Glosario de inteligencia artificial: los términos que necesitas entender

La conversación sobre inteligencia artificial está llena de siglas y palabras en inglés que se dan por sabidas. Si alguna vez te has perdido en medio de una explicación, este glosario es para ti. Cada término va con una definición sencilla y, cuando ayuda, un ejemplo. No necesitas memorizarlo: guárdalo y vuelve cuando aparezca una palabra que no entiendas.

Conceptos básicos

• Inteligencia artificial (IA): término amplio para sistemas que realizan tareas que asociamos a la inteligencia humana: entender lenguaje, reconocer imágenes, tomar decisiones.
• Aprendizaje automático (machine learning): forma de crear IA en la que el sistema aprende patrones a partir de datos en lugar de seguir reglas escritas a mano.
• Red neuronal: tipo de modelo de aprendizaje automático formado por muchas capas de cálculos conectados, inspirado de forma muy libre en el cerebro.
• Modelo: el resultado del entrenamiento; el «programa» que recibe una entrada y produce una salida.
• Entrenamiento: el proceso en el que el modelo ajusta sus parámetros a partir de enormes cantidades de datos.
• Parámetros: los valores internos que el modelo ajusta al entrenar. Más parámetros no siempre significa mejor.

Modelos de lenguaje y chat

• LLM (modelo grande de lenguaje): modelo entrenado con grandes cantidades de texto para predecir la siguiente palabra. Es la base de los asistentes de chat actuales.
• IA generativa: IA que crea contenido nuevo: texto, imágenes, audio, vídeo o código.
• Chatbot o asistente: la aplicación con la que conversas, que usa un modelo por detrás.
• Prompt: el texto o las instrucciones que le das al modelo. Aprende a escribirlos en prompt engineering paso a paso.
• Prompt de sistema o instrucciones: indicaciones que el asistente tiene en cuenta en toda la conversación, como su rol y sus reglas.
• Token: la unidad en que el modelo divide el texto. Suele ser un trozo de palabra. Los límites y los precios de las APIs se suelen medir en tokens.
• Ventana de contexto: la cantidad máxima de texto (en tokens) que el modelo puede tener en cuenta a la vez, incluyendo tu mensaje, el historial y su respuesta.
• Temperatura: ajuste que controla cuánta variedad hay en las respuestas. Baja: más predecible. Alta: más creativa y más propensa a errores.
• Multimodal: modelo capaz de trabajar con varios tipos de entrada o salida, como texto e imágenes.

Errores y limitaciones

• Alucinación: cuando el modelo genera información falsa con apariencia de verdad: datos, citas o referencias que no existen. Por eso siempre hay que verificar.
• Sesgo: tendencias injustas o desequilibradas en las respuestas, heredadas de los datos de entrenamiento.
• Fecha de corte: el momento hasta el que llegan los datos de entrenamiento. Lo posterior, el modelo no lo conoce salvo que busque en internet o se lo des.
• Complacencia: tendencia de algunos modelos a darte la razón. Tienes trucos para evitarla en prompts que te contradigan.

Técnicas y arquitectura

• Embeddings: representación numérica del significado de un texto, que permite buscar por parecido de significado y no solo por palabras exactas.
• Base de datos vectorial: base de datos especializada en guardar y buscar embeddings.
• RAG: técnica en la que el sistema busca primero información relevante en documentos y luego responde con ella. Explicado en qué es RAG.
• Fine-tuning (ajuste fino): entrenar un poco más un modelo ya existente con datos específicos para especializarlo.
• Inferencia: el momento de usar el modelo ya entrenado para obtener respuestas.
• API: forma de que un programa use un modelo de IA directamente, sin pasar por la interfaz de chat.
• Modelo abierto (open weights): modelo cuyos parámetros se publican para que cualquiera pueda descargarlo y ejecutarlo, con la licencia que corresponda.
• IA local: ejecutar un modelo en tu propio ordenador, sin enviar datos a internet.

Agentes y automatización

• Agente de IA: sistema que recibe un objetivo y da pasos por su cuenta usando herramientas, en lugar de solo responder. Más en qué es un agente de IA.
• Herramientas (tools) o llamada a funciones: capacidad del modelo para pedir que se ejecute una acción externa: buscar en la web, consultar una base de datos, enviar un correo.
• Prompt injection: ataque en el que un texto malicioso intenta dar órdenes a la IA para que haga algo distinto de lo que quería el usuario.
• Humano en el bucle: diseño en el que una persona revisa o aprueba los pasos importantes antes de que se ejecuten.

Imagen, audio y vídeo

• Modelo de difusión: tipo de modelo muy usado para generar imágenes, que parte de ruido y lo va «limpiando» hasta formar una imagen según la descripción.
• Texto a imagen / texto a vídeo: generación de imágenes o vídeos a partir de una descripción escrita.
• Reconocimiento de voz: convertir audio en texto (transcripción).
• Síntesis de voz: convertir texto en audio con una voz artificial.
• Deepfake: imagen, vídeo o audio manipulado o generado para que alguien parezca decir o hacer algo que no hizo.

Consejo: Cuando encuentres un término nuevo, usa este prompt: «Explícame [término] en tres niveles: en una frase para alguien sin conocimientos, con un ejemplo cotidiano, y con algo más de detalle técnico. Si hay términos parecidos con los que se suele confundir, dime la diferencia». Contrasta la explicación con la documentación oficial si vas a usarla en tu trabajo.

Dominar el vocabulario es el primer paso para usar la IA con criterio. Si quieres aprender a aplicarla en tu trabajo y tus proyectos con método, la academia de Código Élite tiene la IA práctica como eje principal.