Una lista de términos más comunes que son relevantes para los sistemas de Inteligencia Artificial.
Términos impresas en negrita son referencias cruzadas a otros términos que también se explican en el glosario de Inteligencia Artificial.
Informaciones adicionales sobre la Inteligencia Artificial se pueden encontrar en los artículos de Dr. RGPD:
Diccionario de términos clave de Inteligencia Artificial
| Plazo | Declaración |
|---|---|
| Inteligencia artificial | También abreviado como AI. AI es el desarrollo de computadoras y software que poseen habilidades humanas, como por ejemplo aprender, resolver problemas, comprender y producir lenguaje, percepción sensorial, control de acción y toma de decisiones autónoma. |
| Modelo | Un modelo de Inteligencia Artificial es un cerebro electrónico. Exactamente como en el cerebro biológico, está compuesto por una red neuronal (ver KNN). |
| Modelo de Lenguaje Lógico | Abreviatura de Lenguaje de Lenguaje Grande. Modelo, que fue entrenado con un gran número de documentos de texto para poder representar muy bien la gramática de una o varias lenguas. |
| Foundation Model | Un modelo de fundamentos capacitado, que puede ser ajustado mediante fine-tuning a tareas o dominios específicos. A menudo se proporcionan tales modelos bajo una licencia amigable con el usuario. |
| K-Vecinos Máximos (KNN) | Abreviatura para Red Neuronal Artificial. Imagen electrónica del modelo biológico. Base de modelos de Inteligencia Artificial (ver Modelo). |
| Transformador | Enfoque matemático importante que ha permitido aplicaciones de IA eficaces como ChatGPT y es responsable del éxito actual de la IA. Existe desde el año 2017. La etapa previa fue desarrollada por Jürgen Schmidhuber a principios de los años 90. Está compuesta por una estructura Encoder-Decoder, en la que una entrada se codifica en características que luego se convierten en una salida mediante un decodificador. Ver también Embeddings. |
| Tamaño del modelo | La magnitud de un modelo de IA (ver modelo) se expresa en forma abreviada mediante el número de parámetros (ver parámetro). Los modelos pequeños tienen solo algunos cientos de millones de parámetros. Un modelo de 200M tiene 200 millones de parámetros. Los modelos más grandes tienen 13B o 60B parámetros. El "B" significa mil millones (inglés: "billion"). |
| Parámetro | Los parámetros son los pesos en una red neuronal artificial (ver KNN). Un peso define la fuerza de la conexión entre dos neuronas. |
| ChatGPT | ChatBot basado en la arquitectura GPT (ver GPT). Tiene también una interfaz de programación de aplicaciones (API). Debería tener aproximadamente 160B parámetros (vgl. tamaño del modelo). Problema en cuanto a protección de datos, secretos comerciales y documentos confidenciales. |
| Inteligencia artificial de lenguaje | Abreviatura para Generador Preentrenado Transformador. Ver Generativo, Votrainado y Transformador. |
| Creativo | Habilidad para producir o crear algo nuevo. Parte de la abreviatura GPT, que también está en ChatGPT. |
| Entrenado en vórtice | Preentrenado. Un modelo preentrenado es un modelo entrenado. Está entrenado. En lugar de entrenado, se habla de preentrenado. El trasfondo es que un modelo ya entrenado puede ser entrenado más, lo cual se llama Refinamiento. |
| Ajustando la precisión | Un modelo entrenado (ver Entrenado) puede ser "refinado" para tareas específicas (ver Downstream). Esta refinación se conoce como Fine-Tuning. El fine-tuning tiene el gran beneficio de que se requieren mucha menos datos de entrada y recursos (tiempo, capacidad de cálculo, memoria principal) que para construir un modelo de inteligencia artificial entrenado. |
| Capas | Se refiere a redes neuronales artificiales (ver: KNN): Las capas de una red neuronal son las cápsula de entrada, la cápsula de salida y las capas ocultas entre estas dos capas. |
| Capa de entrada | La primera capa de una red neuronal artificial (ver KNN). Los datos de entrada (datos de sensores o entradas del usuario) llegan a través de la capa de entrada al KNN. |
| Capa de salida | La capa final de una red neuronal artificial (ver KNN). La capa de salida anuncia el resultado de una inteligencia artificial. |
| Capas ocultas | Capas de un KNN, que se encuentran entre la capa de entrada y la capa de salida. Allí es donde sucede la magia, también conocida como inteligencia, ver inteligencia humana y inteligencia artificial. |
| Capas ocultas | Mira Camadas Ocultas. |
| Tarea upstream | Tarea para la que se ha entrenado un modelo de Inteligencia Artificial. Ver también Tarea downstream. |
| Downstream Task | Tarea para la que se prepara un modelo de IA mediante ajuste fino y que es diferente del Upstream Task para el cual el modelo de IA fue originalmente entrenado. |
| PyTorch | El marco de referencia de IA más popular, basado en el lenguaje de programación Python. |
| Tensorflow | Además de PyTorch, un conocido marco de inteligencia artificial. Proviene de Google. Se considera más complejo que PyTorch. |
| Tensor | Concepto matemático para representar datos. Ver también vectores. |
| Desalojo | Desalojar partes de un modelo de Inteligencia Artificial (ver Modelo) a una CPU (en lugar de GPU) o a la unidad de disco duro. Desalojar resuelve el problema de almacenamiento (ver VRAM) en modelos de IA grandes, pero provoca cálculos mucho más lentos. |
| CUDA | Abreviatura para Arquitectura de Dispositivo Unificada de Computación. Arquitectura de software de Nvidia, para utilizar tarjetas gráficas (ver GPU) en cálculos. |
| Nvidia | Sin ánimo de publicidad: Líder mundial en la oferta de tarjetas gráficas especialmente adecuadas para cálculos de Inteligencia Artificial. Ver CUDA. No conozco a otro fabricante que tenga sus tarjetas gráficas tan bien soportadas en numerosos frameworks de IA (ver PyTorch). |
| Python | Lenguaje de programación más popular para aplicaciones de Inteligencia Artificial. |
| Placa de video | Abreviatura para Unidad de Procesamiento Gráfico. Una GPU de una tarjeta gráfica potente como la de Nvidia contiene miles de núcleos. Un núcleo puede resolver un problema de cálculo. Varios núcleos pueden trabajar simultáneamente. Para aplicaciones de Inteligencia Artificial, se pueden realizar billones de cálculos en una GPU (tarjeta gráfica) a un ritmo mucho más rápido que en una CPU (procesador normal). La tarjeta gráfica se utiliza como esclavo de cómputo para aplicaciones de Inteligencia Artificial. No muestra imágenes ni textos. |
| CPU | Abreviatura para Unidad de Procesamiento Central. El procesador de un ordenador. Tiene típicamente entre 8 y 24 núcleos. Ver también GPU. |
| Memoria de video RAM | Memoria de video. A diferencia del RAM, aquí se refiere al almacenamiento de una tarjeta gráfica (ver GPU). Fundamental para el uso de modelos de Inteligencia Artificial (ver Modelo). |
| Servidor AI | Así se denominan los servidores que contienen una tarjeta gráfica de alta capacidad (ver CUDA, GPU y VRAM). |
| Stable Diffusion | El modelo de inteligencia artificial más conocido y popular para la generación de imágenes. |
| LAION | Abreviatura para Red de Inteligencia Artificial a Gran Escala Abierta. Asociación registrada en Alemania. Ha creado un conjunto de datos de imágenes con aproximadamente 6 mil millones de imágenes junto con sus descripciones. Sirve como base para los enfoques de Diffusión Estable. |
| Creación de imágenes | El caso de uso más común: a través de un Prompts una IA genera una imagen que refleja el Prompt, el procedimiento más conocido es Stable Diffusion. También es posible combinar varias imágenes o cambiar las imágenes de entrada. |
| Vector | Un vector es la representación de una entrada (conjunto de datos), como un texto, imagen o archivo de audio. Ver multimodal. Un vector está compuesto por series numéricas y tiene una dimensión que define el número y disposición de los números. |
| Inserción | Representación de datos de cualquier tipo (texto, imagen, audio, sensor de movimiento, sensor de temperatura, etc.) en forma de un vectores. |
| Multimodal | Gracias al enfoque del Transformer, cualquier tipo de datos puede ser tratado de manera igualitaria. Compara el cerebro humano. Todos los datos sensoriales (ojos, oídos, nariz, estímulos cutáneos…) son "de manera natural" procesados en la red neuronal de nuestro cerebro de la misma manera. |
| Inteligencia Humana | Funciona como Inteligencia Artificial, es mi fuerte teoría. |
| Espíritu | La ilusión que el cerebro humano produce es mi convicción. |
| Inteligencia Artificial Generalizada | Técnica para Inteligencia Artificial General. Análogo al ser humano: Inteligencia general que puede resolver todas las posibles tareas. |
| Prompt | Campo de entrada para texto, para dar instrucciones a una IA o hacerle una pregunta. |
| Token | Una unidad de datos, como una palabra en un texto. Unidad común para el cálculo del costo de uso de sistemas de inteligencia artificial como ChatGPT o para la configuración de la longitud máxima de salida de texto. |
| Red de Recurrentes de Longo Plazo | Abreviatura de Long Short Term Memory. En español: Memoria a corto y largo plazo. Aproximación concebida por el informático alemán Jürgen Schmidhuber. LSTM es un tipo de memoria episódica. |
| Estadística | En los modelos de AI se representa tanto o tan poco como en el ser humano (ver inteligencia humana) |
| Aprendizaje Profundo | Se refiere a que un KNN tiene muchas cámaras ocultas, por lo tanto es profundo. |
| Autarkes System | Sistema amigable con datos que es capaz de funcionar en una infraestructura local y sin conexión a Internet. |
| Amigable con los datos | Sistemas que no causan problemas internos con la protección de datos, con información confidencial o con secretos comerciales. Al revés son sistemas que provienen de proveedores de EE.UU. o almacenan datos en servidores en EE.UU. (ver Privacy Shield – Schrems II). |
| Laiza | Programa de psiquiatría, que ya en el año 1966 fue concebido por Joseph Weizenbaum. Fingió ser inteligente. En su lugar, se transmitió al interlocutor humano la sensación de inteligencia, utilizando frases hechas y devolviendo las entradas del hombre como Prompt. |
Me gustaría también remitir a la enciclopedia de protección de datos en alemán-inglés, que contiene los términos más importantes para la RGPD y el derecho digital a la privacidad.
Mensajes clave
La inteligencia artificial (IA) permite a las computadoras aprender y realizar tareas que normalmente requieren inteligencia humana, como comprender el lenguaje y tomar decisiones.
Los modelos de inteligencia artificial se pueden entrenar previamente y luego ajustar para tareas específicas con menos datos y recursos.
Las tarjetas gráficas son mucho más rápidas que los procesadores normales para realizar los cálculos necesarios para la inteligencia artificial.
Los sistemas de IA pueden ser tan complejos como los humanos y se pueden diseñar para ser seguros y trabajar sin conexión a internet.
Me llamo Klaus Meffert. Soy doctor en informática y llevo más de 30 años dedicándome profesional y prácticamente a las tecnologías de la información. También trabajo como experto en informática y protección de datos. Obtengo mis resultados analizando la tecnología y el Derecho. Esto me parece absolutamente esencial cuando se trata de protección de datos digitales.
