Buscar

Escribe para buscar en el sitio.

Glosario

Explicaciones breves de conceptos del mundo de la inteligencia artificial.

A

  • Agente de IA

    Un sistema que persigue objetivos observando un entorno, planificando y ejecutando acciones (a menudo mediante herramientas) en lugar de solo producir texto estático.

  • Ajuste fino (Fine-tuning)

    Entrenamiento adicional a partir de un modelo existente: generalmente con menos datos y un objetivo más específico que el preentrenamiento.

  • Alignment (alineación de IA)

    El problema de asegurar que los sistemas de IA persigan objetivos y valores previstos, no solo lo que optimizaron literalmente en los datos de entrenamiento.

  • AlphaGo

    Programa de Go de DeepMind que venció al profesional Lee Sedol en 2016, hito que combina redes profundas, autojuego y búsqueda.

  • Aprendizaje automático (ML)

    Algoritmos que generalizan patrones a partir de datos para hacer predicciones o tomar decisiones sin reglas escritas a mano para cada caso.

  • Aprendizaje por refuerzo (RL)

    Aprender políticas mediante recompensas o puntuaciones al interactuar con un entorno: fundamental para juegos, robótica y algunos ajustes de LLM tipo RLHF.

  • Aprendizaje profundo

    Redes neuronales con muchas capas sucesivas y métodos de entrenamiento ajustados a representaciones apiladas (a menudo rebautizado circa 2006–2012).

  • Aprendizaje supervisado (Supervised learning)

    Aprendizaje automático a partir de pares entrada–salida etiquetados: el modelo aprende a mapear ejemplos a objetivos conocidos.

B

  • Base de datos vectorial

    Almacén optimizado para búsqueda por similitud sobre vectores de embedding: capa de recuperación detrás de muchos sistemas RAG.

C

  • Chatbot

    Interfaz conversacional basada en reglas, scripts o, hoy a menudo, un gran modelo de lenguaje; distinto del agente si solo responde sin actuar fuera.

D

  • Deep Blue

    Supercomputadora de ajedrez de IBM (1997) que venció a Kaspárov con búsqueda por fuerza bruta y evaluación manual, sin aprendizaje.

E

  • ELIZA

    Programa de 1966 de Joseph Weizenbaum en el MIT que imitaba diálogo terapéutico con reglas por palabras clave; famoso por el efecto ELIZA.

  • Entrenamiento (entrenamiento de modelos)

    La fase donde los parámetros del modelo se optimizan con datos o retroalimentación antes del despliegue: distinta de la inferencia en tiempo de ejecución.

G

  • Generación aumentada por recuperación (RAG)

    Combinar un recuperador sobre documentos o herramientas con un LLM generador para que las respuestas puedan citar contexto más actualizado o privado.

  • Gran modelo de lenguaje (LLM)

    Un modelo estadístico de lenguaje entrenado en grandes corpus de texto, típicamente usando una arquitectura transformer, utilizado para tareas de generación y comprensión.

  • Guardrails

    Capas técnicas y de política que limitan lo que un sistema de IA puede decir o hacer: filtros, reglas, permisos de herramientas y revisión humana.

I

  • IA simbólica (buena IA a la antigua)

    IA construida a partir de símbolos explícitos, reglas lógicas y conocimiento estructurado: a menudo contrastada con el aprendizaje numérico a partir de datos crudos.

  • Inferencia

    Usar un modelo entrenado para producir salidas con nuevas entradas: después de que el entrenamiento ha terminado (también llamado despliegue o paso hacia adelante en muchas configuraciones).

  • Inteligencia artificial (IA / AI)

    El amplio campo de la informática enfocado en construir sistemas que realizan tareas que típicamente requieren inteligencia humana, desde reconocimiento de patrones hasta razonamiento y comprensión del lenguaje.

  • Inteligencia artificial general (AGI)

    IA hipotética con competencia amplia comparable a la humana en muchas tareas, no lo mismo que un modelo estrecho o un chatbot LLM de hoy.

  • Invierno de la IA

    Un período en el que la financiación de la investigación en IA y el optimismo público cayeron drásticamente después de que las expectativas iniciales superaran los resultados prácticos.

  • Inyección de prompts (prompt injection)

    Instrucciones hostiles u ocultas en el contexto que secuestran el comportamiento de un LLM, directa (entrada del usuario) o indirecta (RAG, herramientas, documentos).

J

  • Jailbreak

    Prompts (o cadenas de prompts) pensados para eludir reglas de seguridad, rechazos o políticas de uso del modelo, no es prompt engineering habitual.

M

  • Model Context Protocol (MCP)

    Un protocolo abierto que estandariza cómo las aplicaciones de IA se conectan a fuentes de datos externas, herramientas y servicios, permitiendo que los modelos actúen con contexto en tiempo real.

  • Modelo (modelo de aprendizaje automático)

    Una función aprendida con parámetros ajustados sobre datos: el artefacto del entrenamiento usado en inferencia.

P

  • Perceptrón

    Modelo neuronal temprano de una sola capa que aprende un límite de decisión lineal a partir de ejemplos; Rosenblatt (1958), luego acotado por Minsky y Papert.

  • PPO (optimización de política proximal)

    Algoritmo de aprendizaje por refuerzo muy usado que estabiliza las actualizaciones de política con un objetivo recortado; común en etapas de RLHF.

  • Procesamiento de lenguajes naturales (NLP)

    Rama de la IA centrada en comprender, generar y transformar lenguaje humano con ordenadores: del análisis y la traducción a los LLM modernos.

  • Prompt

    La instrucción textual o contexto proporcionado a un modelo de IA para guiar el estilo, alcance y tarea de la salida.

R

  • Razonamiento

    Comportamiento de inferencia paso a paso utilizado para derivar conclusiones a partir de contexto, reglas o estados intermedios.

  • Red neuronal (RNA)

    Modelos paramétricos organizados en capas de unidades simples; las fortalezas se aprenden de los datos mediante optimización.

  • Red teaming

    Sondeo deliberado de un sistema de IA en busca de fallos, abusos y bypasses antes o después del lanzamiento, pruebas adversariales estructuradas.

  • RLHF (aprendizaje por refuerzo a partir de retroalimentación humana)

    Ajuste de LLM a partir de comparaciones de preferencias humanas, a menudo con aprendizaje por refuerzo, clave para el alignment tras el preentrenamiento.

S

  • Singularidad tecnológica

    Un punto futuro hipotético en el que el cambio tecnológico (a menudo mediante IA avanzada) se acelera más allá de lo que los humanos pueden prever o controlar con fiabilidad.

  • Sistema experto

    Programa de IA basado en reglas con base de conocimiento y motor de inferencia; buque insignia comercial de la IA simbólica en los 80.

  • Superinteligencia (ASI)

    Una IA hipotética que supera con creces a los humanos en casi todos los dominios cognitivos, no es lo mismo que un chatbot potente, un LLM actual o una AGI a nivel humano.

T

  • Teoría del Internet muerto

    Una hipótesis marginal de la cultura en línea (circa 2021): la mayor parte del contenido visible y la interacción en la web ya son bots, spam o generados por IA, no actividad humana auténtica.

  • Test de Turing (juego de imitación)

    El criterio conductual propuesto por Alan Turing: ¿puede un diálogo de una máquina distinguirse del de un humano?

  • Token

    La unidad de texto más pequeña que un modelo de lenguaje procesa (a menudo un fragmento de palabra, no una palabra completa).

  • Transformer (arquitectura)

    Modelo de secuencia neuronal construido principalmente sobre atención: paralelizable y fundacional para los LLM desde "Attention Is All You Need" (2017).