Clasificación binaria

Créditos: Imagen facilitada; Autor: Stephen Whitelaw;

La clasificación binaria es una tarea en la que un sistema de IA elige entre dos categorías. Algunos ejemplos son: spam o no spam, fraude o no fraude, enfermedad o ausencia de enfermedad, aprobar o rechazar. Parece sencillo, pero las consecuencias pueden ser graves. En contextos de alto riesgo, debemos comprender no solo la respuesta, sino también el nivel de confianza, la tasa de error y el impacto de los errores.

Caja negra

Créditos: Imagen facilitada; Autor: Stephen Whitelaw;

Un sistema de IA de «caja negra» es aquel cuyo razonamiento interno resulta difícil de comprender para los seres humanos. Muchos modelos modernos de IA son potentes, pero no son fáciles de explicar. Esto plantea un problema en ámbitos como la sanidad, las finanzas y el derecho, donde las personas pueden necesitar saber por qué se ha tomado una decisión. Los sistemas de «caja negra» pueden ser útiles, pero requieren pruebas y supervisión minuciosas.

Puntuación BLEU

Créditos: Imagen facilitada; Autor: Stephen Whitelaw;

El BLEU es una puntuación que se utiliza tradicionalmente para evaluar la traducción automática. Compara una traducción generada por IA con una o varias traducciones humanas. Una puntuación BLEU más alta suele significar que la traducción automática se acerca más al texto de referencia. Sin embargo, como muchas métricas, es imperfecta. Una traducción puede obtener una buena puntuación pero seguir sonando poco natural, o bien obtener una puntuación baja aunque resulte aceptable para un lector humano.

Bot

Créditos: Imagen facilitada; Autor: Stephen Whitelaw;

Un bot es un programa de software que realiza tareas automatizadas. Algunos bots son sencillos, como los que envían recordatorios o responden a preguntas básicas de atención al cliente. Los bots basados en IA son más flexibles y pueden entender el lenguaje natural. Los bots pueden ser útiles, pero también pueden utilizarse para enviar spam, estafas, desinformación o actividad falsa en las redes sociales.

Cuadro delimitador

Créditos: Imagen facilitada; Autor: Stephen Whitelaw;

Un cuadro delimitador es un rectángulo que se dibuja alrededor de un objeto en una imagen para que un sistema de IA pueda aprender a detectarlo. Por ejemplo, en una imagen de tráfico, se pueden dibujar cuadros alrededor de coches, peatones, bicicletas y señales. Los cuadros delimitadores se utilizan habitualmente en la visión artificial. Muestran a la IA no solo qué hay en una imagen, sino también dónde se encuentra.

BPE — Codificación por pares de bytes

Créditos: Imagen facilitada; Autor: Stephen Whitelaw;

La codificación por pares de bytes, o BPE, es un método que se utiliza para dividir el texto en unidades más pequeñas denominadas «tokens». Estos tokens pueden ser palabras completas, partes de palabras o caracteres. Los modelos lingüísticos no suelen leer el texto exactamente como lo hacen los humanos; procesan tokens. La tokenización influye en el coste, la velocidad y la capacidad de un modelo para gestionar palabras, nombres o idiomas poco habituales.

Boosting

Créditos: Imagen facilitada; Autor: Stephen Whitelaw;

El «boosting» es una técnica de aprendizaje automático que combina varios modelos más débiles para crear uno más potente. Cada nuevo modelo se centra más en los errores cometidos por los modelos anteriores. Con el tiempo, el sistema combinado gana en precisión. El «boosting» se utiliza ampliamente en problemas relacionados con datos estructurados, como la puntuación de riesgos, la predicción y la clasificación.

Inteligencia empresarial

Créditos: Imagen facilitada; Autor: Stephen Whitelaw;

La inteligencia empresarial utiliza datos para ayudar a las organizaciones a comprender su rendimiento y tomar decisiones. La inteligencia empresarial tradicional suele incluir cuadros de mando e informes. La IA puede mejorar la inteligencia empresarial al detectar patrones, elaborar previsiones, resumir tendencias y sugerir medidas. Sin embargo, los conocimientos empresariales generados por la IA siguen necesitando el criterio humano y el conocimiento del ámbito en cuestión.