Explicación de los términos clave de la IA: De los LLM a las alucinaciones

El mundo de la inteligencia artificial es vasto y complejo. Los expertos en este campo suelen utilizar jerga técnica para explicar su trabajo. Por eso, nuestra cobertura de la industria de la IA incluye estos términos especializados. Hemos reunido este glosario para aclarar las palabras y frases clave que encontrará en nuestros artículos.

Actualizaremos esta guía periódicamente a medida que los investigadores desarrollen nuevos métodos e identifiquen nuevos problemas de seguridad en la vanguardia de la IA.

AGI

La inteligencia artificial general (IAG) es un término amplio y a menudo controvertido. Por lo general, describe una IA que supera la capacidad humana en una amplia gama de tareas. Sam Altman, de OpenAI, la ha descrito como "un humano medio al que se podría contratar como compañero de trabajo", mientras que los estatutos de OpenAI definen la AGI como "sistemas altamente autónomos que superan a los humanos en la mayoría de los trabajos económicamente valiosos". Google DeepMind ofrece una visión ligeramente diferente, definiéndola como "IA que es al menos tan capaz como los humanos en la mayoría de las tareas cognitivas". El concepto sigue siendo fluido, incluso entre los principales investigadores de IA.

Agente de IA

Un agente de IA es una herramienta que aprovecha la IA para ejecutar de forma autónoma tareas de varios pasos más allá de las simples interacciones de chatbot. Esto podría incluir el archivo de gastos, la reserva de viajes o la gestión de código. Como campo en evolución, la definición de "agente de IA" puede variar, y la infraestructura necesaria aún está en desarrollo. Fundamentalmente, se refiere a un sistema autónomo que puede coordinar múltiples modelos de IA para lograr objetivos complejos.

Cadena de pensamiento

Los humanos pueden responder a preguntas sencillas al instante, pero los problemas complejos suelen requerir que se dividan en pasos. Por ejemplo, resolver un rompecabezas lógico sobre los animales de una granja requiere cálculos intermedios.

En IA, el razonamiento en cadena es una técnica en la que grandes modelos lingüísticos descomponen un problema en pasos lógicos más pequeños. Este proceso, aunque más lento, aumenta considerablemente la precisión, especialmente en tareas lógicas o de codificación. Los modelos de razonamiento especializados se construyen a partir de los LLM tradicionales y se optimizan para este razonamiento paso a paso mediante el aprendizaje por refuerzo.

(Véase: Modelo de lenguaje amplio)

Únase a nosotros en las sesiones de TechCrunch: AI

Asegúrese un puesto en nuestro principal evento del sector de la IA, con ponentes de OpenAI, Anthropic y Cohere. Durante un tiempo limitado, consiga un pase de día completo por sólo 292 $, que ofrece charlas de expertos, talleres y una potente red de contactos.

Exponga en TechCrunch Sessions: AI

Muestre su innovación a más de 1.200 responsables de la toma de decisiones en TC Sessions: AI. Consiga un stand asequible antes del 9 de mayo o mientras haya disponibilidad.

Aprendizaje profundo

Una sofisticada rama del aprendizaje automático en la que los algoritmos de IA se construyen con redes neuronales artificiales de varias capas. Esta arquitectura les permite identificar patrones intrincados y correlaciones mucho más allá de modelos más simples como los árboles de decisión. Inspirados en el cerebro humano, los modelos de aprendizaje profundo aprenden de forma autónoma características clave de los datos sin necesidad de que los humanos las definan manualmente. Mejoran mediante la repetición y la corrección de errores.

Sin embargo, estos modelos requieren conjuntos de datos masivos (millones de puntos o más) y recursos informáticos sustanciales para su entrenamiento, lo que conlleva mayores costes de desarrollo en comparación con el aprendizaje automático tradicional.

(Véase: Red neuronal)

Difusión

La difusión es la tecnología básica de muchos modelos modernos de IA que generan arte, música y texto. Inspirados en la física, estos sistemas añaden gradualmente ruido a los datos -como una imagen o un sonido- hasta que su estructura original queda completamente oscurecida. A diferencia del proceso irreversible de la naturaleza, los modelos de difusión de IA aprenden a invertir esta destrucción, reconstruyendo datos coherentes a partir del ruido, lo que les confiere potentes capacidades generativas.

Destilación

La destilación es una técnica "maestro-alumno" para transferir conocimientos de un gran modelo de IA a otro más pequeño. Los desarrolladores consultan el modelo maestro y registran sus resultados, que luego se utilizan para entrenar el modelo alumno de forma que imite el comportamiento del maestro. Este proceso puede crear un modelo más pequeño, más rápido y más eficiente con una pérdida mínima de rendimiento, un método que se cree que está detrás de versiones como GPT-4 Turbo.

Aunque se utiliza habitualmente a nivel interno, la destilación del modelo de un competidor suele violar los términos de servicio de la API, lo que plantea consideraciones éticas y legales en el sector.

Puesta a punto

Se refiere al entrenamiento adicional de un modelo de IA preexistente para especializar su rendimiento en una tarea o dominio específicos. Implica alimentar el modelo con nuevos datos orientados a la tarea. Muchas empresas de IA empiezan con un gran modelo lingüístico de uso general y luego lo perfeccionan con datos propios para mejorar su utilidad en un sector concreto, como el derecho o la medicina.

(Véase: Gran modelo lingüístico [LLM])

GAN

Una Generative Adversarial Network, o GAN, es un marco de aprendizaje automático que impulsa los avances en la generación de datos realistas, incluidos los deepfakes. Utiliza dos redes neuronales en competición: un generador que crea datos y un discriminador que evalúa su autenticidad. Este proceso contradictorio empuja al generador a producir resultados cada vez más realistas sin intervención humana constante. Las GAN destacan en aplicaciones específicas, como la generación de imágenes, pero son menos adecuadas para la IA de propósito general.

Alucinación

Alucinación es el término que se utiliza en la industria cuando los modelos de IA generan información incorrecta o inventada. Se trata de un reto importante para la fiabilidad y la seguridad de la IA. Los resultados engañosos pueden plantear riesgos en el mundo real, como proporcionar consejos médicos perjudiciales. Aunque la mayoría de las herramientas GenAI incluyen cláusulas de exención de responsabilidad, el problema persiste debido a las lagunas inherentes a los datos de formación, especialmente en el caso de los modelos de base amplia. Este problema está impulsando el desarrollo de modelos de IA más especializados y verticales que operan dentro de dominios de conocimiento más estrechos y mejor definidos para reducir los errores.

Inferencia

La inferencia es el proceso de utilizar un modelo de IA entrenado para hacer predicciones o sacar conclusiones a partir de nuevos datos. Es la fase de aplicación que sigue al entrenamiento. La inferencia puede ejecutarse en distintos tipos de hardware, desde smartphones hasta servidores en la nube con chips especializados en IA, pero el rendimiento varía enormemente. Los grandes modelos funcionan con lentitud en hardware de consumo en comparación con los sistemas dedicados de alto rendimiento.

[Formación]

Grandes modelos lingüísticos (LLM)

Los grandes modelos lingüísticos, o LLM, son la base de asistentes de inteligencia artificial tan populares como ChatGPT, Claude y Gemini. Cuando interactúas con estas herramientas, estás interactuando con un LLM, a menudo ampliado con funciones como la navegación web. El modelo subyacente (por ejemplo, GPT de OpenAI) y el producto de consumo (por ejemplo, ChatGPT) pueden tener nombres distintos.

Los LLM son redes neuronales profundas con miles de millones de parámetros que aprenden patrones a partir de grandes cantidades de texto. Construyen una representación compleja y multidimensional del lenguaje. Cuando se les pregunta, generan respuestas prediciendo la secuencia más probable de palabras basándose en patrones estadísticos aprendidos durante el entrenamiento.

(Véase: Red neuronal)

Red neuronal

Una red neuronal es la estructura algorítmica en capas fundamental para el aprendizaje profundo y el auge moderno de la IA. Aunque conceptualmente se inspira en el cerebro humano desde la década de 1940, su potencia práctica se desbloqueó con el auge de las GPU de la industria del videojuego. Estos chips entrenan eficientemente redes con muchas capas, lo que permite avances en áreas como el reconocimiento de voz, la navegación autónoma y la IA generativa.

(Véase: Gran modelo de lenguaje [LLM])

Entrenamiento

El entrenamiento es el proceso de introducir datos en un modelo de aprendizaje automático para que pueda aprender patrones y mejorar sus resultados. Inicialmente, un modelo no es más que una estructura de números aleatorios; el entrenamiento le da forma hasta convertirlo en una herramienta funcional, ya sea para identificar imágenes o escribir texto. Este proceso puede requerir muchos recursos, grandes cantidades de datos y potencia de cálculo. Los enfoques híbridos, como el ajuste fino de un sistema basado en reglas, pueden ayudar a gestionar estos costes.

[Véase: Inferencia]

Aprendizaje por transferencia

Técnica en la que un modelo entrenado para una tarea se utiliza como punto de partida para otra tarea relacionada pero diferente. De este modo, se aprovechan los conocimientos adquiridos previamente y se ahorra tiempo y recursos, sobre todo cuando los datos para la nueva tarea son limitados. Sin embargo, el modelo suele requerir un entrenamiento adicional con los datos específicos del nuevo dominio para obtener buenos resultados.

(Véase: Ajuste fino)

Ponderaciones

Las ponderaciones son los parámetros numéricos básicos de un modelo de inteligencia artificial que determinan la importancia de las distintas características de entrada durante el entrenamiento. Inicialmente se establecen al azar y se ajustan sistemáticamente a medida que el modelo aprende, dando forma a su resultado final. En un modelo de predicción del precio de la vivienda, por ejemplo, se aprenderían ponderaciones para características como el número de habitaciones o la ubicación, cuantificando su influencia en el precio final a partir de los datos de entrenamiento.