La inteligencia artificial (IA) tiene por objetivo construir máquinas o sistemas inteligentes que, utilizando estos conocimientos, podrán ser capaces de imitar o superar las capacidades mentales de los humanos: razonamiento, comprensión, imaginación, etcétera.
Por el contrario, la inteligencia computacional (IC) tiene una doble finalidad. Por un lado, su objetivo científico es comprender los principios que posibilitan el comportamiento inteligente (ya sea en sistemas naturales o artificiales) y, por otro, su objetivo tecnológico consiste en especificar los métodos para diseñar sistemas inteligentes.
Otra de las diferencias más latentes es que la inteligencia artificial trata de ajustar el ambiente a las soluciones conocidas, que están representadas por bases de conocimiento estáticas, mientras que la IC se retroalimenta del ambiente en el que convive y partir de ahí, diseña conocimiento nuevo.
Los modelos y las técnicas de IC se han aplicado en múltiples áreas. Estas son algunas de ellas:
- Las ciencias relacionadas con la tierra y el medio ambiente, enfocadas sobre todo al clima, los océanos y la hidrología. Las redes neuronales artificiales (RNA’s) se han aplicado a la meteorología por satélite y oceanografía para reconocimiento de patrones y clasificación.
- En climatología, la IC sirve para desarrollar modelos numéricos del tiempo atmosférico, analizar el cambio climático planteando predicciones sobre las variaciones en la temperatura de los océanos y en hidrología para predecir las precipitaciones, desbordamientos de ríos, etcétera.
- Otro campo en el que la inteligencia computacional (IC) está siendo ampliamente utilizado es la medicina. Los sistemas difusos se usan en diferentes áreas de diagnóstico médico, como por ejemplo el control del oxígeno o de la anestesia durante la intervención quirúrgica. También para la toma de decisiones médicas mediante la lógica difusa en relación a cuidados intensivos o enfermedades coronarias, etcétera.
- Para el análisis de los mercados financieros, la IC también es una solución muy efectiva. Por un lado, permite detectar mediante el aprendizaje los grupos de nuevos clientes y sus perfiles más adecuados. En este sentido, la computación evolutiva ayuda a generar modelos para gestionar la relación con los clientes y la lógica difusa permite cuantificar la conducta de los clientes.
