Conceptos fundamentales
IA, machine learning, deep learning, redes neuronales y bases del campo · 21 términos en este bloque.
Conceptos fundamentales 21
Aprendizaje por refuerzo (RL)
El aprendizaje por refuerzo es una técnica de entrenamiento en la que un modelo aprende a través de prueba y error, recibiendo recompensas c…
Aprendizaje por transferencia (transfer learning)
El aprendizaje por transferencia consiste en partir de un modelo ya entrenado en una tarea o dominio amplio y reutilizar ese conocimiento pa…
Aprendizaje supervisado, no supervisado y auto-supervisado
Son los tres grandes paradigmas para entrenar modelos de machine learning. En supervisado el modelo aprende con ejemplos etiquetados (entrad…
Asistente de IA
Un asistente de IA es cualquier producto que combina un modelo de lenguaje con una interfaz pensada para ayudar al usuario en tareas concret…
Benchmark de IA
Un benchmark es una prueba estandarizada para medir y comparar capacidades de modelos de IA. Cada benchmark es una colección de preguntas o …
Capacidad emergente
Una capacidad emergente es una habilidad que un modelo de IA no muestra en tamaños pequeños y aparece "de repente" cuando el modelo cruza ci…
Cómputo en tiempo de test (test-time compute)
El cómputo en tiempo de test es la idea de dedicar más capacidad de cálculo en el momento de responder (no solo durante el entrenamiento) pa…
Datos sintéticos (synthetic data)
Los datos sintéticos son datos generados artificialmente —a menudo por otro modelo de IA— en lugar de recogidos del mundo real. Se usan para…
IA estrecha vs IA general (ANI / AGI)
La IA estrecha (ANI, Artificial Narrow Intelligence) es la que existe hoy: sistemas que resuelven muy bien una tarea concreta o un conjunto …
Inteligencia artificial generativa
La inteligencia artificial generativa es una rama de la IA que crea contenido nuevo (texto, imágenes, audio, vídeo o código) a partir de ins…
Leyes de escalado (scaling laws)
Las leyes de escalado son relaciones matemáticas observadas en la literatura científica que predicen cómo mejora la calidad de un modelo de …
Modelo de fundación
Un modelo de fundación es un modelo de IA general entrenado a gran escala con datos heterogéneos, sobre el cual se construyen aplicaciones e…
Modelo de razonamiento
Un modelo de razonamiento es un tipo de modelo de IA que dedica más tiempo a "pensar" antes de responder, generando internamente pasos inter…
Modelo del mundo (world model)
Un modelo del mundo es la representación interna que un sistema de IA construye sobre cómo funciona la realidad: relaciones de causa-efecto,…
Parámetros (de un modelo)
Los parámetros de un modelo de IA son los valores numéricos internos (los "pesos") que el modelo aprende durante el entrenamiento y que dete…
Pre-entrenamiento
El pre-entrenamiento es la primera y más cara fase de la creación de un modelo de IA: se le hace leer cantidades masivas de texto de interne…
Prompt
Un prompt es la instrucción que se le da a un modelo de IA generativa para que produzca una respuesta. Puede ser una pregunta breve, una ord…
Red neuronal
Una red neuronal artificial es un sistema computacional inspirado vagamente en cómo conectan las neuronas del cerebro humano: capas de "nodo…
Temperatura
En modelos de IA generativa, la temperatura es un parámetro numérico (típicamente entre 0 y 2) que controla cuánto varía la respuesta del mo…
Token
Un token es la unidad mínima en la que un modelo de IA divide el texto para procesarlo. No equivale a una palabra: puede ser una palabra ent…
Transformer
El transformer es la arquitectura de red neuronal que está detrás de prácticamente todos los grandes modelos de IA actuales (GPT, Claude, Ge…