Términos de tecnología e IA, explicados
El vocabulario de la IA pasó de los artículos científicos al telediario más rápido de lo que nadie pudo explicarlo, y el resto de la tecnología ya era jerga. Esta sección cubre las dos cosas: cómo funcionan de verdad los modelos, del entrenamiento y la inferencia a las ventanas de contexto y los agentes, junto a los términos de software y seguridad que aparecen en los mismos artículos, como los zero-day, la deuda técnica y las API. La sección más grande de aquí, y la que más crece.
Destacados
¿Qué son los agentes de IA?
IA que actúa en vez de solo responder: el bucle planear-hacer-revisar, y por qué el bucle es también el riesgo.
¿Qué es una alucinación de IA?
Por qué la IA afirma datos inventados con total confianza, y por qué no puedes oírlo.
¿Qué es una red neuronal?
Matemática que aprende las reglas de los ejemplos en vez de tenerlas escritas, y por qué eso gana.
Los 59 términos
¿Qué son los agentes de IA?
IA que actúa en vez de solo responder: el bucle planear-hacer-revisar, y por qué el bucle es también el riesgo.
¿Qué es una alucinación de IA?
Por qué la IA afirma datos inventados con total confianza, y por qué no puedes oírlo.
¿Qué es una API?
El acuerdo fijo que permite a dos programas trabajar juntos sin conocer las tripas del otro.
¿Qué significa una API idempotente?
Por qué diez clics te cobran una vez — la propiedad que hace seguros los reintentos.
Aprendizaje automático e IA: ¿cuál es la diferencia?
La IA es el objetivo. El aprendizaje automático es el método que se impuso. No son intercambiables.
¿Qué son los benchmarks de IA?
Las puntuaciones tras cada lanzamiento de IA, qué miden y por qué el líder puede decepcionar.
¿Qué es el razonamiento en cadena de pensamiento?
Por qué un modelo que muestra su trabajo responde mejor, y qué cuesta ese pensar.
¿Qué es una capa de abstracción?
Simple por arriba, complejidad escondida debajo — e intercambiable sin romper nada.
¿Qué es el cifrado de extremo a extremo?
Por qué nadie por el camino puede leer el mensaje, y qué sigue quedando a la vista.
¿Qué es la cuantización?
Guardar los números de un modelo con menos precisión — la mitad de memoria, casi sin pérdida.
¿Qué son los datos sintéticos?
Datos de entrenamiento hechos por máquinas, por qué los laboratorios dependen cada vez más de ellos y cómo sale mal.
¿Qué es el descenso de gradiente estocástico (SGD)?
Millones de diales, una puntuación de error — cómo aprenden los modelos, pasito a pasito.
¿Qué es la destilación de modelos?
Entrenar un modelo con las respuestas de otro: para encoger el tuyo o alcanzar al rival.
¿Qué es la deuda técnica?
Atajos y sistemas envejecidos que facturan al futuro — principal, interés y pago.
¿Qué es el edge computing?
Hacer el trabajo en el dispositivo en lugar de un centro de datos, y las tres situaciones que lo exigen.
¿Qué es el fine-tuning (ajuste fino)?
Entrenar un poco más un modelo terminado con tus datos, y en qué se diferencia de RAG.
¿Qué es la generación aumentada por recuperación (RAG)?
Que la IA responda desde tus documentos — primero recuperar, luego generar, con recibos incluidos.
Modelos de IA open-source vs closed-source: ¿cuál es la diferencia?
Quién controla el modelo, quién ve tus datos y quién cobra por cada petición.
¿Qué es la inferencia (en IA)?
El modelo haciendo su trabajo real, y por qué la mitad barata acaba costando más.
¿Qué es la inyección de prompts?
Órdenes ocultas dentro del contenido que lee una IA — y por qué gana el texto del atacante.
¿Qué es una mezcla de expertos (MoE)?
Modelo enorme, una rebanada despierta por pregunta, y por qué eso mantiene asequible la frontera.
¿Qué es un modelo multimodal?
IA que toma imágenes, audio y texto juntos, y qué cuesta eso en velocidad y fiabilidad.
Overfitting vs. underfitting: ¿cuál es la diferencia?
Memorizar las respuestas vs. no abrir el libro — y la brecha de puntuaciones que delata a ambos.
¿Qué es una prueba de conocimiento cero (ZKP)?
Demuestra que algo es cierto sin revelar por qué — la criptografía de la verificación privada.
¿Qué es una red neuronal?
Matemática que aprende las reglas de los ejemplos en vez de tenerlas escritas, y por qué eso gana.
¿Qué es la retropropagación (backpropagation)?
Cómo un error final se convierte en un ajuste preciso para millones de parámetros — Buscar objetivo a escala.
¿Qué es el RLHF (aprendizaje por refuerzo con retroalimentación humana)?
El paso que convierte un predictor de texto en un asistente, y qué le enseña en silencio.
¿Qué es la temperatura en IA?
El dial entre la misma respuesta siempre y las apuestas creativas — y dónde lo fijan los productos.
¿Qué es la tokenización?
Cómo la IA trocea el texto antes de leer — y por qué algunos idiomas cuestan más.
¿Qué es el tradeoff sesgo-varianza?
Demasiado rígido vs. demasiado impresionable — y por qué el error total es mínimo en medio.
¿Qué es un transformer (en IA)?
El diseño tras la T de GPT: cada palabra atiende a todas las demás, todas a la vez.
¿Qué son los vector embeddings?
Significado convertido en coordenadas — cómo las máquinas encuentran lo parecido sin coincidir palabras.
¿Qué es una ventana de contexto?
Cuánto texto puede tener una IA en mente a la vez — y por qué los chats largos olvidan su inicio.
¿Qué es una vulnerabilidad de día cero (zero-day)?
Un agujero que solo conoce el atacante, por qué cuesta una fortuna y qué rompe de verdad la mayoría de sistemas.
¿Qué es el entrenamiento en IA?
El proceso que construye un modelo con ejemplos. Charlar con él después no cambia nada.
¿Qué es la AGI (inteligencia artificial general)?
La IA hipotética capaz de hacer cualquier cosa que haga una persona. No existe todavía, y no hay una prueba acordada.
¿Qué es la automejora recursiva?
Una IA ayuda a construir la siguiente IA, que construye la de después, mejor en cada vuelta.
¿Qué es la computación en la nube (cloud computing)?
Alquilar ordenadores por internet en vez de tenerlos. La mayoría de tus aplicaciones vive ahí.
¿Qué es la fecha de corte de conocimiento?
La fecha en que el modelo dejó de aprender. Limita lo que sabe, no lo que se le puede contar.
¿Qué es la ingeniería de contexto?
Decidir todo lo que ve un modelo antes de responder, en lugar de cómo se formula la pregunta.
¿Qué es Retrieve-for-Train?
Busca material de acampada y recibe una tienda, un saco, un hornillo y una linterna, no diez tiendas. Cómo Google sacó el razonamiento de la barra de búsqueda.
¿Qué es un agent harness?
El programa que envuelve a un modelo de IA y ejecuta de verdad las herramientas y el bucle.
¿Qué es un gran modelo de lenguaje (LLM)?
Un programa que predice qué texto viene después, y al que luego enseñan a responder en vez de divagar.
¿Qué es un system prompt (prompt de sistema)?
Las instrucciones ocultas que un chatbot lee antes de que empiece tu conversación. Cada respuesta está moldeada por ellas.
¿Qué es una GPU (unidad de procesamiento gráfico)?
El chip que hace miles de cálculos a la vez. Nació para los gráficos y hoy es el motor de la IA.
¿Qué es una VPN (red privada virtual)?
Un servicio que cifra tu tráfico de internet y lo saca por su propio servidor, para que otros vean menos de ti.
¿Qué son las migas de pan en un sitio web?
La pequeña línea de enlaces arriba que muestra el camino desde la portada hasta donde estás.
¿Qué es una clave de API (API key)?
La cadena que le dice a un servicio qué cuenta está llamando y a cuál cobrarle. No es una contraseña.
¿Qué es una caché?
Copias guardadas cerca para no repetir el viaje lento. Por qué acelera las cosas y por qué borrarla las arregla.
¿Qué es la latencia?
La espera entre pedir algo y que la respuesta empiece a llegar. No es lo mismo que internet lento, y más capacidad no lo arregla.
¿Qué son las leyes de escalado (scaling laws)?
El patrón detrás de la carrera de la IA: los modelos grandes mejoran siguiendo una curva previsible, y cada paso cuesta diez veces el anterior.
¿Qué es la alineación de la IA?
Conseguir que la IA persiga lo que queríamos decir y no la letra de lo que dijimos. Por qué existe ese hueco y por qué se ensancha.
¿Qué es la memoria de gran ancho de banda (HBM)?
Una pila de chips de memoria sobre el propio encapsulado del procesador, unida por un camino de más de mil cables. Existe porque el cálculo adelantó a la entrega.
¿Qué es una unidad de procesamiento tensorial (TPU)?
El chip de Google que conserva un solo tipo de aritmética, la multiplicación de rejillas de la que viven las redes neuronales, y gasta lo ahorrado en capacidad.
¿Qué es CUDA?
El software de Nvidia para sus chips gráficos: escribe código corriente y ejecútalo como miles de tareas a la vez. El detalle: corre solo en chips de Nvidia.
¿Qué es un clúster de cómputo?
Cientos o miles de ordenadores separados, cableados para ejecutar un solo trabajo. Lo difícil no es juntarlos: es mantenerlos de acuerdo.
Un núcleo vs varios núcleos: ¿cuál es la diferencia?
Una unidad de proceso por chip, o varias independientes compartiéndolo. Por qué los chips dejaron de acelerar, y qué hacen por ti los núcleos de más.
ASIC vs FPGA: ¿cuál es la diferencia?
Un chip se fabrica de forma permanente para una sola tarea; el otro se recablea cargando un archivo. La elección es una apuesta sobre volumen y certeza.
Slurm vs Kubernetes: ¿cuál es la diferencia?
Dos programas que deciden qué trabajo va a qué máquinas. Uno lleva una cola para trabajos que terminan; el otro mantiene servicios vivos para siempre.
Sin resultados en esta categoría. Buscar en toda la galería →