Hablar de “inteligencia artificial” parece sencillo, pero en realidad seguimos sin un acuerdo universal sobre qué significa exactamente. El concepto cambia según quién lo mire: investigadores, ingenieros, filósofos, psicólogos, empresas… cada uno proyecta su propia idea de qué es la inteligencia y qué parte de ella debería reproducir una máquina.
Ese desacuerdo no es un problema menor: condiciona cómo diseñamos algoritmos, qué esperamos de ellos y qué límites éticos debemos aplicarles. Si pensamos que la IA debe imitar el comportamiento humano, la evaluaremos de una forma; si creemos que solo debe actuar racionalmente, el enfoque será otro completamente distinto.
Una de las clasificaciones más conocidas es la propuesta por Russell y Norvig, que organiza las diferentes definiciones en cuatro perspectivas. Estas no compiten entre sí: revelan la complejidad del concepto y la diversidad de aspiraciones dentro del campo.
1. Sistemas que actúan como humanos
Este enfoque se inspira en la visión de Alan Turing: una máquina es inteligente si su comportamiento es indistinguible del de una persona. Aquí entran tecnologías que procesan lenguaje natural, reconocen voces, traducen textos o aprenden a base de ejemplos. No buscan ser perfectas, sino lo suficientemente humanas para interactuar sin fricción.
2. Sistemas que piensan como humanos
Aquí no basta con imitar el resultado: se busca reproducir los procesos cognitivos. ¿Cómo razona una persona? ¿Cómo aprende? ¿Cómo toma decisiones? Es un enfoque más psicológico, pero también más difícil de llevar a la práctica. Incluso hoy, con modelos avanzados, seguimos sin entender completamente cómo pensamos nosotros, y eso complica replicarlo.
3. Sistemas que piensan racionalmente
Este enfoque se apoya en la lógica. Una máquina es inteligente si aplica reglas universales para llegar a conclusiones correctas. Fue la base de la IA simbólica clásica: si A es verdadero, y A implica B, entonces B es verdadero. Es un modelo elegante, pero insuficiente para enfrentar la incertidumbre del mundo real.
4. Sistemas que actúan racionalmente
Es la visión dominante hoy: la máquina no necesita comportarse como un humano ni pensar como uno, solo debe tomar decisiones óptimas en función de los datos y objetivos. Los algoritmos modernos —recomendadores, modelos predictivos, agentes autónomos— entran aquí.
Lo interesante es que, aunque estas cuatro miradas parecen incompatibles, todas han contribuido a lo que hoy entendemos como IA. La diversidad del campo refleja la diversidad de la inteligencia humana: no existe una sola manera de ser inteligente, y por tanto no existe una sola manera de construir inteligencia artificial.
Quizá por eso muchos investigadores contemporáneos prefieren describir la IA como un complemento a la inteligencia humana, no como una copia. Su fortaleza está en las tareas repetitivas, masivas o de cálculo, mientras que la nuestra reside en la intuición, el juicio ético, la empatía y la creatividad contextual. Donde ambas colaboran, surgen los mayores avances.
Ejemplo para pensar
Si Alexa reconoce tu voz no es porque “entienda” quién eres, sino porque encaja patrones acústicos con modelos estadísticos.
Si un modelo te recomienda una película, no es que conozca tus gustos: identifica patrones compartidos entre millones de usuarios.
¿Eso es inteligencia?
Depende de a cuál de las cuatro definiciones te aferres.
Actividad breve
Elige tres tecnologías actuales (por ejemplo: ChatGPT, Google Maps, un filtro de spam, un coche autónomo).
Clasifícalas según las cuatro categorías anteriores y explica por qué.
No hay respuestas correctas absolutas: lo interesante es tu razonamiento.