La IA ahora es parte de nuestra vida cotidiana. De la gran popularidad de Chatgpt a Google Resúmenes de IA abarrotados En la parte superior de sus resultados de búsqueda, AI se está apoderando por completo de Internet. Con IA, puede obtener respuestas instantáneas a casi cualquier pregunta. Puede tener ganas de hablar con alguien que tiene un Ph.D. en todo.
Pero ese aspecto de los chatbots de IA es solo una parte del paisaje de IA. Claro, teniendo Chatgpt Ayuda Haz tu tarea o hacer que la parte de la pareja cree Imágenes fascinantes de mechs basados en el país de origen es genial, pero el potencial de la IA generativa podría remodelar completamente las economías. Que podría valer la pena $ 4.4 billones para la economía global anualmenteSegún McKinsey Global Institute, por eso debe esperar escuchar cada vez más sobre inteligencia artificial.
Se encuentra en una vertiginosa variedad de productos: una lista corta y corta incluye Google’s GéminisMicrosoft’s CopilotoAntrópico Tirarel Perplejidad Puede leer nuestras reseñas y evaluaciones prácticas de esos y otros productos, junto con noticias, explicadores y publicaciones de cómo hacer, en nuestro Tienes Atlas Hub.
A medida que las personas se acostumbran más a un mundo entrelazado con IA, aparecen nuevos términos en todas partes. Entonces, ya sea que esté tratando de sonar inteligente con las bebidas o impresionar en una entrevista de trabajo, aquí hay algunos términos de IA importantes que debe saber.
Este glosario se actualiza regularmente.
Inteligencia general artificial, o AGI: Un concepto que sugiere una versión más avanzada de la IA de lo que sabemos hoy, una que puede realizar tareas mucho mejor que los humanos al tiempo que enseñan y avanzan sus propias capacidades.
agente: Sistemas o modelos que exhiben agencia con la capacidad de perseguir de forma autónoma acciones para lograr un objetivo. En el contexto de la IA, un modelo de agente puede actuar sin supervisión constante, como un automóvil autónomo de alto nivel. A diferencia de un marco «agente», que se encuentra en segundo plano, los marcos de agente están al frente, centrándose en la experiencia del usuario.
AI Ética: Principios destinados a evitar que la IA dañe a los humanos, logrados a través de medios como determinar cómo los sistemas de IA deben recopilar datos o tratar con sesgo.
AI SEGURIDAD: Un campo interdisciplinario que se preocupa por los impactos a largo plazo de la IA y cómo podría progresar repentinamente a una súper inteligencia que podría ser hostil para los humanos.
algoritmo: Una serie de instrucciones que permite que un programa de computadora aprenda y analice los datos de una manera particular, como reconocer patrones, para luego aprender de él y realizar tareas por sí solas.
alineación: Ajustar una IA para producir mejor el resultado deseado. Esto puede referirse a cualquier cosa, desde moderando contenido hasta mantener interacciones positivas hacia los humanos.
antropomorfismo: Cuando los humanos tienden a dar objetos no humanos, características similares a los humanos. En AI, esto puede incluir creer que un chatbot es más humano y consciente de lo que realmente es, como creer que es feliz, triste o incluso sensible por completo.
inteligencia artificial, o ai: El uso de la tecnología para simular la inteligencia humana, ya sea en programas de computadora o en robótica. Un campo en informática que tiene como objetivo construir sistemas que puedan realizar tareas humanas.
Agentes autónomos: Un modelo de IA que tiene las capacidades, la programación y otras herramientas para lograr una tarea específica. Un automóvil autónomo es un agente autónomo, por ejemplo, porque tiene entradas sensoriales, GPS y algoritmos de conducción para navegar por sí solo. Investigadores de Stanford han demostrado que los agentes autónomos pueden desarrollar sus propias culturas, tradiciones y lenguaje compartido.
inclinación: En lo que respecta a los grandes modelos de idiomas, los errores resultantes de los datos de capacitación. Esto puede dar como resultado atribuir falsamente ciertas características a ciertas razas o grupos basados en estereotipos.
Chatbot: Un programa que se comunica con los humanos a través del texto que simula el lenguaje humano.
Chatgpt: Un chatbot ai desarrollado por Opadai que utiliza tecnología de modelos de lenguaje grande.
Computación cognitiva: Otro término para la inteligencia artificial.
Aumento de datos: Remezcando los datos existentes o agregando un conjunto de datos más diverso para capacitar a una IA.
conjunto de datos: Una colección de información digital utilizada para entrenar, probar y validar un modelo de IA.
Aprendizaje profundo: Un método de IA, y un subcampo de aprendizaje automático, que utiliza múltiples parámetros para reconocer patrones complejos en imágenes, sonido y texto. El proceso está inspirado en el cerebro humano y utiliza redes neuronales artificiales para crear patrones.
difusión: Un método de aprendizaje automático que toma una pieza de datos existente, como una foto, y agrega ruido aleatorio. Los modelos de difusión capacitan a sus redes para volver a diseñar o recuperar esa foto.
Comportamiento emergente: Cuando un modelo de IA exhibe habilidades involuntarias.
aprendizaje de extremo a extremo, o E2E: Un proceso de aprendizaje profundo en el que se instruye a un modelo para realizar una tarea de principio a fin. No está capacitado para realizar una tarea secuencialmente, sino que aprende de las entradas y la resuelve todo a la vez.
Consideraciones éticas: Una conciencia de las implicaciones éticas de la IA y los problemas relacionados con la privacidad, el uso de datos, la equidad, el mal uso y otros problemas de seguridad.
: También conocido como despegue rápido o despegue duro. El concepto de que si alguien construye un AGI, ya podría ser demasiado tarde para salvar a la humanidad.
Redes adversas generativas, o Gans: Un modelo de IA generativo compuesto por dos redes neuronales para generar nuevos datos: un generador y un discriminador. El generador crea un nuevo contenido, y el discriminador verifica si es auténtico.
AI generativa: Una tecnología de generación de contenido que utiliza IA para crear texto, video, código de computadora o imágenes. La IA se alimenta con grandes cantidades de datos de entrenamiento, encuentra patrones para generar sus propias respuestas novedosas, que a veces pueden ser similares al material fuente.
Google Géminis: Un chatbot de IA de Google que funciona de manera similar a ChatGPT pero extrae información de la web actual, mientras que ChatGPT se limita a los datos hasta 2021 y no está conectado a Internet.
barandas: Políticas y restricciones colocadas en los modelos de IA para garantizar que los datos se manejen de manera responsable y que el modelo no cree contenido inquietante.
alucinación: Una respuesta incorrecta de la IA. Puede incluir AI generativas que producen respuestas que son incorrectas pero que se declaren con confianza como correctas. Las razones de esto no son del todo conocidas. Por ejemplo, al preguntarle a un chatbot Ai, «¿Cuándo pintó Leonardo da Vinci a la Mona Lisa?» él puede responder con una declaración incorrecta Decir: «Leonardo da Vinci pintó la Mona Lisa en 1815», que es 300 años después de que realmente fue pintado.
inferencia: El proceso que los modelos de IA utilizan para generar texto, imágenes y otro contenido sobre nuevos datos, mediante inferir de sus datos de entrenamiento.
modelo de lenguaje grande, o LLM: Un modelo de IA entrenado en cantidades de masa de datos de texto para comprender el lenguaje y generar contenido novedoso en un lenguaje humano.
estado latente: El retraso de tiempo de cuando un sistema de IA recibe una entrada o un mensaje y produce una salida.
aprendizaje automático, o ML: Un componente en IA que permite que las computadoras aprendan y obtengan mejores resultados predictivos sin una programación explícita. Se puede combinar con conjuntos de entrenamiento para generar contenido nuevo.
Microsoft Bing: Un motor de búsqueda de Microsoft que ahora puede usar la tecnología que alimenta el chatgpt para dar resultados de búsqueda con IA. Es similar a Google Gemini al estar conectado a Internet.
AI multimodal: Un tipo de IA que puede procesar múltiples tipos de entradas, incluidos texto, imágenes, videos y discursos.
Procesamiento del lenguaje natural: Una rama de IA que utiliza el aprendizaje automático y el aprendizaje profundo para dar 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 los patrones en los datos. Consiste en nodos interconectados, o neuronas, que pueden reconocer patrones y aprender con el tiempo.
sobreajuste: Error en el aprendizaje automático donde funciona demasiado estrechamente a los datos de capacitación y solo puede identificar ejemplos específicos en dichos datos pero no nuevos datos.
PaperClips: La teoría del maximizador de PaperClip, acuñado por el filósofo Nick Boström de la Universidad de Oxford, es un escenario hipotético en el que un sistema de IA creará tantos clips literal como sea posible. En su objetivo de producir la cantidad máxima de clips, un sistema de IA consumiría hipotéticamente o convertiría todos los materiales para lograr su objetivo. Esto podría incluir desmantelar otra maquinaria para producir más clips, maquinaria que podría ser beneficiosa para los humanos. La consecuencia involuntaria de este sistema de IA es que puede destruir a la humanidad en su objetivo hacer clips.
Parámetros: Valores numéricos que dan estructura y comportamiento de LLMS, lo que le permite hacer predicciones.
Perplejidad: El nombre de un chatbot con IA y un motor de búsqueda propiedad de AI de perplejidad. Utiliza un modelo de idioma grande, como los que se encuentran en otros chatbots de IA, para responder preguntas con respuestas novedosas. Su conexión a Internet abierto también le permite dar información actualizada y obtener resultados de la web. Perplexity Pro, un nivel pagado del servicio, también está disponible y utiliza otros modelos, incluidos GPT-4O, Claude 3 Opus, Mistral Large, el Llama 3 de código abierto y su propio sonar 32k. Los usuarios de Pro también pueden cargar documentos para el análisis, generar imágenes e interpretar el código.
inmediato: La sugerencia o pregunta que entra en un chatbot de IA para obtener una respuesta.
Aviso rápido: La capacidad de la IA para usar información de interacciones anteriores para colorear las respuestas futuras.
Cuantización: El proceso por el cual un modelo de aprendizaje grande de IA se hace más pequeño y más eficiente (aunque ligeramente menos preciso) al reducir su precisión de un formato más alto a un formato más bajo. Una buena manera de pensar en esto es comparar una imagen de 16 megapíxeles con una imagen de 8 megapíxeles. Ambos siguen siendo claros y visibles, pero la imagen de mayor resolución tendrá más detalles cuando se acerque.
loro estocástico: Una analogía de los LLM que ilustra que el software no tiene una mayor comprensión del significado detrás del lenguaje o el mundo que lo rodea, independientemente de cuán convenciendo el suena de salida. La frase se refiere a cómo un loro puede imitar palabras humanas sin comprender el significado detrás de ellas.
Transferencia de estilo: La capacidad de adaptar el estilo de una imagen al contenido de otra, permitiendo que una IA interprete los atributos visuales de una imagen y lo use en otra. Por ejemplo, tomar el autorretrato de Rembrandt y recrearse al estilo de Picasso.
temperatura: Parámetros establecidos para controlar cuán aleatoria es la salida de un modelo de idioma. Una temperatura más alta significa que el modelo toma más riesgos.
Generación de texto a imagen: Creación de imágenes basadas en descripciones textuales.
Tokens: Pequeños bits de texto escrito que los modelos de lenguaje AI procesan para formular sus respuestas a sus indicaciones. Un token es equivalente a cuatro caracteres en inglés, o aproximadamente tres cuartos de una palabra.
Datos de capacitación: Los conjuntos de datos utilizados para ayudar a los modelos de IA a aprender, incluidos texto, imágenes, código o datos.
Modelo de transformador: Un modelo de arquitectura de redes neuronales y aprendizaje profundo que aprende el contexto mediante el seguimiento de las relaciones en datos, como en oraciones o partes de imágenes. Entonces, en lugar de analizar una oración una palabra a la vez, puede mirar la oración completa y comprender el contexto.
Prueba de Turing: El nombre del famoso matemático e informático Alan Turing, prueba la capacidad de una máquina para comportarse como un humano. La máquina pasa si un humano no puede distinguir la respuesta de la máquina de otro humano.
Aprendizaje no supervisado: Una forma de aprendizaje automático donde los datos de capacitación etiquetados no se proporcionan al modelo y, en cambio, el modelo debe identificar patrones en los datos por sí solo.
AI débil, también conocido como AI estrecho: AI que se centra en una tarea en particular y no puede aprender más allá de su conjunto de habilidades. La mayoría de la IA de hoy es una IA débil.
Aprendizaje de disparo cero: Una prueba en la que un modelo debe completar una tarea sin recibir los datos de capacitación necesarios. Un ejemplo sería reconocer a un león mientras solo estaba entrenado en tigres.
