Russell y Norvig estructuran la definición de IA en torno a cuatro ejes históricos: sistemas que piensan como humanos, sistemas que actúan como humanos, sistemas que piensan racionalmente y sistemas que actúan racionalmente. Se decantan por el cuarto enfoque.

"La Inteligencia Artificial es el estudio de agentes que reciben percepciones del entorno y realizan acciones. Un agente racional es aquel que actúa para lograr el mejor resultado esperado, dado su conocimiento y capacidades."

— Artificial Intelligence: A Modern Approach (Stuart Russell y Peter Norvig, 2020)

John McCarthy acuñó el término "Inteligencia Artificial" en la Conferencia de Dartmouth en 1956. Su definición se centra en la ingeniería subyacente más que en la biología.

"Es la ciencia y la ingeniería de hacer máquinas inteligentes, especialmente programas de cómputo inteligentes. Está relacionada con la tarea similar de usar computadoras para entender la inteligencia humana, pero la IA no tiene que limitarse a métodos que son biológicamente observables."

— What is Artificial Intelligence? (John McCarthy, 2004)

Para entender la IA moderna, debemos mirar hacia el Machine Learning y el Deep Learning. Estos autores, pioneros en redes neuronales, definen la IA alejándose de los sistemas de reglas codificadas a mano (IA simbólica) y enfocándose en la extracción de conocimiento.

"La verdadera inteligencia artificial requiere la capacidad de adquirir su propio conocimiento, extrayendo patrones a partir de datos crudos. Esta capacidad es conocida como aprendizaje automático (machine learning)... permitiendo a las computadoras abordar problemas que son intuitivos para los humanos pero difíciles de describir formalmente."

— Deep Learning (Ian Goodfellow, Yoshua Bengio y Aaron Courville, 2016)

Cualquier entidad (software o hardware) que percibe su entorno a través de sensores y actúa sobre él mediante actuadores. Es la unidad básica de la IA: un sistema que observa, decide y ejecuta.

La representación matemática de todos los estados posibles en los que puede estar un problema o entorno. Resolver un problema en IA a menudo equivale a buscar un camino desde un estado inicial hasta un estado objetivo dentro de este espacio.

Una regla o algoritmo que estima la costo o la distancia más barata desde un estado actual hasta el objetivo. Es clave en algoritmos de búsqueda clásicos (como A*) para tomar decisiones eficientes sin explorar todas las opciones.

Diseñada para realizar una tarea específica. Es la IA que utilizamos actualmente en asistentes virtuales como Siri, sistemas de recomendación como Netflix y traductores como Google Translate. No tiene conciencia ni comprensión real.

Sería capaz de entender, aprender y aplicar su inteligencia en cualquier tarea cognitiva, similar a un ser humano. Aún no existe, pero es el objetivo de muchos investigadores.

Un hipotético nivel de IA que superaría la inteligencia humana en todos los aspectos. Es un concepto teórico que genera debate sobre sus implicaciones éticas y sociales.

El modelo se entrena utilizando un conjunto de datos etiquetados (pares de entrada-salida conocidos). El objetivo es aprender una función que asocie correctamente nuevas entradas con sus respectivas salidas.

Ejemplo: Clasificación de correos como spam o no spam.

El modelo se expone a datos sin etiquetar y debe encontrar estructuras ocultas por sí mismo. El concepto central aquí es el Clustering (agrupamiento), donde el algoritmo agrupa datos por similitud.

Ejemplo: Segmentación de clientes por comportamiento de compra.

Inspirado en la psicología conductista, un agente aprende a comportarse en un entorno realizando acciones y recibiendo recompensas o castigos. Su objetivo es maximizar la recompensa acumulada a lo largo del tiempo utilizando procesos de decisión de Markov.

Ejemplo: Un robot que aprende a caminar probando movimientos.

Un modelo computacional inspirado en las redes neuronales biológicas. Consiste en capas de "neuronas" interconectadas que aplican transformaciones matemáticas no lineales a los datos de entrada.

El algoritmo fundamental que permite a las redes neuronales aprender. Consiste en calcular el gradiente de la función de pérdida con respecto a los pesos de la red, propagando el error desde la capa de salida hacia atrás para ajustar dichos pesos y mejorar la precisión.

La estructura de datos matemática fundamental en el Deep Learning. Son generalizaciones de matrices a n dimensiones. Una imagen en color, por ejemplo, se representa como un tensor 3D (alto, ancho y canales de color).

Permite a las máquinas comprender, interpretar y generar lenguaje humano. Un concepto vital aquí es el Embedding, que transforma palabras en vectores densos de números reales, permitiendo a la IA calcular distancias matemáticas para comprender la similitud semántica.

Técnicas que permiten a las computadoras extraer información significativa de imágenes digitales y videos. Se basa fuertemente en las Redes Neuronales Convolucionales (CNNs), diseñadas específicamente para procesar datos con topología de cuadrícula (como los píxeles).

Combina IA con ingeniería mecánica para crear robots que pueden realizar tareas físicas. Incluye automatización industrial, robots quirúrgicos y exploración espacial.

Modela la relación entre variables para predecir valores continuos. Ejemplo: predecir el precio de una vivienda según su tamaño.

Modelos que utilizan una estructura de árbol para tomar decisiones basadas en características. Fáciles de interpretar y útiles para clasificación y regresión.

Clasifica un punto basándose en la clase más común entre sus k vecinos más cercanos. Simple pero efectivo para datos bien distribuidos.

Modelos que imitan el funcionamiento del cerebro humano. Son especialmente efectivos en tareas complejas como reconocimiento de imágenes y procesamiento de lenguaje natural.