La inteligencia artificial (IA) se ha convertido en una revolución a nivel mundial y todo indica que sus avances seguirán concretándose en el futuro inmediato.
Honestamente, el desarrollo de nuevas tecnologías le ha dado paso a herramientas de gran nivel, como ChatGPT, MidJourney, Synthesia, Dall-E2 o Crystal Knows.
Pero a pesar de que la IA se ha convertido en un “hot topic” durante los últimos meses a nivel mundial, en numerosos ecosistemas y escenarios, todavía hay personas que no están familiarizadas con esta tecnología tan disruptiva.
Inclusive, muchas de ellas desconocen los términos más populares de la inteligencia artificial, como sería el caso del “aprendizaje profundo” o del “procesamiento del lenguaje natural”.
Por eso decidimos crear este gran diccionario de términos de inteligencia artificial y también nos comprometimos a actualizarlo de forma periódica.
La idea es que este glosario te permita familiarizarte con términos muy útiles, a la par de entender mejor a la inteligencia artificial.
Diccionario de términos de inteligencia artificial
1. API de OpenAI: La API de OpenAI es un servicio que proporciona OpenAI y que permite a los desarrolladores acceder y utilizar sus modelos de IA, como ChatGPT, para varias aplicaciones.
2. Auto atención: Es un tipo de mecanismo de atención que se usa en transformadores y que le permite a un modelo relacionar las diferentes posiciones de una misma secuencia.
3. Aprendizaje de tiro cero: Es un enfoque de aprendizaje automático en el que un modelo puede hacer predicciones, o completar tareas, sin estar explícitamente capacitado en los datos de esa tarea.
4. Aprendizaje de pocos disparos: Es un enfoque de aprendizaje automático en el que un modelo puede adaptarse rápidamente a nuevas tareas, aprendiendo de una pequeña cantidad de ejemplos etiquetados.
5. Aprendizaje por Refuerzo a partir de la Retroalimentación Humana (RLHF): Este método combina el aprendizaje por refuerzo con la retroalimentación humana, y eso permite que los modelos de IA aprendan y se adapten a las preferencias y valores del hombre.
6. Aprendizaje profundo: Se refiere a un subcampo del aprendizaje automático que utiliza redes neuronales artificiales para modelar patrones complejos, y hacer predicciones, o tomar decisiones basadas en los datos de entrada.
7. Aprendizaje sin supervisión: El aprendizaje no supervisado es un enfoque de aprendizaje automático en el que un modelo aprende patrones y estructuras dentro de los datos de entrada, sin etiquetas de salida explícitas. (Generalmente tras la agrupación en clústeres o la reducción de la dimensionalidad).
8. Aprendizaje supervisado: Sucede cuando un modelo se entrena dentro de un conjunto de datos que contiene pares de entrada y salida. Este aprendizaje es capaz de predecir salidas en función de nuevas entradas.
9. BERT (Representaciones de Codificador Bidireccional de Transformadores): BERT es un modelo basado en un transformador preentrenado, desarrollado por Google, para ejecutar tareas de comprensión del lenguaje natural. Se puede ajustar para aplicaciones específicas.
10. ChatGPT: Es un modelo de IA conversacional desarrollado por OpenAI. Está basado en la arquitectura GPT y ha sido diseñado para generar respuestas similares a las humanas en conversaciones basadas en texto.
11. DALL-E: Es un modelo de IA desarrollado por OpenAI para generar imágenes a partir de descripciones textuales, combinando la comprensión del lenguaje natural, con capacidades de generación de imágenes.
12. Difusión estable: La difusión estable es un área de investigación centrada en mejorar el entrenamiento de modelos de IA a gran escala, mediante la introducción de estabilidad y capacidad de control durante el proceso de difusión.
13. GPT (Transformador Preentrenado Generativo): GPT se refiere a una serie de modelos de IA desarrollados por OpenAI. Fueron diseñados para realizar tareas de procesamiento de lenguaje natural y son capaces de generar texto coherente y contextualmente relevante.
14. GPT-3.5: Es una versión intermedia de la serie GPT que cierra la brecha entre GPT-3 y GPT-4, en términos de tamaño y capacidades del modelo.
15. GPT-4: Es una versión hipotética más avanzada de la serie GPT, que se espera que tenga un tamaño de modelo más grande y unas capacidades mejoradas, en comparación con sus predecesores.
16. Indicaciones: Son textos de entrada que se le dan a un modelo de lenguaje para generar una respuesta o completar una tarea específica.
17. Ingeniería rápida: Se refiere al proceso de diseñar avisos efectivos para obtener las respuestas deseadas de los modelos de lenguaje, mejorando su utilidad y confiabilidad.
18. InstructGPT: Es un modelo de IA desarrollado por OpenAI para seguir instrucciones dadas en avisos. Eso le permite generar respuestas más precisas y específicas para cada tarea.
19. Inteligencia Artificial General (AGI): La AGI, por sus siglas en inglés, se refiere a una IA hipotética, capaz de realizar cualquier tarea intelectual que también pueda ser llevada a cabo por un ser humano. Esta IA demuestra habilidades cognitivas similares a las humanas en diversos dominios.
20. LaMDA: Es el modelo de IA conversacional de Google. Fue diseñado para participar en conversaciones de dominio abierto y es capaz de comprender y generar respuestas para una amplia variedad de temas.
21. Mecanismo de atención: Los mecanismos de atención en las redes neuronales permiten que los modelos sopesen la importancia de diferentes elementos de entrada entre sí, mejorando su capacidad de procesar el contexto.
22. Modelos de difusión: Estos modelos representan la difusión de la información, influencia u otros fenómenos a través de una red.
23. Modelos de Lenguaje Grande: Son modelos de IA entrenados en grandes cantidades de datos de texto, capaces de comprender y generar texto similar al humano.
24. Midjourney: Es un bot capaz de crear imágenes con IA a través del servidor de Discord.
25. OpenAI: OpenAI es una organización de investigación de IA que se enfoca en desarrollar una Inteligencia Artificial General (AGI) que beneficie a todos.
26. Preentrenamiento: Es la fase inicial de entrenamiento de un modelo de aprendizaje profundo en un gran conjunto de datos (a menudo sin supervisión).
27. Problema de alineación: El problema de alineación se refiere al desafío de diseñar sistemas de IA que entiendan y actúen sobre las intenciones, valores y objetivos humanos, en lugar de ser optimizados con objetivos no deseados.
28. Procesamiento del lenguaje natural (PNL): La PNL es un campo de la IA que permite que las computadoras comprendan, interpreten y generen lenguaje humano.
29. Red neuronal artificial: Una red neuronal artificial es un modelo computacional inspirado en la estructura y la función del cerebro humano. Consta de nodos interconectados, llamados neuronas, que procesan y transmiten información.
30. Retropropagación: Es un algoritmo de optimización ampliamente utilizado en redes neuronales que minimiza el error entre las salidas predichas, y las salidas reales, ajustando los pesos del modelo.
31. Seguridad de IA: La seguridad de la IA involucra el estudio y la práctica de construcción de sistemas de IA, que operan de manera segura y se alinean con los valores humanos, logrando que no le causen daño a la humanidad.
32. Singularidad: Hace referencia a un punto teórico en el futuro. Atiende a los avances de la IA que conducen a cambios rápidos, incontrolables y transformadores en la sociedad y que potencialmente superan la comprensión humana.
33. Sintonía FINA: Es el proceso de adaptar un modelo previamente entrenado para una tarea específica. Se usan datos etiquetados que guardan relación con esa tarea y de esa forma se refina su desempeño.
34. Transformador: Es una arquitectura de aprendizaje profundo que permite completar tareas secuencia a secuencia. Es ampliamente conocida por su mecanismo de auto atención, el cual permite capturar dependencias de largo alcance en los datos.
35. Token: Un token es una unidad de texto, como una palabra o subpalabra, que sirve como entrada en un modelo de lenguaje.
36. Tokenizador: Es una herramienta que divide el texto en tókenes individuales para que los procese un modelo de lenguaje.
37. Ventana de contexto: Es el número máximo de tókenes que un modelo de lenguaje puede procesar en un solo paso, lo que determina su capacidad para capturar el contexto en los datos de entrada.
La IA no se irá a ningún lado
No hay vuelta atrás. La IA llegó para quedarse y en lugar de omitirla o temerle, debemos aprender a usarla de forma ética y responsable.
Pero antes necesitamos entender su terminología básica; la misma que te compartimos en este glosario y que creó originalmente este usuario de Twitter.
De hecho, puedes descargar su plantilla en PDF haciendo clic en este enlace. (Aunque debemos destacar que toda la información está en inglés).
Contenidos relacionados:
Suscríbete y recibe en tu mail:
500 ideas para crear posts que llevarán tu blog a otro nivel. Suscríbete y recíbela en tu correo.
500 ideas para crear posts que llevarán tu blog a otro nivel. Suscríbete y recíbela en tu correo.
Compartir en: