Créditos: Imagen facilitada; Autor: Stephen Whitelaw;

Clasificación

La clasificación es una tarea de inteligencia artificial en la que el sistema asigna algo a una categoría. Algunos ejemplos son clasificar los correos electrónicos en spam y no spam, identificar si una reseña es positiva o negativa, o detectar si una radiografía parece normal o anómala. La clasificación es uno de los usos más comunes del aprendizaje automático.

Créditos: Imagen facilitada; Autor: Stephen Whitelaw;

Claude

Claude es una familia avanzada de modelos lingüísticos de gran tamaño desarrollada por Anthropic. Diseñada para ser segura, precisa y fiable, cuenta con herramientas especializadas como Claude Code (una herramienta de codificación agentiva), Claude Design y Claude Science para la investigación. Claude recibe su nombre del famoso Claude Shannon, matemático, informático y padre de la teoría de la información.

Créditos: Imagen facilitada; Autor: Stephen Whitelaw;

IA en la nube

La IA en la nube hace referencia a los servicios de IA prestados a través de Internet por grandes proveedores de servicios informáticos. En lugar de adquirir hardware costoso, las empresas pueden acceder a modelos de IA, almacenamiento y potencia de cálculo a través de plataformas en la nube. Esto hace que la IA sea más accesible, pero también plantea cuestiones sobre la privacidad de los datos, la seguridad, el coste y la dependencia de las grandes empresas tecnológicas.

Créditos: Imagen facilitada; Autor: Stephen Whitelaw;

Agrupación

La agrupación por clústeres es un método de aprendizaje automático que agrupa elementos similares sin que se le indiquen de antemano las categorías correctas. Por ejemplo, un minorista podría utilizar la agrupación por clústeres para identificar grupos de clientes con hábitos de compra similares. La agrupación por clústeres resulta útil para descubrir patrones, pero los grupos que identifica siguen necesitando una interpretación humana.

Créditos: Imagen facilitada; Autor: Stephen Whitelaw;

Computación cognitiva

La computación cognitiva es un término más antiguo y amplio que se refiere a los sistemas diseñados para imitar aspectos del pensamiento humano, como el aprendizaje, el razonamiento y la comprensión del lenguaje. Se utiliza a menudo en contextos empresariales. Hoy en día, se habla más comúnmente de IA, aprendizaje automático e IA generativa, pero la idea básica sigue siendo la misma: utilizar ordenadores para realizar tareas complejas propias del ser humano.

Créditos: Imagen facilitada; Autor: Stephen Whitelaw;

Visión artificial

La visión artificial es la rama de la IA que ayuda a los ordenadores a interpretar imágenes y vídeos. Se utiliza en el diagnóstico por imagen, el reconocimiento facial, los coches autónomos, el control de calidad, la agricultura, la seguridad y el análisis deportivo. Los sistemas de visión artificial pueden ser muy potentes, pero pueden fallar cuando la iluminación, los ángulos, los fondos o las condiciones del mundo real difieren de los datos de entrenamiento.

Créditos: Imagen facilitada; Autor: Stephen Whitelaw;

Puntuación de confianza

Una puntuación de confianza es un número que indica el grado de certeza que tiene un sistema de IA respecto a su resultado. Por ejemplo, un clasificador de imágenes podría indicar que tiene un 92 % de confianza en que una imagen muestra un perro. Las puntuaciones de confianza pueden ser útiles, pero no son garantías. Algunos sistemas de IA se muestran excesivamente seguros incluso cuando se equivocan, por lo que la calibración y las pruebas son fundamentales.

Créditos: Imagen facilitada; Autor: Stephen Whitelaw;

Ventana de contexto

La ventana de contexto es la cantidad de información que un modelo de lenguaje puede tener en cuenta de una sola vez. Puede incluir la pregunta del usuario, la conversación anterior, el texto cargado o los documentos recuperados. Una ventana de contexto más amplia permite al modelo trabajar con documentos más largos y con más información de fondo. Sin embargo, incluso con una ventana de contexto amplia, el modelo puede seguir pasando por alto detalles o dar prioridad a cierta información frente a otra. Muchos en el sector creen que podríamos estar encaminándonos hacia ventanas de contexto infinitas, es decir, algo que el usuario ya no tenga que tener en cuenta.

Créditos: Imagen facilitada; Autor: Stephen Whitelaw;

Red neuronal convolucional

Una red neuronal convolucional, o CNN, es un tipo de red neuronal especialmente útil para imágenes. Las CNN detectan patrones como bordes, formas, texturas y objetos. Desempeñaron un papel fundamental en el auge de la visión artificial. Aunque ahora también se utilizan arquitecturas más modernas, las CNN siguen siendo importantes en el análisis de imágenes, el diagnóstico por imagen y el reconocimiento visual.

Créditos: Imagen facilitada; Autor: Stephen Whitelaw;

Corpus

Un corpus es una recopilación de texto o datos que se utiliza para el análisis o el entrenamiento. Por ejemplo, un modelo lingüístico puede entrenarse con un corpus que contenga libros, artículos, páginas web, código y otro material escrito. La calidad y la composición del corpus influyen considerablemente en el comportamiento del modelo. Si el corpus contiene errores, sesgos o información obsoleta, es posible que el modelo también los aprenda.

Créditos: Imagen facilitada; Autor: Stephen Whitelaw;

Función de coste

Una función de coste, también denominada función de pérdida, mide el grado de error de un modelo durante el entrenamiento. El modelo intenta reducir este error con el tiempo. Por ejemplo, si una IA predice los precios de la vivienda, la función de coste mide la diferencia entre los precios previstos y los reales. El entrenamiento es, en esencia, el proceso de ajustar el modelo para minimizar esta pérdida.

Créditos: Imagen facilitada; Autor: Stephen Whitelaw;

Validación cruzada

La validación cruzada es una técnica que se utiliza para comprobar el rendimiento de un modelo en diferentes partes de los datos. En lugar de realizar el entrenamiento y la evaluación una sola vez, los datos se dividen de varias formas. Esto ayuda a determinar si el modelo ofrece un rendimiento constante o si solo funciona bien en una división concreta por casualidad. La validación cruzada reduce el riesgo de sobreestimar el rendimiento real de un modelo.

Créditos: Imagen facilitada; Autor: Stephen Whitelaw;

Modelo personalizado

Un modelo personalizado es un modelo de IA adaptado a una organización, tarea o conjunto de datos específicos. Por ejemplo, un hospital podría necesitar un modelo entrenado con sus propios documentos clínicos, o un bufete de abogados podría necesitar uno optimizado para la redacción de textos jurídicos. Los modelos personalizados pueden ser más relevantes que los modelos generales, pero requieren un manejo cuidadoso de los datos, así como pruebas y una gestión rigurosa.

Créditos: Imagen facilitada; Autor: Stephen Whitelaw;

IA para la ciberseguridad

La IA aplicada a la ciberseguridad utiliza el aprendizaje automático y la automatización para detectar, prevenir o responder a amenazas digitales. Puede ayudar a detectar comportamientos inusuales en la red, intentos de phishing, malware o inicios de sesión sospechosos. Al mismo tiempo, los atacantes también pueden utilizar la IA para crear estafas más convincentes o automatizar sus ataques. Por lo tanto, la IA es tanto una herramienta defensiva como un nuevo reto en materia de ciberseguridad.

Establece The Portugal News como tu fuente preferida de noticias en Google

GoogleAñadir como fuente preferida en Google