El Argentino presenta un glosario integral que fusiona los conceptos más importantes del apasionante mundo de la Inteligencia Artificial, en plena expansión. Además, incorpora términos clave que a veces quedan afuera del foco de los más entusiastas investigadores.

Se trata de una herramienta para que, tanto profesionales como curiosos, puedan «hablar el mismo idioma» en el mundo de la inteligencia artificial, en medio de un crecimiento inédito que promete revolucionar la tecnología.

A continuación, te dejamos el glosario IA elaborado por el equipo técnico de El Argentino, ordenado alfabéticamente:

---

A

Algoritmo
Conjunto finito y ordenado de instrucciones que una máquina sigue para resolver un problema o realizar una tarea.
(Ej.: “El algoritmo de descenso de gradiente” se usa para ajustar los parámetros en modelos de machine learning.)

Algoritmo Genético
Técnica inspirada en la evolución biológica que utiliza procesos de selección, cruzamiento y mutación para optimizar soluciones.

Aprendizaje Automático (Machine Learning)
Subcampo de la IA que desarrolla algoritmos capaces de aprender patrones a partir de datos sin ser programados explícitamente para cada situación.

Aprendizaje Profundo (Deep Learning)
Rama del aprendizaje automático que utiliza redes neuronales profundas para extraer representaciones jerárquicas de datos complejos (por ejemplo, en reconocimiento de imágenes o voz).

Aprendizaje por Refuerzo
Técnica en la que un agente aprende a tomar decisiones mediante la interacción con un entorno, recibiendo recompensas o penalizaciones según sus acciones.

Aprendizaje por Transferencia
Método que aprovecha un modelo preentrenado en una tarea para aplicarlo a otra relacionada, ahorrando tiempo y datos de entrenamiento.

---

B

Big Data
Conjuntos de datos de gran volumen, variedad y velocidad que requieren herramientas y técnicas especiales para su procesamiento y análisis.

Bias (Sesgo Algorítmico)
Desviaciones o prejuicios que pueden aparecer en un modelo de IA debido a datos de entrenamiento no representativos o a supuestos en su diseño, afectando la equidad de los resultados.

---

C

Chatbot
Programa de IA diseñado para mantener conversaciones con humanos, respondiendo preguntas y asistiendo en tareas.
(Ej.: ChatGPT de OpenAI, que utiliza modelos LLM para generar texto.)

ChatGPT
Modelo de lenguaje de gran escala basado en la arquitectura de transformadores, capaz de generar respuestas coherentes y de estilo humano a partir de entradas en lenguaje natural.
(Fuente: )

Computer Vision (Visión por Computadora)
Tecnología que permite a las máquinas interpretar y analizar imágenes y vídeos, identificando objetos, patrones y escenarios.

Clustering
Técnica de aprendizaje no supervisado que agrupa datos similares en “clusters” sin necesidad de etiquetas previas.

---

D

Data Mining (Minería de Datos)
Proceso de explorar grandes volúmenes de datos para descubrir patrones, tendencias y relaciones que resulten útiles en la toma de decisiones.

Deep Learning
(Ver “Aprendizaje Profundo”).

Digital Twin (Gemelo Digital)
Representación virtual de un objeto, sistema o proceso físico, actualizada en tiempo real con datos, que permite simular y optimizar su funcionamiento.

---

E

Explainable AI (XAI o IA Explicable)
Conjunto de métodos y técnicas que hacen comprensibles las decisiones de un modelo de IA, permitiendo a los usuarios entender cómo y por qué se llegó a un resultado.

Ética en la IA
Campo que estudia los dilemas y principios morales relacionados con el desarrollo, implementación y uso de la inteligencia artificial, enfatizando la justicia, transparencia y responsabilidad.

---

F

Framework de Aprendizaje Automático
Conjunto de herramientas y bibliotecas (como TensorFlow, PyTorch o Scikit-learn) que facilitan el desarrollo y entrenamiento de modelos de IA.

Filtering – Filtrado Colaborativo
Técnica utilizada en sistemas de recomendación que predice intereses basándose en la similitud entre usuarios o productos.

---

G

Generative AI (IA Generativa)
Rama de la IA que utiliza modelos (como GPT o DALL·E) para crear contenidos nuevos (texto, imágenes, audio, etc.) basándose en patrones aprendidos de grandes conjuntos de datos.

Generative Pre-trained Transformer (GPT)
Serie de modelos de lenguaje desarrollados por OpenAI que utilizan la arquitectura de transformadores para generar texto coherente y realizar múltiples tareas de NLP.
(Fuente: )

---

H

Hiperparámetros
Parámetros definidos antes del entrenamiento de un modelo que controlan su aprendizaje, como la tasa de aprendizaje o la cantidad de capas en una red neuronal.

Heurística
Estrategia práctica para resolver problemas de manera aproximada cuando no se dispone de una solución exacta o cuando esta resulta costosa de calcular.

---

I

Inteligencia Artificial (IA)
Disciplina que busca crear sistemas y programas capaces de realizar tareas que requieren inteligencia humana, como el razonamiento, el aprendizaje y la percepción.
(Fuente: )

Internet de las Cosas (IoT)
Red de dispositivos físicos interconectados que, mediante sensores y software, recopilan e intercambian datos para automatizar procesos y mejorar la eficiencia de sistemas.

Interfaz de Usuario (UI) e Interfaz Conversacional
Puntos de interacción entre humanos y sistemas de IA, ya sea a través de gráficos, voz o chat, facilitando una comunicación intuitiva.

---

L

Large Language Models (LLM)
Modelos de IA entrenados con enormes volúmenes de datos textuales para comprender y generar lenguaje natural de manera avanzada.
(Ej.: GPT-3, GPT-4)

Lógica Difusa
Método que permite trabajar con conceptos imprecisos o ambiguos, asignando grados de verdad en lugar de respuestas binarias, muy útil en sistemas de control.

LLM-assisted Ontology
Iniciativas como la Artificial Intelligence Ontology que utilizan LLMs para organizar y estructurar jerárquicamente los conceptos de IA, ayudando a estandarizar el lenguaje y facilitar la investigación interdisciplinaria.

---

M

Machine Learning (Aprendizaje Automático)
(Ver “Aprendizaje Automático” en A).

Modelo Predictivo
Modelo estadístico o de IA que se utiliza para anticipar resultados futuros basado en patrones históricos y actuales.

Minería de Textos
Proceso de extraer información y conocimiento útil a partir de datos textuales utilizando técnicas de NLP y aprendizaje automático.

---

N

Natural Language Processing (NLP o PLN)
Subcampo de la IA que se ocupa de la interacción entre computadoras y el lenguaje humano, abarcando tareas como traducción, resumen y análisis de sentimientos.
(Fuente: )

Neural Networks (Redes Neuronales Artificiales)
Modelos computacionales inspirados en el cerebro humano, compuestos por unidades interconectadas (“neuronas”), que se utilizan para reconocer patrones complejos en datos.

NoSQL
Tipo de sistemas de bases de datos que permite gestionar grandes volúmenes de datos no estructurados o semi-estructurados con mayor flexibilidad que las bases relacionales.

---

O

Ontology (Ontología)
Modelo formal que organiza conceptos y relaciones dentro de un dominio específico –en este caso, la IA– para estandarizar terminología y facilitar la interoperabilidad entre sistemas.
(Ver “The Artificial Intelligence Ontology” )

Overfitting (Sobreajuste)
Situación en la que un modelo aprende demasiado bien los detalles y el ruido del conjunto de entrenamiento, lo que deteriora su capacidad de generalización a nuevos datos.

---

P

Prompt Engineering (Ingeniería de Prompts)
La práctica de diseñar y afinar las consultas de entrada para obtener de los modelos de lenguaje (como GPT) respuestas más precisas y útiles.

Privacy (Privacidad de Datos)
Concepto y prácticas relacionadas con la protección de la información personal en sistemas de IA, asegurando que se cumplan normativas y se minimicen riesgos de mal uso.

Procesamiento de Datos (Data Processing)
Transformación y limpieza de datos para que sean aptos para el entrenamiento de modelos de IA.

---

Q

Quantum Computing (Computación Cuántica)
Tecnología que utiliza principios de la mecánica cuántica para procesar información a velocidades y con capacidades muy superiores a las de los ordenadores tradicionales; un campo emergente con potencial impacto en la IA.

---

R

Recurrent Neural Network (RNN)
Tipo de red neuronal diseñada para trabajar con datos secuenciales, muy útil en tareas de procesamiento de lenguaje y series temporales.

Regularización
Conjunto de técnicas para evitar el sobreajuste en modelos de aprendizaje automático, añadiendo penalizaciones que limitan la complejidad del modelo.

Reinforcement Learning
(Ver “Aprendizaje por Refuerzo” en A).

Robótica
Campo que combina la ingeniería, la informática y la IA para diseñar, construir y programar robots capaces de interactuar con el mundo físico de manera autónoma o semi-autónoma.

Robotic Process Automation (RPA)
Automatización de procesos repetitivos y basados en reglas mediante software (o “robots de software”), liberando a los humanos de tareas administrativas.

---

S

Singularidad Tecnológica
Hipotético punto en el que la IA alcanzará o superará la inteligencia humana, provocando cambios disruptivos e imprevisibles en la sociedad.

SQL (Structured Query Language)
Lenguaje de programación estándar para gestionar y manipular bases de datos relacionales.

Sesgo (Bias)
(Ver “Bias” en B).

Sistemas Expertos
Programas de IA que imitan la toma de decisiones de un experto en un área específica, utilizando una base de conocimiento y reglas definidas.

Supervised Learning (Aprendizaje Supervisado)
Método en el que el modelo se entrena con datos etiquetados para aprender a predecir o clasificar futuras entradas.

Soft Computing
Enfoque que utiliza técnicas aproximadas (como lógica difusa, redes neuronales y algoritmos genéticos) para resolver problemas complejos en los que las soluciones exactas son difíciles de obtener.

---

T

TensorFlow
Biblioteca de código abierto desarrollada por Google para computación numérica y construcción de modelos de aprendizaje profundo.

Tokenización
Proceso de dividir el texto en unidades (tokens) –palabras o subpalabras– para que puedan ser procesadas por modelos de NLP.

Transformers
Arquitectura de red neuronal que utiliza mecanismos de atención para procesar secuencias de datos; es la base de modelos como GPT y BERT.

Turing Test (Prueba de Turing)
Evaluación propuesta por Alan Turing para determinar si una máquina puede imitar el comportamiento humano de manera que un interrogador no pueda distinguirla de un ser humano.

---

U

Underfitting (Subajuste)
Situación en la que un modelo es demasiado simple para capturar la complejidad de los datos, resultando en un bajo rendimiento tanto en el entrenamiento como en datos nuevos.

Unsupervised Learning (Aprendizaje No Supervisado)
Técnica de aprendizaje en la que el modelo identifica patrones y estructuras en datos sin etiquetas predefinidas.

User Interface (Interfaz de Usuario)
Punto de contacto entre el humano y el sistema, esencial para facilitar la interacción y el uso efectivo de las aplicaciones de IA.

Utility Theory (Teoría de la Utilidad)
Marco teórico utilizado para modelar la toma de decisiones en función de la satisfacción o “utilidad” que se obtiene de diferentes opciones.

---

V

Validation Set (Conjunto de Validación)
Subconjunto de datos utilizado para ajustar y evaluar los hiperparámetros de un modelo durante su entrenamiento, sin utilizar los datos de prueba finales.

Vectorization (Vectorización)
Conversión de datos (como palabras o imágenes) en vectores numéricos que pueden ser procesados por modelos de IA.

Vision by Computer (Visión por Computadora)
(Ver “Computer Vision”).

Virtual Reality (Realidad Virtual)
Tecnología que simula entornos tridimensionales inmersivos, permitiendo interacciones mediante dispositivos especializados.

---

W, X, Y, Z

Web Scraping
Técnica para extraer datos de sitios web de manera automatizada, útil para la recopilación de información para entrenar modelos de IA.

Workflow Automation (Automatización de Flujos de Trabajo)
Uso de tecnología –incluida la IA– para automatizar procesos y tareas repetitivas en una organización, aumentando la eficiencia.

XML (eXtensible Markup Language)
Lenguaje de marcado utilizado para definir, almacenar e intercambiar datos de forma estructurada.

XGBoost
Algoritmo de aprendizaje supervisado que utiliza técnicas de boosting para mejorar el rendimiento en tareas de clasificación y regresión.

Zero-Shot Learning
Capacidad de un modelo para reconocer y clasificar datos que no fueron parte de su entrenamiento, basándose en conocimientos generales o contextuales.

Z-Score Normalization
Técnica para normalizar datos transformándolos de forma que tengan una media de 0 y una desviación estándar de 1, facilitando su análisis.

---

Términos Adicionales No Siempre Incluidos en otros glosarios

• Prompt Engineering: Fundamental en la interacción con modelos de lenguaje; se trata de diseñar las instrucciones de entrada (prompts) de manera óptima.
• Explainability & Transparency (Explicabilidad y Transparencia Algorítmica): Conjunto de prácticas y técnicas para hacer comprensibles las decisiones y procesos internos de los modelos de IA.
• Data Privacy (Privacidad de Datos): Concepto clave en la era digital que aborda la protección de información personal y el cumplimiento de normativas.
• Cybersecurity (Ciberseguridad): Disciplina que protege sistemas y datos de ataques y vulnerabilidades, crucial en la implementación de soluciones de IA en entornos críticos.

---

Cabe destacar que este glosario integral se actualiza y complementa de manera continua, a medida que avanza esta tecnología. Sin embargo, es un importante punto de partida para profundizar en el conocimiento de la IA, permitiéndonos entender tanto los fundamentos técnicos como las implicancias éticas y sociales de esta revolucionaria herramienta.