El campo de la IA ha estado históricamente dividido en dos enfoques principales: el simbólico (basado en reglas y lógica) y el conexionista (basado en redes neuronales y datos). Comprender sus diferencias y su reciente convergencia es clave para entender hacia dónde va la tecnología.
La IA simbólica, dominante hasta los años 90, trata de representar el conocimiento humano a través de reglas explícitas y símbolos (si X, entonces Y). Es excelente para problemas lógicos y matemáticas, y es totalmente explicable. Sin embargo, falla en tareas difusas como reconocer una cara o entender el matiz del lenguaje natural, donde es difícil codificar reglas rígidas.
El enfoque conexionista se inspira en el cerebro humano. No se le dan reglas, sino que aprende patrones a partir de ejemplos (datos) usando redes neuronales artificiales. Este enfoque es el responsable del éxito actual en visión por computadora y ChatGPT. Su desventaja es que requiere muchos datos y es difícil de interpretar (caja negra).
El futuro parece estar en la hibridación. La IA Neuro-Simbólica busca combinar la capacidad de aprendizaje y percepción de las redes neuronales con el razonamiento lógico y la robustez de la IA simbólica. Este enfoque promete sistemas que no solo aprendan de los datos, sino que también puedan razonar, generalizar mejor con menos datos y explicar sus acciones.