Guia · Nivel Inicial · Modelos
Las familias de la IA: reglas, Machine Learning, Deep Learning e IA generativa
Sistemas basados en reglas, aprendizaje supervisado y no supervisado, redes neuronales y modelos generativos. Diferencia entre clasificar, predecir y generar.
Publicado: 04/10/2026 · Última revisión: 04/10/2026 · Lectura: 10 min
Las cuatro familias
Reglas: decisiones escritas por personas (si pasa X, hacé Y). Predecibles, limitadas a lo previsto. Machine Learning (ML): el sistema ajusta sus propios criterios a partir de ejemplos: se le muestran miles de casos y encuentra patrones.
Deep Learning: ML con redes neuronales de muchas capas, capaz de trabajar con imágenes, audio y lenguaje natural. IA generativa: modelos que crean contenido nuevo (texto, imágenes, código). Es la familia de los asistentes actuales.
Cada familia suma sofisticación, pero ninguna reemplaza a las otras: las reglas siguen siendo la mejor opción cuando el problema es simple y predecible.
Supervisado, no supervisado, clasificar, predecir, generar
Supervisado: aprende de ejemplos etiquetados (foto clasificada como gato o perro). No supervisado: encuentra estructura sin etiquetas (agrupar clientes por comportamiento, detectar anomalÃas).
Clasificar (elegir entre opciones), predecir (estimar un valor futuro como la demanda) y generar (redactar un resumen) son problemas distintos aunque usen IA. Ejemplo empresarial: un sistema detecta operaciones anómalas, estima demanda futura o genera un resumen; tres tareas, tres problemas diferentes.
Lo que no significan y errores frecuentes
ML y deep learning no son sinónimos (DL es una rama del ML). Generativa no es toda la IA, solo la familia más visible hoy. Y más sofisticado no es siempre mejor: costo, datos disponibles y auditabilidad deciden.
Errores tÃpicos: pedirle a un modelo generativo una clasificación exacta y repetible (un clasificador supervisado suele rendir mejor), creer que no supervisado significa sin control humano, o descartar las reglas por viejas en problemas simples y crÃticos donde la trazabilidad importa más que la flexibilidad.
Fuentes
- Machine Learning Crash Course (documentacion-tecnica) · consultado 03/10/2026
- What is deep learning? (documentacion-tecnica) · consultado 03/10/2026