Tipos de inteligencia artificial

La inteligencia artificial se clasifica de distintas formas según el criterio que uses, y por eso encontrarás fuentes que hablan de 3 tipos de IA, otras de 4 y otras de 6. En realidad no se contradicen: están usando clasificaciones diferentes.

Las tres clasificaciones más reconocidas son:

1. Por capacidad o nivel de inteligencia (IA estrecha, general y superinteligencia)
2. Por funcionalidad (el modelo de Arend Hintze)
3. Por enfoque (la propuesta de Stuart Russell y Peter Norvig)

En esta guía verás cada tipo de IA por cada clasificación, cómo funciona cada tipo y ejemplos reales de uso en distintas industrias.

Antes de profundizar conviene tener claros los fundamentos. Si estás empezando, el Curso de IA introductorio y sin costo de Platzi te ayuda a entender qué es la inteligencia artificial y a usarla con criterio, una buena base para lo que vamos a explorar aquí.

¿Cuántos tipos de inteligencia artificial existen?

Depende de la clasificación que uses. Estas son las tres más aceptadas y cuántos tipos incluye cada una:

Un punto importante que suele generar confusión: el aprendizaje automático (machine learning), el aprendizaje profundo (deep learning) y los sistemas expertos no son "tipos" de IA dentro de estas clasificaciones. Son subcampos y técnicas con las que se construye la inteligencia artificial. Los veremos al final porque igual necesitas entenderlos.

1. Clasificación de tipos de IA por capacidad o nivel de inteligencia

Esta clasificación mira qué tan cerca está la IA de la inteligencia humana. Es la que responde a preguntas como ¿ya existe una IA que piense como los humanos?

Bajo este criterio de capacidad de inteligencia, la IA se divide en tres tipos:

1. IA estrecha (ANI): débil, atada a una sola tarea. Es la única que existe hoy.
2. IA general (AGI): fuerte, igualaría la inteligencia humana en cualquier tarea. Todavía teórica.
3. Superinteligencia (ASI): fuerte, superaría a la inteligencia humana. Todavía teórica.

1.1 IA estrecha o débil (ANI)

La Artificial Narrow Intelligence (ANI) está diseñada para una tarea específica y no puede aplicar lo aprendido a otra distinta.

Piensa en ChatGPT o Gemini. Escriben, programan, responden y traducen, así que parecen capaces de todo. Pero en el fondo hacen siempre lo mismo: producir texto que suene coherente. Así le pidas un poema o un bloque de código, por dentro es la misma tarea. Eso es una IA estrecha, o débil: hace una sola cosa muy bien y nada fuera de eso. No entiende el mundo y no puede aprender por su cuenta una tarea distinta.

Y, aunque cueste creerlo, la IA débil es la única IA que existe hoy. Toda la del mundo real, desde el chatbot hasta el recomendador de Netflix o los asistentes de voz, es ANI: especialistas, no mentes generales. La IA general, capaz de saltar de una tarea a otra como una persona, todavía no existe.

Ejemplos cotidianos:

• Asistentes virtuales como Siri o Alexa.
• Autocompletado de Google.
• Chatbots como ChatGPT, Gemini o Claude
• Bots de atención al cliente.

Ejemplo de uso en recursos humanos: las empresas aplican ANI para automatizar parte de la selección de personal: pruebas de preselección en línea, análisis de currículums que rastrean palabras clave y requisitos, y lectura de encuestas de clima para detectar temas y áreas de mejora. Aun así, conviene equilibrarla con criterio humano, porque estos sistemas no son infalibles.

1.2 IA general (AGI)

La Artificial General Intelligence (AGI) sería capaz de entender, aprender y aplicar conocimiento en cualquier tarea intelectual al nivel de un ser humano, sin estar limitada a un solo dominio.

La diferencia con la IA estrecha está justo ahí: en lugar de un especialista atado a una tarea, sería un sistema que aprende lo que sea.

Como una persona, que con la misma cabeza cocina, arma un mueble, aprende un idioma y resuelve un problema en el trabajo. Una AGI podría tomar una tarea nueva, para la que nadie la preparó, y volverse competente sola.

La AGI no existe. Es un objetivo teórico y uno de los debates más abiertos de la tecnología: hay quienes la ven a la vuelta de la esquina y quienes dudan de que sea posible. Por ahora, todo lo que llamamos IA sigue siendo estrecha.

1.3 Superinteligencia (ASI)

La Artificial Super Intelligence (ASI) es el escalón que sigue a la AGI: no solo igualaría la inteligencia humana, sino que la superaría en todo, desde la creatividad hasta la ciencia y la toma de decisiones.

Superar no quiere decir "más rápida" ni "con más datos", sino una inteligencia de otro orden: capaz de resolver problemas que hoy se nos escapan o de tener ideas que a nadie se le ocurrirían. Por eso es el tipo que más debate genera. Si algún día existiera la ASI, la pregunta ya no sería qué puede hacer, sino cómo asegurarnos de que sus objetivos sigan alineados con los nuestros.

Este tipo de IA con superinteligencia es completamente hipotética. Por ahora vive en la investigación a futuro y en la discusión ética sobre la IA, no en ningún producto real.

2. Clasificación de tipos de IA por funcionalidad: el modelo de Arend Hintze

Arend Hintze, un científico que investiga la evolución de la IA, propuso clasificarla según su capacidad para recordar experiencias pasadas y entender el mundo.

Según Hintze, son cuatro tipos, ordenados de lo más básico a lo todavía hipotético:

1. Máquinas reactivas: reaccionan al momento, sin memoria. Ya existen.
2. Memoria limitada: aprenden de datos recientes e históricos para decidir. Es la mayoría de la IA actual.
3. Teoría de la mente: entenderían las emociones e intenciones de los demás. Todavía en investigación.
4. Autoconciencia: serían conscientes de sí mismas. Puramente hipotética.

2.1 Máquinas reactivas

Son el tipo más básico. Reaccionan a un estímulo con una respuesta, pero no almacenan datos ni forman recuerdos, así que no pueden usar experiencias pasadas para decidir en el futuro.

El ejemplo clásico es Deep Blue de IBM, la IA que venció al campeón mundial de ajedrez Garri Kaspárov en 1997. Identificaba el mejor movimiento en el tablero que tenía delante, pero no aprendía nada de sus partidas anteriores.

Ejemplo de uso en atención al cliente: las máquinas reactivas se aplican con chatbots que dan respuestas predeterminadas al detectar ciertas palabras clave, y con análisis reactivo para identificar en tiempo real cambios en el comportamiento de compra o en las tendencias del mercado.

Si quieres crear tus propios chatbots, el Curso de Desarrollo con OpenAI y el Curso de LangChain te enseñan a hacerlo.

2.2 Memoria limitada

A diferencia de las máquinas reactivas, la memoria limitada sí aprende de datos históricos y de experiencias recientes para tomar mejores decisiones.

El ejemplo clásico son los coches autónomos: observan la velocidad y la posición de los otros vehículos durante unos segundos para decidir la maniobra, aunque no guarden esa información de forma permanente. Aquí es donde vive hoy la mayoría de la IA que usamos a diario, incluidos los sistemas de recomendación y los asistentes.

Ejemplos de uso en negocios:

• Monitorear cómo se percibe una marca en redes sociales, analizando comentarios y publicaciones en tiempo real. Útil para empresas de consumo masivo o de tecnología.
• Detectar fraudes en grandes volúmenes de datos. Bancos, compañías de tarjetas de crédito y otras instituciones financieras identifican patrones sospechosos en las transacciones y detienen la actividad.
• Prever la demanda y ajustar precios de forma dinámica. En retail y viajes, la IA analiza el histórico de ventas y el comportamiento reciente de compra para anticipar picos y mover los precios.

2.3 Teoría de la mente

Es un tipo de IA que todavía está en investigación. Se refiere a una IA capaz de entender que las personas (y otros agentes) tienen emociones, creencias e intenciones propias, y de ajustar su comportamiento en función de eso.

Aún no existe una IA que logre esto de forma plena.

Los avances más cercanos están en robótica social y en asistentes que intentan interpretar el estado emocional del usuario a partir del tono, el texto o la expresión facial, pero siguen siendo aproximaciones parciales.

2.4 Autoconciencia

Es el nivel más avanzado y, por ahora, puramente hipotético. Describe una IA consciente de sí misma, con una representación de su propio estado interno, similar a la conciencia humana.

No existe ninguna IA autoconsciente hoy, ni hay consenso sobre si es alcanzable. Se incluye en el modelo como el horizonte teórico de la funcionalidad.

3. Clasificación de IA según Stuart Russell y Peter Norvig

Stuart Russell y Peter Norvig, autores del libro de referencia del área, no clasifican la IA por lo avanzada que es, sino por cómo se define qué cuenta como inteligencia.

A diferencia de las clasificaciones anteriores, aquí no hay tipos que todavía no existan: los cuatro enfoques son reales y conviven. Se basan en estas dos preguntas

¿el sistema debe imitar a los humanos o actuar de la forma más racional posible? e ¿importa cómo piensa por dentro o solo lo que hace por fuera?

Del cruce de esas dos preguntas salen cuatro enfoques de IA:

1. Piensan como humanos: replican cómo razonamos por dentro.
2. Actúan como humanos: buscan un resultado indistinguible del de una persona.
3. Piensan racionalmente: deducen la respuesta por lógica pura.
4. Actúan racionalmente: eligen la mejor acción para cumplir un objetivo. Es el enfoque que domina hoy.

3.1 Sistemas que piensan como humanos

Intentan replicar cómo razonamos por dentro, apoyándose en la ciencia cognitiva para modelar procesos mentales como recordar o decidir.

Ejemplo: el General Problem Solver, uno de los primeros programas de IA (años cincuenta), que resolvía problemas imitando los pasos que daría una persona.

3.2 Sistemas que actúan como humanos

Aquí no importa el proceso interno, sino que el resultado sea indistinguible del de una persona. El referente es el test de Turing: si conversas con el sistema y no puedes saber si es humano, lo pasa.

Ejemplo: ELIZA, el chatbot de los años sesenta que simulaba a un psicoterapeuta, y hoy cualquier asistente conversacional.

3.3 Sistemas que piensan racionalmente

Buscan razonar de forma perfectamente lógica: a partir de unos hechos, deducir la conclusión correcta siguiendo reglas fijas, sin importar si una persona pensaría igual (de hecho, no siempre razonamos con lógica).

El ejemplo de siempre es el silogismo: si todos los humanos son mortales y Sócrates es humano, entonces Sócrates es mortal. En la práctica, los sistemas expertos basados en reglas funcionan así.

3.4 Sistemas que actúan racionalmente

Buscan la mejor acción posible para cumplir un objetivo con la información que tienen. No necesitan pensar ni parecerse a un humano, solo elegir lo que mejor funciona.

Ejemplo: un coche autónomo que calcula la maniobra óptima, o un agente de IA que decide qué paso dar para lograr una meta. Este es el enfoque que domina hoy.

Machine learning, deep learning y sistemas expertos: subcampos de la IA, no "tipos"

El machine learning, el deep learning y los sistemas expertos son tres conceptos que aparecen mucho cuando se habla de tipos de IA, pero no son categorías dentro de las clasificaciones anteriores. Son las técnicas y subcampos con los que se construye la inteligencia artificial.

Vale la pena entenderlos porque están detrás de casi todos los ejemplos que ya viste.

Aprendizaje automático (machine learning)

Es la rama de la IA que permite a las computadoras aprender de los datos, identificar patrones y decidir con mínima intervención humana. Su rendimiento mejora de forma autónoma a medida que recibe más datos.

Ejemplo en e-commerce: Amazon usa algoritmos de aprendizaje automático para recomendar productos según el comportamiento previo del usuario (historial de compras, búsquedas, carritos abandonados, reseñas leídas). Si compras una cámara, te sugiere una tarjeta de memoria, un estuche o un trípode, porque otros clientes los compraron juntos.

Si quieres aprender más sobre este tema, revisa el Curso de Fundamentos de Machine Learning.

Aprendizaje profundo (deep learning)

Es un subconjunto del machine learning que usa redes neuronales artificiales para modelar patrones complejos, imitando en parte el funcionamiento del cerebro humano. Se aplica en reconocimiento de voz e imagen y en conducción autónoma.

Ejemplos en marketing, SEO y contenido digital:

• Optimización de motores de búsqueda: Google usa deep learning en su algoritmo (RankBrain) para comprender mejor las búsquedas y las páginas.
• Segmentación de clientes: las empresas agrupan grandes volúmenes de datos según comportamientos, preferencias e intereses.
• Personalización de contenido: plataformas como Netflix y Spotify analizan el comportamiento del usuario para recomendar películas, series o canciones.

Sistemas expertos

Los sistemas expertos buscan resolver problemas en áreas específicas imitando la toma de decisiones de una persona experta, a partir de reglas y hechos. Tienen tres componentes:

• Una base de conocimientos (el conjunto de reglas y datos)
• Un motor de inferencia (que saca conclusiones)
• Una interfaz de usuario (que permite la interacción)

Ejemplo en medicina: los sistemas de diagnóstico usan los síntomas del paciente para determinar posibles enfermedades. Watson for Health de IBM analiza grandes cantidades de datos médicos y de investigación para apoyar el diagnóstico y el tratamiento.

Preguntas frecuentes sobre los tipos de inteligencia artificial

¿Cuántos tipos de inteligencia artificial hay?

Depende de la clasificación. Por capacidad son 3 (estrecha, general y superinteligencia). Por funcionalidad, según Hintze, son 4 (máquinas reactivas, memoria limitada, teoría de la mente y autoconciencia). Por enfoque, según Russell y Norvig, son 4 (sistemas que piensan como humanos, actúan como humanos, piensan racionalmente y actúan racionalmente).

¿Cuál es la diferencia entre IA débil e IA fuerte?

La IA débil (estrecha o ANI) resuelve una tarea concreta y es la única que existe hoy. La IA fuerte se refiere a una IA general (AGI) capaz de igualar la inteligencia humana en cualquier tarea, y por ahora es teórica.

¿Qué tipo de IA es ChatGPT?

Por su capacidad es una IA estrecha (ANI), porque está diseñada para tareas de lenguaje. Por su funcionalidad se ubica en la memoria limitada, ya que usa el contexto de la conversación. Y por su técnica es un modelo generativo basado en aprendizaje profundo.

¿Qué tipos de IA existen actualmente en el mundo real?

Solo la IA estrecha (ANI). La IA general, la superinteligencia, la teoría de la mente y la autoconciencia siguen siendo teóricas o están en investigación.

Aprende a usar la inteligencia artificial con Platzi

Entender los tipos de IA es el primer paso. El siguiente es saber aplicarla de forma estratégica en tu trabajo o tu negocio, y para eso lo mejor es practicar.

• Si estás empezando, el Curso Gratis de Introducción a la Inteligencia Artificial te da las bases para usar cualquier herramienta de IA con criterio: pensar con claridad, escribir buenas instrucciones y evaluar lo que te responde.
• Si quieres ir más a profundidad, la AI Academy de Platzi reúne la ruta completa para aprender a usar la inteligencia artificial de forma estratégica, sin importar tu profesión.

Cada tipo de IA tiene sus fortalezas y sus límites. Entender sus diferencias te sirve para empezar a aprovecharla de verdad.