- Inteligencia Artificial (IA)
Campo de la computación enfocado en desarrollar programas que pueden llevar a cabo actividades que normalmente requieren capacidades humanas, como pensar, aprender o interpretar el lenguaje.
Asistente conversacional creado por OpenAI que responde en lenguaje natural, entendiendo el contexto de las conversaciones para interactuar de forma coherente.
- Modelo de Lenguaje (LLM - Large Language Model)
Tipo de algoritmo que ha sido entrenado con grandes volúmenes de texto para comprender y generar frases de forma lógica y fluida.
Sistema informático inspirado en el cerebro humano que aprende a partir de datos, simulando el comportamiento de las neuronas.
- Aprendizaje Automático (Machine Learning)
Método que permite a los modelos aprender patrones y comportamientos directamente desde los datos, sin necesidad de instrucciones específicas para cada tarea.
- Entrenamiento Supervisado
Tipo de aprendizaje donde se le muestra al modelo ejemplos con sus respuestas correctas, para que aprenda la relación entre ambos.
Proceso de segmentar un texto en partes más pequeñas —como palabras o sub-palabras— para facilitar su análisis por parte del modelo.
Forma de traducir palabras a vectores matemáticos, lo que permite al sistema interpretar significados y similitudes entre términos.
Mecanismo que ayuda al modelo a identificar y centrarse en las partes más relevantes de una entrada al generar su respuesta.
Diseño de red neuronal altamente eficiente y preciso, que cambió la forma en que se trata el lenguaje en la inteligencia artificial y que es la base de modelos como GPT.
- Fine-tuning (Ajuste fino)
Técnica para adaptar un modelo general ya entrenado, afinándolo con datos específicos para que se especialice en tareas concretas.
Fase en la que se alimenta al modelo con datos para que pueda identificar patrones y relaciones útiles para crear texto o realizar tareas.
Grandes volúmenes de datos complejos y variados que se utilizan para entrenar modelos de IA, ayudándolos a entender distintos contextos.
Variante de red neuronal con múltiples capas, capaz de captar estructuras más sofisticadas y abstractas en los datos.
Etapa inicial donde el modelo se entrena con una amplia variedad de textos, antes de especializarse para funciones más específicas.
Canal a través del cual el usuario se comunica con el modelo, generalmente mediante texto, facilitando una interacción directa.
Incluyen posibles errores, desactualización de información, interpretaciones ambiguas o sensibilidad a pequeños cambios en el lenguaje.
- RLHF (Reinforcement Learning from Human Feedback)
Técnica que mejora el comportamiento del modelo mediante correcciones y valoraciones humanas, aplicadas a través del aprendizaje por refuerzo.
Ámbitos en los que se usa el modelo, como soporte al cliente, educación, redacción, generación de ideas, programación, entre otros.
Comentarios
Publicar un comentario