La inteligencia artificial (IA) es la última palabra de moda en tecnología. Así como el auge de las criptomonedas introdujo al mundo a un montón de jerga, el bombo publicitario de la IA ha traído consigo un conjunto de términos que se usan con frecuencia pero que no siempre son explicados.
Glosario completo de IA
Si te preguntas qué significan palabras como chatbots, LLM o aprendizaje profundo, estás en el lugar correcto. Aquí vas a encontrar 18 términos relacionados con la IA junto con unas breves explicaciones para principiantes.
Además, en muchos casos, también tienes enlaces desde los que conocer mucho más en profundidad sobre cada término.
1. Inteligencia artificial (IA)
En términos simples, la IA es inteligencia en computadoras o máquinas, especialmente aquella que imita la inteligencia humana.
El término de IA es un término amplio que cubre muchos tipos diferentes de inteligencia artificial, a pesar de que en el discurso actual sobre IA se centre casi exclusivamente en las herramientas que crean arte, contenidos, etc.
Ejemplos comunes de estas herramientas incluyen ChatGPT , Midjourney o Google Bard. El denominar a este tipo de herramientas como inteligentes, aún es algo que se encuentra bajo debate.
2. Prueba de Turing
Alan Turing fue el matemático británico conocido como el padre de la informática teórica y la inteligencia artificial.
El Test de Turing o El Juego de la Imitación) está diseñada para identificar si la inteligencia de una computadora es idéntica a la de un humano.
Se dice que una computadora ha pasado la prueba de Turing cuando se engaña a un humano haciéndole creer que las respuestas de la máquina fueron escritas por un humano.
3. Algoritmo
Un algoritmo es un conjunto de instrucciones que sigue un programa para dar con un resultado.
Los ejemplos comunes de algoritmos incluyen motores de búsqueda como Google, que muestran un conjunto de resultados en función de sus consultas o aplicaciones de redes sociales como TikTok e Instagram, que muestran contenido en función de sus intereses.
Los algoritmos permiten que las herramientas de IA creen modelos predictivos o creen contenido u arte en función de sus entradas.
4. IA Conversacional
Las herramientas de IA con las que puedes hablar, como chatbots o asistentes de voz, se denominan IA conversacional. Los ejemplos populares de IA conversacional incluyen chatbots como ChatGPT o Google Bard y asistentes de voz como Alexa, Google Assistant o Siri.
Leer Más: ¿Qué es un Chatbot?
5. IA Generativa
La IA generativa puede generar arte, imágenes, texto u otros resultados a partir de sus entradas que a menudo funcionan con un LLM. Los ejemplos obvios son herramientas como ChatGPT pero últimamente ha habido muchos otros ejemplos interesantes de IA generativa.
Adobe Photoshop, por ejemplo, tiene una herramienta llamada relleno generativo que puede generar arte con unas pocas indicaciones de texto o convertir una imagen vertical en un fondo de pantalla ancha.
6. Aprendizaje profundo
El aprendizaje profundo intenta recrear la forma en que aprende el cerebro humano, utilizando tres o más “capas” de redes neuronales para procesar grandes volúmenes de datos y aprender con el ejemplo.
Cada una de estas capas procesa su propia vista de los datos proporcionados y se unen para llegar a una conclusión final.
El software para automóviles autónomos utiliza el aprendizaje profundo para identificar señales de alto, marcadores de carril y semáforos, a través del reconocimiento de objetos: esto se logra mostrando a la herramienta de IA muchos ejemplos de cómo se ve un objeto determinado (por ejemplo, una señal de alto) y a través del entrenamiento repetido.
7. Aprendizaje automático
Cuando los algoritmos pueden mejorar aprendiendo de la experiencia o los datos, se lo conoce como aprendizaje automático.
El aprendizaje automático es la práctica general de la que se derivan otros términos de IA que hemos discutido: El aprendizaje profundo es una forma de aprendizaje automático y los modelos de lenguaje grandes se entrenan a través del aprendizaje automático.
Leer Más: ¿Qué es el Aprendizaje Automático?
8. Procesamiento de datos
El proceso de combinar grandes conjuntos de datos para encontrar patrones o tendencias.
Algunas herramientas de IA utilizan la minería de datos para ayudarlo a comprender qué hace que las personas compren más artículos en una tienda o en un sitio web o cómo optimizar un negocio para satisfacer una mayor demanda durante las horas pico.
9. Modelo de lenguaje grande (LLM)
Un modelo de lenguaje grande (LLM) es un algoritmo de aprendizaje profundo que se entrena en un conjunto de datos masivo para generar, traducir y procesar texto. Los LLM (como GPT-4 de OpenAI) permiten que las herramientas de IA, como ChatGPT, comprendan sus consultas y generen entradas de texto basadas en ellas.
Los LLM también potencian las herramientas de inteligencia artificial que pueden identificar las partes importantes del texto o los videos y resumirlos.
10. Reconocimiento de imagen
La capacidad de identificar sujetos específicos en una imagen. Los programas de computadora pueden usar el reconocimiento de imágenes para detectar flores en una imagen y nombrarlas o para identificar diferentes especies de aves en una foto.
11. Sesgo
En el contexto de la IA, el sesgo se refiere a resultados erróneos producidos porque el algoritmo hace suposiciones incorrectas o carece de datos suficientes.
Por ejemplo, es posible que las herramientas de reconocimiento de voz no puedan comprender ciertos acentos ingleses correctamente porque las herramientas se entrenaron solo con un acento estadounidense.
12. Alucinación
Cuando la IA presenta la ficción como un hecho, se le denomina alucinación. Las alucinaciones pueden ocurrir cuando el conjunto de datos de una IA no es preciso o su entrenamiento es defectuoso, por lo que genera una respuesta en la que confía en función de su conocimiento disponible.
13. Redes neuronales
El cerebro humano tiene capas sobre capas de neuronas que constantemente procesan información y aprenden de ella. Una red neuronal de IA imita esta estructura de neuronas para aprender de los conjuntos de datos.
Las redes neuronales son el sistema que permite al aprendizaje automático y al aprendizaje profundo, que las máquinas realicen tareas complejas como el reconocimiento de imágenes y la generación de texto.
Leer Más: ¿Qué es una Red Neuronal?
14. Procesamiento natural del lenguaje
Cuando un programa puede comprender entradas escritas en lenguajes humanos, cae dentro del procesamiento natural del lenguaje.
Así es como tu aplicación de calendario entiende qué hacer cuando escribes: “Tengo una reunión a las 8:00 p. m. en la cafetería de la Quinta Avenida mañana” o cuando le preguntas a Siri: “¿Qué tiempo hace hoy?”.
15. Reconocimiento óptico de caracteres (OCR)
El proceso de extracción de texto de las imágenes se realiza mediante OCR. La aplicación Fotos de tu iPhone usa OCR para identificar texto escrito a mano o mecanografiado e incluso permite copiarlo y pegarlo fácilmente.
16. Prompt
El prompt o la instrucción de entrada, es un mensaje de cualquier serie de palabras que se utiliza para obtener una respuesta de un programa como la IA generativa.
Todas las búsquedas en Google son ejemplos de prompt. En el contexto de la IA, la construcción de prompt es el arte de escribir mensajes para que los chatbots den las respuestas más útiles
17. Reconocimiento de voz
La capacidad de un programa para comprender el habla humana. El reconocimiento de voz se puede usar para la IA conversacional para comprender sus consultas y brindar mejores respuestas, o para las herramientas de voz a texto.
18. Datos de entrenamiento
Un conjunto de entrenamiento o datos de entrenamiento es la información que utiliza un algoritmo o una herramienta de aprendizaje automático para aprender y ejecutar su función.
Por ejemplo, los modelos de idiomas grandes pueden usar datos de entrenamiento raspando algunos de los sitios web más populares del mundo.