Diccionario de IA
Aprende la terminología y los conceptos clave utilizados en Inteligencia Artificial.
Hemos elaborado este Diccionario de Inteligencia Artificial que incluye una lista de términos clave en orden alfabético y con un índice por letras para una fácil referencia. Cada término cuenta con un enlace a información más completa.
Este glosario es dinámico y se irá actualizando con información y términos relevantes. Te invitamos a guardar esta página en tus favoritos (Ctrl + D en windows 🖥️ o Command + D en Mac ) para consultarla cuando lo necesites.
Diccionario de IA – Índice por Letra
A – B – C – D – E – F – H – I – M – N – O – P – Q – R – S – T – V
A
Algoritmo
Un algoritmo de inteligencia artificial es un conjunto de instrucciones y reglas diseñadas para que las máquinas puedan aprender y tomar decisiones de forma autónoma. A diferencia de los algoritmos tradicionales que siguen reglas predeterminadas, los algoritmos de IA tienen la capacidad de aprender y adaptarse a las circunstancias con el tiempo.
Aprendizaje Automático (Machine Learning)
El Aprendizaje Automático (AA) o Machine Learning (ML) es un subcampo de la inteligencia artificial que desarrolla técnicas para permitir que las computadoras aprendan y mejoren su desempeño a través de la experiencia y el uso de datos.
Aprendizaje Automático Supervisado
El Aprendizaje Automático Supervisado es una rama de la inteligencia artificial que funciona como un proceso de entrenamiento donde se le enseña a una computadora a tomar decisiones utilizando datos etiquetados.
Aprendizaje Automático No Supervisado
El Aprendizaje Automático No Supervisado es una técnica de inteligencia artificial que permite a las computadoras descubrir patrones y relaciones en datos sin necesidad de instrucciones o guía humana
Aprendizaje por refuerzo
El aprendizaje por refuerzo es una rama del aprendizaje automático donde un agente aprende a tomar decisiones mediante la interacción con un entorno, guiando su propio aprendizaje a través de recompensas y castigos.
Aprendizaje Profundo (Deep Learning)
El Aprendizaje Profundo o Deep Learning es una forma avanzada de inteligencia artificial que permite a las computadoras aprender y tomar decisiones de manera similar a como lo hace el cerebro humano.
Asistente Virtual
Un asistente virtual es un software de inteligencia artificial que actúa como un asistente personal, diseñado para realizar tareas y responder a solicitudes de manera automatizada.
B
Big Data
Aunque no es exclusivo de la inteligencia artificial, el término se refiere a conjuntos de datos tan grandes y complejos que requieren herramientas y técnicas especiales para su procesamiento y análisis. En IA, el Big Data es fundamental para entrenar modelos y mejorar su precisión.
Bot
Un bot es un programa automatizado que puede realizar tareas específicas en línea, como responder preguntas o interactuar con usuarios. Los bots de chat, por ejemplo, utilizan IA para simular conversaciones humanas.
C
Chatbot
Un chatbot es un programa informático basado en inteligencia artificial diseñado para mantener conversaciones con usuarios a través de texto o voz, simulando una interacción humana natural.
Clustering
El clustering es una técnica de machine learning no supervisado que organiza y clasifica objetos o puntos de datos en grupos (clusters) basados en sus similitudes y patrones.Esta técnica permite analizar datos sin necesidad de etiquetas previas, ya que los elementos dentro de un mismo cluster comparten características similares y son diferentes a los de otros clusters,
Conjunto de Datos (Dataset)
Un conjunto de datos o dataset es una colección organizada de información que se utiliza para entrenar y desarrollar modelos de inteligencia artificial.
D
Datos
Los datos son elementos que, al ser procesados, permiten obtener información valiosa y generar conocimiento. En el contexto tecnológico actual, los datos son la base para el funcionamiento de sistemas inteligentes y la toma de decisiones.
E
Embedding
Un embedding es una representación numérica (vectorial) de información, donde elementos similares se ubican cerca entre sí. Esta tecnología es fundamental para que las máquinas puedan comprender y procesar información de manera más natural. Los embeddings convierten diferentes tipos de datos (palabras, imágenes, sonidos) en vectores numéricos que capturan las relaciones y similitudes entre sus elementos.
Entrenamiento
El entrenamiento en IA es un proceso sistemático mediante el cual se enseña a un modelo de inteligencia artificial a interpretar datos y tomar decisiones precisas para resolver tareas específicas.
Ética de la IA
La ética de la IA es un campo multidisciplinario que estudia los principios morales y valores que deben guiar el desarrollo, implementación y uso de sistemas de inteligencia artificial de manera responsable.
Etiquetado de datos
El etiquetado de datos es el proceso de asignar etiquetas o categorías significativas a datos sin procesar (como imágenes, textos, videos o audio) para proporcionar contexto que permita a los modelos de machine learning aprender de ellos.
F
Fine-tuning
El Fine-tuning es una técnica de entrenamiento en inteligencia artificial que permite personalizar y adaptar un modelo previamente entrenado para tareas específicas. En lugar de crear y entrenar un modelo desde cero, esta técnica aprovecha el conocimiento existente de un modelo base para ajustarlo a necesidades particulares.
Función de pérdida (Loss function)
Una función de pérdida es una herramienta matemática que mide qué tan bien o mal está funcionando un modelo de inteligencia artificial al realizar predicciones. Funciona como un «medidor de errores» que calcula la diferencia entre lo que el modelo predice y el valor real que debería predecir
H
Heurística
Se refiere a un enfoque práctico para resolver problemas que no garantiza una solución óptima, pero que es suficiente para alcanzar un objetivo inmediato. En IA, las heurísticas son utilizadas para mejorar la eficiencia de algoritmos, especialmente en problemas complejos donde el tiempo de cálculo es crítico.
I
IA Generativa
La IA Generativa es un tipo avanzado de inteligencia artificial que tiene la capacidad única de crear contenido nuevo y original. A diferencia de otros tipos de IA que solo analizan o clasifican información existente, la IA generativa puede producir contenido completamente nuevo como textos, imágenes, videos, música y código de software.
Inferencia
La inferencia en Inteligencia Artificial es el proceso mediante el cual un modelo de IA aplica lo que ha aprendido durante su entrenamiento para procesar datos nuevos y desconocidos, generando predicciones o tomando decisiones
Ingeniería de prompts
La ingeniería de prompts es una disciplina especializada que se centra en diseñar y optimizar instrucciones (prompts) para obtener los mejores resultados posibles de los modelos de inteligencia artificial.
Inteligencia Artificial
La inteligencia artificial (IA) es un campo de la informática que se enfoca en crear sistemas capaces de realizar tareas que normalmente requieren inteligencia humana. Estos sistemas buscan imitar funciones cognitivas como el aprendizaje, el razonamiento, la percepción y la resolución de problemas.
M
Minería de Datos (Data Mining)
La Minería de Datos es un proceso técnico que analiza grandes volúmenes de información para extraer conocimiento valioso y descubrir patrones significativos. Esta disciplina combina elementos de estadística, Inteligencia Artificial y aprendizaje automático para convertir datos brutos en información útil.
Modelo
Un modelo de IA es un programa computacional diseñado para reconocer patrones, hacer predicciones o tomar decisiones de forma autónoma, sin requerir intervención humana constante.
Modelo de Lenguaje Grande (LLM)
Los Modelos de Lenguaje Grande (LLM) son sistemas de inteligencia artificial avanzados que utilizan redes neuronales con miles de millones de parámetros, entrenados en enormes cantidades de texto mediante aprendizaje autosupervisado.
N
Neurona Artificial
Una neurona artificial es una unidad computacional que imita el funcionamiento de las neuronas biológicas del cerebro humano. Estas unidades son los componentes fundamentales de las redes neuronales artificiales.
O
Optimización
La optimización en Inteligencia Artificial es un proceso fundamental que busca encontrar la mejor solución posible para resolver un problema, mejorando la eficacia y eficiencia de los algoritmos y modelos de IA.
Overfitting
El overfitting o sobreajuste es un error de modelado que ocurre cuando un modelo de aprendizaje automático se ajusta excesivamente a los datos de entrenamiento. Este fenómeno tiene importantes implicaciones para el rendimiento y utilidad del modelo.
P
Preprocesamiento de Datos
El preprocesamiento de datos es la transformación de datos brutos en un formato más adecuado y significativo para que los modelos de inteligencia artificial puedan trabajar con ellos de manera efectiva. Es como preparar los ingredientes antes de cocinar: así como no cocinarías sin limpiar y organizar los ingredientes, no deberías analizar datos sin preprocesarlos.
Procesamiento del Lenguaje Natural (NLP)
El Procesamiento del Lenguaje Natural (NLP) es una rama de la Inteligencia Artificial que se enfoca en permitir que las computadoras interactúen con los humanos mediante el lenguaje natural, tanto escrito como hablado. Esta tecnología permite a las máquinas analizar, comprender y generar lenguaje humano de manera significativa.
Prompt
Un prompt es una instrucción o texto que se utiliza para interactuar con sistemas de inteligencia artificial, actuando como un comando para solicitar que el sistema realice una tarea específica. La inteligencia artificial analiza el contenido escrito en el prompt y genera una respuesta o contenido acorde a lo solicitado. Es fundamental incluir todos los detalles necesarios de manera clara y específica para obtener los resultados deseados.
Q
Query (Consulta)
En el contexto de bases de datos y sistemas de información, una consulta es una solicitud de información específica. En IA, las consultas se utilizan para extraer datos relevantes de grandes conjuntos de datos, lo que es fundamental para el análisis y la toma de decisiones.
R
Reconocimiento de Voz
El reconocimiento de voz es una tecnología de inteligencia artificial que permite a las máquinas procesar y convertir el habla humana en texto escrito o comandos ejecutables.
Redes Generativas Adversariales (GAN)
Las Redes Generativas Adversariales (GAN) son una arquitectura innovadora de aprendizaje profundo presentada por Ian Goodfellow en 2014, que ha revolucionado el campo de la inteligencia artificial.
Redes Neuronales Convolucionales (CNN)
Las Redes Neuronales Convolucionales (CNN o ConvNet) son un tipo especializado de red neuronal artificial que imita el funcionamiento del sistema visual humano para procesar y analizar datos.
Regresión
La regresión en IA es una técnica de aprendizaje automático supervisado que analiza la relación entre variables para realizar predicciones sobre valores continuos. Su objetivo principal es encontrar patrones y relaciones entre una variable dependiente (que se desea predecir) y una o más variables independientes (utilizadas como entrada).
Robótica
La robótica es una ciencia multidisciplinaria que se dedica al diseño, operación, manufacturación, estudio y aplicación de autómatas o robots. Esta disciplina representa la cumbre del desarrollo tecnológico, combinando diversos campos como la ingeniería mecánica, eléctrica, electrónica, biomédica y las ciencias de la computación
S
Sesgo de Algoritmo
El sesgo algorítmico se refiere a errores sistemáticos y repetibles en sistemas de inteligencia artificial que crean resultados injustos o discriminatorios. Este fenómeno ocurre cuando un sistema informático refleja los valores y prejuicios de los humanos involucrados en su desarrollo, codificación y recolección de datos.
T
Transformers
Los Transformers son modelos de aprendizaje profundo que revolucionaron el campo del Procesamiento del Lenguaje Natural (PLN) desde su introducción en 2017 por investigadores de Google AI
V
Visión Artificial
La visión artificial es una rama de la inteligencia artificial que permite a los sistemas informáticos imitar la capacidad humana de ver y comprender el mundo visual. Esta tecnología permite que las máquinas puedan obtener, procesar y analizar información a partir de imágenes digitales, videos y otras entradas visuales.