Glosario IA

Recolectamos los términos más importantes sobre IA!

Creamos este recurso práctico y completo que reúne los conceptos más importantes de IA, organizados alfabéticamente y con un índice por letras para que encuentres cualquier término en segundos.

A

Accesibilidad de Datos

Disponibilidad de los datos en el formato y lugar adecuados para ser usados por modelos de IA.

Adversarial attacks

Técnicas usadas para engañar a modelos de IA mediante datos manipulados, haciendo que entreguen resultados incorrectos.

Agentes Conversacionales

IA diseñada para interactuar con personas mediante lenguaje natural, entendiendo intención y contexto.

Agentes de IA (IA Agents)

Sistemas que pueden entender información, razonar y ejecutar acciones de forma autónoma.

AGI (Artificial General Intelligence)

Tipo de inteligencia artificial capaz de realizar cualquier tarea intelectual que un humano puede hacer. Aún no existe en la práctica.

Ajuste fino (Fine-tuning)

Proceso de adaptar un modelo de IA ya entrenado a una tarea específica usando nuevos datos.

Aprendizaje profundo (Deep learning)

Tipo de machine learning que utiliza redes neuronales con muchas capas para detectar patrones complejos.

B

C

Calidad de datos

Qué tan correctos, completos, consistentes y útiles son los datos.

Chain-of-thought prompting

Técnica que guía a un modelo a resolver problemas paso a paso, mostrando su razonamiento intermedio.

D

E

F

G

GPUs (Unidades de procesamiento gráfico)

Hardware originalmente diseñado para gráficos, pero ampliamente usado para entrenar modelos de IA por su capacidad de procesamiento paralelo.

Google Gems

Asistentes personalizados de IA que ayudan en tareas específicas dentro de un contexto definido.

Grounding

Proceso de conectar las respuestas de la IA con fuentes reales o verificables para aumentar su precisión.

H

Humans in the loop (HITL)

Enfoque donde humanos supervisan o intervienen en sistemas de IA para mejorar resultados o evitar errores.

Hypercomputer

Infraestructura que conecta múltiples computadoras (con GPUs/TPUs) para procesar grandes cargas de trabajo de IA.

I

IA ética (Ethical AI)

Uso de la inteligencia artificial de forma responsable, evitando causar daño o sesgos.

IA generativa (Generative AI)

Tipo de IA capaz de crear contenido nuevo, como texto, imágenes, código o audio.

Ingesta y preparación de datos

Disponibilidad de los datos en el formato y lugar adecuados para ser usados por modelos de IA.

Inteligencia Artificial (IA)

Campo de la tecnología que busca crear máquinas capaces de realizar tareas que normalmente requieren inteligencia humana, como aprender, razonar o tomar decisiones.

J

K

L

Labeled data (Datos etiquetados)

Datos que tienen información adicional (como categorías o nombres) que ayudan a entrenar modelos.

Large Language Models (LLMs)

Modelos de IA especializados en entender y generar lenguaje humano (como ChatGPT).

M

Machine Learning (ML) / Aprendizaje automático

Subcampo de la IA donde las máquinas aprenden a partir de datos sin ser programadas explícitamente.

ML Learning Approaches

Supervisado: usa datos etiquetados, No supervisado: encuentra patrones, Refuerzo: aprende con feedback

Model deployment (Despliegue de modelo)

Proceso de poner un modelo entrenado en producción para que pueda ser utilizado.

Model management (Gestión de modelos)

Administración del ciclo de vida de los modelos: monitoreo, actualización y mantenimiento.

Model training (Entrenamiento de modelo)

Proceso de enseñar a un modelo usando datos.

Modelos fundacionales

Modelos de IA entrenados con grandes volúmenes de datos que pueden adaptarse a múltiples tareas.

N

O

P

Prompt engineering

Arte de diseñar instrucciones (prompts) para obtener mejores resultados de modelos de IA.

Prompt chaining

Uso de múltiples prompts conectados entre sí para resolver tareas más complejas.

Q

R

ReAct (Reason + Act)

Framework que permite a un modelo razonar y tomar acciones paso a paso frente a un problema.

Reasoning loop

Ciclo interno de un agente de IA donde analiza información, razona y decide qué hacer después.

Reinforcement learning (Aprendizaje por refuerzo)

Tipo de aprendizaje donde el modelo mejora a través de prueba y error, recibiendo recompensas o penalizaciones.

Retrieval-Augmented Generation (RAG)

Técnica que combina búsqueda de información externa con generación de respuestas para mejorar precisión.

Responsible AI (IA responsable)

Principios y prácticas para asegurar que la IA sea segura, justa y confiable.

Role prompting

Técnica donde se asigna un rol al modelo (ej: “actúa como consultor”) para guiar su comportamiento.

S

Secure AI (IA segura)

Prácticas para proteger sistemas de IA de ataques o usos maliciosos.

SAIF (Secure AI Framework)

Marco de trabajo para desarrollar y operar sistemas de IA de forma segura.

Structured data (Datos estructurados)

Datos organizados en formatos claros, como tablas o bases de datos.

Structured vs Unstructured Data

Datos estructurados son organizados y fáciles de analizar; los no estructurados requieren técnicas más avanzadas.

Supervised learning (Aprendizaje supervisado)

Entrenamiento con datos etiquetados donde el modelo aprende la relación entre entrada y salida.

T

TPUs (Tensor Processing Units)

Chips diseñados específicamente para tareas de inteligencia artificial, desarrollados por Google.