Glosario de términos populares de IA: qué significan alucinaciones, tokens y prompts

TechCrunch ha publicado un glosario actualizado de términos de inteligencia artificial. Con el crecimiento explosivo de la IA han aparecido decenas de palabras y jergas nuevas que pueden confundir incluso a usuarios con experiencia.

Términos básicos de IA

Cuando se habla de aprendizaje automático y redes neuronales, suelen aparecer palabras como «entrenamiento», «parámetros» y «vectores». Pero hay una serie de términos específicos que se repiten sobre todo en el contexto de los grandes modelos de lenguaje.

• Hallucinations (alucinaciones): cuando un LLM genera con total seguridad información falsa y la presenta como hechos. Un ejemplo típico: ChatGPT se inventa artículos que no existen o atribuye a personas acciones que no cometieron.
• Prompt engineering (ingeniería de prompts): el arte de formular instrucciones para la IA. Un buen prompt puede mejorar la calidad de la respuesta varias veces, y uno malo puede anular el resultado.
• Fine-tuning (ajuste fino): adaptación de un modelo preentrenado a tareas y datos específicos. Las empresas toman GPT-4 y lo entrenan con sus documentos corporativos.
• Embeddings (representaciones vectoriales): códigos numéricos con los que la IA codifica el significado de palabras y documentos. Son la base de la búsqueda, el clustering y el análisis semántico.
• Token: la unidad mínima de texto (una palabra o parte de ella) que procesa el modelo. ChatGPT calcula el coste por tokens, de modo que en el contexto de la API «token» equivale a dinero.

Arquitectura y métodos

En los últimos años se ha consolidado un conjunto estándar de técnicas para trabajar con modelos.

Transformer es la arquitectura sobre la que se sostienen todos los LLM modernos, como GPT y BERT. El transformer permitió a las redes neuronales procesar secuencias de datos en paralelo, lo que revolucionó la velocidad de entrenamiento.

RAG (retrieval-augmented generation) es una técnica en la que el modelo primero busca documentos relevantes en fuentes externas y después genera una respuesta a partir de ellos. Así, el LLM puede trabajar con información actualizada sin reentrenarse y se reducen las alucinaciones.

Otro término clave es RLHF (reinforcement learning from human feedback). Fue mediante RLHF como OpenAI logró que ChatGPT fuera educado, útil y seguro. Las valoraciones humanas ayudan al modelo a aprender no solo de patrones estadísticos en los datos, sino también de las preferencias de las personas, lo que cambia el propio comportamiento del modelo.

Por qué importa

Entender los términos básicos ayuda a leer con espíritu crítico las noticias sobre IA. Si conoces las «alucinaciones», entenderás por qué los modelos a veces mienten. Si sabes qué son los «tokens», podrás optimizar el gasto en API. Saber que existe la «ingeniería de prompts» debería convencerte de no precipitarte: formular bien una pregunta merece atención.

El glosario de TechCrunch no pretende ser exhaustivo, pero ofrece una lingua franca, un lenguaje común para hablar de IA tanto con un especialista técnico como con un periodista o un directivo.

Qué significa

Estandarizar la terminología es el primer paso para debatir con rigor sobre una tecnología. A medida que avanza la IA, el lenguaje de los profesionales y el del público deben converger; de lo contrario, quedará la sensación de que se habla de cosas distintas. Cuando todos hablan el mismo idioma, es más fácil encontrar la verdad y evitar el pánico.

Si trabajas con herramientas de IA o simplemente sigues las noticias, el glosario te ahorra horas de búsqueda de definiciones y ejemplos. En lugar de vagar por muchas fuentes, tienes una sola referencia que puedes abrir en cualquier momento.