Categoría: Glosario Inteligencia Artificial
-
Overfitting
El Overfitting (sobreajuste) es un problema común que ocurre durante el entrenamiento de un modelo de IA. Sucede cuando el modelo aprende «demasiado bien» los datos de entrenamiento, incluyendo el ruido y los detalles específicos de ese dataset, en lugar de aprender los patrones generales. Como resultado, el modelo funciona perfectamente con los datos que…
-
LLM (Large Language Model)
Un LLM (Large Language Model) o Gran Modelo de Lenguaje es un tipo de Inteligencia Artificial diseñado específicamente para entender, procesar y generar lenguaje humano (texto) a gran escala. Son «grandes» tanto por la enorme cantidad de datos con los que se entrenan (a menudo, gran parte de internet) como por el número masivo de…
-
Inferencia
La Inferencia es la fase en la que un modelo de IA ya entrenado se utiliza para hacer predicciones, clasificaciones o generar resultados sobre datos nuevos que no formaban parte de su entrenamiento. Si el entrenamiento es la fase de «estudio», la inferencia es el «examen» o, mejor dicho, la aplicación práctica de lo aprendido.…
-
Fine-tuning
El Fine-tuning (ajuste fino) es una técnica muy común en IA que consiste en tomar un modelo pre-entrenado en una gran cantidad de datos generales y adaptarlo o especializarlo para una tarea más específica usando un dataset más pequeño y enfocado. Imagina un chef que ha recibido una formación general excelente en todo tipo de…
-
Entrenamiento (Training)
El Entrenamiento es el proceso mediante el cual un modelo de Inteligencia Artificial aprende a realizar una tarea específica. Es la fase de «estudio» donde la IA ajusta sus parámetros internos basándose en los datos que se le proporcionan (el dataset). Siguiendo la analogía del estudiante, el entrenamiento serían las horas de estudio, la realización…
-
Dataset
Un Dataset (conjunto de datos) es, simplemente, la colección de información que se utiliza para entrenar y/o evaluar un modelo de Inteligencia Artificial. Es el material de estudio fundamental para que la IA pueda aprender. Piensa en ello como los libros de texto, los ejercicios resueltos y los exámenes de prueba que usaría un estudiante.…
-
Aprendizaje no supervisado
A diferencia del supervisado, el Aprendizaje No Supervisado es como aprender descubriendo patrones por uno mismo, sin etiquetas ni respuestas predefinidas. Aquí, el sistema de IA recibe datos «crudos», sin ninguna indicación sobre lo que significan o cómo están organizados. Imagina que le das a la IA una enorme colección de noticias de diferentes fuentes…
-
Aprendizaje supervisado
Dentro del Aprendizaje Automático, el Aprendizaje Supervisado es como aprender con un profesor que te da las respuestas correctas. En este enfoque, el sistema de IA se entrena con un conjunto de datos donde cada ejemplo viene «etiquetado» con la solución correcta. Imagina que quieres enseñar a una IA a distinguir entre correos electrónicos que…
-
Aprendizaje automático (Machine Learning)
El Aprendizaje Automático, o Machine Learning (ML), es una rama de la Inteligencia Artificial que se centra en una idea clave: las máquinas pueden aprender por sí mismas a partir de datos, sin necesidad de ser programadas explícamente para cada tarea. Piensa en cómo aprende un niño: no le das reglas exactas para reconocer a…
-
Algoritmo
Imagina una receta de cocina. Te dice paso a paso qué ingredientes necesitas y qué acciones debes realizar en un orden específico para conseguir un resultado: un pastel delicioso, por ejemplo. Un algoritmo es, en esencia, muy parecido: es un conjunto de instrucciones o reglas claras y ordenadas que se siguen para resolver un problema…