Artificial Narrow Intelligence (ANI)

La inteligencia artificial estrecha (ANI), también llamada IA especializada o IA débil, es una inteligencia artificial (AI) diseñada para realizar una tarea o un conjunto muy limitado de tareas, como detectar objetos en imágenes, recomendar vídeos o transcribir voz. Un sistema ANI puede igualar o superar el rendimiento humano en su ámbito, pero no puede aplicar esa habilidad a un problema no relacionado sin nuevos datos de entrenamiento y un reentrenamiento. Según la definición estándar, todos los sistemas de IA desplegados hoy son especializados, desde los filtros de spam hasta los modelos de visión artificial que guían los coches autónomos.

ANI frente a AGI y ASI#

La IA suele describirse en tres niveles de capacidad. La ANI es el primero: competente en un ámbito y limitada por los datos y el objetivo con los que se entrenó. La inteligencia artificial general (AGI) es un sistema hipotético que iguala a las personas en prácticamente todas las tareas cognitivas y aprende otras nuevas sin ingeniería específica para cada tarea. A menudo se llama IA fuerte a la AGI, término que el filósofo John Searle acuñó junto con IA débil en su argumento de la Habitación China de 1980, donde se refería a un ordenador que tiene una mente de verdad. La superinteligencia artificial (ASI) es un sistema hipotético que supera a las mejores personas en todos los ámbitos, el escenario que hay detrás de la idea de la singularidad tecnológica.

Los modelos de lenguaje de gran tamaño (LLM) amplían los límites de la categoría de IA especializada. Un modelo escribe código, traduce, resume y responde preguntas sobre imágenes, capacidades que la Ley de IA de la UE reconoce al denominarlos modelos de IA de propósito general. Sus habilidades siguen siendo desiguales, un patrón conocido como inteligencia irregular: el mismo modelo puede resolver problemas matemáticos de nivel olímpico y luego equivocarse al decidir cuál de dos decimales es mayor; además, sus pesos dejan de aprender cuando termina el entrenamiento.

Cómo funciona la IA especializada#

Un sistema ANI es un modelo entrenado con datos para un objetivo, por lo que su competencia está limitada por dos factores: la distribución de sus datos de entrenamiento y el conjunto de resultados que puede producir. Un modelo de detección de objetos entrenado con las 80 clases del conjunto de datos COCO no tiene forma de decir «esto es algo nuevo». Si se le muestra un objeto desconocido, lo ignora o indica la clase conocida más parecida:

Ultralytics YOLO26 muestra directamente este límite: el modelo preentrenado con COCO solo puede identificar exactamente 80 clases, y enseñarle un objeto nuevo, como una pieza de maquinaria específica, requiere ajustarlo con imágenes etiquetadas de esa pieza, lo que sustituye la lista de clases del modelo por las clases del nuevo conjunto de datos.

from ultralytics import YOLO

# A COCO-pretrained detector: its whole vocabulary is fixed at training time
model = YOLO("yolo26n.pt")
print(f"Classes this model can name: {len(model.names)}")

# Every detection it returns must carry one of those labels
results = model("https://ultralytics.com/images/bus.jpg")
result = results[0]
print(result.verbose())

La primera línea muestra el tamaño de todo el vocabulario del modelo, y la segunda enumera las clases que ha encontrado en la imagen; todas pertenecen al mismo conjunto fijo.

Aplicaciones en el mundo real#

La IA especializada impulsa la mayor parte del software que la gente utiliza cada día:

• Sistemas de recomendación: las plataformas de streaming y compras clasifican los artículos para cada usuario a partir de su historial de visualizaciones y compras.
• Reconocimiento de voz: los asistentes de voz y las herramientas de dictado convierten el audio hablado en texto.
• Inspección de fabricación: los modelos de visión comprueban cada pieza de una línea de producción para detectar un conjunto determinado de defectos.
• Análisis de imágenes médicas: los modelos señalan hallazgos como nódulos pulmonares o retinopatía diabética en una modalidad de imagen concreta.
• Vehículos autónomos: un sistema de conducción autónoma combina muchos modelos especializados, cada uno encargado de una tarea, como la segmentación de carriles, la detección de peatones, el seguimiento de objetos o la planificación de rutas.

Ventajas y límites de la IA especializada#

En su ámbito, la ANI puede superar el rendimiento humano, ser rápida y no cansarse. Deep Blue de IBM derrotó al campeón mundial de ajedrez Garry Kasparov en 1997, y AlphaGo de DeepMind venció al campeón de Go Lee Sedol por 4-1 en 2016. Fuera de ese ámbito, esos mismos sistemas carecen por completo de habilidades, y su rendimiento también disminuye ante entradas distintas de los datos de entrenamiento, un problema conocido como deriva de datos una vez desplegado el modelo. Los sistemas especializados tampoco comprenden lo que procesan: asignan entradas a resultados mediante patrones estadísticos aprendidos a partir de datos. Incluso AlphaZero de DeepMind, que aprendió ajedrez, shogi y Go con un único algoritmo, entrenó una red distinta para cada juego, y su red de ajedrez no puede jugar al Go.