GLOSARIO DE IA
Glosario de IA
Definiciones breves y precisas de los términos que aparecen en nuestra cobertura de IA y semiconductores — para consultarlos en treinta segundos y volver al artículo.
Fundamentos
LLM (Modelo de Lenguaje Grande)
Un sistema de IA entrenado con enormes cantidades de texto para predecir y generar lenguaje humano.
Transformer
La arquitectura de red neuronal, presentada en 2017, que hizo posibles los modelos de lenguaje actuales.
Token
Los pequeños fragmentos de texto — a menudo trozos de palabras — que un modelo de lenguaje realmente lee y genera, uno a la vez.
Ventana de contexto
La cantidad máxima de texto — medida en tokens — que un modelo puede “ver” a la vez, incluyendo tu prompt y su propia respuesta.
GPU (Unidad de Procesamiento Gráfico)
Un chip creado originalmente para renderizar gráficos que resultó ser el motor ideal para la IA, porque puede realizar miles de cálculos simples a la vez en lugar de uno por uno.
Parámetro
Uno de los números internos que una red neuronal ajusta durante el entrenamiento — el '70B' o '400B' que aparece en el nombre de un modelo es un recuento de estos.
IA multimodal
Un modelo que puede recibir o generar más de un tipo de datos —texto, imágenes, audio, vídeo— en lugar de solo texto.
Ciclo de vida del modelo
Inferencia
La etapa en la que un modelo de IA ya entrenado se usa realmente para generar una respuesta — a diferencia del entrenamiento, cuando aprende.
Entrenamiento (Preentrenamiento)
El proceso de enseñar a un modelo su conocimiento base y capacidad de lenguaje haciéndole predecir texto sobre un enorme conjunto de datos.
Ajuste fino (Fine-tuning)
Entrenamiento adicional sobre un modelo preentrenado para especializar su comportamiento — para una tarea, un estilo o los datos propios de una empresa.
RAG (Generación Aumentada por Recuperación)
Dar al modelo documentos externos para leer en el momento de responder, en vez de depender solo de lo que memorizó durante el entrenamiento.
Cuantización (Quantization)
Reducir la precisión de los números internos de un modelo para que se ejecute más rápido y ocupe mucha menos memoria — a menudo la diferencia entre necesitar un centro de datos o funcionar en un teléfono.
Comportamiento y riesgos
Alucinación
Cuando un modelo de IA afirma algo falso o inventado con la misma confianza que una respuesta correcta.
IA agéntica (agentes de IA)
Sistemas de IA que no solo responden una pregunta, sino que planifican varios pasos y toman acciones — llamar herramientas, navegar, escribir y ejecutar código — para completar un objetivo.
Cadena de pensamiento (modelo de razonamiento)
Un modelo que escribe pasos de razonamiento intermedios antes de su respuesta final, lo que mejora de forma medible la precisión en matemáticas, lógica y problemas de varios pasos.
Infraestructura
MoE (Mezcla de Expertos)
Una arquitectura de modelo que divide sus parámetros en subredes “expertas” especializadas y activa solo unas pocas por petición, en vez de todo el modelo.
HBM (Memoria de Ancho de Banda Alto)
Un tipo de memoria apilada justo junto a un chip de IA para alimentarlo con datos lo bastante rápido como para seguir el ritmo de su cómputo — un cuello de botella clave en la expansión de la IA.
CUDA
La plataforma de software propietaria de Nvidia para programar sus GPU — considerada ampliamente la principal razón por la que el dominio del hardware de Nvidia ha sido tan difícil de desplazar para los rivales.
Fundición (Fundición de semiconductores)
Una empresa que fabrica chips diseñados por otras empresas — TSMC y Samsung son las únicas dos que actualmente pueden fabricar los más avanzados a gran escala.
Litografía EUV
El proceso de luz ultravioleta extrema utilizado para imprimir las características más pequeñas y avanzadas en un chip — fabricado por una única empresa en el mundo, ASML.