Uso práctico#
Agente de IA
AI agent
Sistema que utiliza un modelo para decidir pasos y ejecutar tareas con herramientas dentro de unos permisos definidos.
POR EJEMPLO
Un asistente consulta el calendario y propone un horario de reunión.
Glosario de inteligencia artificial.
Pon nombre a lo que estás descubriendo. Los conceptos de la IA explicados con claridad, de la A a la Z y a tu ritmo.
EL LENGUAJE DE LA IA, MÁS CLARO
De la primera duda al siguiente descubrimiento.
Definiciones sin rodeos y ejemplos cotidianos. Empieza por lo básico o encuentra ese término que acabas de leer.
37conceptos para entender la IA
Explora el glosario
Ordenado de la A a la Z37 términos disponibles
Datos y calidad#
Alucinación
Hallucination
Respuesta que parece convincente, pero contiene información inventada o incorrecta. La fluidez del texto no garantiza su veracidad.
POR EJEMPLO
Un chatbot cita un estudio que no existe.
Uso práctico#
API
Application Programming Interface
Interfaz que permite a un programa solicitar funciones o datos de otro servicio mediante reglas definidas.
POR EJEMPLO
Tu web envía un texto a un modelo y recibe un resumen.
Fundamentos#
Aprendizaje automático
Machine learning · ML
Método para construir sistemas que aprenden patrones a partir de datos, en lugar de programar cada regla de forma explícita.
POR EJEMPLO
Un filtro aprende a reconocer correo no deseado usando mensajes etiquetados.
Modelos y aprendizaje#
Aprendizaje no supervisado
Unsupervised learning
Aprendizaje que busca estructuras en datos sin etiquetas que indiquen la respuesta esperada.
POR EJEMPLO
Agrupar documentos por similitud sin asignar previamente sus temas.
Modelos y aprendizaje#
Aprendizaje por refuerzo
Reinforcement learning
Aprendizaje mediante acciones y señales de recompensa, orientado a mejorar una estrategia a lo largo del tiempo.
POR EJEMPLO
Un agente aprende a jugar recibiendo puntos por sus resultados.
Modelos y aprendizaje#
Aprendizaje profundo
Deep learning
Rama del aprendizaje automático que utiliza redes neuronales con múltiples capas para aprender representaciones de los datos.
POR EJEMPLO
Un modelo reconoce objetos a partir de los píxeles de una fotografía.
Modelos y aprendizaje#
Aprendizaje supervisado
Supervised learning
Aprendizaje a partir de ejemplos que incluyen tanto los datos de entrada como la respuesta que se desea predecir.
POR EJEMPLO
Entrenar con fotografías identificadas como perro o gato.
Uso práctico#
Automatización
Automation
Ejecución de pasos mediante reglas o sistemas para reducir trabajo manual. Puede incorporar IA, aunque no la necesita necesariamente.
POR EJEMPLO
Guardar los adjuntos de un correo en una carpeta de forma automática.
Datos y calidad#
Base de datos vectorial
Vector database
Sistema que almacena y consulta vectores para encontrar elementos similares según su representación numérica.
POR EJEMPLO
Localizar fragmentos de documentos relacionados con una pregunta.
Uso práctico#
Chatbot
Asistente conversacional
Aplicación que conversa mediante texto o voz. Puede funcionar con reglas, modelos de IA o una combinación de ambos.
POR EJEMPLO
Un asistente responde preguntas frecuentes de una tienda.
Datos y calidad#
Conjunto de datos
Dataset
Colección organizada de ejemplos utilizada para entrenar, validar o evaluar un sistema.
POR EJEMPLO
Miles de reseñas con su puntuación forman un conjunto de datos.
Modelos y aprendizaje#
Destilación
Knowledge distillation
Técnica que transfiere comportamiento o conocimiento de un modelo a otro, normalmente más pequeño, durante el entrenamiento.
POR EJEMPLO
Entrenar un modelo compacto con respuestas de un modelo mayor.
Datos y calidad#
Embedding
Representación vectorial
Representación numérica de un elemento que permite comparar características aprendidas, como la similitud semántica de textos.
POR EJEMPLO
Dos frases sobre bicicletas pueden quedar próximas en ese espacio numérico.
Modelos y aprendizaje#
Entrenamiento
Training
Proceso en el que un modelo ajusta sus parámetros a partir de datos y un objetivo de aprendizaje.
POR EJEMPLO
Mostrar ejemplos para reducir los errores de un clasificador.
Datos y calidad#
Evaluación
Evaluation · evals
Medición del comportamiento de un sistema con pruebas y criterios definidos para una tarea concreta.
POR EJEMPLO
Comprobar la exactitud de cien respuestas usando referencias revisadas.
Modelos y aprendizaje#
Fine-tuning
Ajuste fino
Entrenamiento adicional de un modelo existente para adaptar sus parámetros a unos ejemplos, tareas o estilos concretos.
POR EJEMPLO
Adaptar un modelo para clasificar incidencias de soporte.
Fundamentos#
IA generativa
Generative AI
Inteligencia artificial que produce contenido, como texto, imágenes, audio o código, a partir de patrones aprendidos.
POR EJEMPLO
Crear un primer borrador de una descripción de producto.
Modelos y aprendizaje#
Inferencia
Inference
Uso de un modelo ya entrenado para producir una salida a partir de una entrada.
POR EJEMPLO
Pedir una traducción y recibir el texto traducido.
Uso práctico#
Ingeniería de prompts
Prompt engineering
Diseño y revisión de instrucciones, contexto y ejemplos para orientar las respuestas de un modelo.
POR EJEMPLO
Indicar objetivo, audiencia y formato antes de solicitar un texto.
Fundamentos#
Inteligencia artificial
Artificial intelligence · IA · AI
Campo que desarrolla sistemas capaces de realizar tareas asociadas a capacidades como aprender, reconocer patrones o generar lenguaje.
POR EJEMPLO
Un sistema detecta objetos en imágenes o transcribe una conversación.
Uso práctico#
Latencia
Latency
Tiempo transcurrido entre una solicitud y la respuesta, o entre la solicitud y el primer resultado, según la medición.
POR EJEMPLO
El tiempo que tarda un asistente en empezar a contestar.
Fundamentos#
LLM
Large Language Model · Modelo de lenguaje grande
Modelo entrenado con grandes cantidades de datos lingüísticos para procesar y generar lenguaje. Su salida no garantiza comprensión ni exactitud.
POR EJEMPLO
Un modelo redacta un resumen a partir de un texto.
Modelos y aprendizaje#
Modelo de difusión
Diffusion model
Familia de modelos generativos que aprende a revertir un proceso de ruido para producir muestras nuevas.
POR EJEMPLO
Generar una imagen refinando progresivamente una representación ruidosa.
Fundamentos#
Multimodalidad
Multimodality
Capacidad de trabajar con varias modalidades, como texto, imagen o audio. Las entradas y salidas admitidas dependen del modelo.
POR EJEMPLO
Adjuntar una fotografía y hacer una pregunta sobre su contenido.
Modelos y aprendizaje#
Parámetro
Parameter · Peso
Valor interno ajustado durante el entrenamiento que influye en cómo un modelo transforma entradas en salidas.
POR EJEMPLO
Los pesos de una red cambian cuando aprende de los ejemplos.
Fundamentos#
Procesamiento del lenguaje natural
Natural Language Processing · PLN · NLP
Área de la IA dedicada a procesar y generar lenguaje humano en tareas como clasificación, traducción o extracción de información.
POR EJEMPLO
Identificar nombres de empresas en una noticia.
Uso práctico#
Prompt
Instrucción de entrada
Texto u otra entrada con la que se solicita una tarea a un modelo. Puede incluir instrucciones, contexto y ejemplos.
POR EJEMPLO
Resume este artículo en tres puntos para una persona principiante.
Uso práctico#
RAG
Retrieval-Augmented Generation · Generación aumentada por recuperación
Técnica que recupera información de una fuente y la incorpora al contexto de una solicitud para ayudar a generar una respuesta.
POR EJEMPLO
Un asistente consulta un manual antes de explicar un procedimiento.
Fundamentos#
Red neuronal
Neural network
Modelo compuesto por unidades conectadas que transforman datos mediante operaciones y parámetros aprendidos.
POR EJEMPLO
Una red combina señales para reconocer dígitos escritos a mano.
Datos y calidad#
Sesgo
Bias
Tendencia sistemática que puede provocar resultados desequilibrados. Puede surgir de los datos, del diseño o del uso del sistema.
POR EJEMPLO
Un detector funciona peor con imágenes de grupos poco representados.
Datos y calidad#
Sobreajuste
Overfitting
Situación en la que un modelo se adapta demasiado a sus datos de entrenamiento y rinde peor con ejemplos nuevos.
POR EJEMPLO
Acertar los ejercicios memorizados y fallar otros similares.
Uso práctico#
Temperatura
Temperature
Parámetro de generación que modifica la distribución usada para elegir tokens. No es una medida de veracidad ni de inteligencia.
POR EJEMPLO
Comparar distintas variaciones de un texto cambiando la temperatura.
Fundamentos#
Token
Unidad de procesamiento
Unidad en la que se divide una entrada o salida. En texto puede corresponder a parte de una palabra, un signo u otros fragmentos.
POR EJEMPLO
Una palabra larga puede dividirse en varios tokens.
Modelos y aprendizaje#
Transformer
Arquitectura de atención
Arquitectura de red neuronal basada en mecanismos de atención que relacionan partes de una entrada al procesarla.
POR EJEMPLO
Muchos modelos de lenguaje actuales utilizan esta arquitectura.
Uso práctico#
Ventana de contexto
Context window
Cantidad máxima de información, medida normalmente en tokens, que un modelo puede manejar en una solicitud, según sus límites.
POR EJEMPLO
Una conversación larga puede requerir resumir mensajes anteriores.
Fundamentos#
Visión artificial
Computer vision
Área de la IA que procesa imágenes o vídeos para extraer información o realizar tareas visuales.
POR EJEMPLO
Detectar defectos en fotografías de piezas de una fábrica.
No encontramos ese término
Prueba con otra palabra o elimina los filtros para explorar todo el glosario.
De entender los conceptos a ponerlos en práctica
Descubre herramientas y encuentra una con la que empezar.