La Inteligencia Artificial ha transformado el panorama empresarial y, si bien todos pueden beneficiarse de ella, no todos tienen la formación tecnológica para comprender exactamente cómo funciona y qué hace.
A continuación, te ofrecemos un glosario de Inteligencia Artificial de todos los términos y definiciones esenciales que necesitas saber para comprender completamente la tecnología que se utiliza.
- Algoritmo: es una fórmula que representa una relación entre variables. En el aprendizaje automático, los modelos usan algoritmos para hacer predicciones a partir de los datos que analizan. Las redes sociales tienen algoritmos que utilizan el comportamiento anterior de los usuarios en la plataforma para mostrar el contenido que predice que es más probable que disfruten.
- Análisis de Inteligencia Artificial: es un tipo de análisis que utiliza el aprendizaje automático para procesar grandes cantidades de datos e identificar patrones, tendencias y relaciones. No requiere intervención humana y las empresas pueden usar los resultados para tomar decisiones basadas en datos y seguir siendo competitivas.
- Análisis predictivo: en Inteligencia Artificial, el análisis predictivo utiliza algoritmos para predecir la probabilidad de que ocurra en el futuro en función de patrones en datos históricos.
- Análisis de sentimiento: es el proceso de identificar señales emocionales y colas de texto para predecir el sentimiento general de una declaración.
- Análisis semántico: son máquinas que extraen significado de las entradas de información. Es similar al procesamiento del lenguaje natural, pero puede tener en cuenta factores más complejos, como el contexto cultural.
- Anotación de entidad: es una técnica de procesamiento de lenguaje natural para clasificar datos en categorías predefinidas (como el nombre de una persona) para facilitar el análisis, la comprensión y la organización de la información. También se le llama “extracción de entidades”.
- Antropomorfizar: la antropomorfización es cuando los humanos asignan cualidades a los sistemas de Inteligencia Artificial debido a cómo replican las habilidades humanas. Es una de las razones por las que la gente piensa que la Inteligencia Artificial es sensible, pero los expertos y científicos dicen que cualquier suposición de las cualidades humanas se debe a que los modelos hacen lo que están programados para hacer.
- Aprendizaje automático: es un tipo de Inteligencia Artificial en el que las máquinas usan datos y algoritmos para tomar decisiones y predicciones y completar tareas. Los sistemas de aprendizaje automático mejoran y son más precisos con el tiempo, ya que tienen nuevas experiencias y datos de los que aprender.
- Aprendizaje profundo: es un proceso de inteligencia artificial en el que los ordenadores aprenden de los datos y usan la comprensión para crear redes neuronales que replican el cerebro humano.
- Aprendizaje por refuerzo: es un proceso de aprendizaje automático en el que los sistemas aprenden y se corrigen a sí mismos a través de una prueba y error.
- Asistente de Inteligencia Artificial: generalmente un chatbot o un asistente virtual, utiliza Inteligencia Artificial para comprender y responder a las solicitudes humanas. Puede programar reuniones, responder preguntas y automatizar tareas repetitivas para ahorrar tiempo y mejorar la eficiencia.
- Autocompletar: esta función analiza la entrada, el texto o la voz y sugiere posibles palabras o frases siguientes en función de los patrones que aprende al analizar los datos históricos y el contexto y el patrón lingüístico de una persona.
- Aprendizaje supervisado: es cuando los humanos supervisan el proceso de aprendizaje automático y dan instrucciones específicas para el aprendizaje y los resultados esperados.
- Aprendizaje no supervisado: es cuando se deja que un sistema encuentre patrones y saque conclusiones e ideas a partir de datos sin intervención humana. Es lo opuesto al aprendizaje supervisado.
- Aprendizaje por transferencia: es una técnica de aprendizaje automático en la que se utiliza un modelo previamente entrenado como punto de partida para una nueva tarea.
- Aviso: es una entrada de lenguaje natural que se le da a un modelo. Los avisos pueden ser preguntas, tareas para completar o una descripción del tipo de contenido que un usuario quiere que la Inteligencia Artificial cree. Una definición simple es una instrucción que incita a un modelo a hacer algo.
- Bard: es la Inteligencia Artificial conversacional de Google que se ejecuta en LaMDA (modelo de lenguaje para aplicaciones de diálogo). Es similar a ChatGPT pero tiene una funcionalidad adicional para extraer información de Internet.
- Bing Search: es la herramienta de búsqueda de aprendizaje automático de Microsoft que utiliza redes neuronales para comprender las entradas rápidas, mostrar los resultados más relevantes y brindar respuestas. También puede producir nuevos contenidos e imágenes basados en texto.
- Bots: a menudo llamados chatbots, son programas basados en texto que los humanos usan para automatizar tareas o buscar información. Los bots pueden basarse en reglas y solo pueden completar tareas predefinidas o tener una funcionalidad más compleja.
- Chatbot: simula conversaciones humanas online respondiendo preguntas comunes o dirigiendo a las personas a los recursos adecuados para resolver sus necesidades.
- Chatbot de Inteligencia Artificial: es un programa que utiliza el aprendizaje automático y el procesamiento del lenguaje natural (NLP) para tener conversaciones similares a las de los humanos. Los chatbots de Inteligencia Artificial son populares en páginas web, aplicaciones o páginas de redes sociales para manejar las conversaciones de los clientes.
- ChatGPT: es una Inteligencia Artificial conversacional que se ejecuta en GPT, un modelo de lenguaje que utiliza el procesamiento del lenguaje natural para comprender mensajes de texto, responder preguntas o generar contenido.
- Ciencia cognitiva: estudia la mente y sus procesos. La Inteligencia Artificial es una aplicación de la ciencia cognitiva que aplica sistemas de la mente (como redes neuronales) a modelos de máquinas.
- Clasificación automática: consiste en categorizar y etiquetar datos en función de categorías únicas, lo que facilita la organización, la gestión y la recuperación de información.
- Comportamiento emergente: es cuando la Inteligencia Artificial completa tareas o desarrolla habilidades para las que no fue creada o programada.
- Consulta en lenguaje natural (NLQ): es una entrada escrita que aparece como si se dijera en voz alta, lo que significa que no hay caracteres especiales ni sintaxis.
- DALL-E: es el sistema generativo de OpenAI que utiliza instrucciones detalladas en lenguaje natural para crear imágenes y arte.
- Datos estructurados: son datos organizados que los algoritmos de aprendizaje automático pueden comprender fácilmente.
- Datos de entrenamiento: son lo que se le da a una máquina para aprender y completar sus tareas futuras.
- Difusión estable: es un modelo generativo que crea imágenes a partir de descripciones de texto detalladas (indicaciones).
- Ética de la Inteligencia Artificial: se refiere a que los humanos deben considerar las implicaciones del uso de la Inteligencia Artificial y garantizar su uso de una manera que sea inofensiva para los usuarios y cualquier persona que interactúe con ella. Dado que la Inteligencia Artificial es un campo en crecimiento, la ética de la IA Inteligencia Artificial evoluciona constantemente y se investiga.
- Extracción de características: es cuando una máquina divide la entrada en características específicas y usa esas características para clasificarlas y comprenderlas. En el reconocimiento de imágenes, un elemento específico de una imagen se puede definir como una característica, y la característica se utiliza para predecir la probabilidad de lo que podría ser una imagen completa.
- Generación de lenguaje natural (NLG): es cuando un modelo procesa el lenguaje y usa su comprensión para completar con precisión una tarea, ya sea respondiendo una pregunta o creando un esquema para un ensayo.
- Ingeniería de funciones: selecciona funciones específicas a partir de datos sin procesar para que un sistema sepa qué aprender durante el entrenamiento.
- Ingeniería rápida: consiste en descubrir las palabras y frases correctas que ayudan a los sistemas generativos a alinearse con la intención exacta de la entrada. Entonces, por ejemplo, descubrir las mejores palabras para que la Inteligencia Artificial escriba exactamente lo que se está buscando.
- Inteligencia Artificial: es un área de la informática en la que las máquinas completan tareas que requerirían inteligencia si las hiciera un ser humano, como aprender, ver, hablar, razonar o resolver problemas.
- Inteligencia Artificial autoconsciente: es el cuarto de los cuatro tipos de Inteligencia Artificial. Es una evolución adicional de la teoría de la mente, y las máquinas pueden comprender las emociones humanas y tener sus propias emociones, necesidades y creencias. Por el momento, es un concepto teórico.
- Inteligencia Artificial compuesta: combina diferentes tecnologías y técnicas de Inteligencia Artificial y las hace trabajar juntas para resolver problemas y manejar tareas complejas.
- Inteligencia Artificial conversacional: es una tecnología que imita un estilo conversacional humano y puede tener conversaciones lógicas y precisas. Utiliza procesamiento de lenguaje natural (NLP) y generación de lenguaje natural (NLG) para recopilar contexto y responder de manera relevante.
- Inteligencia Artificial generativa: procesa indicaciones mediante la identificación de patrones y el uso de esos patrones para producir un resultado que se alinea con su aprendizaje inicial, como una respuesta a una pregunta, texto, imágenes, audio, vídeo, código e incluso datos sintéticos.
- Inteligencia Artificial general: es la segunda de las tres etapas de la Inteligencia Artificial, donde los sistemas tienen inteligencia que les permite aprender y adaptarse a nuevas situaciones, pensar de manera abstracta y resolver problemas a la par de la inteligencia humana. Actualmente estamos en la primera etapa de la Inteligencia Artificial, y la Inteligencia Artificial General es principalmente teórica.
- Inteligencia Artificial limitada: es un sistema diseñado para realizar una tarea específica o un conjunto de tareas, pero no puede adaptarse para hacer nada más allá de eso. Es la primera de las tres etapas de la Inteligencia Artificial, y la mayoría de los sistemas actuales son Inteligencia Artificial limitada. También llamada Inteligencia Artificial débil.
- Inteligencia Artificial responsable: es implementar la Inteligencia Artificial de manera ética y con buenas intenciones para no perpetuar prejuicios y estereotipos dañinos.
- Máquina autónoma: es una máquina que puede aprender, razonar y tomar decisiones con los datos que tiene y sin intervención humana. Los coches autónomos son máquinas autónomas.
- Máquinas reactivas: las máquinas reactivas son el segundo de cuatro tipos de Inteligencia Artificial, y estos sistemas no tienen memoria ni comprensión del contexto y solo pueden completar una tarea específica. Los chatbots basados en reglas son máquinas reactivas.
- Midjourney: es un modelo generativo de Inteligencia Artificial que puede producir nuevas imágenes a partir de indicaciones de lenguaje natural.
- Minería de datos: consiste en descubrir patrones, relaciones y tendencias para obtener información de grandes conjuntos de datos. Se acelera con algoritmos de aprendizaje automático que pueden completar el proceso a un ritmo mucho más rápido.
- Modelo de lenguaje grande (LLM): está capacitado en un gran conjunto de datos históricos y utiliza su conocimiento para completar una tarea específica. GPT y LamDA son modelos de lenguaje.
- Modelo de lenguaje para aplicaciones de diálogo (LamDA): es el gran modelo de lenguaje de Google que puede tener conversaciones realistas con humanos, dar respuestas precisas y producir contenido nuevo.
- OpenAI: es un laboratorio de investigación de inteligencia artificial que creó GPT, DALL-E y otras herramientas de Inteligencia Artificial.
- Procesamiento del lenguaje natural (NLP): es la capacidad de una máquina para comprender e interpretar el lenguaje (tanto hablado como escrito) y utilizar la comprensión para tener experiencias conversacionales. El corrector ortográfico es un ejemplo básico y los modelos de lenguaje son una forma más avanzada.
- Prueba de Turing: Alan Turing inventó la prueba de Turing en 1950 para medir si el nivel de inteligencia de una máquina le permitía funcionar de una manera que no se distingue del rendimiento humano. Originalmente se llamaba el Juego de la imitación.
- Realidad Aumentada: es la superposición de elementos virtuales en escenas del mundo real, lo que permite a los usuarios existir en su espacio actual pero beneficiarse de elementos interactivos y aumentados. Los filtros de Snapchat son un ejemplo de Realidad Aumentada.
- Realidad Virtual: es cualquier software que sumerge a los usuarios en un entorno virtual tridimensional e interactivo utilizando un dispositivo sensorial.
- Reconocimiento de imágenes: es un proceso de aprendizaje automático que utiliza algoritmos para identificar objetos, personas o lugares en imágenes y vídeos. Google Lens es un ejemplo de reconocimiento de imágenes.
- Reconocimiento de patrones: es la capacidad de una máquina para reconocer patrones en los datos en función de los algoritmos que desarrolló durante el entrenamiento.
- Red bayesiana: es un modelo de probabilidad que estima la probabilidad de que ocurra un evento. La Inteligencia Artificial puede ayudar a crear redes bayesianas, ya que puede evaluar datos a una velocidad significativa.
- Redes neutrales: en relación con la Inteligencia Artificial, una red neuronal es una réplica computarizada de la red neuronal de un cerebro humano que permite que un sistema desarrolle conocimientos y haga predicciones de manera similar al cerebro humano.
- Representaciones de codificador bidireccional de Transformers (BERT): es el modelo de aprendizaje profundo de Google diseñado explícitamente para tareas de procesamiento de lenguaje natural como responder preguntas, analizar opiniones y traducir.
- Robótica: es el diseño de robots que pueden realizar tareas y realizar acciones gracias a la Inteligencia Artificial programada sin guía humana.
- Sesgo de Inteligencia Artificial: es la idea de que los sistemas de aprendizaje automático pueden estar sesgados debido a datos de entrenamiento sesgados, lo que los lleva a producir resultados que perpetúan y refuerzan estereotipos dañinos para comunidades específicas.
- Singularidad: es un futuro hipotético en inteligencia artificial donde los sistemas experimentan un crecimiento descontrolado y toman acciones que pueden afectar significativamente la vida humana. Estrechamente relacionada con la superinteligencia y la Inteligencia Artificial sensible.
- Sistema experto: replica las habilidades de toma de decisiones de los expertos humanos en un campo específico.
- Superinteligencia artificial (ASI): es la tercera y más avanzada etapa de la Inteligencia Artificial, donde los sistemas pueden resolver problemas complejos y tomar decisiones más allá de las capacidades de la inteligencia humana. Es un tema candente de debate ya que su potencial y los riesgos son puramente especulativos.
- Teoría de la Inteligencia Artificial de la mente: es la tercera evolución de los cuatro tipos de Inteligencia Artificial, y es una clase avanzada de tecnología que puede comprender los estados mentales de los humanos y usar ese conocimiento para tener interacciones reales. Por ejemplo, un sistema que comprende las emociones de un cliente descontento puede utilizar ese conocimiento para responder en consecuencia.
- Token: es una sola pieza de datos que un modelo de lenguaje usa para dar sentido a la entrada y hacer una predicción. Un token puede ser una sola palabra, caracteres en una cadena de palabras, subpalabras o características únicas dentro de la información visual.
- Transformador preentrenado generativo (GPT): es el modelo de lenguaje de OpenAI que se entrena en grandes cantidades de datos y, a partir de su entrenamiento, puede comprender entradas de lenguaje natural para responder preguntas, tener conversaciones similares a las humanas y producir contenido. GPT-4 es la iteración más reciente y avanzada de GPT.
- Visión artificial: consiste en modelos de aprendizaje profundo que analizan, interpretan y comprenden información visual, es decir, imágenes y vídeos. La búsqueda inversa de imágenes es un ejemplo de visión artificial.
