En la actualidad, existen varias formas de inteligencia artificial (IA). Es una pregunta difícil cómo llamar a una IA y cómo llamar simplemente un programa de software. Hay una tendencia en el software, donde cuando algo que solía llamarse “IA” madura y se integra en el contexto tecnológico, ya no se llama IA. Los programadores de la década de 1950 podrían llamar a numerosos programas integrados en nuestro mundo «inteligencia artificial»; por ejemplo, el microchip de su automóvil que regula la inyección de combustible, o la base de datos del supermercado que almacena registros de todas las ventas, o el motor de búsqueda de Google.
Pero el campo que se autodenomina «Inteligencia Artificial» tiende a ser ligeramente diferente al grupo mucho más grande de «desarrolladores de software en general». Los investigadores de IA tienden a buscar formas de software más complejas, adaptables, capaces o incluso vagamente parecidas a las humanas. Los trabajadores en IA también tienden a ser interdisciplinarios y versados en áreas de ciencia y matemáticas ajenas al programador típico, que incluyen, entre otras, estadísticas formales, neurociencia, psicología evolutiva, aprendizaje automático y teoría de decisiones.
En el campo de la inteligencia artificial, hay dos campos principales: los Neats y los Scruffies. La división se ha mantenido prácticamente desde que AI se fundó como campo en 1956. Los neats son defensores de métodos formales como la estadística aplicada. Les gusta que sus programas estén bien organizados, sean demostrables, funcionen en base a teorías concretas y puedan editarse libremente. A los desaliñados les gustan los enfoques desordenados, como las redes neuronales adaptativas, y se consideran piratas informáticos, lanzando cualquier cosa mientras parezca funcionar. Ambos enfoques han tenido un éxito impresionante en el pasado, y también hay híbridos de los dos temas.
Todos los diseños de inteligencia artificial están inspirados, al menos superficialmente, en el cerebro humano, ya que, por definición, la inteligencia artificial consiste en imitar algún aspecto de la inteligencia. Las IA tienen que construir conceptos de las cosas que manipulan o con las que trabajan, y almacenar esos conceptos como fragmentos de datos. A veces, estos fragmentos son dinámicos y se actualizan con frecuencia, a veces estáticos. Generalmente, una IA se preocupa por explotar las relaciones entre los datos para lograr algún objetivo.
Los objetivos a menudo se asignan en función de la utilidad. Cuando se le presenta un objetivo, un sistema de IA puede generar subobjetivos y asignar estos subobjetivos valores de utilidad en función de su contribución prevista al objetivo principal. La IA procede a perseguir subobjetivos hasta que se logra el objetivo principal. Entonces es libre de pasar a un nuevo objetivo principal (pero con frecuencia similar). Lo que difiere ampliamente entre la IA es cómo se implementan todas estas dinámicas.