina simple y reactiva. El modelo no almacena entradas ni realiza aprendizaje.
Los modelos estáticos de aprendizaje automático son máquinas reactivas. Su arquitectura están la más sencilla y se pueden encontrar en repositorios de GitHub por toda la web. Estos modelos pueden descargarse, intercambiarse, compartirse y cargarse fácilmente en el toolkit de un desarrollador.
Ejemplos de IA de máquinas reactivas:
- IBM Deep Blue. Desarrollado en 1997 para derrotar al campeón de ajedrez Garry Kasparov, esta IA de fuerza bruta demostró la capacidad de la tecnología para manejar tareas complejas. No tenía memoria ni capacidad de aprendizaje.)
- Google AlphaGo. Este avance en la evolución utiliza el aprendizaje profundo y las redes neuronales para dar a la máquina la capacidad de utilizar la intuición y el pensamiento estratégico para conoce cómo dominar el juego del Go.
- Motor de recomendaciones de Netflix. En lugar de ser el ejercicio académico de jugar, esta IA sirve a clientes reales en un negocio real, haciendo recomendaciones de programación que fomentan una mayor audiencia y retención de suscriptores.
- Sistemas de gestión del tráfico. Estos sistemas de IA utilizan datos en tiempo real y algoritmos predictivos para gestionar el flujo del tráfico, aliviando la congestión, mejorando la seguridad y reduciendo las emisiones.
- IA basada en reglas para juegos. Esta tecnología aprende y evoluciona según las acciones de los jugadores para Crea experiencias de juego más desafiantes y disfrutables.
Empezar con AIOps está fácil. Gestiona la creciente complejidad de TI con inteligencia artificial para operaciones empresariales.›
2. IA de memoria limitada
La IA de memoria limitada puede almacenar datos previos, usando esos datos para Haz mejores predicciones. Con la IA de memoria limitada, la arquitectura de aprendizaje automático se vuelve un poco más compleja. Cada modelo de aprendizaje automático requiere memoria limitada para ser creado, pero el modelo puede Obtén desplegarse como un tipo de máquina reactiva.
Son tres tipos principales de modelos de aprendizaje automático que Lograr este tipo de memoria limitada:
- Aprendizaje por refuerzo. Estos modelos conoce a Haz mejores predicciones, mediante prueba y error, para entender cómo jugar a juegos como ajedrez, Go y DOTA2.
- Memoria a Corto Plazo Largo (LSTM). El modelo LSTM utiliza datos pasados para predecir los siguientes elementos en una secuencia, prefiriendo información más reciente en el algoritmo.
- Redes Antagónicas Generativas Evolutivas (E-GAN). El modelo E-GAN utiliza algoritmos evolutivos para Crear un proceso de aprendizaje en constante mejora que permite a la máquina explorar opciones mediante un proceso de mutación y selección.
Ejemplos de IA de memoria limitada:
- Coches autónomos. Esta IA utiliza algoritmos que se conectan a sensores, cámaras y datos en un vehículo para navegar por las carreteras, interpretar señales y semáforos, y evitar obstáculos.
- Chatbots de atención al cliente. Estos modelos utilizan procesamiento de lenguaje natural y aprendizaje automático para entender las solicitudes de los clientes y responder en tiempo real para mejorar el servicio al cliente.
- Dispositivos inteligentes para el hogar. Esta IA controla sistemas domésticos como termostatos, luces, calentadores de agua, tratamientos de ventanas y sistemas de seguridad para optimizar y automatizar los hogares y crear un espacio habitable personalizado.
- Robótica industrial. La IA puede alimentar los robots que trabajan en ensamblaje, inspección de calidad, manipulación de materiales, embalaje y más. Aumentan la productividad y la seguridad, aumentando la velocidad y la precisión.
Tipos de IA de memoria limitada en la práctica
Aunque todos los modelos de aprendizaje automático están creados usando memoria limitada, no siempre se convierten en ese modelo al implementarse.
La IA de memoria limitada funciona de dos maneras:
- Un equipo entrena continuamente un modelo con nuevos datos.
- El entorno de IA están construido de forma que los modelos son entrenados y renovados automáticamente en función del uso y comportamiento del modelo.
Para que la infraestructura de aprendizaje automático sostenga un tipo limitado de IA de memoria, la infraestructura requiere que el aprendizaje automático esté integrado en su estructura.
El aprendizaje activo está cada vez más común en el ciclo de vida del aprendizaje automático. El ciclo de aprendizaje activo del aprendizaje automático consta de seis pasos:
- Datos de entrenamiento. Un modelo de aprendizaje automático debe tener datos para entrenar.
- Construir el modelo. El modelo están creado.
- Predicciones del modelo. El modelo hace predicciones.
- Retroalimentación. El modelo recibe retroalimentación sobre su predicción a partir de estímulos humanos o ambientales.
- La retroalimentación se convierte en datos. La retroalimentación se está enviada de nuevo a un repositorio de datos.
- Repite. Sigue iterando en este ciclo.
3. IA de teoría de la mente
La tecnología está ahora empezando a evolucionar la teoría de la mente de los tipos de IA. Este tipo de IA comienza a interactuar con los pensamientos y emociones de los humanos.
Los modelos actuales tienen una relación unidireccional con la IA. Un usuario da una orden a un sistema como Alexa o Siri, y responde. No responde a las emociones, así que si tú gritas enfadado a Google Maps para que te lleve en otra dirección, no ofrece apoyo emocional, no te calma con garantías ni se ofrece a informar a alguien de que tú llegarás tarde. En cambio, sigue devolviendo los mismos informes de tráfico y ETA que ya había mostrado y no se preocupa por tu angustia.
ChatGPT se están acercando a una IA de teoría de la mente. Si te agradece su ayuda, aceptará amablemente el cumplido y expresará su disposición a ayudar más. te también puede decirle lo frustrado que te son y parecerá compadecerse.
Los campos de estudio que abordan este tema incluyen la Inteligencia Emocional Artificial y los avances en la teoría de la toma de decisiones. Michael Jordan presentó parte de su investigación sobre la toma de decisiones en el evento del 13 de mayo de 2020, El futuro del aprendizaje automático y la IA junto a Michael Jordan y Ion Stoica, y se presentó más información en la conferencia ICLR 2020 .
En un futuro no muy lejano, la IA se volverá autoconsciente. Este tipo de IA existe solo como concepto y en historias de ciencia ficción.
El potencial es inmenso. Sin embargo, al mismo tiempo, tenemos motivos para temer las consecuencias de esta evolución. Está posible que una IA autoconsciente, independiente de los mejores valores humanos, se vuelva adversaria de los humanos, y probablemente las personas tendrán que negociar términos con la entidad creada.
3 tipos de IA basada en capacidades
1. IA artificial estrecha (ANI)
Estos modelos son diseñados para centrarse en tareas muy específicas y no tienen la capacidad de aprender.
2. IA artificial general (AGI)
Los modelos de inteligencia general son capaces de conoce e imitar el pensamiento humano básico.
3. SuperIA artificial (ASI)
Este modelo teórico aspira a superar las capacidades de los seres humanos para usar y sintetizar grandes cantidades de datos y conocimientos.
¿Son otros tipos de modelos de IA?
La rápida evolución de la tecnología de IA provoca naturalmente la propagación de nombres y clasificaciones adicionales para tipos de modelos de IA. Ejemplos incluyen:
- IA generativa. Generativa significa que esta IA crea contenido nuevo, que puede ser texto, imágenes, música e incluso nuevos mundos virtuales. Actualmente son disponibles varios tipos de IA generativa.
- Aprendizaje profundo. Esta tecnología utiliza capas de redes neuronales para imitar cómo funcionan las mentes humanas, con el fin de extraer patrones complejos, reconocer imágenes, procesar lenguaje natural y manejar la conducción autónoma.
- Procesamiento del lenguaje natural (PLN). Este tipo de IA entiende e interpreta los lenguajes humanos y es invaluable para traducir textos, rastrear sentimientos y significados, y crear interfaces conversacionales que Haz que la comunicación automática con las personas se sienta natural.
- IA débil vs. fuerte. Los modelos de IA débiles son tecnologías limitadas y básicas diseñadas para tareas específicas, mientras que los modelos de IA fuertes son avanzando hacia un pensamiento similar al humano, con la capacidad de conoce y aplicar conocimientos.
- IA multimodal. Estos modelos capturan, integran y procesan datos en múltiples formatos de diversas fuentes para sintetizar la comprensión de situaciones complejas y realizar diversas tareas, como subtitular de una imagen, analizar un vídeo y buscar en varios medios.
- Grandes modelos de lenguaje (LLM). Utilizando aprendizaje profundo y procesamiento del lenguaje natural, estos modelos de IA pueden resumir texto o la palabra hablada, entender y responder preguntas, y realizar traducciones. Aportan conciencia cultural y contextual al trabajo para una mayor precisión.
El futuro de los modelos de IA
Por mucho que te Define y clasifique los modelos de IA, la tecnología están llegada para quedarse. La IA tiene el potencial de transformar la creatividad y las capacidades humanas en casi todos los sectores, desde la sanidad hasta las finanzas, la educación y más allá.
Aunque son evidentes los aspectos positivos, la tecnología de IA genera cuestiones éticas y preocupaciones que pueden afectar a la sociedad en su conjunto, tocando la privacidad, los sesgos, la regulación gubernamental y la seguridad, entre otros. Aunque la gente teme perder empleos, la IA también genera nuevos tipos de empleo.
Con el cuidado y los controles adecuados, la IA puede ayudar a los humanos a afrontar desafíos globales complejos y mejorar la vida de millones de personas.
Lecturas relacionadas
Estas publicaciones son mías y no representan necesariamente la posición, estrategias u opinión de BMC.