Glosario de IA

La jerga de la IA, traducida. Los términos que se oyen por todas partes – explicados en lenguaje claro, cada uno con el camino hacia donde se vuelven concretos.

Fundamentos

Inteligencia artificial (IA): Término genérico para software que resuelve tareas para las que antes hacía falta inteligencia humana – lenguaje, imágenes, patrones. Los sistemas actuales son estadística que se ha vuelto muy buena adivinando – sin cuerpo y sin vida propia entre las respuestas; si algo así llega a «entender» alguna vez es una pregunta abierta para la investigación.
Gran modelo de lenguaje (LLM): El modelo detrás de chatbots como Claude o ChatGPT. Predice una y otra vez cuál es la palabra más probable que viene después – millones de veces seguidas. Puede asombrar y equivocarse, a menudo en la misma frase.más sobre esto
GPT: Siglas de «Generative Pre-trained Transformer»: preentrenado con grandes cantidades de texto, generativo, con arquitectura transformer. Originalmente la serie de modelos de OpenAI (GPT-2, GPT-4 …), a estas alturas casi un nombre genérico – el «Chat» de ChatGPT es la capa de asistente que va encima.más sobre esto
Token: Los trocitos en los que un modelo divide el texto – por lo general fragmentos de palabra, no palabras enteras. Los precios y los límites se cuentan en tokens, no en caracteres.más sobre esto
Ventana de contexto: Cuánto texto retiene un modelo «en la cabeza» al mismo tiempo. Si se desborda, lo más antiguo se queda fuera – el principio de la conversación ya no está.más sobre esto
Prompt: Tu entrada al modelo – la pregunta, la instrucción, el contexto. De cómo preguntas depende en buena parte lo que recibes de vuelta.
Alucinación: Cuando un modelo presenta con aplomo algo inventado como si fuera un hecho. No es un bug, sino la otra cara de adivinar por probabilidades – por eso: comprueba.más sobre esto
Entrenamiento y datos de entrenamiento: Los textos e imágenes de los que un modelo ha aprendido sus patrones. Lo que no estaba dentro – o estaba dentro de forma sesgada – aparece después en las respuestas.

Bajo el capó

Transformer: La arquitectura en la que se basan casi todos los modelos de lenguaje actuales (la «T» de GPT). Su truco: pondera qué palabras de la frase son importantes unas para otras.más sobre esto
Parámetros y pesos: Los mandos de ajuste dentro del modelo, que se calibran durante el entrenamiento – en los modelos grandes, miles de millones. A grandes rasgos: más parámetros, más capacidad (pero no automáticamente más juicio).más sobre esto
Embedding y vector: El significado como serie de números. Los conceptos parecidos quedan cerca unos de otros como vectores – así «calcula» el software con el lenguaje y encuentra lo afín.más sobre esto
Temperatura: Un regulador del azar: bajo = dócil y predecible, alto = más creativo y errático. Así, la misma pregunta puede sacar a golpe de dado respuestas completamente distintas.más sobre esto
Inferencia: El uso de un modelo ya entrenado – el momento en el que responde. Cuesta tiempo de cómputo (y dinero) por consulta, a diferencia del entrenamiento, que se hace una sola vez.más sobre esto
Ajuste fino (fine-tuning): Afinar un modelo preentrenado con ejemplos adicionales para una tarea o un tono – en lugar de empezar desde cero.
RAG: «Retrieval-Augmented Generation»: antes de responder, el modelo consulta una fuente de conocimiento (documentos, una base de datos) en lugar de hablar solo de memoria – contra la desactualización y la invención.
Context rot: El deterioro sigiloso de la calidad en conversaciones largas: las respuestas se vuelven más vagas, hechos anteriores entran en contradicción, el hilo conductor se rompe. De ahí el nombre de este sitio.más sobre esto

Herramientas y agentes

Agente: Un modelo que no solo responde, sino que planifica pasos y usa herramientas por su cuenta – buscar, escribir archivos, ejecutar programas. Con el consiguiente margen adicional para el provecho y el daño.más sobre esto
MCP: «Model Context Protocol»: un estándar abierto con el que las herramientas de IA se acoplan a fuentes de datos y programas – por así decirlo, el puerto USB para asistentes.más sobre esto
Prompt de sistema: La instrucción previa y silenciosa que fija el papel y las reglas de un asistente antes incluso de que teclees. Marca el tono y los límites de toda la conversación.
API: La interfaz por la que otros programas llaman a un modelo – sin ventana de chat, directamente desde el código. Así es como la IA acaba en apps y sitios web.
Memoria (Memory): Notas que un asistente conserva de una conversación a otra para «acordarse» de ti. Útil – y una cuestión de control y protección de datos.más sobre esto

Riesgos y reglas

Sesgo (bias): Desequilibrios sistemáticos en las respuestas, heredados de los datos de entrenamiento. El modelo repite los patrones del mundo – también los injustos.
EU AI Act: La ley de IA de la UE: regula según el riesgo, de lo inofensivo a lo prohibido. Afecta también a los operadores pequeños – sobre todo en transparencia y usos de alto riesgo.más sobre esto
Deepfake: Imágenes, voces o vídeos engañosamente reales, pero inventados. La técnica se ha abaratado – una prueba necesita ahora una fuente, no solo una cara.
Inyección de prompts (prompt injection): Instrucciones colocadas a escondidas en correos, páginas web o imágenes que una IA toma por un encargo – por ejemplo, texto blanco sobre blanco que hace que un asistente de correo muestre un aviso falso con un número de teléfono. La IA no separa de forma fiable lo que debe leer de lo que debe hacer.más sobre esto
Alignment (alineación): El intento de conseguir que un modelo haga lo que las personas quieren de verdad – y no se limite a cumplir la letra. Más difícil de lo que suena.
llms.txt: Un archivo pequeño con el que un sitio web ofrece a las IA un resumen ordenado de sí mismo – como robots.txt, pero para leérselo en voz alta a las máquinas.más sobre esto

¿Quieres ir más a fondo? Hay fuentes escogidas a mano en Lecturas