Este glosario de Inteligencia Artificial (IA) es una colección completa de los términos y conceptos más importantes en el campo de la IA. Su objetivo es proporcionar una comprensión clara y accesible de la terminología esencial, ayudando a los lectores a familiarizarse con el lenguaje y las ideas que conforman esta disciplina en constante evolución.
Dada la creciente relevancia de la IA en muchos aspectos de nuestras vidas, este glosario es una herramienta útil tanto para los profesionales que trabajan directamente en el campo como para aquellos interesados en comprender mejor la tecnología y su impacto. Puede ser de gran utilidad para estudiantes, investigadores, desarrolladores de software, gerentes de proyectos, inversores y cualquier persona que quiera mantenerse al día con las últimas tendencias y desarrollos en IA.
El glosario cubre una amplia gama de temas, desde conceptos básicos y técnicas de aprendizaje automático, hasta términos más avanzados y específicos relacionados con diferentes subcampos y aplicaciones de la IA. Además, ofrece definiciones claras y concisas que pueden ayudar a desmitificar el lenguaje a veces complicado y técnico de la IA.
La Inteligencia Artificial se puede definir como un sistema automatizado capaz de analizar datos y tomar decisiones de forma autónoma. Esto se logra a través de una combinación de algoritmos de cómputo, algoritmos genéticos, neuromáticos o inteligencia artificial adaptativa.
A continuación, te presentamos algunos términos básicos relacionados con la Inteligencia Artificial. Estos términos son útiles para la comprensión general de la Inteligencia Artificial y su aplicación en la vida real a un nivel muy básico.
Algoritmos
Los algoritmos son una serie de pasos estructurados que se utilizan para resolver un problema. Deben seguirse con exactitud para obtener un resultado consistente. Los algoritmos de cómputo se usan comúnmente en inteligencia artificial para facilitar el análisis y la toma de decisiones.
Aprendizaje Automático
El aprendizaje automático (ML) es una disciplina de la Inteligencia Artificial que utiliza algoritmos para desarrollar programas para que aprendan automáticamente a partir de los datos que se les proporcionan. Se refiere a la capacidad de un programa para aprender de los datos sin una programación previa.
Redes Neuronales Artificales (RNA)
Las redes neuronales Artificiales (RNAs) son algoritmos de Inteligencia Artificial que se utilizan para simular la estructura y la función del cerebro humano y permiten la elaboración de predicciones y la toma de decisiones. Estos algoritmos se entrenan mediante el uso de datos previamente obtenidos maestros y, con el tiempo, se pueden mejorar.
Inteligencia Adaptativa
La inteligencia adaptativa es una forma de Inteligencia Artificial que se basa en el patrón de aprendizaje adaptativo. Estos sistemas son capaces de cambiar el comportamiento a medida que aprenden más acerca del ambiente en el que están trabajando y los objetivos a resolver. Esto permite un mejor control de los sistemas en tiempo real.
Existen muchísimos términos más que iremos repasando poco a poco, sin embargo, estos son algunos de los más necesarios para comprender a empaparte de todas estas nuevas terminologías.
API´S
Una API, también conocida como Interfaz de Programación de Aplicaciones, es una especie de intermediario que permite que programas de software distintos interactúen y compartan información. En esencia, las API son un conjunto de reglas y protocolos que posibilitan la comunicación entre diferentes programas de software, incluso si utilizan lenguajes de programación y tecnologías diferentes.
Las API se han convertido en una herramienta fundamental para crear una experiencia de usuario más interconectada y fluida. Con ellas, diferentes programas pueden comunicarse y compartir datos, lo que permite crear soluciones más integradas y personalizadas. En definitiva, las API son un elemento clave para la creación de aplicaciones informáticas cada vez más avanzadas e interconectadas.
Procesamiento de Datos
El Procesamiento de Datos es el proceso de preparación de datos sin procesar para su uso en un modelo de aprendizaje automático, lo que incluye tareas como la limpieza, la transformación y la normalización de los datos.
Aprendizaje Profundo
Aprendizaje profundo (DL): es un subcampo del aprendizaje automático que utiliza redes neuronales profundas con muchas capas para aprender patrones complejos a partir de datos. El DL se utiliza en aplicaciones como la visión por computadora, el procesamiento del lenguaje natural y la robótica.
Ingeniería de funciones
La Ingeniería de Funciones es el proceso de seleccionar y crear nuevas funciones a partir de los datos sin procesar que se pueden utilizar para mejorar el rendimiento de un modelo de aprendizaje automático.
Freemium
La versión “Freemium” de una herramienta significa que tiene opciones gratuitas y de pago. Por lo general, hay un uso mínimo e ilimitado de la herramienta en un nivel gratuito, con más acceso y funciones disponibles en los niveles pagados.
GAN
Una Red Adversaria Generativa (GAN) es un tipo de programa de computadora que crea cosas nuevas, como imágenes o música, entrenando dos redes neuronales una contra la otra. Una red, llamada generador, crea nuevos datos, mientras que la otra red, llamada discriminador, verifica la autenticidad de los datos. Este proceso de ida y vuelta continúa hasta que el generador es capaz de crear datos que es casi imposible para el discriminador distinguir de los datos reales. Las GAN se pueden utilizar para crear imágenes, videos y música realistas, eliminar ruido de imágenes y videos y crear nuevos estilos de arte.
Inteligencia Artificial General (AGI):
AGI se refiere a una máquina que puede entender, aprender, y aplicar cualquier tarea intelectual que un humano puede. Es un tipo de inteligencia artificial que puede realizar cualquier tarea cognitiva humana.
Inteligencia Artificial Estrecha (ANI):
ANI se refiere a sistemas de inteligencia artificial diseñados para realizar una tarea estrecha, como recomendaciones de productos o reconocimiento de voz. Es el tipo de inteligencia artificial que más comúnmente vemos hoy en día.
Aprendizaje Semi-Supervisado:
Este es un enfoque para el aprendizaje automático que combina un pequeño conjunto de datos etiquetados con una gran cantidad de datos no etiquetados durante el entrenamiento. El aprendizaje semi-supervisado es útil cuando los costos y el tiempo asociados con la etiquetación de datos son prohibitivos.
Aprendizaje por Refuerzo Profundo (DRL):
Es una combinación de aprendizaje profundo y aprendizaje por refuerzo, donde las redes neuronales artificiales son usadas como función de aproximación para aprender a tomar decisiones óptimas en un entorno.
Redes Adversarias Generativas (GANs):
Las GANs son una clase de algoritmos de inteligencia artificial utilizados en el aprendizaje no supervisado, que utiliza dos redes neuronales, llamadas el generador y el discriminador, para generar nuevas instancias de datos que pueden pasar por reales.
Redes Neuronales Recurrentes (RNN):
Las RNN son una clase de redes neuronales artificiales donde las conexiones entre nodos forman un grafo dirigido a lo largo de una secuencia. Esto las hace adecuadas para trabajar con secuencias de datos, como series temporales o texto.
Algoritmo de Clustering:
Estos algoritmos son técnicas de aprendizaje no supervisado que se utilizan para agrupar objetos similares en grupos, o “clusters”. Los algoritmos de clustering son útiles en diversas aplicaciones, desde la segmentación de clientes hasta el análisis de redes sociales.
Autoencoders:
Los autoencoders son una clase de redes neuronales artificiales utilizadas para aprender representaciones eficientes de los datos, típicamente con el objetivo de reducir la dimensionalidad. Son útiles en tareas de aprendizaje no supervisado.
Arte Generativo
El arte generativo es una forma de arte que se crea utilizando un programa de computadora o un algoritmo para generar una salida visual o de audio. A menudo implica el uso de reglas matemáticas o aleatorias para crear resultados únicos, impredecibles y, a veces, caóticos.
GPT
GPT significa Transformador Pre entrenado Generativo. Es un tipo de modelo de lenguaje grande desarrollado por OpenAI.
Sala de prueba modelo de lenguaje gigante (GLTR):
GLTR es una herramienta que ayuda a las personas a saber si un texto fue escrito por una computadora o por una persona. Lo hace observando cómo se usa cada palabra en el texto y qué tan probable es que una computadora haya elegido esa palabra. GLTR es como un ayudante que te muestra pistas coloreando diferentes partes de la oración de diferentes colores. Verde significa que es muy probable que la palabra haya sido escrita por una persona, amarillo significa que no está seguro, rojo significa que es más probable que haya sido escrita por una computadora y violeta significa que es muy probable que haya sido escrita por una computadora.
GitHub
GitHub es una plataforma para hospedar y colaborar en proyectos de software
Google Co
Google Colab es una plataforma en línea que permite a los usuarios compartir y ejecutar scripts de Python en la nube
Unidad de procesamiento gráfico (GPU)
Una GPU, o unidad de procesamiento de gráficos, es un tipo especial de chip de computadora que está diseñado para manejar los cálculos complejos necesarios para mostrar imágenes y videos en una computadora u otro dispositivo. Es como el cerebro del sistema de gráficos de su computadora, y es realmente bueno para hacer muchas operaciones matemáticas muy rápido. Las GPU se utilizan en muchos tipos diferentes de dispositivos, incluidas computadoras, teléfonos y consolas de juegos. Son especialmente útiles para tareas que requieren mucha potencia de procesamiento, como jugar videojuegos, renderizar gráficos 3D o ejecutar algoritmos de aprendizaje automático.
Modelo de lenguaje grande (LLM)
Un tipo de modelo de aprendizaje automático que se entrena en una gran cantidad de datos de texto y puede generar texto con un sonido natural.
Transformador:
El modelo de transformador es una arquitectura de red neuronal desarrollada por Google para mejorar la traducción automática de texto. Desde entonces, se ha aplicadoampliamente en muchas otras tareas de procesamiento de lenguaje natural (NLP).
Algoritmo de Clasificación:
Los algoritmos de clasificación son técnicas de aprendizaje supervisado que se utilizan para predecir la categoría de un objeto basándose en sus características. Son comúnmente utilizados en aplicaciones como detección de spam, diagnóstico médico y reconocimiento de imágenes.
Búsqueda Heurística:
La búsqueda heurística es una técnica de inteligencia artificial que se utiliza para resolver problemas de optimización y búsqueda. Estos algoritmos utilizan reglas empíricas o “heurísticas” para guiar la búsqueda hacia soluciones óptimas o subóptimas de manera más eficiente.
Algoritmo de Aprendizaje Supervisado:
Los algoritmos de aprendizaje supervisado son una clase de técnicas de aprendizaje automático en las que un modelo es entrenado en un conjunto de datos etiquetados. El modelo aprende a predecir la etiqueta de un nuevo ejemplo basándose en las características de los ejemplos de entrenamiento.
Aprendizaje automático (ML)
Un método para enseñar a las computadoras a aprender de los datos, sin ser programado explícitamente.
Procesamiento natural del lenguaje (PNL):
Un subcampo de la IA que se enfoca en enseñar a las máquinas a comprender, procesar y generar lenguaje humano.
Campos de radiación neuronal (NeRF)
Los campos de radiación neuronal son un tipo de modelo de aprendizaje profundo que se puede usar para una variedad de tareas, incluida la generación de imágenes, la detección de objetos y la segmentación. Los NeRF se inspiran en la idea de utilizar una red neuronal para modelar el resplandor de una imagen, que es una medida de la cantidad de luz que emite o refleja un objeto.
Aprendizaje reforzado
Un tipo de aprendizaje automático en el que el modelo aprende por ensayo y error, recibiendo recompensas o castigos por sus acciones y ajustando su comportamiento en consecuencia.
Algoritmo Genético:
Es una técnica de optimización y búsqueda inspirada en la teoría de la evolución natural. Los algoritmos genéticos se usan para encontrar soluciones aproximadas a problemas de optimización y búsqueda.
Algoritmo de Regresión:
Es un algoritmo de aprendizaje automático que se utiliza en estadísticas para predecir un valor de salida basado en una o más variables de entrada.
Sistemas Expertos:
Son programas informáticos que simulan el juicio y comportamiento de un experto humano o de un equipo de expertos humanos en un campo específico.
Agentes Inteligentes:
Son programas informáticos que realizan tareas específicas con un cierto grado de autonomía e inteligencia. Los agentes inteligentes pueden aprender de su experiencia y mejorar su rendimiento con el tiempo.
Sistemas de Recomendación:
Son algoritmos de inteligencia artificial utilizados en muchas aplicaciones de comercio electrónico para sugerir productos a los clientes basados en su comportamiento de compra anterior.
Redes Neuronales Convolucionales (CNN):
Las CNN son una clase de redes neuronales profundas, utilizadas comúnmente para analizar imágenes visuales. Están diseñadas para procesar datos con una cuadrícula de topología, como una imagen.
Redes Bayesianas:
Las redes Bayesianas son un tipo de modelo gráfico probabilístico que se utiliza para representar y razonar acerca de las incertidumbres. Son especialmente útiles para modelar relaciones de causa y efecto en situaciones inciertas.
Perceptrón Multicapa (MLP):
El MLP es una clase de red neuronal artificial que consiste en al menos tres capas de nodos: una capa de entrada, una o más capas ocultas, y una capa de salida. Cada nodo en una capa está conectado a cada nodo en la siguiente capa, lo que permite que la red aprenda relaciones no lineales.
Algoritmo de Aprendizaje No Supervisado:
Estos algoritmos se utilizan cuando los datos de entrada no están etiquetados y el objetivo es encontrar estructura en los datos, como agrupar o clasificar los ejemplos de entrada.
Procesamiento de Lenguaje Natural (NLP):
El NLP es un campo de la inteligencia artificial que se ocupa de la interacción entre las computadoras y el lenguaje humano. Incluye tareas como la traducción automática, el análisis de sentimientos y la generación de texto.
Computación Espacial
La computación espacial es el uso de la tecnología para agregar información y experiencias digitales al mundo físico. Esto puede incluir cosas como la realidad aumentada, donde se agrega información digital a lo que ve en el mundo real, o la realidad virtual, donde puede sumergirse por completo en un entorno digital. Tiene muchos usos diferentes, como en la educación, el entretenimiento y el diseño, y puede cambiar la forma en que interactuamos con el mundo y entre nosotros.
Difusión estable
La difusión estable es el proceso con el que las imágenes generadas por IA se crean, consiste en introducir ruido a una imagen de entrada para arrojar un nuevo resultado de salida totalmente distinto al original. Stable Diffusion genera imágenes artísticas complejas basadas en indicaciones de texto. Es un modelo de IA de síntesis de imágenes de código abierto disponible para todos. Stable Diffusion se puede instalar localmente usando el código que se encuentra en GitHub o hay varias interfaces de usuario en línea que también aprovechan los modelos de Stable Diffusion.
Aprendizaje supervisado
Un tipo de aprendizaje automático en el que los datos de entrenamiento se etiquetan y el modelo se entrena para hacer predicciones basadas en las relaciones entre los datos de entrada y las etiquetas correspondientes.
Aprendizaje sin supervisión
Un tipo de aprendizaje automático en el que los datos de entrenamiento no están etiquetados y el modelo está entrenado para encontrar patrones y relaciones en los datos por sí solo.
Webhook
Un webhook es una forma en que un programa de computadora envía un mensaje o datos a otro programa a través de Internet en tiempo real. Funciona enviando el mensaje o datos a una URL específica, que pertenece al otro programa. Los webhooks a menudo se usan para automatizar procesos y facilitar que diferentes programas se comuniquen y trabajen juntos. Son una herramienta útil para los desarrolladores que desean crear aplicaciones personalizadas o crear integraciones entre diferentes sistemas de software.
