Tipos de IA.

 Tipos de IA. (Definición y ejemplo).

IA estrecha (también conocida como "IA débil"): Un sistema de IA diseñado para realizar una tarea o conjunto de tareas específicos. Este es el tipo de IA que se utiliza en las aplicaciones actuales. Se llama "débil" no porque carezca de poder o capacidad, sino porque está muy lejos de tener el entendimiento o conciencia humana que asociamos con la verdadera inteligencia. Estos sistemas tienen un alcance limitado y carecen de la capacidad de realizar tareas fuera de su dominio específico. Los ejemplos de IA estrecha incluyen asistentes de voz, reconocimiento de rostro y habla, y vehículos autónomos.

 

IA general (también conocida como "IA fuerte"):

 Un teoría, un sistema de IA que sería capaz de realizar con éxito cualquier tarea intelectual que pudiera hacer un humano, posiblemente incluso mejor. Al igual que los sistemas de IA estrechos, los sistemas de IA general podrían aprender de la experiencia y detectar y prever patrones, pero tendrían la capacidad de llevar las cosas un paso más allá, extrapolando ese conocimiento en una amplia gama de tareas y situaciones que no son abordadas por datos adquiridos previamente o algoritmos existentes. La IA general aún no existe, aunque hay investigación y desarrollo en curso en el campo con algunos avances prometedores.

IA superinteligente: 

Un sistema de IA definido como totalmente consciente de sí mismo y que supera la inteligencia de los humanos. Teóricamente, estos sistemas tendrían la capacidad de mejorarse a sí mismos y tomar decisiones con una inteligencia superior al nivel humano. Más allá de simplemente imitar o identificar el comportamiento humano, la IA superinteligente lo captaría a un nivel fundamental. Empoderada con estos rasgos humanos —y aumentada aún más con procesamiento masivo y poder analítico—, podría superar con creces nuestras propias habilidades. Si se desarrollara un sistema de IA superinteligente, podría cambiar el curso de la historia humana, pero actualmente solo existe en la ciencia ficción, y no hay un método conocido para lograr este nivel de IA.

IA discriminativa:

Se ha encontrado en numerosas aplicaciones. Por ejemplo, y en primer lugar, en el diagnóstico por imagen. Estos modelos pueden analizar radiografías, tomografías computarizadas o resonancias magnéticas para detectar anomalías o clasificar tipos de lesiones con una precisión que a menudo rivaliza con la de los radiólogos expertos, como han demostrado numerosos estudios. Simplificando, lo que tenemos es un algoritmo complejo, capaz de procesar datos de acuerdo con lo que le hayamos enseñado con anterioridad, hacerlo con alta velocidad, y dotado de la habilidad de aprender de su propio uso, mediante la retroalimentación de sus éxitos o fracasos.