Unified Understanding of Artificial Intelligence Systems: A Comprehensive Review and the Capability–Constraint–Infrastructure (CCI) Framework

Abstract

Listen in: English (British) Español (España) Name: Loading voices… ▶ Listen to Abstract Pause Stop Speed: 0.75x1x 1.25x1.5x

Comprensión unificada de los sistemas de inteligencia artificial: una revisión exhaustiva y el marco Capacidad–Restricción–Infraestructura (CCI) Autores: Denisa-Daniela Frimu-Pascu - National University of Science and Technology POLITEHNICA Bucharest (RO) Ciprian Dobre - National University of Science and Technology POLITEHNICA Bucharest (RO) Edmond Gabriel Olteanu - University of Craiova (RO) Resumen Esta revisión sistemática sintetiza 229 registros académicos sobre la inteligencia artificial (IA) contemporánea, complementados con una selección de trabajos fundamentales necesarios para la interpretación teórica. La evidencia se organiza en cinco dimensiones analíticas: (1) tecnologías y arquitecturas, (2) requisitos de infraestructura, (3) capacidades de razonamiento, (4) limitaciones técnicas y prácticas y (5) casos de uso en el mundo real. La revisión sigue principios de presentación alineados con PRISMA y analiza la literatura mediante un marco operativo de Capacidad–Restricción–Infraestructura (CCI). El marco define puntuaciones normalizadas para la capacidad, la carga de restricciones, la adecuación de la infraestructura, el ajuste operativo y la preparación socioreguladora, y las combina en un índice de rendimiento efectivo de la IA. Esta interpretación cuantitativa se complementa con un modelo de madurez CCI de cuatro niveles, con una lógica explícita de umbrales. La síntesis muestra que el progreso actual de la IA está impulsado por avances sustanciales en percepción, generación y rendimiento en tareas específicas, pero sigue limitado por deficiencias en el razonamiento, olvido catastrófico, dificultades de interpretabilidad, dependencia de los datos y costes computacionales crecientes. Para alinear el análisis con la investigación de IA orientada a la neurociencia, la revisión examina la IA neurosimbólica, las arquitecturas cognitivas, el aprendizaje continuo y la eficiencia inspirada biológicamente como puentes entre la práctica de ingeniería y la inteligencia inspirada en el cerebro. Se incorpora asimismo una perspectiva jurídico-regulatoria al considerar la documentación, la auditabilidad, la privacidad, la supervisión humana y el cumplimiento desde el diseño como elementos prácticos de la preparación para el despliegue en ámbitos regulados. En conjunto, el artículo sostiene que el avance sostenible de la IA depende menos de la escala por sí sola y más de una alineación medible entre capacidad, gestión de restricciones, infraestructura y condiciones de despliegue socialmente aceptables.

This systematic review synthesises 229 scholarly records on contemporary artificial intelligence (AI), complemented by selected foundational works needed for theoretical interpretation. The evidence is organised across five analytical dimensions: (1) technologies and architectures, (2) infrastructure requirements, (3) reasoning capabilities, (4) technical and practical limitations, and (5) real-world use cases. The review follows PRISMA-aligned reporting principles and analyses the literature through an operational Capability–Constraint–Infrastructure (CCI) framework. The framework defines normalised component scores for capability, constraint burden, infrastructure adequacy, operational fit, and societal-regulatory readiness, and combines them in an effective AI performance index. This quantitative interpretation is complemented by a four-level CCI maturity model with explicit threshold logic. The synthesis shows that current AI progress is driven by substantial gains in perception, generation, and narrow-task performance, but remains constrained by reasoning limitations, catastrophic forgetting, interpretability challenges, data dependence, and increasing computational cost. To align the analysis with neuroscience-oriented AI research, the review examines neuro-symbolic AI, cognitive architectures, continual learning, and biologically inspired efficiency as bridges between engineering practice and brain-inspired intelligence. A legal-governance perspective is incorporated by treating documentation, auditability, privacy, human oversight, and compliance-by-design as practical ingredients of deployment readiness in regulated domains. Overall, the paper argues that sustainable AI advancement depends less on scale alone and more on measurable alignment among capability, constraint management, infrastructure, and socially acceptable deployment conditions.