¿Qué tipos de IA hay?

Para que entendamos cómo se puede aplicar la IA tenemos que entender las otras perspectivas. Otra clasificación proporciona información adicional sobre lo que significan y lo que pueden lograr.

Basado en capacidades: que tan inteligentes son

Esta perspectiva considera cuán capaz es la IA de hacer cosas incluso mejor que un humano.

• Inteligencia Artificial Estrecha o ANI (Narrow AI): Este tipo de IA está diseñada para realizar una tarea específica. Es menos inteligente que un humano, pero eso no significa que sea tonto, carece de conciencia y cognición natural. Todo lo que obtenemos está programado de esa manera. Aunque el nombre sugiere bajas capacidades, se define proporcionalmente a los siguientes niveles.
• Inteligencia Artificial  Generativa Este tipo de IA es un subconjunto de la IA estrecha y, en función de entradas y modelos determinados, puede generar texto, imágenes, sonido, vídeo y más. Este es probablemente el tipo de IA más común con el que te hayas encontrado.
• Inteligencia General Artificial o AGI (Strong AI) Este tipo de IA tiene como objetivo realizar cualquier tarea intelectual que un humano pueda realizar, incluidas habilidades conscientes y cognitivas, tal como un humano usaría la crítica y sus sentidos para realizar una tarea. Se parece más a la IA que ves en la ciencia ficción, pero en realidad aún no existe.
• Superinteligencia Artificial o ASI (Super AI): Se trata de una hipotética IA futura que supera la inteligencia humana y puede realizar cualquier tarea mejor que los humanos. Por ahora, es más un concepto explorado en debates académicos y ciencia ficción.

Al igual que los humanos, la inteligencia es un rango y esto puede afectar nuestra percepción. También hay que tener en cuenta que los humanos tenemos la capacidad de sentir, ser racionales e irracionales, todo eso y cómo las manejamos tienen un impacto cuando aplicamos nuestra inteligencia. Estás habilidades cobran aún más importancia en contextos como los de sátira o sarcasmo, donde lo textual no representa el significado.

Basado en funcionalidades: como procesan

Esta perspectiva considera hasta dónde puede llegar la IA en la complejidad del procesamiento y la entrega de resultados.

• Reactive Machines (Máquinas reactivas): estas IA solo pueden reaccionar a situaciones basadas en reglas preestablecidas y no tienen memoria, como la IA que juega a las damas contra ti con cada movimiento como si fuera una nueva con el tablero actual. Este modelo de IA nunca se volverá más inteligente en el tiempo.
• Limited Memory (Memoria limitada): esta IA puede utilizar experiencias pasadas para tomar decisiones mejores y más informadas. Los coches autónomos suelen utilizar este tipo de IA para mejorar su conducción con el tiempo. Este modelo de IA aprenderá y se adaptará con el tiempo.
• Theory of Mind (Teoría de la mente): esta IA está destinada a comprender y procesar emociones, creencias e intenciones, y tomar decisiones ricas e informadas. A estas alturas todavía es en gran medida teórico, aunque hay algunas emociones humanas que se pueden reconocer, la mayoría de nuestros movimientos y patrones de habla son todavía demasiado complejos para ser procesados.
• Self-Awareness (Autoconciencia): este es el tipo más avanzado de IA, no solo puede comprender las emociones y la cognición, sino que también tiene autoconciencia, lo que significa que es capaz de tener conciencia y emociones en sí, al igual que los humanos. Esto también sigue siendo especulativo.

Similar a la inteligencia humana, estos procesos son secuenciales y uno es la base del otro.

Basado en técnicas: como aprenden

• Machine Learning (Aprendizaje automático): Sistemas de IA que aprenden de los datos para mejorar con el tiempo. Incluye técnicas como el aprendizaje supervisado (aprender a partir de ejemplos), el aprendizaje no supervisado (encontrar patrones) y el aprendizaje por refuerzo (aprender a partir de la retroalimentación).
• Deep Learning (Aprendizaje profundo): Un subconjunto del aprendizaje automático que utiliza redes neuronales con muchas capas para analizar patrones complejos. Se utiliza en cosas como el reconocimiento de imágenes y la traducción de idiomas.
• Procesamiento del lenguaje natural (PNL): Esto permite que las computadoras comprendan y generen el lenguaje humano. Se utiliza en chatbots y software de traducción.

Estas no son todas las técnicas pero sí las más comunes; las clasificaciones nos ayudan a comprender y desarrollar tecnologías de IA adaptadas a necesidades y desafíos específicos. La IA es un campo que evoluciona rápidamente, por lo que estas clasificaciones pueden cambiar a medida que se realizan nuevos descubrimientos.

Los humanos usamos una combinación de habilidades e inteligencia para la mayoría de las tareas, por ejemplo, la escritura involucra nuestras habilidades relacionadas con el lenguaje, pero si se escribe a mano también involucramos nuestras habilidades relacionadas con el dibujo y la motricidad fina.

Aunque la IA ha evolucionado exponencialmente durante los últimos años, aún no logra ser tan inteligente como un ser humano de manera sostenible. Cada solución actual combina una serie de capacidades, técnicas y funcionalidades para ofrecer una experiencia determinada. 

• Inteligencia asistida
• Asistentes digitales: aquí podemos encontrar las versiones base de Siri, Alexa o Google Assistant; estas ayudan a configurar recordatorios, realizar llamadas o buscar información. 
• Viajar: aplicaciones que utilizan inteligencia artificial para planificar rutas y actualizaciones de tráfico para ayudarlo a viajar, como Waze o Google Maps.
• Sanidad: Entrenador personal y Smartwatches

Estos sistemas actualmente están aprendiendo y mejorando al punto que realmente ayudan, algunos de ellos se están expandiendo e implementando tecnologías de otro tipo; Siri, por ejemplo, comenzó como un asistente virtual pero está evolucionando hacia Inteligencia Aumentada en algunos de sus dispositivos.

• Inteligencia aumentada
  Este tipo de IA es el que más interactúa con los humanos.
• Atención médica: herramientas que ayudan a los médicos a diagnosticar enfermedades mediante el análisis de datos médicos.
• Educación: Plataformas que utilizan IA para brindar experiencias de aprendizaje personalizadas a los estudiantes, piense en FlexFlix

• Inteligencia automatizada
  
• Automatización de procesos: IA que automatiza tareas rutinarias y repetitivas, como la entrada de datos o el procesamiento de transacciones. Esto ayuda a liberar a los trabajadores humanos para tareas más complejas.
• Automatización robótica de procesos (RPA): utiliza IA para automatizar tareas digitales en todos los sistemas, como copiar datos de un sistema a otro.

• Inteligencia autónoma
• Sistemas que pueden operar de forma independiente para realizar tareas sin intervención humana, como vehículos autónomos y drones.

La mayor parte de la IA generalmente se centraba en el procesamiento y modelado de datos, la IA generativa se centra en la creación de contenido que imita la producción humana basándose en la aportación humana. Esto incluye texto, imágenes, música y código. Piensa en Adobe Firefly, Chat GPT, DALL-E, Boomy, Gamma, todos generan contenido basado en aportaciones humanas, aprenden constantemente de la información que procesan (memoria limitada) y utilizan una combinación de técnicas de aprendizaje como Machine Learning, NPL, GAN entre otras.

Además de saber las capacidades de la solución que estamos utilizando, todas estas tecnologías dependen en gran medida del procesamiento de cantidades masivas de información y de ser modeladas constantemente. Esto significa un procesamiento mayor almacenamiento de datos, más consumo de energía y más transferencia de datos para poder procesar lo necesario.

Para servidores que alojan estas tecnologías

Los servidores que alojan estas soluciones necesitan más recursos, lo que significa que, si están alojados localmente, los centros de datos deben ser más grandes (en cuanto a complejidad y capacidad); si se procesan en la nube, se necesitan redes más potentes y más memoria local.

Para portátiles y usuarios que utilizan estas tecnologías

Incluso cuando utilizamos una solución de IA alojada en la nube. Todavía hay una gran parte del proceso que se ejecuta localmente. Una mejor conexión a Internet, una mejor RAM, sistemas actualizados.

Probablemente durante el uso se sienta que nuestra computadora y el Internet son más lentos cuando usa un software de soporte de IA; esto es parcialmente cierto, se ha tenido un impacto en los dispositivos que utilizamos vs los que requerimos. ¿Todos necesitan la computadora más capaz? No, sólo tenemos que pensar en el software que queremos utilizar y la experiencia que queremos tener. Por ejemplo, Windows 11 requiere un mínimo de 4 GB de RAM, mientras que Windows 11 con Copilot requiere 16 GB de RAM.

Comunicación Wi-Fi

Transferencia de datos: El uso de servicios en la nube a menudo requiere enviar y recibir datos a través de Internet. Si se transfieren muchos datos, pueden consumir un ancho de banda significativo. Esto significa que tu Wi-Fi podría volverse más lento, especialmente si compartes la red con otras personas.

Latencia: Siempre hay un poco de retraso (latencia) cuando los datos van y vienen entre su dispositivo y la nube. Para la mayoría de las tareas, esto no es un gran problema. Sin embargo, para aplicaciones que necesitan procesamiento en tiempo real (como videollamadas, juegos en línea o análisis de datos en vivo), la alta latencia puede resultar problemática.

Confiabilidad de la red: Si su conexión Wi-Fi es inestable, puede interrumpir la comunicación con la nube. Esto puede provocar interrupciones en el servicio, como una transmisión de video pausada o respuestas retrasadas de un asistente inteligente.

Memoria del portátil

Procesamiento local: Si bien el procesamiento pesado se realiza en la nube, es posible que algunas tareas aún necesiten de la memoria local para procesa información, ya sea antes de enviar o después de recibir datos. Si tienes muchas aplicaciones abiertas, esto podría ralentizar el proceso.

Uso del navegador y de la aplicación: Cuando se utilizan aplicaciones basadas en la nube a través de un navegador web, el propio navegador puede consumir una cantidad significativa de memoria, especialmente si tiene muchas pestañas abiertas o si la aplicación consume muchos recursos.

Almacenamiento en caché y almacenamiento: Algunos servicios en la nube pueden almacenar datos en caché localmente para acelerar las operaciones. Esto significa que la computadora necesita almacenar archivos o datos temporales que van a consumir memoria y espacio de almacenamiento.

Consumo energético: Los procesos adicionales de información, almacenamiento de memoria adicional y/o consumo de recursos como tarjetas gráficas generan un mayor consumo de energía, esto hace que las computadoras se recalienten incluso en algunos casos, afectando el rendimiento además del nivel de consumo. Los nuevos procesadores han sido diseñados para contemplar estas variables y optimizar el consumo de energía.

Balance en el uso

Velocidad de Internet: Asegurarse de tener una buena conexión a Internet puede ayudar. Velocidades más rápidas significan una transferencia de datos más rápida, lo que reduce los tiempos de espera.

Optimización de aplicaciones: Cierre aplicaciones o pestañas del navegador innecesarias para liberar memoria para operaciones en la nube.

Funciones de la nube: Muchas aplicaciones modernas están diseñadas para minimizar el uso de recursos en el lado del cliente (su computadora o teléfono) y optimizar el uso de los recursos de la nube.

En resumen, la Inteligencia Artificial tiene innumerables formas de implementarse e implica diferentes niveles de interacción humana. La mayoría de ellos utilizan una combinación de tecnologías y técnicas realmente diferentes. Las computadoras y los servidores desempeñan funciones complementarias en los sistemas de inteligencia artificial. Las computadoras brindan un acceso conveniente y fácil de usar a las funciones de IA, mientras que los servidores manejan las exigentes tareas de procesamiento y administración de datos necesarias para entrenar y administrar modelos de IA. Esta sinergia permite el desarrollo y la implementación de tecnologías sofisticadas de IA que utilizamos a diario.

Al administrar cómo usamos nuestra computadora y al tener en cuenta las capacidades de la red Wi-Fi, podemos aprovechar al máximo los servicios en la nube sin sobre exigir la memoria de su computadora o la red. Comprender el tipo de IA que utilizamos, al menos en términos generales, es importante para entender cómo interactuar con ella y qué recursos necesitamos.