Cuando hablamos de inteligencia artificial, tendemos a hablar de ella como si fuera una sola cosa. Pero la realidad es mucho más rica y variada. Hay distintos tipos de IA, clasificados según su capacidad, su forma de aprender o su propósito, y entender estas diferencias es clave para saber qué puede hacer realmente esta tecnología y qué todavía está fuera de su alcance.
La clasificación más importante: por capacidad
La forma más útil de clasificar la IA es según hasta dónde llega su capacidad intelectual. Aquí hay tres categorías fundamentales que todo el mundo debería conocer.
IA Estrecha o Débil (Narrow AI)
Es el tipo de IA que existe hoy. Se llama «estrecha» porque está diseñada para hacer una sola cosa, o un conjunto muy limitado de tareas, y lo hace extraordinariamente bien, pero es completamente incapaz de hacer cualquier otra cosa fuera de su dominio.
El reconocimiento facial de tu smartphone, el algoritmo que decide qué vídeos te recomienda YouTube, el filtro de spam de tu correo electrónico, los modelos de lenguaje como ChatGPT o Claude, todos son ejemplos de IA estrecha. Son increíblemente potentes dentro de su área, pero ninguno de ellos puede «saltar» a otra tarea para la que no fue entrenado.
Un modelo de lenguaje que escribe textos brillantes no puede conducir un coche. Un sistema de IA que juega al ajedrez mejor que cualquier humano no puede reconocer una cara. Cada uno vive en su propio mundo.
IA General (AGI – Artificial General Intelligence)
La IA General es el gran objetivo de muchos investigadores y la gran pregunta sin resolver de la disciplina. Una AGI sería un sistema capaz de realizar cualquier tarea intelectual que un ser humano puede hacer, con la misma flexibilidad y capacidad de adaptación.
A diferencia de la IA estrecha, una AGI podría aprender una tarea nueva sin necesidad de ser reentrenada específicamente para ella, razonar en contextos que nunca ha visto antes, transferir conocimiento de un dominio a otro y, en definitiva, comportarse de forma cognitivamente similar a una persona.
¿Existe ya? No. A pesar de los enormes avances recientes, los mejores modelos de IA actuales siguen siendo formas sofisticadas de IA estrecha. Cuándo llegará la AGI, si es que llega, es uno de los debates más apasionantes y polémicos del sector. Algunos investigadores creen que podría ocurrir en esta década; otros piensan que falta mucho más.
Superinteligencia Artificial (ASI)
Es el escenario más especulativo y también el que más debates éticos genera. Una superinteligencia sería un sistema que supera la capacidad intelectual humana en todos los aspectos, no solo en tareas concretas sino en creatividad, razonamiento, resolución de problemas y cualquier otra dimensión cognitiva.
Es el territorio de las grandes preguntas filosóficas y de los escenarios tanto utópicos como distópicos que aparecen en películas y novelas. Por ahora, la ASI pertenece al reino de la teoría, pero pensadores como Nick Bostrom o Eliezer Yudkowsky llevan décadas advirtiendo de que, si algún día llegara a existir, sería el evento más transformador, y potencialmente más peligroso, de la historia humana.
Segunda clasificación: por cómo aprenden
Además de por su capacidad, la IA también se puede clasificar por la forma en que aprende. Aquí hay cuatro enfoques principales.
Aprendizaje Supervisado
El sistema aprende a partir de ejemplos etiquetados. Le muestras miles de fotos de gatos con la etiqueta «gato» y miles de fotos de perros con la etiqueta «perro», y aprende a distinguirlos. Es el enfoque más usado en la actualidad y está detrás de la mayoría de aplicaciones comerciales de IA.
Aprendizaje No Supervisado
Aquí no hay etiquetas. El sistema recibe datos en bruto y tiene que encontrar patrones por sí solo. Es muy útil para segmentar clientes, detectar anomalías o descubrir estructuras ocultas en grandes conjuntos de datos.
Aprendizaje por Refuerzo
El sistema aprende a través de prueba y error, recibiendo recompensas cuando hace algo bien y penalizaciones cuando lo hace mal. Es el enfoque que se usa para entrenar agentes que juegan a videojuegos, sistemas de conducción autónoma y, en parte, para afinar los grandes modelos de lenguaje.
Aprendizaje por Transferencia
Un modelo entrenado para una tarea se adapta a otra diferente con mucho menos esfuerzo y datos. Es uno de los avances más importantes de los últimos años, ya que permite aprovechar el conocimiento ya adquirido en lugar de empezar de cero cada vez.
Tercera clasificación: por su función
También podemos clasificar la IA según para qué sirve:
IA Reactiva: Solo responde a estímulos del momento presente, sin memoria ni capacidad de planificación. El Deep Blue de IBM, que venció a Kasparov al ajedrez en 1997, es un ejemplo clásico.
IA con Memoria Limitada: Puede usar experiencias pasadas para tomar mejores decisiones en el presente. La mayoría de los coches autónomos actuales funcionan así.
Teoría de la Mente: Un tipo de IA (todavía en investigación) que sería capaz de entender emociones, creencias e intenciones humanas, es decir, de modelar la mente de otras personas.
IA Autoconsciente: El nivel más especulativo: una IA con conciencia de sí misma. No existe y nadie sabe si llegará a existir.
¿Por qué importa saber esto?
Entender los tipos de IA tiene consecuencias prácticas muy concretas. Cuando una empresa dice que usa «inteligencia artificial», conviene saber qué tipo está usando, ya que eso determina qué puede hacer realmente, cuáles son sus limitaciones y qué riesgos conlleva.
También ayuda a calibrar las expectativas. Mucho del miedo o del entusiasmo exagerado hacia la IA viene de confundir la IA estrecha actual con la IA general que todavía no existe. Son cosas radicalmente distintas.
La IA de hoy es extraordinariamente capaz dentro de sus límites. Conocerlos no le resta mérito. Al contrario: entender bien qué es lo que tienes entre manos es el primer paso para usarlo con inteligencia.