Unfired.ai
Empezar ahora

BlogGlossary

Glosario de IA en lenguaje claro

Definiciones cortas de las palabras que aparecen en herramientas, cursos y ofertas de empleo. Para aprender, no un libro de texto.

A

A/B test
Comparar dos versiones midiendo resultados.
Agent
Software que puede tomar un objetivo y usar herramientas por pasos, en lugar de responder una sola vez.
Alignment
Esfuerzo para que un modelo siga el comportamiento previsto, incluidas las negativas. No garantiza verdad.
Annotation
Etiquetas que añaden las personas a los datos para que los modelos aprendan o para evaluar respuestas.
API
Una forma de que un programa pida a otro que haga algo, por ejemplo llamar a un modelo.
Artificial intelligence
Software que redacta, clasifica o detecta patrones de formas que asociamos con el juicio.
Attention
Mecanismo de transformer que deja al modelo ponderar qué tokens importan para la siguiente predicción.
Automation
Una serie guardada de pasos que corre con menos trabajo manual.
Autonomous agent
Un agente al que se permite varias acciones con herramientas con menos dirección humana paso a paso.

B

Batch inference
Ejecutar muchos prompts juntos para ganar eficiencia.
Benchmark
Una prueba estándar para comparar modelos. Una nota alta no significa que encaje con tus archivos.
Bias
Un sesgo sistemático en datos o salida, incluidos patrones injustos del entrenamiento.

C

Caching
Reutilizar resultados anteriores para ahorrar tiempo o coste.
Chain of thought
Pasos de razonamiento intermedios visibles. Útil en problemas difíciles; no sustituye comprobar una fuente.
Chatbot
Una interfaz donde escribes y un modelo responde por turnos.
Checkpoint
Una instantánea guardada de los pesos del modelo durante o después del entrenamiento.
Chunking
Dividir documentos en trozos para la recuperación.
Citation
Un enlace o referencia a una fuente. Solo ayuda si la abres.
Classification
Asignar un ítem a una categoría, como spam o no spam.
Claude
La familia de asistentes de Anthropic para chat y, en algunos planes, herramientas de documentos.
Completion
La continuación del prompt que produce el modelo.
Computer use
Cuando un agente puede operar una pantalla o un navegador como un usuario.
Constitutional AI
Un enfoque de entrenamiento que usa principios escritos para dar forma al comportamiento.
Content filter
Un clasificador que marca material no permitido.
Context stuffing
Meter demasiado en la ventana de contexto hasta que se pierden piezas importantes.
Context window
Cuánto texto puede considerar un modelo a la vez.
Contrastive learning
Aprender acercando ítems similares y alejándolos de otros.
Copilot
Nombre de asistentes dentro de otros productos; a menudo el de Microsoft en Microsoft 365.
Corpus
Una gran colección de textos usada para entrenar o evaluar.
Cosine similarity
Una puntuación de cercanía entre dos embeddings.

D

Data leakage
Cuando datos de evaluación aparecen por error en el entrenamiento.
Dataset
Una colección de ejemplos usada para entrenar o probar un modelo.
Decoding
Convertir las puntuaciones del modelo en tokens reales.
Deterministic
Producir la misma salida para la misma entrada cuando así se configura.
Diffusion model
Un modelo de imagen que convierte ruido en una foto guiada por un prompt.
Distillation
Entrenar un modelo más pequeño para imitar a uno más grande.

E

Embedding
Una lista de números que representa texto o una imagen para buscar similitudes.
Embedding space
El mapa donde los significados similares quedan cerca.
Endpoint
Una URL donde una API recibe peticiones.
Ensemble
Combinar varios modelos o prompts para ganar robustez.
Entropy
Una medida de incertidumbre en las predicciones.
Epoch
Una pasada completa por un conjunto de entrenamiento.
Evaluation
Una forma repetible de medir si un cambio ayudó.

F

Feature store
Un sistema que sirve señales preparadas a los modelos.
Few-shot
Dar unos pocos ejemplos en el prompt.
Fine-tuning
Entrenamiento adicional sobre un conjunto más estrecho de ejemplos.
Foundation model
Un modelo grande entrenado de forma amplia, luego adaptado a productos.
Function calling
Permitir que un modelo pida una llamada de herramienta estructurada que la app ejecuta.

G

Generative AI
Modelos que crean texto, imágenes, audio o código a partir de un prompt.
GPU
Hardware usado a menudo para entrenar y ejecutar modelos grandes con rapidez.
Gradient
Una señal usada en el entrenamiento para actualizar pesos.
Ground truth
La respuesta correcta aceptada usada para evaluar.
Grounding
Atar respuestas a fuentes concretas, como archivos que subiste.
Guardrails
Reglas del producto que filtran o reformulan salidas inseguras o fuera de política.

H

Hallucination
Una respuesta fluida que es falsa, sin respaldo o inventada.
Heuristic
Una regla práctica que no garantiza ser óptima.
Human in the loop
Una persona revisa o aprueba la salida antes de que cuente.
Hyperparameter
Un ajuste de entrenamiento elegido por personas, como la tasa de aprendizaje.

I

Inference
Usar un modelo entrenado para producir una respuesta.
Inference cost
Lo que pagas en dinero o cómputo por cada respuesta.
Instruction tuning
Entrenamiento que enseña a un modelo a seguir mejor las instrucciones.

J

Jailbreak
Un intento de saltarse las reglas de seguridad del modelo.
JSON mode
Forzar la salida a JSON para que el software pueda leerla.

K

Knowledge base
Documentos de los que una app puede recuperar al responder.
Knowledge cutoff
El punto tras el cual el entrenamiento puede no incluir eventos más nuevos.
KV cache
Optimización de velocidad que guarda valores intermedios de atención.

L

Latency
Cuánto esperas por una respuesta. Más rápido no es más exacto.
Latency budget
Cuánto puede esperar un producto antes de que los usuarios noten demora.
LLM
Large language model: un modelo entrenado con mucho texto.
Logprob
La probabilidad logarítmica de un token bajo el modelo.
LoRA
Un método ligero de fine-tuning que añade pesos adaptadores pequeños.

M

Machine learning
Métodos que aprenden patrones a partir de ejemplos.
Memory
Funciones del producto que guardan hechos sobre un usuario entre chats.
Modality
Un tipo de entrada o salida, como texto, imagen o audio.
Model card
Un documento que describe uso previsto, límites y notas de entrenamiento.
Model routing
Enviar una petición a distintos modelos según la tarea.
MoE
Mixture of experts: enrutar tokens a subredes especializadas.
Multimodal
Aceptar o producir más de un tipo de datos.

N

N-gram
Una secuencia corta de n tokens o palabras.
Natural language processing
La computación con lenguaje humano.
Neural network
Una arquitectura en capas usada en deep learning.
Noise
Aleatoriedad o variación irrelevante en datos o generación.

O

OCR
Reconocimiento óptico de caracteres: leer texto en imágenes.
On-device model
Un modelo que corre en un teléfono o portátil en lugar de un servidor remoto.
Ontology
Un mapa estructurado de conceptos y relaciones.
Open-source model
Un modelo compartido bajo una licencia que puedes leer. Revisa el uso comercial.
Orchestration
Código que coordina prompts, herramientas y comprobaciones.
Overfitting
Aprender los ejemplos de entrenamiento tan estrecho que fallan los casos nuevos.

P

Parameter
Un número dentro de un modelo fijado durante el entrenamiento.
Perplexity
En evaluación, cuánto sorprende un texto al modelo; también un nombre de producto.
Persona
Un estilo o rol fijo que pides al asistente.
PII
Información de identificación personal que hay que tratar con cuidado.
Plugin
Una extensión que deja a un asistente llamar a un servicio externo.
Post-processing
Reglas aplicadas después de generar, como el formato.
Prefill
La fase de inferencia que lee el prompt antes de decodificar.
Pretraining
La primera pasada grande de entrenamiento antes de la especialización.
Privacy budget
Límites sobre cuánta señal privada puede exponer un sistema.
Prompt
Las instrucciones y el contexto que le das a un modelo.
Prompt engineering
Escribir y revisar prompts para que la salida sea usable.
Prompt injection
Texto malicioso que intenta anular instrucciones.

Q

Quantization
Guardar pesos con menos bits para ejecutar más barato o más rápido.

R

RAG
Generación aumentada por recuperación: busca en tus documentos y luego genera.
Rate limit
Un tope de cuántas peticiones puedes enviar.
Re-ranking
Reordenar pasajes recuperados con un modelo más fuerte.
Reasoning model
Un modo que dedica pasos extra antes de responder.
Red teaming
Probar a propósito un sistema en busca de fallos y daños.
Refusal
Cuando un modelo rechaza una petición bajo su política.
Regression test
Una evaluación que atrapa respuestas que antes funcionaban y ahora fallan.
Reinforcement learning
Aprender a partir de recompensas y penalizaciones.
Retrieval
Encontrar pasajes relevantes para una pregunta.
RLHF
Aprendizaje por refuerzo a partir de feedback humano.

S

Safety filter
Una capa que bloquea o reescribe contenido no permitido.
Sampling
Elegir el siguiente token a partir de una distribución de probabilidad.
Sandbox
Un entorno aislado para ejecutar herramientas con seguridad.
Schema
Una descripción de campos permitidos en una salida estructurada.
Seed
Un número que hace repetible el muestreo aleatorio.
Self-consistency
Muestrear varias respuestas y quedarse con la más común.
Sentiment analysis
Estimar la actitud en un texto, como positiva o negativa.
Sequence
Una lista ordenada de tokens que procesa el modelo.
Serving
Ejecutar modelos en producción para tráfico en vivo.
Shadow mode
Registrar lo que haría un sistema nuevo sin actuar todavía.
Speculative decoding
Un truco de velocidad que usa un modelo pequeño para proponer tokens.
Speech to text
Convertir audio en palabras escritas.
Stop sequence
Texto que indica al modelo que termine una completion.
Streaming
Enviar la respuesta token a token mientras se genera.
Structured output
Una respuesta forzada a una forma, como una lista o JSON.
Style transfer
Reescribir texto o imágenes para que coincidan con un estilo.
Supervised learning
Aprender a partir de ejemplos etiquetados.
Synthetic data
Datos generados por modelos o scripts para entrenar o probar.
System prompt
Instrucciones fijas que dan forma al comportamiento del asistente.

T

Telemetry
Métricas de uso del producto usadas para mejorar sistemas.
Temperature
Un ajuste que cambia cuán variado puede ser el texto. No es un dial de precisión.
Text to speech
Convertir palabras escritas en audio.
Token
Un trozo de texto que el modelo cuenta, a menudo parte de una palabra.
Tokenizer
El componente que divide el texto en tokens.
Tool use
Cuando un modelo puede llamar a calculadoras, búsqueda u otras apps.
Top-k
Muestrear solo entre los k tokens siguientes más probables.
Top-p
Muestrear del conjunto más pequeño de tokens cuyas probabilidades suman p.
Trace
Un registro de prompts, herramientas y salidas para depurar.
Training data
Los ejemplos de los que aprendió un modelo.
Transformer
La arquitectura detrás de la mayoría de los modelos de lenguaje modernos.
Truncation
Cortar texto que no cabe en la ventana de contexto.

U

Unit test for prompts
Ejemplos fijos que deben seguir pasando tras cambios de prompt.
Unsupervised learning
Aprender estructura sin etiquetas.

V

Vector database
Un almacén optimizado para embeddings y búsqueda por similitud.
Vision model
Un modelo que trabaja con imágenes o fotogramas de vídeo.
Vision-language model
Un modelo que maneja juntos imágenes y texto.

W

Warm start
Empezar desde pesos existentes en lugar de al azar.
Watermarking
Señales pensadas para marcar contenido generado, con fiabilidad limitada.
Web grounding
Obtener páginas en vivo antes de responder.
Weights
Los parámetros guardados de un modelo entrenado.
Whisper
Nombre común de modelos de voz a texto de esa familia.
Workflow
Origen → herramienta → revisión → destino de un trabajo.

X

XML tagging
Usar etiquetas en prompts para separar instrucciones de datos.

Y

YOLOs
Término informal para enviar código generado sin revisión — evítalo.

Z

Z-shot
Otra forma en que algunas personas dicen zero-shot.
Zero-shot
Pedir una tarea solo con instrucciones, sin ejemplos.