Ahora que el iPhone tiene Apple Intelligence, la IA se está abriendo paso hacia la corriente principal. ChatGPT, Google Gemini y Microsoft Copilot están incorporando la IA a toda la tecnología, cambiando la forma en que interactuamos con la tecnología. De repente, las personas pueden tener conversaciones significativas con las máquinas, lo que significa que puedes hacerle una pregunta a un chatbot de IA en lenguaje natural y este responderá con una respuesta novedosa como un humano.
Pero ese aspecto de los chatbots de IA es sólo una parte del panorama de la IA. Por supuesto, quédate ChatGPT te ayuda a hacer tu tarea o creando a mitad de camino Imágenes interesantes de mechs según el país de origen. Bien, pero el potencial de la IA generativa podría remodelar completamente la economía. Eso podría valer la pena. 4,4 billones de dólares anuales en la economía mundialSegún el McKinsey Global Institute, es por eso que debería esperar escuchar más sobre la inteligencia artificial.
Está apareciendo en una vertiginosa variedad de productos: una lista muy breve incluye Gemini de Google, Copilot de Microsoft, Cloud de Anthropic, la herramienta de búsqueda de inteligencia artificial de Perplexity y Gadgets de Human and Rabbit. Puede leer reseñas y evaluaciones prácticas de esos y otros productos, junto con noticias, explicaciones y publicaciones instructivas en nuestro AI Atlas Hub.
A medida que la gente se acostumbra más a un mundo en el que interviene la IA, aparecen nuevos términos por todas partes. Entonces, ya sea que esté tratando de parecer inteligente mientras toma una copa o impresiona en una entrevista de trabajo, aquí hay algunos términos importantes de IA que debe conocer.
Este glosario se actualiza periódicamente.
Inteligencia General Artificial, o AGI: Una idea que sugiere una versión más avanzada de la IA tal como la conocemos hoy, una que puede realizar tareas mucho mejor que los humanos y aprender y mejorar sus propias habilidades.
el agente Sistema o modelo que exhibe agencia con la capacidad de actuar de forma autónoma para lograr una meta. En el contexto de la IA, un modelo agentivo puede funcionar sin supervisión constante, como un coche autónomo de alto nivel. A diferencia de un marco “agencial”, que permanece en segundo plano, los marcos agentivos permanecen en primer plano y se centran en la experiencia del usuario.
Ética de la IA: Las políticas destinadas a evitar que la IA dañe a los humanos se logran mediante medidas como definir cómo los sistemas de IA recopilan datos o abordan los sesgos.
Seguridad de la IA: Un campo interdisciplinario que aborda los efectos a largo plazo de la IA y cómo de repente puede conducir a una superinteligencia que puede resultar hostil para los humanos.
Algoritmo: Una serie de instrucciones que permiten a un programa de computadora aprender y analizar datos de una manera específica, como identificar patrones, luego aprender de ellos y realizar tareas por sí solo.
Alineación: Ajustar una IA para producir mejor los resultados deseados. Esto puede referirse a cualquier cosa, desde moderar contenido hasta mantener interacciones positivas con las personas.
Antropología: Cuando los humanos comienzan a dar características humanas a objetos no humanos. En la IA, esto puede incluir hacer que un chatbot crea que es más humano y consciente de lo que realmente es, como creer que está feliz, triste o incluso completamente sensible.
Inteligencia artificial o IA: El uso de tecnología para imitar la inteligencia humana en programas informáticos o robótica. Un campo de la informática que tiene como objetivo crear sistemas que puedan realizar tareas humanas.
Agente Autónomo: Un modelo de IA que tiene la capacidad, programación y otras herramientas para realizar una tarea específica. Un automóvil autónomo es un agente autónomo, por ejemplo, porque tiene entradas sensoriales, GPS y algoritmos de conducción que pueden navegar por la carretera por sí solo. investigadores de stanford demostró que los agentes autónomos pueden desarrollar su propia cultura, tradiciones y lenguaje compartido.
inclinación: En el caso de modelos de lenguaje grandes, los errores se deben a los datos de entrenamiento. Esto puede llevar a atribuir erróneamente determinadas características a determinadas razas o grupos basándose en estereotipos.
Chatbot: Un programa que se comunica con los humanos a través de texto que imita el lenguaje humano.
chatgpt: Un chatbot de IA desarrollado por OpenAI que utiliza tecnología de modelos de lenguaje grandes.
Computación cognitiva: Otro término para la inteligencia artificial.
Aumento de datos: Remezclar datos existentes o agregar conjuntos de datos más diversos para entrenar una IA.
Aprendizaje profundo: Un enfoque de la IA y un subcampo del aprendizaje automático que utiliza múltiples parámetros para reconocer patrones complejos en imágenes, palabras y texto. El proceso está inspirado en el cerebro humano y utiliza redes neuronales artificiales para generar patrones.
Expansión: Un método de aprendizaje automático que toma un dato existente, como una fotografía, y agrega ruido aleatorio. Los modelos de difusión entrenan a sus redes para rediseñar o recuperar esa foto.
Comportamiento de emergencia: Cuando un modelo de IA muestra habilidades no deseadas.
Aprendizaje de extremo a extremo o E2E: Un proceso de aprendizaje profundo en el que se le indica a un modelo que realice una tarea de principio a fin. No está entrenado para completar una tarea de forma secuencial, sino que aprende de los datos aportados y los resuelve todos a la vez.
Consideraciones éticas: Conciencia de las implicaciones éticas y la privacidad, el uso de datos, la equidad, el uso indebido y otras cuestiones de seguridad de la IA.
Maldición: También conocido como despegue rápido o despegue duro. La idea es que si alguien construye un AGI, puede que ya sea demasiado tarde para salvar a la humanidad.
Red Adversaria Generativa o GAN: Un modelo de IA generativa que genera nuevos datos combinando dos redes neuronales: un generador y un discriminador. El generador crea contenido nuevo y el discriminador comprueba si es auténtico.
IA generativa: Una tecnología de generación de contenido que utiliza IA para generar texto, video, código de computadora o imágenes. La IA, dadas grandes cantidades de datos de entrenamiento, encuentra patrones para generar sus propias respuestas novedosas, que a veces pueden ser similares al material original.
Google Géminis: Un chatbot con IA de Google que funciona de manera similar a ChatGPT pero recopila información de la web actual, mientras que ChatGPT está limitado a datos hasta 2021 y no está conectado a Internet.
Línea ferroviaria: Los modelos de IA tienen políticas y restricciones para garantizar que los datos se manejen de manera responsable y que el modelo no genere contenido perturbador.
Alucinaciones: Una respuesta equivocada de la IA. La IA generativa puede incluir la producción de respuestas incorrectas pero expresadas con seguridad como si fueran correctas. Las razones de esto no se conocen completamente. Por ejemplo, cuando a un chatbot con IA se le pregunta: “¿Cuándo pintó Leonardo da Vinci la Mona Lisa?” es Puede responder con una declaración incorrecta. Decir: “Leonardo da Vinci pintó la Mona Lisa en 1815”, que es 300 años después de la pintura real.
Supuestos: Process AI utiliza modelos para generar texto, imágenes y otro contenido sobre nuevos datos adivinar De sus datos de entrenamiento.
El modelo de lenguaje grande, o LLM: Un modelo de IA entrenado con grandes cantidades de datos de texto para comprender el lenguaje y generar contenido novedoso en un lenguaje similar al humano.
Aprendizaje automático o ML: Un elemento de la IA que permite a las computadoras aprender sin programación explícita y producir mejores resultados predictivos. Se puede combinar con conjuntos de capacitación para crear contenido nuevo.
Microsoft Bing: Un motor de búsqueda de Microsoft que ahora puede utilizar la tecnología que impulsa ChatGPT para ofrecer resultados de búsqueda impulsados por IA. Es similar a Google Gemini a la hora de conectarse a Internet.
IA multimodal: Un tipo de IA que puede procesar múltiples tipos de entrada, incluidos texto, imágenes, videos y voz.
Procesamiento del lenguaje natural: Una rama de la IA que utiliza el aprendizaje automático y el aprendizaje profundo para brindar a las computadoras la capacidad de comprender el lenguaje humano, a menudo utilizando algoritmos de aprendizaje, modelos estadísticos y reglas lingüísticas.
Red neuronal: Un modelo computacional que se asemeja a la estructura del cerebro humano y está destinado a reconocer patrones en los datos. Consta de nodos o neuronas interconectados que reconocen patrones y aprenden con el tiempo.
Sobreajuste: El problema del aprendizaje automático es que trabaja demasiado estrechamente con los datos de entrenamiento y es posible que solo pueda identificar ejemplos específicos en los datos existentes, pero no en los nuevos.
Clip de papel: Teoría del maximizador de clips, desarrollada por Philosopher Nick Bostrom de la Universidad de Oxford, un escenario hipotético en el que un sistema de IA generaría tantos clips literales como fuera posible. Con el objetivo de producir la máxima cantidad de clips, un sistema de IA consumirá o transformará hipotéticamente todos los materiales para lograr su objetivo. Esto puede incluir descomponer otras máquinas para fabricar más clips, máquinas que podrían ser útiles para los humanos. La consecuencia no deseada de este sistema de IA es que puede destruir a la humanidad con el objetivo de crear clips.
Parámetros: Los valores numéricos que dan la estructura y comportamiento del LLM, permiten predecirlo.
Confusión: Nombre de un chatbot y motor de búsqueda impulsado por IA propiedad de Perplexity AI. Utiliza un modelo de lenguaje grande, similar al que se encuentra en otros chatbots de IA, para responder preguntas con respuestas novedosas. Su conexión a Internet abierta le permite proporcionar información y resultados actualizados en toda la web. Perplexity Pro, un nivel de servicio pago, también está disponible y utiliza otros modelos, incluidos GPT-4o, Claude 3 Opus, Mistral Large, LlaMa 3 de código abierto y su propio Sonar 32k. Los usuarios Pro también pueden cargar documentos para su análisis, generar imágenes e interpretar código.
Inmediato: Una sugerencia o pregunta que ingresa en un chatbot de IA para obtener respuesta.
Encadenamiento rápido: La capacidad de la IA de utilizar información de interacciones anteriores para dar color a respuestas futuras.
Loro estocástico: Una analogía con el LLM que explica que el software no tiene una comprensión más amplia del lenguaje o del significado del mundo que lo rodea, por muy convincente que pueda parecer el resultado. La frase se refiere a cómo un loro puede imitar palabras humanas sin entender el significado detrás de ellas.
Estilo de transferencia: La capacidad de adaptar el estilo de una imagen al contenido de otra permite a una IA interpretar las características visuales de una imagen y utilizarla en otra. Por ejemplo, tomar el autorretrato de Rembrandt y recrearlo al estilo de Picasso.
Temperatura: Los parámetros se establecen para controlar qué tan aleatoria es la salida de un modelo de lenguaje. Las temperaturas más altas significan que el modelo corre más riesgos.
Generación de imágenes a partir de texto: Creación de imágenes basadas en descripciones de texto.
Simbólico: Pequeños fragmentos de texto escrito que los modelos de lenguaje de IA procesan para generar respuestas a sus indicaciones. Una ficha equivale a cuatro letras en inglés, o aproximadamente tres cuartos de una palabra.
Información de entrenamiento: Conjuntos de datos utilizados para ayudar a los modelos de IA a aprender, incluidos texto, imágenes, código o datos.
Modelo de transformador: Una arquitectura de red neuronal y un modelo de aprendizaje profundo que aprende el contexto mediante el seguimiento de relaciones en datos, como partes de oraciones o imágenes. Entonces, en lugar de analizar una oración palabra por palabra, puede mirar la oración completa y comprender el contexto.
Prueba de Turing: Lleva el nombre del famoso matemático e informático Alan Turing y prueba la capacidad de una máquina para comportarse como un ser humano. La máquina desaparece si un humano no puede distinguir la respuesta de la máquina de la de otro humano.
Aprendizaje no supervisado: Una forma de aprendizaje automático en la que no se proporcionan datos de entrenamiento etiquetados al modelo y, en cambio, el modelo debe reconocer patrones en los datos mismos.
IA débil, también conocida como IA estrecha: IA que se centra en una tarea específica y no puede aprender más allá de su conjunto de habilidades. La mayor parte de la IA actual es una IA débil.
Aprendizaje de disparo cero: Una prueba en la que un modelo debe completar una tarea sin proporcionar los datos de entrenamiento requeridos. Un ejemplo es reconocer un león cuando se lo entrena únicamente con tigres.