Alineación (Alignment)
Alignment
El proceso de asegurar que los objetivos, resultados y comportamientos de un sistema de IA se alineen con las metas y valores humanos. Esto es especialmente importante en sistemas avanzados que pueden desarrollar comportamientos no previstos explÃcitamente.
Ejemplo: Asegurar que un chatbot de salud mental nunca recomiende acciones dañinas independientemente de las indicaciones.
Interfaz de Programación de Aplicaciones (API) (Application Programming Interface (API))
Application Programming Interface (API)
Un conjunto de reglas y protocolos definidos que permiten que diferentes sistemas de software se comuniquen e intercambien datos.
Ejemplo: Usar la API de OpenAI para enviar una indicación y recibir una respuesta generada por un modelo de lenguaje en tu aplicación web.
Inteligencia Artificial General (IAG) (Artificial General Intelligence (AGI))
Artificial General Intelligence (AGI)
Una forma teórica de IA que puede realizar cualquier tarea intelectual que un ser humano pueda. Generaliza el aprendizaje a través de dominios.
Ejemplo: Un sistema de IAG podrÃa aprender composición musical, realizar cirugÃas y aprobar un examen de filosofÃa sin programación especÃfica para cada tarea.
Inteligencia Artificial (IA) (Artificial Intelligence (AI))
Artificial Intelligence (AI)
La simulación de la inteligencia humana en máquinas que están programadas para pensar, razonar y actuar de forma autónoma.
Ejemplo: La IA impulsa asistentes personales como Siri y sistemas de conducción autónoma como el Autopilot de Tesla.
Ética de la IA (AI Ethics)
AI Ethics
Una disciplina que se ocupa de las implicaciones morales del desarrollo y uso de la IA, incluida la equidad, la privacidad, la responsabilidad y la no discriminación.
Ejemplo: Crear directrices para evitar que los algoritmos de contratación discriminen por motivos de género o etnia.
Inteligencia Aumentada (Augmented Intelligence)
Augmented Intelligence
Un modelo colaborativo donde la IA complementa y mejora la inteligencia humana en lugar de reemplazarla.
Ejemplo: Herramientas de radiologÃa impulsadas por IA que resaltan anomalÃas para los médicos, quienes toman el diagnóstico final.
Agente Autónomo (Autonomous Agent)
Autonomous Agent
Un sistema de IA capaz de tomar sus propias decisiones y realizar acciones para alcanzar sus objetivos sin intervención humana.
Ejemplo: Un robot de entrega autónomo que navega por las calles de la ciudad y evita obstáculos de forma independiente.
Retropropagación (Backpropagation)
Backpropagation
Una técnica para entrenar redes neuronales actualizando los pesos en orden inverso desde las capas de salida a las de entrada, minimizando los errores de predicción.
Ejemplo: Se utiliza en el entrenamiento de clasificadores de imágenes para reducir la tasa de error en el reconocimiento de dÃgitos escritos a mano.
Sesgo (Sesgo AlgorÃtmico) (Bias (Algorithmic Bias))
Bias (Algorithmic Bias)
Favoritismo no intencionado y sistemático en los resultados de la IA debido a datos de entrenamiento desequilibrados o no representativos.
Ejemplo: Un sistema de reconocimiento facial que identifica erróneamente a personas de color con mayor frecuencia debido a la subrepresentación en los datos de entrenamiento.
Big Data (Big Data)
Big Data
Conjuntos de datos extremadamente grandes que requieren herramientas especiales para almacenar, analizar y extraer valor, a menudo utilizados para entrenar modelos de IA.
Ejemplo: Utilizar millones de interacciones de usuarios para entrenar motores de recomendación para plataformas de comercio electrónico.
Modelo de Caja Negra (Black Box Model)
Black Box Model
Un tipo de modelo de IA o aprendizaje automático cuya lógica interna no es fácilmente interpretable por los humanos, lo que dificulta comprender cómo se toman las decisiones.
Ejemplo: Una red neuronal profunda utilizada para aprobar préstamos pero que no ofrece una explicación clara de por qué se aceptó a un solicitante y se rechazó a otro.
Computación Cognitiva (Cognitive Computing)
Cognitive Computing
Sistemas de IA diseñados para simular procesos de pensamiento humano, como el razonamiento y el aprendizaje, utilizando técnicas como el PLN y el reconocimiento de patrones.
Ejemplo: Un sistema de computación cognitiva que ayuda a los profesionales legales a analizar jurisprudencia y predecir resultados.
Visión por Computadora (Computer Vision)
Computer Vision
Un campo de la inteligencia artificial que permite a las computadoras interpretar y procesar datos visuales como imágenes y videos.
Ejemplo: Sistemas de reconocimiento facial que identifican personas en imágenes de seguridad utilizando visión por computadora.
Corpus (Corpus)
Corpus
Una gran colección de textos escritos o hablados utilizada para entrenar modelos de lenguaje.
Ejemplo: El conjunto de datos Common Crawl es un corpus web público utilizado para entrenar grandes modelos de lenguaje como GPT.
Deriva de Datos (Data Drift)
Data Drift
El fenómeno por el cual los datos de entrada cambian con el tiempo, lo que provoca la degradación del rendimiento del modelo.
Ejemplo: Un modelo de mantenimiento predictivo para equipos industriales se vuelve menos preciso a medida que se introducen nuevas tecnologÃas de sensores.
Etiquetado de Datos (Data Labelling)
Data Labelling
El proceso de anotar datos con etiquetas para hacerlos adecuados para el aprendizaje supervisado.
Ejemplo: Etiquetar miles de imágenes de tumores como benignas o malignas para entrenar un modelo de detección de cáncer.
MinerÃa de Datos (Data Mining)
Data Mining
El proceso de descubrir patrones, correlaciones y anomalÃas significativas en grandes conjuntos de datos.
Ejemplo: Los minoristas utilizan la minerÃa de datos para identificar que las personas que compran pañales a menudo también compran cerveza.
Aprendizaje Profundo (Deep Learning)
Deep Learning
Un subcampo del aprendizaje automático que utiliza redes neuronales de múltiples capas para modelar patrones complejos en los datos.
Ejemplo: El aprendizaje profundo se utiliza en modelos de lenguaje como GPT-4 y modelos de generación de imágenes como Stable Diffusion.
Modelos de Difusión (Diffusion Models)
Diffusion Models
Una clase de modelos generativos que aprenden a producir datos transformando gradualmente el ruido aleatorio en salidas estructuradas.
Ejemplo: Stable Diffusion crea imágenes fotorrealistas a partir de indicaciones de texto utilizando técnicas de difusión.
Incrustación (Embedding)
Embedding
Una representación vectorial numérica de datos, a menudo utilizada para capturar el significado semántico de palabras, imágenes u oraciones.
Ejemplo: En PLN, la palabra 'banco' puede tener incrustaciones similares a 'dinero' pero diferentes de 'orilla del rÃo' según el contexto.
Época (Epoch)
Epoch
Una iteración completa sobre todo el conjunto de datos de entrenamiento durante el proceso de entrenamiento de un modelo de aprendizaje automático.
Ejemplo: Si un conjunto de datos tiene 1.000 ejemplos y un modelo los ve todos una vez durante el entrenamiento, eso es una época.
IA Ética (Ethical AI)
Ethical AI
Una filosofÃa de diseño e implementación que garantiza que las tecnologÃas de IA operen de manera transparente, equitativa y en lÃnea con los valores sociales.
Ejemplo: Una herramienta de contratación de IA que incluye verificaciones de sesgo para prevenir la discriminación contra candidatos minoritarios.
Sistema Experto (Expert System)
Expert System
Un sistema de IA que imita las capacidades de toma de decisiones de un experto humano en un dominio especÃfico utilizando reglas y lógica.
Ejemplo: Un sistema experto utilizado en agricultura para recomendar tratamientos de cultivos basados en datos del suelo e historial de plagas.
IA Explicable (XAI) (Explainable AI (XAI))
Explainable AI (XAI)
Sistemas de IA diseñados para hacer que sus procesos internos y decisiones sean comprensibles para los humanos, aumentando la confianza y la responsabilidad.
Ejemplo: Una IA de diagnóstico médico que no solo proporciona una recomendación, sino que también explica qué sÃntomas llevaron a esa conclusión.
Aprendizaje de Pocos Disparos (Few-shot Learning)
Few-shot Learning
Un método de aprendizaje automático donde un modelo se entrena o ajusta utilizando solo un pequeño número de ejemplos etiquetados.
Ejemplo: Personalizar un LLM para escribir correos electrónicos legales después de mostrarle solo 10 ejemplos.
Ajuste Fino (Fine-tuning)
Fine-tuning
El proceso de tomar un modelo pre-entrenado y entrenarlo adicionalmente en un conjunto de datos nuevo y más pequeño para especializarlo para una tarea especÃfica.
Ejemplo: Ajustar un LLM general como GPT en documentos legales internos para crear un asistente de redacción legal.
Modelo Fundacional (Foundation Model)
Foundation Model
Un modelo a gran escala entrenado en datos diversos y amplios que puede adaptarse a muchas tareas posteriores.
Ejemplo: GPT-4 y PaLM 2 son modelos fundacionales capaces de resumir, responder preguntas, traducir y más.
Lógica Difusa (Fuzzy Logic)
Fuzzy Logic
Una forma de lógica que trata con valores aproximados en lugar de lógica binaria (verdadero/falso) fija, útil para el razonamiento bajo incertidumbre.
Ejemplo: Se utiliza en sistemas de control de clima para ajustar la temperatura basándose en entradas difusas como 'un poco caliente' o 'muy frÃo'.
Red Generativa Antagónica (GAN) (Generative Adversarial Network (GAN))
Generative Adversarial Network (GAN)
Una arquitectura de modelo generativo donde dos redes, un generador y un discriminador, compiten para mejorar la calidad de la salida.
Ejemplo: Las GAN se utilizan para crear videos deepfake o generar fotos de productos realistas a partir de bocetos.
IA Generativa (Generative AI)
Generative AI
Una categorÃa de inteligencia artificial que puede crear contenido nuevo, como texto, imágenes, música o video, a partir de datos de entrenamiento.
Ejemplo: ChatGPT genera publicaciones de blog o Midjourney crea arte digital a partir de indicaciones textuales.
Transformador Generativo Pre-entrenado (GPT) (Generative Pre-trained Transformer (GPT))
Generative Pre-trained Transformer (GPT)
Una clase de grandes modelos de lenguaje desarrollados por OpenAI que utiliza arquitectura de transformador y está pre-entrenado en grandes cantidades de datos de texto para realizar una variedad de tareas de lenguaje.
Ejemplo: GPT-4 es capaz de escribir ensayos, traducir idiomas y resumir documentos con indicaciones mÃnimas.
Algoritmo Genético (Genetic Algorithm)
Genetic Algorithm
Una técnica de optimización inspirada en la selección natural donde las soluciones evolucionan con el tiempo a través de mutación, cruce y selección.
Ejemplo: Se utiliza para diseñar arquitecturas de redes neuronales eficientes simulando la supervivencia del más apto.
Alucinación (Hallucination)
Hallucination
La generación de contenido plausible pero factualmente incorrecto o sin sentido por parte de un modelo de IA.
Ejemplo: Un modelo de lenguaje inventa una cita inexistente o proporciona hechos históricos falsos.
HeurÃstica (Heuristic)
Heuristic
Un enfoque práctico para la resolución de problemas que no garantiza una solución perfecta pero es suficiente para objetivos inmediatos.
Ejemplo: Usar una regla general para estimar el tiempo de entrega en un sistema de IA de logÃstica.
Hiperparámetro (Hyperparameter)
Hyperparameter
Un valor de configuración establecido antes de entrenar un modelo de aprendizaje automático, como la tasa de aprendizaje o el número de capas.
Ejemplo: Ajustar el tamaño del lote de 32 a 128 para mejorar la velocidad de entrenamiento y el rendimiento del modelo.
Inferencia (Inference)
Inference
El proceso de utilizar un modelo de aprendizaje automático entrenado para hacer predicciones o generar resultados a partir de nuevos datos de entrada.
Ejemplo: Utilizar un modelo GPT ajustado para redactar correos electrónicos para un equipo de atención al cliente.
Detección de Intenciones (Intent Detection)
Intent Detection
Una tarea en la comprensión del lenguaje natural donde el sistema identifica el objetivo o propósito del usuario en un mensaje.
Ejemplo: En un chatbot, reconocer 'quiero reservar un vuelo' como una intención de reserva de viaje.
Internet de las Cosas (IoT) (Internet of Things (IoT))
Internet of Things (IoT)
Una red de dispositivos fÃsicos interconectados integrados con sensores, software y otras tecnologÃas para recopilar e intercambiar datos.
Ejemplo: Termostatos y refrigeradores inteligentes que informan datos de uso y ajustan configuraciones utilizando análisis de IA.
Interpretabilidad (Interpretability)
Interpretability
El grado en que un humano puede comprender la mecánica interna de un modelo de aprendizaje automático y su proceso de toma de decisiones.
Ejemplo: Un árbol de decisión es más interpretable que una red neuronal profunda porque sus decisiones son rastreables.
Jupyter Notebook (Jupyter Notebook)
Jupyter Notebook
Un entorno de computación interactiva de código abierto que permite a los usuarios escribir código, visualizar resultados y documentar análisis en una sola interfaz.
Ejemplo: Los cientÃficos de datos utilizan Jupyter Notebooks para prototipar modelos de aprendizaje automático y compartir resultados.
K-Vecinos Más Cercanos (KNN) (K-Nearest Neighbours (KNN))
K-Nearest Neighbours (KNN)
Un algoritmo de aprendizaje automático simple y no paramétrico utilizado para clasificación y regresión. Toma decisiones basándose en los ejemplos de entrenamiento más cercanos en el espacio de caracterÃsticas.
Ejemplo: Para clasificar una fruta nueva como manzana o pera, KNN comprueba qué frutas etiquetadas están más cerca en forma y color.
Grafo de Conocimiento (Knowledge Graph)
Knowledge Graph
Una estructura de datos que utiliza nodos y aristas para representar y almacenar descripciones interconectadas de entidades y sus relaciones.
Ejemplo: El panel de conocimiento de Google funciona con un grafo de conocimiento que conecta entidades como personas, lugares y eventos.
Optimización de Modelos de Aprendizaje de Lenguaje (LLMO) (Language Learning Model Optimisation (LLMO))
Language Learning Model Optimisation (LLMO)
Técnicas utilizadas para mejorar el rendimiento, la eficiencia o la adaptabilidad de los grandes modelos de lenguaje para tareas o dominios especÃficos.
Ejemplo: Utilizar cuantización y ajuste de instrucciones para optimizar un LLM para uso empresarial.
Modelo de Lenguaje Grande (LLM) (Large Language Model (LLM))
Large Language Model (LLM)
Un tipo de modelo de aprendizaje profundo entrenado en vastas cantidades de datos textuales capaz de generar, comprender y razonar con el lenguaje humano.
Ejemplo: ChatGPT y Claude son LLMs entrenados para ayudar a escribir, codificar y responder preguntas.
Espacio Latente (Latent Space)
Latent Space
Una representación abstracta de alta dimensión donde las entradas similares se agrupan juntas, utilizada en modelos generativos e incrustaciones.
Ejemplo: En la generación de imágenes, manipular el espacio latente puede cambiar caracterÃsticas como el brillo o la emoción.
Tasa de Aprendizaje (Learning Rate)
Learning Rate
Un hiperparámetro clave en el entrenamiento que controla cuánto se ajustan los pesos del modelo con respecto al gradiente de pérdida.
Ejemplo: Una tasa de aprendizaje alta puede llevar a sobrepasar los mÃnimos, mientras que una tasa demasiado baja ralentiza el progreso del entrenamiento.
Aprendizaje Automático (ML) (Machine Learning (ML))
Machine Learning (ML)
Una rama de la IA que permite a los sistemas aprender de los datos y mejorar el rendimiento sin ser programados explÃcitamente.
Ejemplo: Los filtros de spam utilizan aprendizaje automático para clasificar correos electrónicos como spam o no basándose en ejemplos pasados.
Deriva de Modelos (Model Drift)
Model Drift
Un fenómeno por el cual la precisión de un modelo disminuye con el tiempo debido a cambios en los datos o el entorno.
Ejemplo: Un modelo de detección de fraude se vuelve menos preciso a medida que evolucionan las tácticas de fraude.
Entrenamiento de Modelos (Model Training)
Model Training
El proceso de alimentar datos a un modelo de aprendizaje automático y ajustar sus parámetros para minimizar el error.
Ejemplo: Entrenar un motor de recomendación con el historial de compras de los clientes para sugerir nuevos productos.
IA Multimodal (Multimodal AI)
Multimodal AI
Sistemas de IA capaces de procesar e integrar múltiples tipos de datos como texto, imágenes, audio y video.
Ejemplo: Un modelo como GPT-4 Vision que puede leer texto e interpretar imágenes al mismo tiempo.
Procesamiento del Lenguaje Natural (PLN) (Natural Language Processing (NLP))
Natural Language Processing (NLP)
Un subcampo de la IA centrado en la interacción entre computadoras y lenguajes humanos (naturales). Permite a las máquinas leer, comprender y responder en lenguaje humano.
Ejemplo: El PLN se utiliza en asistentes de voz, aplicaciones de traducción de idiomas y chatbots.
Red Neuronal (Neural Network)
Neural Network
Un modelo de aprendizaje automático inspirado en la estructura del cerebro humano, compuesto por capas de nodos interconectados (neuronas).
Ejemplo: Las redes neuronales están detrás de los modelos de aprendizaje profundo utilizados en el reconocimiento de imágenes y voz.
Ruido (Noise)
Noise
Información aleatoria o irrelevante en los datos que puede oscurecer patrones significativos y afectar negativamente el rendimiento del modelo.
Ejemplo: Errores de sensores o entradas de datos con errores tipográficos pueden considerarse ruido.
OntologÃa (Ontology)
Ontology
Un marco estructurado que categoriza y define las relaciones entre conceptos dentro de un dominio, a menudo utilizado en sistemas de IA semántica.
Ejemplo: Una ontologÃa en atención médica podrÃa definir cómo los sÃntomas se relacionan con las enfermedades y los tratamientos.
Sobreajuste (Overfitting)
Overfitting
Un error de modelado donde un modelo de aprendizaje automático captura el ruido en los datos de entrenamiento y funciona mal con datos nuevos.
Ejemplo: Un modelo que memoriza las respuestas de entrenamiento pero no puede manejar datos de prueba no vistos está sobreajustado.
AnalÃtica Predictiva (Predictive Analytics)
Predictive Analytics
El uso de datos, algoritmos e IA para identificar la probabilidad de resultados futuros basándose en datos históricos.
Ejemplo: Los minoristas utilizan analÃtica predictiva para pronosticar la demanda de ciertos productos.
Pre-entrenamiento (Pre-training)
Pre-training
El proceso de entrenar inicialmente un modelo en un conjunto de datos grande y general antes de ajustarlo para tareas especÃficas.
Ejemplo: Los modelos GPT se pre-entrenan en grandes corpus antes de ser personalizados para chatbots de atención al cliente.
IngenierÃa de Prompts (Prompt Engineering)
Prompt Engineering
El arte y la ciencia de crear indicaciones efectivas para dirigir la salida de los grandes modelos de lenguaje.
Ejemplo: Añadir instrucciones del sistema como 'Responde como un tutor educado' es un ejemplo de ingenierÃa de prompts.
Cuantización (Quantisation)
Quantisation
Una técnica de compresión de modelos que reduce el número de bits utilizados para representar pesos y activaciones, mejorando la eficiencia.
Ejemplo: Cuantizar un modelo de 32 bits a 8 bits mejora el rendimiento en dispositivos móviles.
Computación Cuántica (Quantum Computing)
Quantum Computing
Un nuevo paradigma de computación basado en la mecánica cuántica, que tiene potencial para capacidades de procesamiento exponenciales.
Ejemplo: La computación cuántica puede algún dÃa acelerar el entrenamiento de IA más allá de los lÃmites clásicos.
Motor de Razonamiento (Reasoning Engine)
Reasoning Engine
Un sistema en IA que deriva conclusiones lógicas de un conjunto de hechos o datos utilizando reglas o algoritmos de inferencia.
Ejemplo: Una herramienta de diagnóstico de IA utiliza un motor de razonamiento para deducir posibles condiciones médicas basándose en los sÃntomas.
Aprendizaje por Refuerzo (RL) (Reinforcement Learning (RL))
Reinforcement Learning (RL)
Un área del aprendizaje automático donde los agentes aprenden interactuando con su entorno para maximizar recompensas acumulativas.
Ejemplo: Un robot que aprende a caminar por ensayo y error utilizando técnicas de RL.
Aprendizaje por Refuerzo con Retroalimentación Humana (RLHF) (Reinforcement Learning with Human Feedback (RLHF))
Reinforcement Learning with Human Feedback (RLHF)
Un método de aprendizaje donde las preferencias humanas guÃan la señal de recompensa de la IA, a menudo utilizado en el ajuste fino de modelos de lenguaje.
Ejemplo: ChatGPT fue entrenado con RLHF para producir respuestas más útiles y seguras.
Generación Aumentada por Recuperación (RAG) (Retrieval-Augmented Generation (RAG))
Retrieval-Augmented Generation (RAG)
Un método que combina la recuperación de información con la generación, donde un LLM recupera documentos relevantes para mejorar su respuesta.
Ejemplo: Un asistente de IA recupera y cita especificaciones de productos mientras genera una respuesta a una pregunta técnica.
Aprendizaje Autosupervisado (Self-Supervised Learning)
Self-Supervised Learning
Un enfoque de entrenamiento donde el modelo aprende patrones generando sus propias etiquetas a partir de datos brutos, reduciendo la dependencia de datos anotados por humanos.
Ejemplo: BERT se entrena con aprendizaje autosupervisado prediciendo palabras faltantes en texto.
Búsqueda Semántica (Semantic Search)
Semantic Search
Una técnica de búsqueda que comprende la intención del usuario y el significado contextual, no solo la coincidencia de palabras clave.
Ejemplo: Buscar 'cómo arreglar un grifo que gotea' devuelve guÃas incluso si el término 'grifo que gotea' no está presente en el documento.
Análisis de Sentimiento (Sentiment Analysis)
Sentiment Analysis
El proceso de identificar emociones, opiniones o actitudes en el texto, a menudo clasificando como positivo, negativo o neutral.
Ejemplo: Analizar tuits para medir la reacción del público ante un nuevo producto.
Estocástico (Stochastic)
Stochastic
Que involucra aleatoriedad o comportamiento probabilÃstico, a menudo utilizado en IA generativa y algoritmos de optimización.
Ejemplo: La salida de GPT-4 varÃa para la misma entrada debido a su proceso de decodificación estocástico.
IA Fuerte (Strong AI)
Strong AI
También conocida como Inteligencia Artificial General (IAG), se refiere a máquinas con capacidades cognitivas a nivel humano en todos los dominios.
Ejemplo: Una IA futura que pueda escribir novelas de forma autónoma, planificar ciudades y resolver dilemas éticos de manera igualmente efectiva.
Super Inteligencia Artificial (SAI) (Super Artificial Intelligence (SAI))
Super Artificial Intelligence (SAI)
Una IA teórica que supera con creces la inteligencia humana en todos los aspectos: razonamiento, creatividad, inteligencia emocional, etc.
Ejemplo: Una SAI podrÃa teóricamente desarrollar nuevas ciencias y filosofÃas de forma independiente.
Aprendizaje Supervisado (Supervised Learning)
Supervised Learning
Una técnica de aprendizaje automático donde los modelos se entrenan con datos etiquetados para aprender mapeos de entrada-salida.
Ejemplo: Enseñar a un modelo a clasificar correos electrónicos como spam o no utilizando ejemplos históricos.
Datos Sintéticos (Synthetic Data)
Synthetic Data
Datos generados artificialmente que simulan datos del mundo real, a menudo utilizados para el entrenamiento cuando los datos reales son escasos o sensibles.
Ejemplo: Crear imágenes médicas sintéticas para entrenar modelos de diagnóstico sin violar la privacidad del paciente.
Token (Token)
Token
Una unidad de texto procesada por LLMs, tÃpicamente una palabra o una sub-palabra.
Ejemplo: La frase '¡Hola mundo!' se divide en 3 tokens: '¡Hola', 'mundo', '!'.
Tokenización (Tokenisation)
Tokenisation
El proceso de dividir el texto en tokens para su procesamiento por un modelo.
Ejemplo: En PLN, 'ChatGPT es genial' se convierte en ['Chat', 'G', 'PT', 'es', 'genial'].
Aprendizaje por Transferencia (Transfer Learning)
Transfer Learning
Utilizar el conocimiento de una tarea para mejorar el aprendizaje en otra tarea relacionada, reduciendo el tiempo de entrenamiento y las necesidades de datos.
Ejemplo: Ajustar un modelo entrenado en texto en inglés para realizar análisis de sentimiento en otro idioma.
Transformador (Transformer)
Transformer
Una arquitectura de red neuronal que utiliza mecanismos de atención para modelar datos secuenciales, ampliamente utilizada en LLMs.
Ejemplo: BERT, GPT y T5 son modelos basados en transformadores.
Subajuste (Underfitting)
Underfitting
Cuando un modelo es demasiado simplista para capturar los patrones en los datos de entrenamiento, lo que resulta en un bajo rendimiento.
Ejemplo: Un modelo lineal que intenta predecir clasificaciones de imágenes complejas puede subajustarse.
Aprendizaje No Supervisado (Unsupervised Learning)
Unsupervised Learning
Un enfoque de aprendizaje donde los modelos identifican patrones o clústeres en datos no etiquetados.
Ejemplo: Agrupar clientes basándose en el comportamiento de compra sin etiquetas predefinidas.
Intención del Usuario (User Intent)
User Intent
El objetivo o propósito detrás de la consulta o interacción de un usuario.
Ejemplo: Un usuario que escribe 'cómo hornear un pastel' probablemente tiene la intención de encontrar una receta.
Conjunto de Validación (Validation Set)
Validation Set
Un subconjunto de datos utilizado para evaluar el rendimiento del modelo durante el entrenamiento y ajustar hiperparámetros.
Ejemplo: Se utiliza para detectar el sobreajuste antes de las pruebas finales.
Base de Datos Vectorial (Vector Database)
Vector Database
Una base de datos diseñada para almacenar y buscar incrustaciones vectoriales utilizadas en tareas de IA como la búsqueda de similitud y RAG.
Ejemplo: Pinecone y Weaviate son bases de datos vectoriales para almacenar incrustaciones de texto o imágenes.
Incrustación Vectorial (Vector Embedding)
Vector Embedding
Una representación numérica de datos que preserva el significado semántico y las relaciones en un espacio vectorial.
Ejemplo: Las palabras 'rey' y 'reina' tienen incrustaciones similares con sutiles diferencias de género.
Asistente Virtual (Virtual Assistant)
Virtual Assistant
Un agente de software impulsado por IA que ayuda a los usuarios a completar tareas a través de conversaciones o comandos de voz.
Ejemplo: Siri, Alexa y Google Assistant son asistentes virtuales populares.
Reconocimiento de Voz (Voice Recognition)
Voice Recognition
TecnologÃa que interpreta y convierte el lenguaje hablado en texto o acción.
Ejemplo: Los comandos de voz y la escritura por voz dependen de sistemas de reconocimiento de voz.
IA Débil (Weak AI)
Weak AI
Sistemas de IA diseñados para realizar una tarea especÃfica y limitada sin inteligencia general.
Ejemplo: Una IA que juega al ajedrez pero que no puede entender el lenguaje o conducir un coche es un ejemplo de IA débil.
Web Scraping (Web Scraping)
Web Scraping
Extracción automatizada de información de sitios web, a menudo utilizada para recopilar datos de entrenamiento o monitorear contenido.
Ejemplo: Extraer listados de bienes raÃces para entrenar un modelo de valoración de propiedades.
Peso (Weight)
Weight
Un parámetro en las redes neuronales que determina la fuerza de influencia que un nodo tiene sobre otro.
Ejemplo: Los pesos se ajustan durante el entrenamiento para minimizar el error del modelo.
Whisper (Whisper)
Whisper
Un modelo de voz a texto desarrollado por OpenAI capaz de transcribir audio en varios idiomas.
Ejemplo: Whisper puede transcribir conferencias y podcasts con alta precisión.
YAML (YAML)
YAML
Un formato legible por humanos para la serialización de datos, comúnmente utilizado para archivos de configuración en flujos de trabajo de aprendizaje automático.
Ejemplo: Definir parámetros del modelo en un archivo YAML para entrenar en PyTorch.
Aprendizaje de Cero Disparos (Zero-shot Learning)
Zero-shot Learning
La capacidad de un modelo para realizar tareas para las que nunca ha sido entrenado explÃcitamente, aprovechando el conocimiento general.
Ejemplo: Un modelo que responde preguntas legales a pesar de no haber sido entrenado especÃficamente con datos legales.
Zettabyte (Zettabyte)
Zettabyte
Una unidad de datos digitales igual a un sextillón (10^21) de bytes, a menudo utilizada para describir la escala de los datos de Internet.
Ejemplo: El tráfico global de Internet superó 1 zettabyte por año en 2016.
