Sistema que no solo responde, sino que ejecuta tareas por su cuenta, encadenando varios pasos para cumplir un objetivo. Por ejemplo, un asistente que organiza una agenda o completa un trámite.

Cuando una persona reformula lo que le pide a una herramienta de IA para acercarse al resultado que busca. Rara vez la primera instrucción da el mejor resultado.

Conjunto de pasos que sigue un programa para resolver una tarea o tomar una decisión.

Esfuerzo por lograr que un modelo de IA actúe conforme a lo que las personas quieren y esperan, y no de forma dañina o inesperada.

Cuando una herramienta de IA entrega información falsa o inventada con apariencia de ser cierta. Ocurre porque el modelo genera la respuesta más probable, no necesariamente la verdadera.

Tarea de etiquetar datos a mano, por ejemplo marcar qué hay en cada imagen, para que un modelo pueda aprender de ellos. En inglés, annotation o labeling.

Vía técnica por la que un programa se conecta con una herramienta de IA para usarla dentro de otra aplicación.

Método por el cual un sistema aprende a partir de ejemplos, en lugar de seguir reglas escritas una por una. Es la base de la mayoría de las herramientas de IA actuales.

Tipo de aprendizaje automático que usa redes neuronales de muchas capas. Está detrás de los avances recientes en inteligencia artificial.

Forma de entrenar un modelo mostrándole ejemplos ya resueltos, para que aprenda a resolver casos nuevos parecidos.

Herramienta de IA con la que se interactúa mediante una conversación, escribiendo o hablando de forma natural.

Herramienta de IA que ayuda a realizar tareas mediante instrucciones en lenguaje natural, por voz o por texto.

Uso de la IA para que una tarea repetitiva se realice sola, sin intervención manual en cada paso.

Colección organizada de información almacenada de forma que se pueda consultar con facilidad. Las herramientas de IA generativa no consultan una base de datos de hechos, y por eso pueden equivocarse.

Punto de referencia con el que se compara el desempeño de un modelo para saber si mejora.

Prueba estandarizada que se usa para medir y comparar el desempeño de distintos modelos de IA. En español se traduce como prueba de referencia.

Palabra en inglés para sesgo: una inclinación injusta o parcial en las respuestas de una IA, heredada de los datos con que se entrenó.

Conjuntos de datos tan grandes que requieren herramientas especiales para almacenarlos y analizarlos. La IA suele entrenarse con volúmenes de este tipo.

Expresión que describe un modelo cuyo funcionamiento interno no se puede observar ni explicar con facilidad, aunque se vean sus resultados.

Técnica en la que se pide a un modelo que explique su razonamiento paso a paso, lo que suele mejorar la calidad de la respuesta.

Programa que conversa con una persona mediante texto. Muchas herramientas de IA generativa se usan a través de un chatbot.

Herramienta de IA generativa, creada por OpenAI, que responde preguntas y genera texto a partir de las instrucciones que recibe.

Tarea en la que una IA asigna una etiqueta a algo, por ejemplo decidir si un correo es deseado o no deseado.

Modelo o programa cuyo funcionamiento interno es público y puede ser usado o modificado por cualquiera.

Ajuste de una organización a las leyes, normas y políticas que le aplican, incluidas las que regulan el uso de datos y de IA.

Uso de servidores remotos, accesibles por internet, para procesar y almacenar información. La mayoría de las herramientas de IA funcionan en la nube.

Colección de datos reunida para un fin concreto, por ejemplo entrenar o evaluar un modelo.

Autorización que una persona da para el uso de sus datos o su imagen, después de entender con claridad para qué se usarán.

Contenido generado por una máquina en lugar de por una persona, como una imagen o un texto creados con IA.

Asistente de IA de Microsoft, integrado en sus programas de oficina, que ayuda a redactar, resumir y trabajar con documentos.

Proceso de examinar grandes cantidades de datos para descubrir patrones o información útil.

Palabra en inglés para conjunto de datos. Aparece con frecuencia en cursos y documentación.

Cualquier pieza de información, como un número, un texto o una imagen, que puede ser procesada por una computadora. Los datos son la materia prima con la que aprende y funciona la IA.

El conjunto de textos, imágenes u otros materiales con los que se entrenó un modelo. Su calidad y sus sesgos influyen en las respuestas que produce.

Información que identifica a una persona, como su nombre, su rostro o su correo. Su uso en IA está sujeto a normas de protección.

Término en inglés para aprendizaje profundo. Es habitual encontrarlo sin traducir.

Imagen, audio o video falso, creado con IA, que imita de forma realista a una persona real.

Conjunto de derechos legales sobre una obra. En inteligencia artificial surge la pregunta de a quién pertenece lo que genera una herramienta y si esta usó obras protegidas para entrenarse.

Forma en que un modelo representa un texto o una imagen como una serie de números, para poder compararlos y relacionarlos. Aparece en temas técnicos y de búsqueda.

Proceso mediante el cual un modelo aprende a partir de grandes cantidades de datos antes de ponerse a disposición del público.

Reflexión sobre lo que está bien o mal al desarrollar y usar inteligencia artificial, incluidos temas como el sesgo, la privacidad y la transparencia.

Capacidad de explicar en términos comprensibles por qué un modelo de IA produjo un resultado. En inglés, explainability.

Técnica de dar a un modelo unos pocos ejemplos dentro de la instrucción para orientar el tipo de respuesta que se espera.

Proceso de tomar un modelo ya entrenado y afinarlo con datos específicos para una tarea concreta.

Modelo grande y general, entrenado con enormes cantidades de datos, que sirve de base para construir muchas aplicaciones distintas.

Herramienta de IA generativa de Google, con funciones similares a las de ChatGPT.

Producción automática de texto por parte de una herramienta de IA a partir de una instrucción.

Conjunto de normas, políticas y controles que regulan cómo se desarrolla y se usa la inteligencia artificial.

Sigla en inglés de la familia de modelos sobre la que se construyó ChatGPT. Significa, en español, transformador generativo preentrenado.

Sigla en inglés de unidad de procesamiento gráfico. Es el tipo de procesador que permite entrenar y ejecutar modelos de IA con rapidez.

Los datos correctos y verificados que se toman como referencia para entrenar o evaluar un modelo. En español, verdad de referencia.

Límites y controles que se ponen a una herramienta de IA para evitar que genere contenido dañino o inapropiado.

Palabra en inglés para alucinación: cuando una IA entrega información falsa con apariencia de ser cierta.

Cualquier programa o servicio que usa inteligencia artificial para realizar una tarea, como escribir, traducir o generar imágenes.

Tipo de inteligencia artificial que crea contenidos nuevos, como texto, imágenes, audio o video, en lugar de solo analizar información existente.

Uso de la inteligencia artificial de forma ética, transparente y consciente de sus riesgos y límites.

Momento en que un modelo ya entrenado se usa para producir una respuesta. Se distingue del entrenamiento, que es la fase de aprendizaje previa.

La técnica de redactar instrucciones claras y bien estructuradas para obtener mejores resultados de una herramienta de IA.

Palabra en inglés para lo que se introduce en una herramienta: la instrucción, el texto o el archivo que se le da. En español, entrada.

Tecnología que permite a una máquina realizar tareas que asociamos con la inteligencia humana, como redactar un texto, responder preguntas o generar una imagen.

La parte de un programa con la que interactúa la persona: los botones, campos y pantallas que ve y usa.

Grado en que se puede entender por qué un modelo de IA dio una respuesta determinada. Muchos modelos actuales son difíciles de interpretar.

Intento de burlar las barreras de seguridad de una herramienta de IA para que haga algo que normalmente no haría.

El lenguaje humano corriente, en contraste con el lenguaje de programación. Estas herramientas se manejan escribiendo como se le hablaría a una persona.

Permiso legal que establece cómo se puede usar una herramienta, un contenido o una obra, y bajo qué condiciones.

Sigla en inglés de modelo grande de lenguaje. Es el tipo de modelo que hay detrás de herramientas como ChatGPT o Gemini: se entrena con enormes cantidades de texto para generar respuestas en lenguaje natural.

Término en inglés para aprendizaje automático. Aparece con frecuencia en los cursos y en la documentación.

Señal, visible o invisible, que se incorpora a un contenido para indicar que fue generado por inteligencia artificial.

Datos que describen a otros datos, por ejemplo la fecha, el autor o el formato de un archivo.

Nombre general del sistema entrenado que produce las respuestas. Cuando se habla de "el modelo", se refiere al motor que está detrás de la herramienta.

Modelo cuyo funcionamiento interno no es público y se usa solo a través del servicio de la empresa que lo creó.

Tipo de modelo usado para generar imágenes, que parte de ruido visual y lo va refinando hasta formar una imagen.

Programa entrenado con grandes cantidades de texto para predecir qué palabra sigue en una frase. Es lo que hay detrás de herramientas como ChatGPT. No consulta una base de hechos, sino que genera la respuesta más probable, y por eso a veces se equivoca.

Modelo capaz de trabajar con más de un tipo de contenido a la vez, por ejemplo texto e imágenes.

Capacidad de una herramienta de IA para trabajar con varios tipos de contenido a la vez, como texto, imagen y sonido.

Sigla en inglés de procesamiento de lenguaje natural: el campo que se ocupa de que las máquinas entiendan y produzcan lenguaje humano.

Término en inglés para código abierto: un modelo o programa cuyo funcionamiento interno es público.

Empresa que desarrolló ChatGPT y varios de los modelos de IA más conocidos.

Opción que permite a una persona pedir que sus datos o sus obras no se usen, por ejemplo para entrenar un modelo.

Palabra en inglés para lo que produce una herramienta: la respuesta, el texto o la imagen que devuelve. En español, salida o resultado.

Situación en la que un modelo aprende demasiado bien los ejemplos con que se entrenó y falla al enfrentarse a casos nuevos. En español, sobreajuste.

Cada uno de los valores internos que un modelo ajusta durante su entrenamiento. Los modelos grandes tienen miles de millones.

Cada uno de los valores internos que un modelo ajusta durante el entrenamiento y que determinan sus respuestas. Los pesos son el resultado del aprendizaje.

Añadido que amplía las funciones de una herramienta de IA, por ejemplo para que acceda a internet o a otro programa.

Protección de la información personal que se introduce en una herramienta de IA. Es relevante saber si lo que se escribe se usa para entrenar el modelo.

Campo de la inteligencia artificial que se ocupa de que las máquinas entiendan y produzcan lenguaje humano.

El texto que se le escribe a una herramienta de IA para pedirle algo. La calidad de la respuesta depende en buena medida de cómo esté formulada la instrucción.

Instrucción de fondo que define el comportamiento de un asistente antes de que el usuario escriba nada.

Término en inglés para ingeniería de prompts: la técnica de redactar buenas instrucciones.

Técnica para engañar a una herramienta de IA introduciendo instrucciones ocultas en un texto, de modo que actúe de forma no prevista.

Acción de escribir instrucciones a una herramienta de IA. Se usa a menudo sin traducir.

Conjunto de derechos sobre creaciones del intelecto, que incluye los derechos de autor y es central al usar IA en trabajo creativo.

Técnica en la que una herramienta de IA consulta documentos externos antes de responder, para dar respuestas más precisas y actualizadas. En español, generación aumentada por recuperación.

Capacidad de una IA para identificar qué hay en una imagen, por ejemplo objetos, rostros o texto.

Capacidad de una IA para convertir el habla en texto.

Estructura de cálculo inspirada en el funcionamiento del cerebro, sobre la que se construyen muchos modelos de inteligencia artificial.

Práctica de poner a prueba una IA buscando a propósito sus fallos y riesgos, para corregirlos antes de ponerla a disposición del público.

Capacidad de un modelo de seguir funcionando bien ante datos inesperados, errores o intentos de engañarlo.

Recolección automática de información de sitios web. Es una de las formas en que se reúnen datos para entrenar modelos, y plantea debates legales.

Inclinación injusta o parcial en las respuestas de una IA, que proviene de los datos con que fue entrenada.

IA que sugiere contenidos o productos a partir del comportamiento previo de la persona, como las recomendaciones de una plataforma de video.

Situación en la que un modelo aprende demasiado bien los ejemplos con que se entrenó y falla ante casos nuevos.

Participación de una persona que revisa, corrige o aprueba lo que produce una IA, en lugar de dejarla actuar sin control.

Ajuste que regula qué tan predecible o creativa es la respuesta de un modelo. Un valor bajo da respuestas más seguras; uno alto, más variadas.

Función que genera una imagen a partir de una descripción escrita.

Función que genera un video a partir de una descripción escrita.

La unidad mínima en que un modelo de lenguaje divide el texto para procesarlo. Puede ser una palabra o parte de una palabra. El término aparece al hablar de los límites de longitud de una herramienta.

Palabra en inglés para entrenamiento: el proceso por el que un modelo aprende a partir de datos.

Tipo de arquitectura sobre la que se construyen los modelos de lenguaje actuales. Es un término técnico que aparece al explicar cómo funcionan por dentro.

Práctica de informar con claridad cuándo y cómo se usa una IA, y de explicar en qué se basan sus resultados.

Posibilidad de saber de dónde proviene un contenido o un dato y por qué pasos ha pasado.

Criterio legal que permite usar obras protegidas en ciertas circunstancias sin permiso del autor. Su aplicación a la IA es objeto de debate.

Comprobar que la información que entrega una IA es correcta antes de darla por buena o usarla.

La cantidad de texto que una herramienta puede tener en cuenta a la vez. Si una conversación se alarga demasiado, la herramienta empieza a "olvidar" lo dicho al principio.

Cuando se le pide a un modelo que resuelva una tarea sin darle ningún ejemplo previo, confiando en lo que ya aprendió.