Glosario

Explicaciones breves de LLMs, agentes, entrenamiento y conceptos relacionados.

Ver también: Cronología · Predicciones · Artículos.

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

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

  • 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).

E

  • 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.

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).

  • 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.

P

  • 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.

T

  • 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).