Definiciones claras de los términos más importantes de inteligencia artificial, explicados sin tecnicismos innecesarios. Haz clic en cualquier término para ver su explicación completa, ejemplos e infografías.
Rama de la informática que crea sistemas capaces de realizar tareas que normalmente requieren inteligencia humana: reconocer imágenes, entender lenguaje, tomar decisiones o aprender de la experiencia.
Ver detalle →Subcampo de la IA donde los sistemas aprenden patrones a partir de datos en lugar de ser programados explícitamente. Cuantos más datos reciben, mejor se vuelven en su tarea.
Ver detalle →Tipo de Machine Learning que usa redes neuronales con muchas capas (de ahí lo de "profundo"). Es la tecnología detrás de los asistentes de voz, la traducción automática y los modelos como ChatGPT.
Ver detalle →Sistema informático inspirado en el cerebro humano. Está formado por capas de "neuronas" artificiales interconectadas que procesan información y aprenden de los datos.
Ver detalle →Sistema entrenado con enormes cantidades de texto para predecir y generar lenguaje humano. Entiende contexto, matices y puede responder preguntas, resumir textos o mantener conversaciones.
Ver detalle →Modelo de lenguaje de gran tamaño, entrenado con millones de documentos. Ejemplos: GPT-4, Claude, Gemini, DeepSeek. Son la base de los asistentes de IA modernos.
Ver detalle →Tipo de IA que crea contenido nuevo (texto, imágenes, audio, vídeo) en lugar de limitarse a analizarlo. ChatGPT (texto), DALL·E (imágenes) y Suno (música) son ejemplos.
Ver detalle →Modelo que puede procesar y entender varios tipos de entrada a la vez: texto, imágenes, audio y vídeo. Puede, por ejemplo, analizar una foto y describirla por escrito.
Ver detalle →Proceso en el que un modelo aprende a partir de datos. Durante el entrenamiento, el modelo ajusta sus parámetros para minimizar errores. Puede durar días o semanas y requiere una capacidad de computación enorme.
Ver detalle →Cuando el modelo ya está entrenado y se usa para generar respuestas. Es lo que ocurre cada vez que haces una pregunta a ChatGPT: el modelo "infiere" la respuesta más probable.
Ver detalle →Unidad minima de texto que un modelo procesa. No son palabras completas, sino fragmentos. Por ejemplo, "inteligencia" puede partirse en varios tokens.
Ver detalle →Cantidad maxima de tokens que un modelo puede recordar. 128K tokens equivalen a un libro de 300 paginas.
Ver detalle →Valor numerico que el modelo ajusta durante el entrenamiento. 7B = 7 mil millones de parametros. A mas parametros, mas capacidad.
Ver detalle →Arquitectura de red neuronal que revoluciono la IA en 2017. Es la base de GPT, BERT, Claude, y se caracteriza por el mecanismo de atencion.
Ver detalle →Representacion numerica de palabras o frases como vectores. Permiten buscar por significado: frases similares tienen vectores cercanos.
Ver detalle →Controla la creatividad del modelo. Valores bajos (0-0.3) dan respuestas precisas. Valores altos (0.7-1.0) hacen respuestas mas creativas.
Ver detalle →Entrenar un modelo ya existente con datos especificos para especializarlo en una tarea concreta. Como afinar un instrumento.
Ver detalle →Capacidad de un modelo para realizar una tarea sin haber sido entrenado especificamente para ella. Zero-shot = sin ejemplos. Few-shot = con algunos ejemplos en el prompt.
Ver detalle →Texto que le das a un modelo de IA para indicarle que quieres que haga. Un buen prompt define el rol, el tono, el formato y los limites de la respuesta.
Ver detalle →Disciplina que disena y optimiza las instrucciones para obtener respuestas precisas. Incluye tecnicas como cadenas de pensamiento, roles y ejemplos.
Ver detalle →Tecnica que combina un modelo de lenguaje con una base de datos. Antes de responder, busca info relevante y genera basandose en ella. Reduce alucinaciones.
Ver detalle →Fenomeno por el que un modelo genera informacion falsa con apariencia convincente. No miente a proposito; simplemente inventa porque no sabe la respuesta.
Ver detalle →Tecnica que pide al modelo que razone paso a paso antes de dar la respuesta. "Piensa paso a paso" mejora drasticamente problemas de logica y matematicas.
Ver detalle →Componente que busca informacion relevante en una base de datos. Se combina con modelos de lenguaje en sistemas RAG para respuestas basadas en datos reales.
Ver detalle →Sistema autonomo que percibe su entorno, toma decisiones y ejecuta acciones para lograr un objetivo. Puede usar herramientas, consultar APIs y actuar sin intervencion humana.
Ver detalle →Secuencia automatizada de pasos que un agente IA ejecuta para completar una tarea. Por ejemplo: recibir email, extraer datos, buscar en DB, generar respuesta, enviarla.
Ver detalle →Uso de tecnologia para ejecutar tareas repetitivas sin intervencion humana. Con IA, la automatizacion se adapta a contextos variables.
Ver detalle →Interfaz que permite a un programa comunicarse con otro. Las APIs de IA permiten que aplicaciones usen modelos de lenguaje sin entrenarlos.
Ver detalle →Capacidad de un modelo de IA para llamar a herramientas externas como APIs, bases de datos o calculadoras. Permite a un agente buscar, calcular o enviar datos.
Ver detalle →Prejuicio o inclinacion injusta en las respuestas de un modelo, causada por los datos de entrenamiento. Si los datos contienen estereotipos, el modelo los reproduce.
Ver detalle →El reglamento europeo de proteccion de datos afecta al uso de IA: datos personales requieren consentimiento, los usuarios tienen derecho a saber si interactuan con un sistema automatizado.
Ver detalle →Principio que exige que los sistemas de IA sean comprensibles y explicables. Los usuarios tienen derecho a saber como y por que un modelo tomo una decision.
Ver detalle →Ley de la UE que clasifica los sistemas de IA por nivel de riesgo (minimo, limitado, alto, inaceptable). Establece obligaciones de transparencia y supervision humana.
Ver detalle →