Glosario de IA Generativa
Un glosario completo de más de 150 términos utilizados en IA Generativa.
A
Función de Activación - Función matemática que determina la salida de un nodo en una red neuronal. Los tipos más comunes incluyen ReLU, sigmoide y tanh.
Ataque Adversario - Entrada diseñada para engañar a los sistemas de IA y hacer que realicen predicciones incorrectas o generen resultados dañinos.
AGI (Inteligencia Artificial General) - Sistemas de IA capaces de comprender, aprender y aplicar conocimientos en cualquier dominio al nivel humano o superior.
Agente de IA - Sistema de IA capaz de actuar de manera autónoma, utilizar herramientas y completar tareas de varios pasos.
Alineación de IA - El desafío de asegurar que los sistemas de IA se comporten de acuerdo con los valores e intenciones humanas.
Algoritmo - Procedimiento paso a paso para resolver un problema o realizar una tarea.
Anthropic - Empresa de seguridad en IA que desarrolló Claude, enfocada en la investigación de alineación de IA.
API (Interfaz de Programación de Aplicaciones) - Interfaz que permite que las aplicaciones de software se comuniquen e interactúen con modelos de IA.
Mecanismo de Atención - Componente de red neuronal que pondera la importancia de diferentes partes de los datos de entrada.
Autoencoder - Red neuronal que aprende representaciones eficientes de datos codificando y decodificando la entrada.
Modelo Autoregresivo - Modelo que genera salidas secuencialmente, donde cada token depende de los tokens anteriores.
B
Retropropagación - Algoritmo para entrenar redes neuronales propagando los errores hacia atrás a través de la red.
Tamaño de Lote (Batch Size) - Número de ejemplos de entrenamiento procesados juntos antes de actualizar los pesos del modelo.
BERT (Representaciones de Codificador Bidireccional de Transformadores) - Modelo de lenguaje de Google que lee texto bidireccionalmente para una mejor comprensión.
Sesgo (en IA) - Errores sistemáticos en las salidas de IA debido a datos de entrenamiento sesgados o algoritmos defectuosos.
Sesgo (en Redes Neuronales) - Término constante añadido a las entradas ponderadas en los cálculos de redes neuronales.
BPE (Codificación por Pares de Bytes) - Algoritmo de tokenización que fusiona iterativamente los pares de caracteres más frecuentes.
C
Cadena de Pensamiento (Chain-of-Thought, CoT) - Técnica de prompting que fomenta el razonamiento paso a paso.
ChatGPT - Asistente conversacional de OpenAI basado en modelos GPT.
Claude - Asistente de IA de Anthropic, diseñado con enfoque en utilidad y seguridad.
Clasificación - Tarea de asignar entradas a categorías predefinidas.
CLIP (Pre-entrenamiento Contrastivo de Lenguaje e Imagen) - Modelo de OpenAI que conecta texto e imágenes para comprender ambos.
Codex - Modelo de OpenAI especializado en generación de código, que impulsa GitHub Copilot.
Completado (Completion) - Texto generado que continúa o finaliza un prompt dado.
IA Constitucional - Enfoque de entrenamiento que utiliza IA para evaluar y mejorar el comportamiento de la IA según principios.
Longitud/Ventana de Contexto - Cantidad máxima de texto que un modelo puede procesar a la vez.
Aprendizaje Contrastivo - Enfoque de entrenamiento que aprende comparando ejemplos similares y diferentes.
Red Neuronal Convolucional (CNN) - Arquitectura de red neuronal especialmente eficaz para el procesamiento de imágenes.
D
DALL-E - Modelo de generación de imágenes a partir de texto de OpenAI.
Aumento de Datos - Técnicas para aumentar la variedad de los datos de entrenamiento mediante transformaciones.
Envenenamiento de Datos - Ataque que corrompe los datos de entrenamiento de IA para influir en el comportamiento del modelo.
Decodificador - Componente que genera la salida a partir de representaciones codificadas.
Aprendizaje Profundo (Deep Learning) - Aprendizaje automático que utiliza redes neuronales con múltiples capas.
Modelo de Difusión - Modelo generativo que crea datos revirtiendo un proceso de adición de ruido.
Discriminador - Componente de una GAN que distingue entre datos reales y generados.
Destilación - Técnica para crear modelos más pequeños que imitan a modelos más grandes.
Dropout - Técnica de regularización que desactiva aleatoriamente neuronas durante el entrenamiento.
E
Embedding - Representación numérica densa de datos (texto, imágenes) en un espacio vectorial.
Capacidades Emergentes - Habilidades que aparecen en modelos de IA a ciertas escalas sin entrenamiento explícito.
Codificador (Encoder) - Componente que convierte la entrada en representaciones internas.
Época (Epoch) - Un recorrido completo por todo el conjunto de datos de entrenamiento.
IA Ética - Desarrollo y uso de sistemas de IA que sean justos, transparentes y beneficiosos.
F
Red Feedforward - Red neuronal donde la información fluye en una sola dirección.
Aprendizaje con Pocos Ejemplos (Few-Shot Learning) - Aprendizaje a partir de muy pocos ejemplos.
Ajuste Fino (Fine-Tuning) - Adaptación de un modelo preentrenado para tareas o dominios específicos.
Modelo Fundacional - Modelo grande preentrenado que sirve como base para diversas aplicaciones.
G
GAN (Red Generativa Adversaria) - Dos redes neuronales (generador y discriminador) que compiten para crear contenido realista.
Gemini - Serie de modelos de IA multimodal de Google.
Generalización - Capacidad de un modelo para desempeñarse bien con datos nuevos y no vistos.
IA Generativa - Sistemas de IA que crean contenido nuevo (texto, imágenes, audio, video, código).
Generador - Componente de una GAN que crea nuevas muestras de datos.
GitHub Copilot - Asistente de codificación impulsado por Codex de OpenAI.
GPT (Transformador Generativo Preentrenado) - Serie de modelos de lenguaje de OpenAI.
Gradiente - Valor matemático que indica cómo ajustar los pesos para reducir el error.
Descenso de Gradiente - Algoritmo de optimización que ajusta los pesos para minimizar la pérdida.
Grounding - Conexión de las salidas de IA con información factual o datos del mundo real.
H
Alucinación - Generación de información falsa o inventada por la IA presentada como hecho.
Capa Oculta - Capas de una red neuronal entre la capa de entrada y la de salida.
Humano en el Bucle (Human-in-the-Loop, HITL) - Sistemas que requieren supervisión o intervención humana.
Hiperparámetro - Configuración del modelo determinada antes del entrenamiento (tasa de aprendizaje, tamaño de lote, etc.).
I
Imagen a Imagen (Image-to-Image) - Modelos de IA que transforman imágenes de entrada en salidas modificadas.
Inferencia - Ejecución de un modelo entrenado para generar predicciones o resultados.
Aprendizaje en Contexto (In-Context Learning) - El modelo aprende de ejemplos proporcionados en el prompt sin actualizar los pesos.
Inpainting - Relleno de partes faltantes o enmascaradas de una imagen.
Ajuste por Instrucción (Instruction Tuning) - Entrenamiento de modelos para seguir instrucciones en lenguaje natural.
Interpretabilidad - Capacidad de comprender cómo los modelos de IA toman decisiones.
J
Jailbreaking - Técnicas para eludir las restricciones y directrices de seguridad de la IA.
K
Base de Conocimiento - Repositorio estructurado de información al que los sistemas de IA pueden acceder.
Knowledge Cutoff (Fecha de Corte de Conocimiento) - Fecha después de la cual un modelo no tiene información de entrenamiento.
L
Langchain - Framework para construir aplicaciones con grandes modelos de lenguaje.
Modelo de Lenguaje Grande (LLM) - Modelo de IA entrenado con grandes cantidades de texto capaz de comprender y generar lenguaje.
Espacio Latente - Espacio abstracto multidimensional donde los modelos de IA representan características de los datos.
Capa - Componente de una red neuronal que procesa entradas.
Tasa de Aprendizaje - Parámetro que controla cuánto se ajustan los pesos durante el entrenamiento.
LLaMA - Familia de modelos de lenguaje grande de código abierto de Meta.
LoRA (Adaptación de Bajo Rango) - Técnica eficiente de ajuste fino que utiliza pequeñas matrices entrenables.
Función de Pérdida - Función matemática que mide la diferencia entre las predicciones y los valores reales.
M
Aprendizaje Automático (Machine Learning, ML) - Sistemas de IA que aprenden a partir de datos sin programación explícita.
Modelo de Lenguaje enmascarado (Masked Language Model) - Modelo entrenado para predecir tokens ocultos en el texto.
Midjourney - Servicio popular de generación de imágenes por IA.
Mistral - Empresa francesa de IA y su serie de modelos de lenguaje eficientes.
Mezcla de Expertos (Mixture of Experts, MoE) - Arquitectura que utiliza subredes especializadas para mayor eficiencia.
Colapso del Modelo - Degradación del rendimiento cuando los modelos se entrenan con datos generados por IA.
IA Multimodal - Sistemas de IA que procesan y generan múltiples tipos de datos (texto, imágenes, audio).
Aprendizaje Multitarea - Entrenamiento de modelos en múltiples tareas relacionadas simultáneamente.
N
Procesamiento de Lenguaje Natural (NLP) - Campo de la IA enfocado en comprender y generar lenguaje humano.
Red Neuronal - Sistema de computación inspirado en redes neuronales biológicas.
Neurona/Nodo - Unidad computacional básica en redes neuronales.
Predicción del Siguiente Token - Objetivo de entrenamiento donde los modelos predicen el siguiente token en una secuencia.
Ruido - Variaciones aleatorias en los datos, o aleatoriedad intencionada en la generación.
O
Aprendizaje de Un Solo Ejemplo (One-Shot Learning) - Aprendizaje a partir de un solo ejemplo.
OpenAI - Empresa de investigación en IA que creó GPT, DALL-E y ChatGPT.
Optimización - Proceso de ajustar los parámetros del modelo para mejorar el rendimiento.
Outpainting - Extensión de imágenes más allá de sus límites originales.
Sobreajuste (Overfitting) - Cuando un modelo memoriza los datos de entrenamiento y no logra generalizar.
P
Parámetro - Valor entrenable en una red neuronal (pesos y sesgos).
Perplejidad - Métrica que mide qué tan bien un modelo de lenguaje predice texto.
Pre-entrenamiento - Fase inicial de entrenamiento en grandes conjuntos de datos antes del ajuste fino.
Prompt - Texto de entrada dado a un modelo de IA para guiar su salida.
Ingeniería de Prompts (Prompt Engineering) - Creación de prompts efectivos para lograr salidas de IA deseadas.
Inyección de Prompt (Prompt Injection) - Ataque que manipula el comportamiento de la IA mediante prompts maliciosos.
Q
QLoRA - LoRA cuantizado que combina cuantización con ajuste fino eficiente.
Cuantización - Reducción de la precisión del modelo para disminuir el tamaño y mejorar la velocidad.
R
RAG (Generación Aumentada por Recuperación) - Combinación de modelos de lenguaje con recuperación de conocimiento externo.
Red Neuronal Recurrente (RNN) - Arquitectura de red que procesa datos secuenciales con memoria.
Aprendizaje por Refuerzo (RL) - Aprendizaje mediante prueba y error con recompensas y penalizaciones.
RLHF (Aprendizaje por Refuerzo a partir de Retroalimentación Humana) - Entrenamiento utilizando preferencias humanas para mejorar el comportamiento de la IA.
Regularización - Técnicas para evitar el sobreajuste durante el entrenamiento.
S
Seguridad (Safety) - Medidas para asegurar que los sistemas de IA no causen daño.
Muestreo (Sampling) - Proceso de generar salidas a partir de la distribución de probabilidad de un modelo.
Leyes de Escalado (Scaling Laws) - Observaciones sobre cómo mejora el rendimiento de la IA con el tamaño y el cómputo.
Autoatención (Self-Attention) - Mecanismo de atención donde cada elemento atiende a todos los demás elementos.
Aprendizaje Auto-supervisado (Self-Supervised Learning) - Aprendizaje a partir de datos no etiquetados creando tareas de predicción.
Búsqueda Semántica - Búsqueda basada en el significado en lugar de palabras clave.
Secuencia a Secuencia (Seq2Seq) - Modelos que transforman una secuencia en otra.
Softmax - Función que convierte valores en una distribución de probabilidad.
Sora - Modelo de generación de video a partir de texto de OpenAI.
Stable Diffusion - Modelo de difusión de texto a imagen de código abierto.
Transferencia de Estilo (Style Transfer) - Aplicación del estilo artístico de una imagen a otra.
Aprendizaje Supervisado - Aprendizaje a partir de ejemplos etiquetados.
Datos Sintéticos - Datos generados artificialmente utilizados para entrenamiento.
Prompt de Sistema (System Prompt) - Instrucciones que definen el comportamiento y contexto de la IA.
T
Temperatura - Parámetro que controla la aleatoriedad en las salidas de la IA.
Texto a Imagen (Text-to-Image) - Modelos de IA que generan imágenes a partir de descripciones de texto.
Texto a Voz (Text-to-Speech, TTS) - Conversión de texto en audio hablado.
Token - Unidad básica de texto procesada por modelos de lenguaje.
Tokenización - Proceso de dividir el texto en tokens.
Muestreo Top-k - Selección entre los k tokens siguientes más probables.
Muestreo Top-p (Núcleo) - Selección entre tokens dentro de un umbral de probabilidad.
Entrenamiento (Training) - Proceso de enseñar a un modelo a partir de datos.
Aprendizaje por Transferencia (Transfer Learning) - Aplicación de conocimientos de una tarea a otra.
Transformador (Transformer) - Arquitectura de red neuronal que utiliza mecanismos de atención.
Prueba de Turing (Turing Test) - Prueba de inteligencia de máquina a través de la conversación.
U
Subajuste (Underfitting) - Cuando un modelo es demasiado simple para captar los patrones de los datos.
Aprendizaje No Supervisado - Aprendizaje a partir de datos sin etiquetas.
Escalado (Upscaling) - Aumento de la resolución de imágenes usando IA.
V
Autoencoder Variacional (VAE) - Modelo generativo que aprende representaciones latentes.
Base de Datos Vectorial - Base de datos optimizada para almacenar y buscar embeddings.
Modelo de Visión y Lenguaje - Modelo que comprende tanto imágenes como texto.
Clonación de Voz - Creación de voz sintética que imita una voz específica.
W
Peso (Weight) - Parámetro aprendible en las conexiones de una red neuronal.
Word Embedding - Representación vectorial de palabras que captura su significado semántico.
Wrapper - Capa de software que simplifica la interacción con APIs de IA.
X
XAI (IA Explicable) - Sistemas de IA diseñados para explicar sus decisiones.
Z
Aprendizaje de Cero Ejemplos (Zero-Shot Learning) - Realización de tareas sin ejemplos de entrenamiento.
Prompt de Cero Ejemplos (Zero-Shot Prompting) - Lograr que la IA realice tareas sin ejemplos en el prompt.
Números
1B, 7B, 70B, etc. - Tamaños de modelos medidos en miles de millones de parámetros.
Referencia Rápida por Categoría
Tipos de Modelos
GAN, VAE, Modelo de Difusión, Transformer, LLM, CNN, RNN
Modelos Principales
GPT, BERT, DALL-E, Stable Diffusion, Claude, Gemini, LLaMA, Midjourney
Conceptos de Entrenamiento
Fine-tuning, RLHF, Pre-training, Transfer Learning, Distillation, LoRA
Conceptos de Generación
Token, Temperature, Top-k, Top-p, Sampling, Prompt, Completion
Seguridad y Ética
Alignment, Hallucination, Bias, Jailbreaking, Constitutional AI
Este glosario se actualiza regularmente a medida que evoluciona el campo.