Fundamentos

Sesgo algorítmico

Cuando un sistema de IA produce resultados sistemáticamente injustos o distorsionados para ciertos grupos de personas.

Una secuencia finita de pasos bien definidos para resolver un problema o realizar una tarea.

Interfaz de programación de aplicaciones

Una interfaz que permite que un programa use los servicios de otro; en IA, la forma habitual de enviar solicitudes a un modelo alojado por un proveedor.

Sesgo como parámetro de una neurona

Un parámetro que se suma a la salida de una neurona y le permite desplazar su respuesta, independientemente de la entrada.

Conjunto de datos

Una colección organizada de ejemplos que se usa para entrenar, validar o evaluar un modelo.

La información —texto, imágenes, números, audio— de la que un modelo aprende y sobre la que hace predicciones.

Aprendizaje profundo

Un tipo de machine learning que usa redes neuronales con muchas capas para aprender representaciones cada vez más abstractas de los datos.

Característica

Una propiedad medible de un ejemplo que el modelo usa como entrada para hacer una predicción.

Unidad de procesamiento gráfico

Un procesador con miles de núcleos diseñado para hacer muchos cálculos en paralelo; es el hardware principal para entrenar y ejecutar modelos de IA.

Inferencia

El momento en que un modelo ya entrenado se usa para producir una respuesta a partir de una entrada nueva.

Inteligencia Artificial

El campo que construye sistemas capaces de realizar tareas que normalmente requieren inteligencia humana, como entender lenguaje, reconocer imágenes o tomar decisiones.

Etiqueta

La respuesta correcta asociada a un ejemplo de entrenamiento, que el modelo aprende a predecir.

Machine Learning

Una rama de la IA en la que las computadoras aprenden patrones a partir de datos en lugar de seguir reglas programadas a mano.

El resultado de entrenar un algoritmo con datos: una función que recibe una entrada y produce una predicción o una respuesta.

Los números internos de un modelo que se ajustan durante el entrenamiento y determinan su comportamiento.

Instrucción o entrada para el modelo

El texto (y a veces imágenes u otros datos) que se le da a un modelo generativo para indicarle qué hacer.

La unidad básica de texto que procesa un modelo de lenguaje: puede ser una palabra, parte de una palabra o un signo.

Entrenamiento

El proceso en el que un modelo ajusta sus parámetros a partir de datos para mejorar en una tarea.

Una lista ordenada de números que puede representar un punto o una dirección en un espacio de varias dimensiones.

Pesos

Los parámetros que indican cuánta importancia da el modelo a cada conexión entre sus neuronas.

Red neuronal

Un modelo formado por capas de unidades simples conectadas entre sí, que aprende ajustando la fuerza de esas conexiones.

Reinforcement Learning

Un paradigma en el que un agente aprende a tomar decisiones probando acciones y recibiendo recompensas o penalizaciones.

Datos sintéticos

Datos generados artificialmente —a menudo por otros modelos de IA— para entrenar o evaluar modelos.