BuzzTrans · 60

Términos de IA, sin rodeos

60 explicaciones breves del diccionario en español que estamos preparando. Elige un término para abrir una página que puedas compartir.

RAG: La IA consulta material relevante antes de responder a cada pregunta, de modo que puede usar información que no aprendió durante su entrenamiento.
RAG frente a ajuste fino: RAG aporta información al hacer una pregunta, mientras que el ajuste fino enseña con ejemplos para cambiar la forma en que responde la IA.
Destilación: Una IA más pequeña aprende de las respuestas o predicciones de otra más capaz para conservar habilidades útiles con un menor coste de ejecución.
Token: Una pequeña unidad de texto que la IA lee o escribe, a veces menor que una palabra, que sirve para medir cuánto procesa y, a menudo, cuánto cuesta una consulta.
Ventana de contexto: La cantidad total de información que la IA puede manejar en una sola petición, incluidas las instrucciones, las referencias y la respuesta, sin que eso implique recordarla para siempre.
Alucinación: La IA presenta información inventada o incorrecta como si fuera cierta, aunque suene convincente y la pregunta esté bien formulada.
IA: Software creado para realizar tareas como reconocer la voz, encontrar patrones o redactar textos, sin que esas capacidades garanticen un buen criterio.
Modelo: La parte de una IA que ha aprendido a transformar una entrada en predicciones o respuestas, mientras que la aplicación aporta botones, archivos y herramientas.
Modelo de lenguaje grande: Una IA que aprende a trabajar con el lenguaje a partir de grandes cantidades de texto y puede redactar o responder, sin garantizar que todo lo que diga sea cierto.
IA generativa: IA que crea texto, imágenes, audio u otros contenidos nuevos, en lugar de limitarse a clasificar o encontrar material existente.
Prompt: La petición o el material que das a una IA para orientar su respuesta, incluidas las instrucciones y los ejemplos que acompañan a la pregunta.
Instrucciones del sistema: Indicaciones que la aplicación establece para guiar a la IA durante una conversación y que tienen prioridad sobre las peticiones habituales, aunque no siempre se cumplan.
Diseño de prompts: Preparar y probar instrucciones, ejemplos y referencias para mejorar las respuestas de una IA sin modificar lo que ya ha aprendido.
Prompt con pocos ejemplos: Incluir unas cuantas muestras del resultado deseado en la petición para que la IA siga ese patrón sin volver a entrenarla.
Prompt sin ejemplos: Pedir a la IA que haga una tarea sin incluir muestras de la respuesta deseada en esa petición.
Cadena de pensamiento: Una secuencia de pasos intermedios para llegar a una respuesta que puede ayudar a resolver el problema, pero no demuestra que la conclusión sea correcta.
Modelo de razonamiento: Una IA diseñada para dedicar más esfuerzo a resolver un problema antes de responder, a menudo a cambio de una espera mayor para las tareas difíciles.
Ajuste fino: Seguir enseñando a una IA existente con ejemplos seleccionados para cambiar su comportamiento en una tarea, en vez de darle referencias solo para una pregunta.
Preentrenamiento: La primera etapa amplia de aprendizaje de una IA, en la que ve muchos ejemplos antes de adaptarla a un uso o una forma de interacción concretos.
Inferencia: Usar una IA ya entrenada para producir una predicción o respuesta, en lugar de enseñarle cambiando sus ajustes internos.
Entrenamiento: Modificar los ajustes internos de una IA mediante ejemplos y valoraciones para mejorar sus futuras predicciones o respuestas.
Parámetros: Los números ajustables que una IA aprende durante el entrenamiento, cuya cantidad por sí sola no indica lo útil o precisa que será.
Pesos: Los valores numéricos que una IA conserva tras aprender y que influyen en sus respuestas, en lugar de ser una lista de hechos que pueda consultar.
Embedding: Una lista de números que representa el significado o las características de un contenido y permite comparar semejanzas, aunque las palabras no coincidan exactamente.
Base de datos vectorial: Una base de datos que guarda representaciones numéricas de contenidos y encuentra elementos parecidos con rapidez, como párrafos con un significado similar.
Búsqueda semántica: Encontrar material por el sentido de la consulta, aunque el resultado no contenga las mismas palabras que has escrito.
Fragmentación: Dividir un documento largo en partes pequeñas para encontrar y usar solo las relevantes, sin enviar el documento entero en cada consulta.
Respuesta fundamentada: Vincular la respuesta de la IA a información o pruebas concretas para poder comprobarla, sin que eso convierta una fuente errónea en fiable.
Contexto: Los mensajes, instrucciones y referencias que recibe la IA para elaborar la respuesta actual, en lugar de toda la información que exista en otros lugares.
Memoria: Información que una aplicación guarda para usarla en conversaciones futuras, a diferencia del material que solo está en la petición actual.
Agente: Una IA que puede elegir pasos y usar herramientas para avanzar hacia un objetivo, dentro de los permisos y límites que le da la aplicación.
Chatbot: Software con el que interactúas mediante mensajes y que puede limitarse a responder, sin realizar necesariamente acciones fuera de la conversación.
Llamada a herramientas: La IA pide a la aplicación que ejecute una función concreta, como consultar un calendario, y después puede usar el resultado para responder.
MCP: Una forma común de conectar aplicaciones de IA con herramientas y datos, que reduce la necesidad de crear un conector distinto para cada combinación de aplicación y servicio.
API: Una forma definida para que un programa solicite datos o acciones a otro, sin que una persona tenga que pulsar los botones de su interfaz.
Clave API: Un código secreto que identifica la cuenta que usa un servicio desde un programa y suele vincular las peticiones a sus permisos y su facturación.
SDK: Un conjunto de código ya preparado y materiales de apoyo que facilita crear software para un servicio o una plataforma concretos.
Pesos abiertos: Los ajustes numéricos aprendidos por una IA se pueden descargar, aunque sus datos de entrenamiento, su proceso de creación y el permiso para cualquier uso pueden seguir sin estar disponibles.
Código abierto: Software cuya licencia permite examinar, modificar y compartir el código fuente, no solo verlo o usar el programa gratis.
IA en el dispositivo: IA que se ejecuta en tu propio teléfono o equipo en lugar de enviar el trabajo a un servidor remoto, aunque otras funciones de la aplicación sí pueden conectarse.
Multimodal: Capaz de trabajar con más de un tipo de información, como texto e imágenes, sin que eso signifique admitir cualquier tipo de entrada o salida.
Modelo de visión: Una IA que reconoce o describe lo que aparece en imágenes o vídeos, sin que eso implique que también pueda crear imágenes.
Generación de imágenes: Crear una imagen nueva a partir de instrucciones o referencias, en vez de limitarse a buscar o describir una imagen existente.
Texto a voz: Convertir un texto escrito en audio hablado, sin que esa función por sí sola añada comprensión del significado de las palabras.
Voz a texto: Convertir el habla en palabras escritas, sin traducirla necesariamente a otro idioma.
Temperatura: Un ajuste que cambia la variedad de opciones de texto que elige la IA, de modo que subirlo suele aportar diversidad, pero no hace que la respuesta sea más cierta.
Top-p: Un ajuste que conserva las siguientes piezas de texto más probables hasta alcanzar una proporción acumulada elegida, por lo que bajarlo suele dejar menos opciones.
Latencia: La espera entre enviar una petición y recibir la respuesta, que puede medirse por separado hasta el primer resultado visible y hasta la respuesta completa.
Respuesta en streaming: Mostrar la respuesta por partes conforme llega para poder empezar a leer antes de que esté terminada.
Límite de solicitudes: Un tope de peticiones o datos que puedes enviar durante un período, incluso si tu cuenta todavía tiene saldo disponible.
Prueba comparativa: Un conjunto común de tareas para comparar sistemas en las mismas condiciones, cuya puntuación puede no reflejar el trabajo que necesitas hacer.
Evaluación: Comprobar los resultados de una IA frente a expectativas claras para una tarea, usando ejemplos que permitan detectar errores además de aciertos.
Sobreajuste: La IA se adapta tanto a los ejemplos de entrenamiento que responde bien a ellos, pero falla cuando se enfrenta a ejemplos nuevos.
RLHF: Las personas comparan o puntúan respuestas de la IA y esa valoración se usa para enseñarle a producir respuestas que prefieran.
Alineación: Ajustar el comportamiento de la IA a los objetivos, preferencias humanas o reglas previstos, sin dar por hecho que eso garantice resultados seguros o correctos.
Controles de protección: Comprobaciones y reglas alrededor de una IA que intentan frenar entradas, respuestas o acciones no deseadas, pero que hay que probar porque pueden pasar cosas por alto.
Inyección de instrucciones: Instrucciones ocultas en el material que lee una IA para intentar que ignore su tarea real o siga las órdenes de otra persona.
Cuantización: Guardar los números aprendidos por una IA con menos precisión para reducir la memoria y los cálculos necesarios, a veces a costa de la calidad de las respuestas.
LoRA: Adaptar una IA enseñando un pequeño grupo de ajustes añadidos y dejando fijos los originales, lo que suele necesitar menos memoria que modificarlo todo.
GPU: Un chip capaz de realizar muchos cálculos parecidos a la vez, útil tanto para los gráficos como para gran parte del trabajo de entrenar o ejecutar una IA.