Glosario de inteligencia artificial en español

Un glosario para consultar, no para leer de corrido. Cada término va explicado como se lo contaríamos a alguien listo que no se dedica a esto.

Agente

Un sistema de IA que no solo responde, sino que actúa: recibe un objetivo, decide los pasos, usa herramientas y sigue hasta terminar. Lo explicamos a fondo en Qué es un agente de IA.

Ajuste fino (fine-tuning)

Entrenar un poco más un modelo ya hecho, con ejemplos propios, para que se especialice en una tarea o adopte un estilo. Es más barato que entrenar desde cero, pero para la mayoría de los casos basta con buenas instrucciones o con RAG.

Alucinación

Cuando un modelo afirma con total seguridad algo falso: una cita inventada, una cifra que no existe, una sentencia que nunca se dictó. No «miente»: genera texto plausible, y a veces lo plausible no es verdad. Por eso conviene comprobar los datos.

API

La puerta por la que un programa habla con otro. Cuando una empresa usa «la API» de un modelo, su aplicación envía el texto y recibe la respuesta sin pasar por la web del chat. Se paga por uso, normalmente por tokens.

Aprendizaje automático (machine learning)

La rama de la IA en la que los programas aprenden patrones a partir de datos en lugar de seguir reglas escritas a mano. Todos los modelos de los que se habla hoy salen de aquí.

Código abierto y pesos abiertos

Un modelo de pesos abiertos publica los números que lo componen, de modo que cualquiera puede descargarlo y ejecutarlo. Código abierto, en sentido estricto, exige además publicar el código y, para muchos, los datos de entrenamiento. En la práctica se mezclan los dos términos. Mira los que puedes usar en tu ordenador.

Contexto y ventana de contexto

Todo lo que el modelo «tiene delante» al responder: tus instrucciones, la conversación y los documentos que le has dado. La ventana de contexto es el máximo que cabe. Si la conversación la supera, empieza a olvidar lo del principio.

Datos de entrenamiento

Los textos, imágenes o audios con los que se entrenó el modelo. De ahí salen sus capacidades, sus sesgos y también las disputas sobre derechos de autor.

Deepfake (ultrafalso)

Imagen, audio o vídeo generado o manipulado con IA para que parezca real, normalmente suplantando a una persona. El reglamento europeo obliga a etiquetarlos.

Difusión (modelos de)

La técnica que hay detrás de la mayoría de los generadores de imagen y vídeo: el modelo aprende a convertir ruido en una imagen, paso a paso, guiado por tu descripción. Mira los generadores de imágenes.

Embeddings (representaciones vectoriales)

Una forma de convertir un texto en una lista de números de modo que textos con significado parecido queden cerca. Es lo que permite buscar «por significado» y no solo por palabras exactas. Es la base de RAG.

Fecha de corte

El momento hasta el que llegan los datos con que se entrenó un modelo. De lo que pasó después no sabe nada, salvo que pueda buscar en internet.

IA generativa

La IA que produce contenido nuevo (texto, imágenes, audio, vídeo, código) en lugar de limitarse a clasificar o predecir. Es la que ha puesto el tema de moda.

IA general (AGI)

Una IA hipotética capaz de hacer cualquier tarea intelectual al nivel de una persona. No hay consenso sobre qué significa exactamente ni sobre cuándo llegaría, y conviene desconfiar de quien lo anuncia con fecha.

Inferencia

El momento en que el modelo ya entrenado se usa para responder. Entrenar se hace una vez y es carísimo; la inferencia ocurre cada vez que escribes y es lo que pagas en una API.

Instrucción (prompt)

Lo que le escribes al modelo. No hacen falta fórmulas secretas: hace falta contexto. Lo contamos en Cómo escribir buenas instrucciones.

Instrucciones de sistema (system prompt)

Un texto que el desarrollador pone antes de la conversación para fijar el papel, el tono y los límites del asistente. Tú no lo ves, pero explica por qué dos productos con el mismo modelo se comportan distinto.

Inyección de instrucciones (prompt injection)

Un ataque que consiste en esconder órdenes dentro de un contenido que la IA va a leer: una web, un correo, un documento. Es el principal riesgo de los agentes que navegan o leen tu bandeja de entrada.

LLM (gran modelo de lenguaje)

Un modelo entrenado con enormes cantidades de texto para predecir la siguiente palabra. De esa tarea tan simple, a gran escala, salen las capacidades de los asistentes actuales.

MCP (Model Context Protocol)

Un estándar abierto para conectar asistentes con herramientas y fuentes de datos: un mismo «enchufe» para que cualquier asistente compatible use tu calendario, tu base de datos o tu gestor de tareas.

Modelo

El resultado del entrenamiento: un archivo enorme de números que, dado un texto, calcula cómo continuar. El asistente que usas es un producto construido encima de un modelo.

Modelo de razonamiento

Un modelo que, antes de contestar, dedica tiempo a «pensar» paso a paso. Tarda más y cuesta más, pero acierta más en matemáticas, programación y problemas con varios pasos.

Multimodal

Que entiende o genera más de un tipo de contenido: texto, imagen, audio, vídeo. Un asistente multimodal puede mirar una foto y comentarla, o mantener una conversación hablada.

Parámetros

Los números internos del modelo que se ajustan durante el entrenamiento. Suele citarse su cantidad (miles de millones) como medida de tamaño, aunque más grande no siempre significa mejor.

RAG (generación aumentada por recuperación)

Una técnica para que el modelo responda con tus documentos: primero se buscan los fragmentos relevantes y luego se le pasan junto a la pregunta. Reduce las alucinaciones y permite citar la fuente. Es lo que hay detrás de casi todos los «chatea con tu PDF» y de los chatbots con tus datos.

Sesgo

La tendencia de un modelo a reproducir los desequilibrios de sus datos: estereotipos, puntos de vista dominantes, mejor rendimiento en unos idiomas que en otros. Por eso en cada ficha decimos si la herramienta funciona bien en español.

Temperatura

Un ajuste que regula cuánto se arriesga el modelo al elegir palabras. Baja: respuestas previsibles y repetibles. Alta: más variedad y más disparates. Los chats la fijan por ti; en las API puedes tocarla.

Texto a voz y voz a texto (TTS y STT)

Convertir texto escrito en habla, y habla en texto. Mira las de clonar tu voz y las de transcribir reuniones.

Token

La unidad en la que los modelos trocean el texto: a veces una palabra, a veces un trozo. Importa porque los límites y los precios se miden en tokens. En español, un texto ocupa algo más de tokens que el mismo texto en inglés.

Transformer

La arquitectura de red neuronal, presentada en 2017, en la que se basan casi todos los modelos actuales. Su aportación fue un mecanismo de «atención» que permite al modelo tener en cuenta todo el texto a la vez.

Ventana de contexto

Véase Contexto.

Visión por computador

La rama de la IA que interpreta imágenes y vídeo: reconocer objetos, leer texto en una foto, describir una escena.

¿Echas de menos un término? Escríbenos a hola@enlaces.ai y lo añadimos.