1.1. Descripción: Sistemas diseñados para realizar tareas específicas de manera eficiente. No poseen conciencia ni comprensión general.
1.2. Fecha de creación: Desde la década de 1950, pero ganó popularidad en los 2000.
1.3. Aplicación en la educación: Tutores virtuales que adaptan el contenido al nivel del estudiante, análisis de datos para determinar las necesidades y preferencias de aprendizaje.
1.4. Datos de interés: La mayoría de las IA que usamos hoy en día, como los motores de búsqueda y los filtros de spam, son ejemplos de IA débil.
1.5. Ejemplos: Asistentes virtuales (Siri, Alexa), Chatbots de atención al cliente o Sistemas de recomendación (Netflix, Amazon).
2. Inteligencia Artificial Fuerte (General AI)
2.1. Descripción: Sistemas que pueden comprender, aprender y aplicar conocimiento de manera similar a un ser humano. Capaces de realizar cualquier tarea cognitiva.
2.2. Fecha de creación: Concepto propuesto en la década de 1980; no se ha logrado desarrollar en la práctica.
2.3. Aplicación en la educación: Potencial para desarrollar sistemas de educación personalizada que puedan entender el contexto y adaptarse a cualquier disciplina.
2.4. Datos de interés: La IA fuerte es una aspiración en la investigación de inteligencia artificial, pero enfrenta numerosos desafíos técnicos y éticos.
2.5. Ejemplos: Actualmente no existen ejemplos concretos de IA fuerte en operación.
3. Inteligencia Artificial Superinteligente
3.1. Descripción: Una IA que supera la inteligencia humana en todas las áreas, en creatividad, resolución de problemas, y habilidades sociales.
3.2. Fecha de creación: Conceptualizado en el siglo XXI, aunque se discute su posibilidad teórica.
3.3. Aplicación en la educación: Podría revolucionar la enseñanza al proporcionar tutorías mucho más efectivas y personalizadas, aunque plantea dilemas éticos serios.
3.4. Datos de interés: Existe una preocupación sobre los riesgos potenciales de la IA superinteligente, como la pérdida de control sobre dichos sistemas.
3.5. Ejemplos: No existen ejemplos actuales. Es un tema de investigación y especulación.
4. Inteligencia Artificial Reactiva
4.1. Descripción: Sistemas que responden a estímulos sin memoria o aprendizaje. Se enfocan en decisiones inmediatas basadas en la situación actual.
4.2. Fecha de creación: Desde las primeras investigaciones en IA, en la década de 1950.
4.3. Aplicación en la educación: Puede ser utilizado en simuladores que requieran decisiones rápidas sin la necesidad de un aprendizaje anterior.
4.4. Datos de interés: Estos sistemas no pueden aprender de experiencias pasadas, lo que los limita a tareas muy específicas.
4.5. Ejemplos: El programa de ajedrez IBM y Deep Blue.
5. Inteligencia Artificial con Memoria
5.1. Descripción: Sistemas que pueden almacenar y aprender de experiencias pasadas para mejorar su rendimiento en tareas futuras.
5.2. Fecha de creación: Comenzó a desarrollarse en las décadas de 1990 y 2000.
5.3. Aplicación en la educación: Puede ayudar a los estudiantes a recordar información y adaptar el contenido a sus estilos de aprendizaje.
5.4. Datos de interés: El uso de IA con memoria permite un aprendizaje más profundo y adaptativo.
5.5. Ejemplos: Algoritmos de Netflix y Spotify que personalizan recomendaciones basadas en el historial del usuario.
6. Inteligencia Artificial Teórica
6.1. Descripción: Investigaciones y teorías sobre el desarrollo de sistemas de IA más avanzados.
6.2. Fecha de creación: A finales del siglo XX y en el siglo XXI.
6.3. Aplicación en la educación: Se utilizan en el análisis predictivo para mejorar los resultados académicos de los estudiantes.
6.4. Datos de interés: La investigación en IA teórica está en constante evolución, con aplicaciones en diversas áreas, desde la atención médica hasta la automoción
6.5. Ejemplos: Algoritmos de aprendizaje profundo (Deep Learning).
