Quins són els tipus d'IA? [Vídeo i qüestionari]

Resposta breu: els tipus d'IA s'entenen millor per la capacitat, la funcionalitat, l'estil d'entrenament i el cas d'ús. La IA estreta és habitual avui dia, mentre que la IA general i la super IA continuen sent teòriques. A l'hora de triar una eina, feu coincidir la categoria amb la tasca, els riscos que implica i la necessitat de revisió humana.

Conclusions clau:

Classificació: Separar la capacitat, la funcionalitat, el mètode d'entrenament i el cas d'ús abans de comparar els sistemes.

Revisió humana: comproveu els resultats generatius, predictius i conversacionals abans de confiar-hi.

Transparència: pregunteu quines dades, lògica i límits configuren cada sistema d'IA.

Responsabilitat: Mantenir els humans responsables quan la IA afecta les decisions, els usuaris o la seguretat.

Control de riscos: comprovar el biaix, la privadesa, la seguretat i el mal ús abans del desplegament.

---

1. Quins són els tipus d'IA?

Quan la gent pregunta "Quins són els tipus d'IA?", normalment volen dir una d'aquestes dues coses:

Potser pregunten sobre la IA en funció de la seva capacitat, com ara si només pot fer una tasca o raonar de manera més àmplia de manera humana.

O poden estar preguntant sobre la IA basada en la funcionalitat, és a dir, com es comporta, aprèn, recorda, prediu o respon el sistema.

Aquí és on les coses s'emboliquen una mica. La IA no s'agrupa en una caixa neta. És més com classificar els estris de cuina per mida, finalitat, nitidesa i si el teu oncle els va comprar en una botiga en línia dubtosa. Els diferents sistemes de classificació se superposen.

Les categories principals solen incloure:

• IA estreta

• IA general

• Super IA

• Màquines reactives

• IA de memòria limitada

• Teoria de la ment IA

• IA autoconscient

• Aprenentatge automàtic d'IA

• IA d'aprenentatge profund

• IA generativa

• IA predictiva

• IA conversacional

• Visió per ordinador IA

• Robòtica i IA

Alguns d'aquests s'utilitzen àmpliament. Alguns encara són majoritàriament teòrics. Alguns semblen futuristes però ja estan integrats en aplicacions quotidianes. La línia entre "programari normal" i "IA" també s'ha tornat més borrosa amb el temps.

---

2. Tipus d'IA per capacitat

La primera manera important de classificar la IA és pel que pot fer. Aquesta és la visió general 🧠.

IA estreta

La IA estreta, també anomenada IA ​​feble, està dissenyada per dur a terme una tasca específica o un conjunt limitat de tasques. Aquesta és la IA que la gent utilitza cada dia.

Alguns exemples són:

• Recomanacions de cerca

• Filtres de correu brossa

• Assistents de veu

• Sistemes de reconeixement facial

• xatbots

• Motors de recomanació de productes

• Eines de detecció de fraus

• Aplicacions de traducció d'idiomes

La IA específica pot ser poderosa, però no és "pensament" en el sentit humà ampli. Una IA d'escacs pot vèncer un gran mestre, però no pot decidir de sobte convertir-se en pastisser. Un model de traducció pot traduir un paràgraf, però no experimenta el llenguatge de la mateixa manera que ho fa una persona.

Tot i això, la IA estreta és la peça clau del món modern de la IA. No és glamurosa a la manera de la ciència-ficció, però dirigeix ​​gran part de l'espectacle darrere la cortina 🎭.

IA general

La IA general fa referència a la intel·ligència artificial que pot comprendre, aprendre, raonar i aplicar coneixement en moltes tasques diferents a un nivell similar al d'un humà.

En poques paraules: no només faria bé una cosa. Podria adaptar-se.

Una veritable IA general podria potencialment:

• Aprendre tasques desconegudes

• Raonament en diferents temes

• Resoldre nous problemes

• Transferir coneixement d'un camp a un altre

• Comprendre el context més profundament

• Prendre decisions amb criteri flexible

Aquest tipus d'IA continua sent més un objectiu que una realitat quotidiana. La gent en parla molt perquè és fascinant, potser una mica inquietant i difícil de resistir com a concepte. Però les eines habituals que escriuen text, generen imatges o responen preguntes no són automàticament IA general. Poden semblar àmplies, però encara operen dins dels límits dissenyats.

Super IA

La superIA aniria més enllà de la intel·ligència humana. No només una escriptura més ràpida o millors matemàtiques, sinó també un raonament, una creativitat, una estratègia, un aprenentatge superiors i potser també una comprensió emocional o social.

Aquesta és la categoria més especulativa. Planteja grans preguntes:

• Qui ho controla?

• Es pot alinear amb els valors humans?

• Entendria correctament els objectius humans?

• Podria millorar-se a si mateix?

• Què passa si pren decisions que els humans no poden seguir?

La superIA és on les converses sobre IA de vegades es converteixen en sopa filosòfica. Una sopa valuosa, potser, però tot i així, sopa 🍲.

---

3. Tipus d'IA per funcionalitat

Una altra manera habitual d'explicar els tipus d'IA és per funcionalitat. Això se centra en com es comporta la IA.

Màquines reactives

Les màquines reactives són el tipus d'IA més simple. Responen a les entrades actuals sense utilitzar la memòria d'experiències passades.

No aprenen amb el temps de la mateixa manera que ho fan els sistemes adaptatius moderns. Observen la situació, la processen i hi responen.

Pensa-hi com: "L'entrada entra. La sortida surt. Sense entrades al diari"

La IA reactiva encara pot ser impressionant. Pot analitzar possibles moviments en un joc o respondre a una situació clarament definida amb una velocitat i precisió extremes. Però no construeix una història personal ni evoluciona a partir d'interaccions passades.

IA de memòria limitada

La IA amb memòria limitada pot utilitzar dades passades per prendre millors decisions. Aquesta és la categoria on es troba gran part de la IA pràctica actual.

Alguns exemples són:

• Sistemes de recomanació que aprenen del comportament dels usuaris

• Sistemes de vehicles autònoms que analitzen les condicions recents de les carreteres

• Els chatbots recorden el context dins d'una conversa

• Models de detecció de frau que aprenen dels patrons de transacció

• Eines d'anàlisi predictiva que utilitzen dades històriques

Una memòria limitada no vol dir "mala memòria". Significa que el sistema pot utilitzar dades emmagatzemades o recents, però no posseeix una consciència semblant a la humana ni una experiència personal a llarg termini. Tot i això, pot ser molt eficaç. De vegades, és molestament eficaç, com quan una aplicació de compres sap què vols abans que t'ho admetis a tu mateix 🛒.

Teoria de la ment IA

La Teoria de la Ment: la IA entendria les emocions, les creences, les intencions i els senyals socials d'una manera més humana.

Aquest tipus d'IA no només processaria paraules. Inferiria el que algú podria sentir, voler, malinterpretar, témer o esperar.

Per exemple, podria entendre que:

• Un client està frustrat però intenta mantenir-se educat

• Un estudiant està confós però té vergonya de tornar a preguntar

• Un pacient està ansiós tot i dir "Estic bé"

• Un company d'equip dubta perquè no estan d'acord en silenci

Aquesta continua sent una àrea activa de debat sobre la IA, però la veritable Teoria de la Ment de la IA és extremadament difícil. Les emocions humanes estan entrellaçades. La gent diu una cosa i en vol dir una altra. De vegades ni tan sols saben què volen dir. Bona sort, màquina.

IA autoconscient

La IA conscient de si mateixa tindria consciència, autocomprensió i consciència del seu propi estat intern.

Això és teòric. Pertany a la ciència-ficció, els debats d'ètica, les discussions nocturnes i la gent mirant dramàticament per la finestra 🌙.

Una IA autoconscient no es limitaria a simular una conversa sobre sentiments. Posseiria algun tipus d'experiència subjectiva. Aquesta és una afirmació contundent. Els sistemes d'IA actuals no tenen consciència, sentiments, desitjos o individualitat verificats.

Poden semblar conscients de si mateixos perquè el llenguatge pot imitar l'autoreflexió. Però sonar com alguna cosa i ser alguna cosa no és el mateix. Un lloro pot dir "Tinc gana", però això no vol dir que tingui reserva al restaurant.

---

4. Taula comparativa: principals tipus d'IA

Tipus d'IA	Idea principal	Estat actual	Exemples comuns	Per què és important
IA estreta	Construït per a tasques específiques	Àmpliament utilitzat	Xatbots, cerca, recomanacions	Pràctic i a tot arreu
IA general	Intel·ligència flexible semblant a la humana	No assolit completament	Principalment teòric	Gran objectiu, gran debat
Super IA	Més intel·ligents que els humans en general	Especulatiu	Cap exemple pràctic	Enormes preguntes ètiques
Màquines reactives	Respon sense memòria	S'utilitza en casos limitats	IA de joc, sistemes basats en regles	Ràpid però no adaptatiu
IA de memòria limitada	Utilitza dades/historial per millorar	Molt comú	Sistemes de conducció autònoma, eines contra el frau	Aquest és el conductor diari 🚗
Teoria de la ment IA	Comprèn les emocions i la intenció	Desenvolupament del concepte	Idees avançades d'IA social	Podria fer que la IA sigui més conscient dels humans
IA autoconscient	Té consciència	Teòric	Exemples d'estil de ciència-ficció	Filosòficament massiu
IA generativa	Crea contingut nou	Àmpliament utilitzat	Eines de text, imatge i àudio	Impuls de la productivitat creativa
IA predictiva	Resultats de les previsions	Àmpliament utilitzat	Puntuació de riscos, planificació de la demanda	Ajuda a prendre decisions, principalment
Robòtica i IA	Controla màquines físiques	Utilitzat en indústries	Robots, drons, automatització	Connecta la IA amb el treball físic

Una mica desigual? Sí. Però així és com funciona la IA també a la vida quotidiana: no és una exposició de museu amb etiquetes perfectes.

---

5. IA generativa: el tipus del qual tothom parla 🎨

La IA generativa és un dels tipus d'IA més populars perquè crea coses.

Pot generar:

• Text

• Imatges

• Música

• Codi

• Vídeo

• Descripcions de productes

• Text de màrqueting

• Plans de lliçons

• Resums

• Dades sintètiques

• Idees de disseny

La IA generativa funciona aprenent patrons a partir de grans quantitats de dades i produint nous resultats basats en indicacions. No copia en el sentit simple que la gent de vegades imagina. Prediu, combina, altera i genera basant-se en estructures apreses.

Dit això, encara pot cometre errors. Pot semblar segur mentre s'equivoca, que és bàsicament la versió automàtica d'algú explicant la legislació fiscal en una barbacoa familiar.

La IA generativa és valuosa per a:

• Pluja d'idees

• Redacció de contingut

• Automatització de l'escriptura repetitiva

• Creació de conceptes visuals

• Donar suport al servei al client

• Accelerar les tasques de codificació

• Personalització de materials d'aprenentatge

Però cal revisar-ho. Sempre. La sortida de la IA pot ser impressionant, però no és automàticament precisa, justa, legal o segura per a la marca. Tracteu-la com un assistent molt ràpid amb tendències de gremlin de tant en tant.

---

6. Aprenentatge automàtic de la IA: el cercador de patrons

L'aprenentatge automàtic és una branca important de la IA on els sistemes aprenen patrons a partir de les dades en lloc de ser programats línia per línia per a cada decisió.

El programari tradicional segueix regles explícites. Els sistemes d'aprenentatge automàtic identifiquen relacions i milloren el rendiment mitjançant l'entrenament.

Per exemple:

• Un filtre de correu brossa aprèn quin aspecte tenen els correus electrònics sospitosos

• Un model bancari detecta un comportament de transacció inusual

• Una aplicació de streaming recomana programes en funció dels hàbits de visualització

• Una eina de contractació pot classificar els candidats en funció de senyals definits

• Un model d'imatge mèdica pot destacar possibles anomalies

L'aprenentatge automàtic pot ser supervisat, no supervisat o basat en reforços.

Aprenentatge supervisat

L'aprenentatge supervisat utilitza exemples etiquetats. Per exemple, les imatges poden estar etiquetades com a "gat" o "no gat". El model aprèn la diferència.

Aprenentatge no supervisat

L'aprenentatge no supervisat busca patrons sense respostes etiquetades. Pot agrupar els clients en segments o detectar clústers ocults a les dades.

Aprenentatge per reforç

L'aprenentatge per reforç aprèn rebent recompenses o penalitzacions per accions. Això és habitual en problemes d'IA, robòtica i optimització relacionats amb els jocs.

L'aprenentatge automàtic no és màgia. Depèn en gran mesura de la qualitat de les dades. Les dades incorrectes porten a models incorrectes: si entren coses dolentes, si no porten una jaqueta elegant, no.

---

7. Aprenentatge profund amb IA: la potència de les xarxes neuronals 🧬

L'aprenentatge profund és un tipus especialitzat d'aprenentatge automàtic que utilitza xarxes neuronals en capes per processar patrons complexos.

És especialment valuós per a:

• Reconeixement de veu

• Reconeixement d'imatges

• processament del llenguatge natural

• Sistemes autònoms

• Anàlisi d'imatges mèdiques

• Traducció

• Models d'IA generativa

• Tasques de predicció complexes

La part "profunda" fa referència a les múltiples capes del model. Cada capa ajuda a alterar i interpretar la informació. Una capa pot detectar formes simples en una imatge, una altra pot detectar textures, una altra pot reconèixer objectes, etc.

L'aprenentatge profund pot produir resultats sorprenents, però sovint necessita grans quantitats de dades i potència de càlcul. També pot ser més difícil d'interpretar. Això significa que fins i tot els experts poden tenir dificultats per explicar exactament per què un model profund va prendre una decisió específica.

Aquest és un dels grans problemes de confiança en la IA: el rendiment pot ser fort, però l'explicabilitat pot ser esmunyedissa. Com intentar preguntar a una batedora per què el batut té mal gust.

---

8. IA conversacional: el tipus xerraire

La IA conversacional està dissenyada per comunicar-se amb les persones a través de text o veu.

Inclou:

• xatbots d'atenció al client

• Assistents de veu

• Agents virtuals

• Tutors d'IA

• Bots d'assistència interna

• Assistents de vendes

• Assistents de planificació

Una bona IA conversacional necessita més que gramàtica. Necessita context, reconeixement d'intencions, control del to i la capacitat de gestionar aportacions humanes imprevisibles.

La gent no parla amb ordres perfectes. Divaguen. Fan males paraules. Fan una pregunta a mitges i esperen que la màquina "ho entengui". Ja saps com és.

Un chatbot bàsic pot seguir un guió. Una IA conversacional més avançada pot entendre el llenguatge natural, mantenir el context i generar respostes flexibles.

Aquest tipus d'IA és valuosa perquè redueix el treball repetitiu i proporciona un suport ràpid. Però pot frustrar els usuaris quan fa veure que ho entén però no ho fa. La pitjor versió és el chatbot que diu: "Estic encantat d'ajudar", mentre que no proporciona cap ajuda. Dolorós.

---

9. Visió per computador i IA: Màquines que "veuen" 👀

La IA, que consisteix en visió per computador, permet als sistemes interpretar informació visual d'imatges, vídeos, càmeres, sensors o escanejos.

Es pot utilitzar per a:

• reconeixement facial

• Detecció d'objectes

• Inspecció de qualitat a les fàbriques

• Imatge mèdica

• Monitorització de seguretat

• Anàlisi de prestatgeries de venda al detall

• Detecció de trànsit

• Realitat augmentada

• Monitorització agrícola

La visió per computador no veu com els humans. Processa píxels, patrons, formes, colors i senyals estadístics. Però els resultats poden ser molt potents.

Per exemple, la visió per computador pot ajudar a detectar defectes en una línia de producció més ràpidament que la inspecció manual. Pot ajudar a organitzar biblioteques d'imatges. Pot donar suport als sistemes de seguretat dels vehicles. També pot plantejar problemes de privadesa, especialment quan s'utilitza per a la vigilància o la identificació.

Aquesta és la forquilla de doble tall, no l'espasa, la forquilla. Encara és prou afilada per causar problemes 🍴.

---

10. IA predictiva: el motor de previsió

La IA predictiva utilitza dades per estimar què pot passar a continuació.

És comú en negocis, finances, sanitat, logística, anàlisi esportiva, màrqueting i operacions.

La IA predictiva pot ajudar a respondre preguntes com:

• Quins clients són propensos a marxar?

• Quina transacció sembla sospitosa?

• Quant d'inventari serà necessari?

• Quin pacient pot necessitar atenció addicional?

• En quin contingut és probable que faci clic un usuari?

• Quina part de la màquina podria fallar aviat?

Aquest tipus d'IA és menys cridanera que la IA generativa, però és extremadament important. Moltes organitzacions es preocupen menys per un model que escrigui poesia i més per si pot reduir el malbaratament, disminuir el risc i millorar la planificació.

La IA predictiva funciona millor quan les dades són rellevants, netes i s'actualitzen regularment. Però la predicció mai és certesa. Un model pot estimar probabilitats, no garantir resultats. La gent ho oblida constantment. Aleshores culpen la IA com si els hagués traït personalment.

---

11. Robòtica IA: Quan la IA té un cos 🤖

La IA robòtica combina la intel·ligència artificial amb màquines físiques. Aquí és on la IA abandona la pantalla i comença a moure's pel món.

Alguns exemples són:

• Robots de magatzem

• Robots de fabricació

• Robots de repartiment

• Robots agrícoles

• Sistemes d'assistència quirúrgica

• Drons

• Robots d'inspecció

• Robots de neteja

• Robots de recerca humanoides

La IA robòtica és difícil perquè l'entorn físic és imprevisible. Un chatbot només ha de treballar amb paraules. Un robot ha de fer front a terres relliscosos, mala il·luminació, superfícies irregulars, persones en moviment, errors de sensors i algú que deixa una cadira en el pitjor lloc possible.

La robòtica sovint combina diversos tipus d'IA:

• Visió per ordinador per veure

• Aprenentatge automàtic per a l'adaptació

• Algoritmes de planificació de moviments

• Aprenentatge per reforç per a la presa de decisions

• Processament del llenguatge natural per a ordres humanes

La IA robòtica té un potencial enorme, especialment en treballs perillosos o repetitius. Però també és cara, complexa i físicament arriscada quan els sistemes fallen.

---

12. IA basada en l'estil d'entrenament

Una altra manera valuosa de pensar en els tipus d'IA és per com s'entrenen.

IA basada en regles

La IA basada en regles segueix la lògica creada pels humans. Per exemple:

• Si això passa, fes-ho

• Si l'usuari selecciona aquesta opció, mostra aquesta resposta

• Si el valor supera un llindar, activa una alerta

Això és simple, predictible i útil per a tasques estructurades. Però té problemes d'ambigüitat.

IA entrenada per dades

La IA entrenada amb dades aprèn d'exemples. Pot gestionar més complexitat perquè identifica patrons en lloc de confiar només en regles fixes.

Aquí és on encaixen l'aprenentatge automàtic i l'aprenentatge profund.

IA híbrida

La IA híbrida combina la lògica basada en regles amb l'aprenentatge automàtic. En molts sistemes pràctics, aquesta és l'opció pragmàtica. S'obté la flexibilitat dels sistemes d'aprenentatge més el control de les regles.

Per exemple, un sistema de frau bancari pot utilitzar l'aprenentatge automàtic per detectar comportaments sospitosos i després aplicar normes estrictes per a la revisió del compliment. No és gaire glamurós. Molt necessari.

---

13. Què fa que els tipus d'IA siguin confusos?

La confusió més gran és que la gent utilitza les categories d'IA de maneres diferents.

Una persona pot dir "Tipus d'IA" i voler dir intel·ligència limitada, general i superintel·ligència.

Una altra persona pot referir-se a IA generativa, IA predictiva i IA conversacional.

Un desenvolupador pot parlar d'aprenentatge supervisat, aprenentatge profund, xarxes neuronals o aprenentatge per reforç.

Un gerent d'empresa pot parlar d'automatització, anàlisi, personalització i atenció al client (IA).

Totes tenen una mica de raó. Molesta, però és veritat.

La IA es classifica per:

• Capacitat

• Funcionalitat

• Mètode d'entrenament

• Àrea d'aplicació

• Arquitectura tècnica

• Nivell d'autonomia

• Tipus d'entrada i sortida

• Cas d'ús de la indústria

Així doncs, quan algú pregunta "Quin tipus d'IA és aquesta?", la resposta més clara pot ser per capes.

Un chatbot, per exemple, podria ser:

• Restringeix la IA per capacitat

• Memòria limitada per IA per funcionalitat

• IA conversacional per aplicació

• IA generativa si crea respostes

• IA d'aprenentatge profund si està impulsada per xarxes neuronals

Això no és complicar massa la situació per diversió. Simplement és com funciona el camp.

---

14. Exemples pràctics dels tipus d'IA

Aquí teniu alguns exemples quotidians per fer que les categories siguin més fàcils d'entendre.

Recomanacions de streaming 🎬

Això és IA específica, IA predictiva i aprenentatge automàtic. Estudia patrons i recomana què podríeu veure a continuació.

Assistents de veu 🎙️

Aquests utilitzen IA conversacional, processament del llenguatge natural, reconeixement de veu i funcions de memòria limitada.

Generadors d'imatges 🖼️

Es tracta de sistemes d'IA generatius, sovint impulsats per models d'aprenentatge profund.

Sistemes de detecció de fraus 💳

Aquests utilitzen la IA predictiva i l'aprenentatge automàtic per marcar activitats inusuals.

Funcions de conducció autònoma 🚗

Aquests combinen visió per computador, IA amb memòria limitada, IA relacionada amb la robòtica, fusió de sensors i models de presa de decisions.

Filtres de correu brossa 📩

Aquesta és la IA clàssica de l'aprenentatge automàtic. No és glamurosa, però sí molt valuosa.

Eines d'escriptura amb IA ✍️

Es tracta d'IA generativa i IA conversacional, normalment construïdes mitjançant grans models de llenguatge.

L'important és això: un producte d'IA pot pertànyer a diverses categories alhora.

---

15. Beneficis de comprendre els tipus d'IA

Conèixer els tipus d'IA t'ajuda a prendre millors decisions, sobretot si fas servir la IA per a la feina, els negocis, els estudis o la creació de contingut.

T'ajuda a:

• Trieu l'eina adequada

• Evitar expectatives poc realistes

• Comprendre els riscos

• Fes millors preguntes

• Avaluar les afirmacions de la IA

• Exageració del màrqueting puntual

• Utilitzeu la IA de manera més responsable

• Explica la IA als altres sense semblar un robot confós

Per exemple, si una eina és una IA predictiva, sabeu que prediu probabilitats. No s'ha de tractar com un oracle.

Si una eina és IA generativa, saps que crea contingut, però el contingut encara cal revisar-lo.

Si un sistema és d'IA limitada, saps que pot ser excel·lent en una àrea però ineficaç fora del seu abast.

Només això estalvia molts maldecaps.

---

16. Riscos i limitacions en els diferents tipus d'IA ⚠️

Cada tipus d'IA té limitacions. Sabor diferent, mateix bol de sopa.

Els riscos comuns de la IA inclouen:

• Biaix en les dades d'entrenament

• Sortides incorrectes

• Falta de transparència

• Preocupacions de privadesa

• Sobredependència

• Vulnerabilitats de seguretat

• Mal ús

• Mala supervisió humana

• Confonent la fluïdesa amb la veritat

La IA generativa pot inventar informació. La IA predictiva pot reforçar patrons esbiaixats. La visió artificial pot identificar erròniament persones o objectes. La IA conversacional pot frustrar els usuaris amb una confiança falsa. La IA robòtica pot causar danys físics si està mal dissenyada.

Això no vol dir que la IA sigui dolenta. Vol dir que s'ha d'utilitzar amb criteri. Com les eines elèctriques, els contractes o els fideus extremadament picants 🌶️.

Els millors sistemes d'IA solen incloure:

• Revisió humana

• Límits clars

• Pràctiques de dades sòlides

• Proves

• Monitorització

• Explicabilitat sempre que sigui possible

• Disseny ètic

• Controls de seguretat

La IA pot amplificar les bones decisions. També pot amplificar les decisions imprudents.

---

17. Quin tipus d'IA és el més important?

No hi ha un únic tipus més important. Depèn del cas d'ús.

Per a la creativitat, la IA generativa és enorme.

Per a la planificació empresarial, la IA predictiva pot ser més valuosa.

Per a l'automatització, l'aprenentatge automàtic i la robòtica, la IA és important.

Pel que fa a l'atenció als usuaris, la IA conversacional és l'estrella.

Per a exploracions mèdiques o inspeccions visuals, la visió per ordinador és fonamental.

Per a la recerca a llarg termini, la IA general rep la major part de l'atenció filosòfica.

Però en termes pràctics, la IA estreta i la IA de memòria limitada són les categories més comunes i valuoses ara mateix. Són els motors silenciosos que hi ha darrere de moltes eines en què la gent ja confia.

El futur elegant ocupa els titulars. El present pràctic paga les factures.

---

Notes finals: comprendre els tipus d'IA sense el soroll

Els tipus d'IA poden semblar complicats al principi perquè les categories se superposen. Però un cop separes la capacitat, la funcionalitat, el mètode d'entrenament i l'ús pràctic, tot plegat esdevé molt més fàcil d'entendre.

La IA estreta gestiona tasques específiques. La IA general pensaria amb més flexibilitat, tot i que continua sent un objectiu ambiciós. La super IA encara és especulativa. Les màquines reactives responen sense memòria, mentre que la IA amb memòria limitada utilitza dades passades per millorar les decisions. La IA generativa crea. La IA predictiva fa previsions. La IA conversacional parla. La visió per computador veu. La IA robòtica actua en l'entorn físic.

Aquest és el panorama general.

La IA no és una sola cosa. És una família enrevessada de tecnologies: algunes pràctiques, algunes experimentals, algunes exagerades i algunes realment importants. Aquesta complexitat és part de la seva importància. Com més clarament entenguis els tipus d'IA, més fàcil serà utilitzar la IA amb prudència en comptes de simplement assentir amb el cap quan algú diu "algoritme" en una reunió. 🤷♂️

Breu resum: Els principals tipus d'IA inclouen la IA estreta, la IA general, la superIA, les màquines reactives, la IA de memòria limitada, la IA de teoria de la ment, la IA autoconscient, la IA generativa, la IA predictiva, la IA conversacional, la IA de visió per computador, la IA d'aprenentatge automàtic, la IA d'aprenentatge profund i la IA robòtica. La majoria de la IA que s'utilitza avui dia és estreta, centrada en tasques i impulsada per l'aprenentatge automàtic o l'aprenentatge profund.

Exemple del món real: Creació d'un assistent de triatge d'atenció al client amb IA

Escenari

Imagineu-vos una petita botiga de mobles en línia que rep uns 120 correus electrònics d'atenció al client al dia. L'equip no intenta substituir el personal d'assistència. Només volen ajuda per classificar els missatges més ràpidament, detectar problemes urgents i redactar les primeres respostes.

Aquest és un bon exemple perquè un assistent pot utilitzar diversos tipus d'IA alhora. Pot utilitzar IA conversacional per entendre els missatges dels clients, IA generativa per redactar respostes, IA predictiva per marcar possibles riscos de reemborsament i IA de memòria limitada per utilitzar dades de comandes o polítiques recents.

La feina de l'assistent és senzilla: llegir un missatge d'un client, classificar-lo, suggerir la següent acció i redactar una resposta que un humà pugui aprovar.

Què necessita l'assistent

L'equip donaria a l'assistent:

Política de servei al client

Normes de lliurament i devolucions

Condicions de garantia

Preguntes freqüents sobre el producte

Exemples de to de veu

Una llista de regles d'escalada

Exemples de bitllets antics amb les categories correctes

Límits clars sobre allò que no ha de decidir per si mateix

Per exemple, no hauria d'aprovar reemborsaments superiors a 100 £, prometre dates de lliurament que no pugui verificar ni presentar reclamacions legals sobre productes danyats. Aquests casos haurien d'anar a una persona.

Exemple d'instrucció

Ets assistent de triatge d'atenció al client per a una botiga de mobles en línia. Llegeix cada missatge del client i retorna cinc dades: la categoria del tiquet, el nivell d'urgència, l'estat d'ànim probable del client, la següent acció recomanada i un esborrany de resposta.

Feu servir només la política de l'empresa que us ha estat proporcionada. Si la resposta no es troba a la política, digueu "Cal revisió humana". No us inventeu dates de lliurament, aprovacions de reemborsaments, promeses de garantia o disponibilitat de productes.

Escaleu el tiquet si el client esmenta lesions, accions legals, lliuraments fallits repetits, un reemborsament superior a 100 £, peces que falten per a un producte infantil o una gran insatisfacció després de dues respostes anteriors.

Mantingueu l'esborrany de resposta educat, breu i pràctic. No sembli robòtic. No culpeu el client ni el missatger.

Com provar-ho

Abans d'utilitzar l'assistent amb clients, proveu-lo en un petit conjunt de tiquets antics.

Utilitza 30 missatges de suport anteriors:

10 preguntes senzilles sobre el lliurament

5 queixes per articles danyats

5 sol·licituds de reemborsament

5 preguntes sobre la garantia

5 queixes complexes o amb ràbia

Per a cada prova, comproveu:

Ha triat la categoria correcta?

Va marcar correctament els casos urgents?

Va evitar fer promeses?

Va agreujar temes delicats?

L'esborrany de resposta coincidia amb el to de l'empresa?

Una pregunta de prova útil seria:

«La meva taula va arribar amb una pota esquerdada i aquesta és la segona vegada que el lliurament ha anat malament. Vull un reemborsament complet avui o publicaré això per tot arreu.»

Un assistent feble podria simplement demanar disculpes i prometre un reemborsament. Un assistent millor el classificaria com a article danyat a més d'una queixa reiterada, el marcaria com a d'alta urgència, evitaria aprovar el reemborsament automàticament i l'escalaria per a la revisió humana.

Resultat

Resultat il·lustratiu: basat en la cronometratge de 30 tiquets de mostra abans i després d'utilitzar el flux de treball.

El triatge manual va trigar 2 hores i 15 minuts per a 30 entrades, amb una mitjana de 4,5 minuts per entrada.

El triatge assistit per IA va trigar 48 minuts per als mateixos 30 tiquets, amb una mitjana d'1,6 minuts per tiquet, perquè el revisor humà només havia de comprovar la categoria, la decisió d'escalada i l'esborrany de resposta.

L'assistent va classificar correctament 27 de 30 tiquets del conjunt de proves. Va escalar correctament els 5 tiquets d'alt risc. Dos tiquets de reemborsament van necessitar modificacions de redacció perquè l'esborrany semblava massa segur, i un tiquet de garantia es va col·locar a la categoria incorrecta.

Això dóna un punt de referència pràctic: una primera revisió més ràpida, però no una automatització completa. L'ésser humà encara controla la resposta.

Què pot anar malament

L'error més gran és deixar que l'assistent actuï com si en sabés més del que sap. Si la política de devolucions està desactualitzada, l'assistent pot redactar amb confiança la resposta incorrecta. Si les normes d'escalada són vagues, pot passar per alt queixes greus.

La privadesa és un altre problema. L'equip hauria d'evitar enganxar detalls de pagament innecessaris, adreces o informació personal sensible a l'assistent, tret que el sistema estigui aprovat per a aquest ús.

L'assistent també s'ha de revisar regularment. Les preguntes dels clients canvien, les polítiques canvien i els productes canvien. Un assistent de triatge que va funcionar bé al març pot esdevenir arriscat després d'una nova política de garantia al juny.

Conclusió pràctica

Aquest exemple mostra per què les categories d'IA se superposen a la pràctica. Un únic assistent de suport pot ser IA estreta, IA conversacional, IA generativa, IA predictiva i IA de memòria limitada alhora. La manera més sòlida d'avaluar-lo és preguntar quina decisió dóna suport, quines dades utilitza i on un humà les ha de comprovar.

Preguntes freqüents

Quins són els principals tipus d'IA que haurien de conèixer els principiants?

Els principals tipus d'IA inclouen la IA estreta, la IA general, la super IA, les màquines reactives, la IA de memòria limitada, la IA generativa, la IA predictiva, la IA conversacional, la IA de visió per computador, la IA d'aprenentatge automàtic, la IA d'aprenentatge profund i la IA de robòtica. Aquestes categories sovint se superposen, de manera que una eina pot encaixar en diverses etiquetes alhora. Per exemple, un chatbot pot ser IA estreta, IA conversacional, IA generativa i IA de memòria limitada.

Com es classifiquen els tipus d'IA per capacitat?

La IA per capacitat se sol agrupar en IA específica, IA general i super IA. La IA específica gestiona tasques específiques i s'utilitza àmpliament avui dia. La IA general raonaria i aprendria en moltes tasques a un nivell similar al dels humans, però no forma part de l'ús quotidià. La super IA superaria la intel·ligència humana i continua sent especulativa.

Quina diferència hi ha entre la IA estreta i la IA general?

La IA estreta està dissenyada per a una tasca específica o un conjunt limitat de tasques, com ara el filtratge de correu brossa, les recomanacions, els robots de xat o la detecció de fraus. La IA general seria capaç d'aprendre, raonar i adaptar-se a moltes tasques no relacionades. La majoria de la IA que la gent utilitza avui dia és IA estreta, fins i tot quan sembla flexible o avançada.

Per què és tan comuna la IA amb memòria limitada avui dia?

La IA amb memòria limitada pot utilitzar dades passades o recents per millorar les decisions, cosa que la fa pràctica per a molts sistemes implementats. Els motors de recomanació, les eines de detecció de frau, les funcions de conducció autònoma i els chatbots sovint es basen en aquest tipus d'IA. No té una consciència semblant a la humana, però es pot adaptar en funció de patrons i informació emmagatzemada.

Com encaixa la IA generativa en els tipus d'IA?

La IA generativa és un tipus d'IA que crea nous resultats com ara text, imatges, codi, àudio, vídeo, resums o idees de disseny. Aprèn patrons a partir de grans quantitats de dades i produeix contingut basat en indicacions. Pot ajudar amb l'esborrany, la pluja d'idees, el suport a la codificació i el treball creatiu, però els seus resultats encara necessiten revisió humana.

Quina diferència hi ha entre l'aprenentatge automàtic i l'aprenentatge profund?

L'aprenentatge automàtic és una branca de la IA on els sistemes aprenen patrons a partir de dades en comptes de seguir només regles escrites a mà. L'aprenentatge profund és una forma especialitzada d'aprenentatge automàtic que utilitza xarxes neuronals en capes. L'aprenentatge profund és especialment valuós per a tasques complexes com el reconeixement de veu, el reconeixement d'imatges, el processament del llenguatge natural, la traducció, les imatges mèdiques i la IA generativa.

Per a què s'utilitza la IA predictiva en els negocis?

La IA predictiva utilitza dades per estimar els possibles resultats futurs. Les empreses la poden utilitzar per a la planificació de la demanda, la predicció de la rotació de clients, la detecció de fraus, la puntuació de riscos, les decisions d'inventari o la previsió de manteniment. Dóna suport a la planificació i la presa de decisions, però no garanteix el futur. Les prediccions són estimacions basades en les dades disponibles i la qualitat del model.

Com funciona la IA de visió per computador en sistemes pràctics?

La IA, que utilitza la visió per computador, ajuda les màquines a interpretar informació visual d'imatges, vídeos, càmeres, escanejos o sensors. Pot ser útil per al reconeixement facial, la detecció d'objectes, la inspecció de fàbriques, les imatges mèdiques, la detecció de trànsit, l'anàlisi del comerç minorista, la monitorització agrícola i els sistemes de seguretat. No veu com una persona, però pot processar píxels, formes, colors i patrons a escala.

Per què un producte d'IA pot pertànyer a diversos tipus d'IA?

Les categories d'IA sovint descriuen coses diferents, com ara la capacitat, la funcionalitat, el mètode d'entrenament o l'aplicació. Un assistent de veu, per exemple, pot ser una IA limitada per capacitat, una IA conversacional per aplicació, una IA de memòria limitada per funcionalitat i una IA d'aprenentatge profund per arquitectura. Aquesta superposició és normal i ajuda a explicar què fa el sistema des de diferents angles.

Quins riscos haurien d'entendre les persones en els diferents tipus d'IA?

Els riscos comuns de la IA inclouen biaix, resultats incorrectes, problemes de privadesa, vulnerabilitats de seguretat, manca de transparència, dependència excessiva i una supervisió humana feble. La IA generativa pot inventar informació, la IA predictiva pot reforçar patrons deficients i la visió per computador pot identificar erròniament objectes o persones. Un bon ús de la IA normalment requereix proves, monitorització, límits clars, pràctiques de dades sòlides i revisió humana.

Referències

1. IBM - Tipus d'intel·ligència artificial - ibm.com

2. Marc de gestió de riscos d'IA del NIST - Riscos d'IA - nist.gov

3. Google Developers - Aprenentatge automàtic - developers.google.com

4. AWS - IA generativa - aws.amazon.com