El 23 de agosto se celebra el Día Internacional del Internauta, conmemorando el lanzamiento de la primera página web a nivel mundial y del servidor que interconectó a todos los usuarios. De esto hace tan solo 32 años, pero los avances del sector tecnológico hacen que parezcan muchos más.
Con ayuda de Qlik, ofrecemos un glosario con 8 conceptos clave acerca de la Inteligencia Artificial, cuyo objetivo es que los usuarios puedan comprender mejor una de las soluciones tecnológicas más disruptivas de los últimos tiempos:
Índice de temas
1.- Inteligencia Artificial
Se refiere a la capacidad de las máquinas para realizar tareas que normalmente requerirían la inteligencia humana. Puede abarcar una amplia gama de técnicas y enfoques, incluyendo el aprendizaje automático o el procesamiento del lenguaje natural, entre otras. La IA puede ser tanto estrecha, realiza tareas específicas, como general, posee habilidades similares a las humanas en una variedad de campos.
2.- Inteligencia Artificial Generativa o Predictiva
Es un subcampo específico de la Inteligencia Artificial que se centra en la creación de contenido original y creativo. Utiliza modelos y algoritmos para generar datos nuevos que se asemejan a los que se encuentran en un conjunto de entrenamiento. Por su parte, la IA Predictiva recopila y analiza datos para predecir sucesos futuros. La IA predictiva tiene como objetivo comprender los patrones en los datos y hacer predicciones informadas.
3.- Algoritmo
En el contexto de la informática y la programación, un algoritmo es una secuencia de pasos lógicos y definidos que se siguen en un orden preciso para lograr un resultado deseado. Además, son esenciales para desarrollar software eficiente y resolver problemas computacionales. Cada vez que se realiza una búsqueda, se recomienda un producto en una tienda en línea o se encuentra la ruta más corta en un mapa, hay algoritmos detrás de esas operaciones que ayudan a tomar decisiones basadas en los datos y las reglas predefinidas.
4.- Aprendizaje Automático
También conocido como Machine Learning, por su terminología inglesa, es una disciplina científica del ámbito de la Inteligencia Artificial que crea sistemas que aprenden automáticamente. Aprender en este contexto quiere decir identificar patrones complejos entre millones de datos. La máquina que realmente aprende es un algoritmo que revisa los datos y es capaz de predecir comportamientos futuros. Automáticamente, también en este contexto, implica que estos sistemas se mejoran de forma autónoma con el tiempo, es decir, sin intervención humana.
5.- Aprendizaje Profundo
Habitualmente llamado Deep Learning, su nomenclatura en inglés, es una subárea del aprendizaje automático que se basa en el uso de redes neuronales artificiales profundas para realizar tareas de procesamiento y análisis de datos. A través del aprendizaje profundo, las redes neuronales artificiales son capaces de aprender automáticamente a partir de datos y mejorar su desempeño en una amplia gama de tareas, como reconocimiento de patrones, clasificación, segmentación de datos y generación de contenido.
6.- Redes Neuronales Generativas Adversariales
Las GANs, o Generative Adversarial Networks son un tipo de arquitectura de redes neuronales artificiales utilizadas en el campo del aprendizaje automático y la inteligencia artificial. Las GANs son conocidas por su capacidad para generar datos nuevos y originales, como imágenes, música y texto, que son similares a los datos del conjunto de entrenamiento que se les proporciona. Estas funcionan a través de la interacción de dos redes neuronales principales: el generador y el discriminador. La primera se encarga de generar datos que se asemejen a los ejemplos del conjunto de datos de entrenamiento. Su objetivo es crear contenidos que sean lo más convincentes posible y que puedan engañar al discriminador. Por otro lado, el discriminador evalúa si una entrada dada es una muestra real proveniente del conjunto de entrenamiento o una generación falsa del generador. Su objetivo es discernir entre los datos reales y los generados por el generador. Las GANs han encontrado aplicaciones en una variedad de áreas, como la generación de imágenes realistas, la traducción automática de imágenes y la creación de arte y música.
7.- Procesamiento Natural del Lenguaje
Un modelo de lenguaje LLM es un tipo de modelo de inteligencia artificial que se utiliza para realizar tareas relacionadas con el procesamiento del lenguaje natural. Los LLM suelen estar entrenados con grandes cantidades de texto y pueden ser utilizados para comprender y responder a consultas escritas en un idioma determinado. Un LLM se basa en el aprendizaje profundo, que utiliza redes neuronales artificiales para procesar y analizar la información. Los LLM pueden ser entrenados con distintos tipos de texto, desde novelas hasta noticias o conversaciones, y pueden aprender a comprender el lenguaje y a responder a preguntas en función de lo que han aprendido.
8.- Transformador Generativo Preentrenado o GPT
Los transformadores generativos preentrenados, comúnmente conocidos como GPT, son una familia de modelos de redes neuronales que utilizan la arquitectura de transformadores y representan un avance clave en la Inteligencia Artificial que impulsa las aplicaciones de IA Generativa como ChatGPT. Los modelos GPT permiten a las aplicaciones crear texto y contenido de manera similar a como lo haría un ser humano y responder a preguntas de forma conversacional. Organizaciones de todos los sectores utilizan modelos GPT e IA generativa para bots de preguntas y respuestas, resumen de textos, generación de contenidos y búsqueda.
La Inteligencia Artificial ha llegado para quedarse en nuestras vidas y, por lo tanto, conocer los términos que la componen y que orbitan alrededor de ella es una tarea fundamental para democratizar su uso e integrar el empleo de este tipo de soluciones en la sociedad.
