Glosario de IA: Guía de términos y conceptos esenciales.
La Inteligencia Artificial (IA) es un campo emocionante y en rápida expansión. Continúe leyendo para aprender conceptos fundamentales de IA, así como términos relevantes para el procesamiento de datos y aplicaciones de IA.
Por: Jacob Given, Editado por: Gabriela Pérez Jordán, Revisado por: Jeff Le
Publicado: 19 de junio de 2025
Conceptos fundamentales de IA
Inteligencia artificial
Inteligencia artificial (IA) se refiere a sistemas informáticos que pueden realizar tareas que normalmente requieren inteligencia humana, incluyendo tareas interpretativas como el análisis de sentimientos y la resumen de texto.
- Inteligencia artificial generativa: La inteligencia artificial generativa (GenAI) utiliza un modelo predictivo entrenado con grandes cantidades de datos para producir nuevo contenido, como texto escrito, imágenes e incluso video y audio.
- Inteligencia artificial general: La inteligencia artificial general (AGI) se refiere a sistemas de IA capaces de igualar o superar los niveles de rendimiento humano. En el momento actual, la AGI es un logro hipotético.
Aprendizaje automático
Aprendizaje automático (ML) se refiere al uso de algoritmos que permiten a las computadoras aprender de manera autónoma y hacer predicciones sobre tendencias basadas en conjuntos de datos. Un programa de ML puede mejorar su precisión con el tiempo a medida que procesa más datos.
- Aprendizaje supervisado: Durante el aprendizaje supervisado, un sistema aprende basado en la entrada humana en forma de datos etiquetados. Al alimentar al sistema con ejemplos etiquetados, mejora en predecir los resultados asociados con ciertas entradas.
- Aprendizaje no supervisado: El aprendizaje no supervisado se refiere a un proceso en el cual un sistema de ML identifica patrones en datos no etiquetados. Este tipo de aprendizaje permite a un sistema descubrir patrones sin depender de instrucciones humanas.
- Aprendizaje por refuerzo: El aprendizaje por refuerzo se refiere al proceso de prueba y error de entrenar un modelo con retroalimentación positiva y negativa basada en su rendimiento predictivo. A medida que el modelo recibe retroalimentación, corrige sus procesos predictivos en consecuencia.
- Aprendizaje profundo: Aprendizaje profundo (DL) aprovecha redes neuronales para simular la actividad de aprendizaje del cerebro humano. DL permite a los modelos de IA extraer patrones de grandes cantidades de datos no estructurados.
- Redes neuronales: Las redes neuronales utilizan una estructura de nodos que imita la actividad neuronal del cerebro humano. Una red neuronal consta de una capa de entrada, varias capas de nodos y una capa de salida, así como una o más capas ocultas.
Procesamiento de lenguaje natural
Procesamiento de lenguaje natural (NLP) se refiere a la capacidad de las computadoras para entender y comunicarse en lenguaje humano. Los chatbots, asistentes virtuales y muchos motores de búsqueda dependen del NLP.
- Modelos de lenguaje grandes: Los Modelos de Lenguaje Grandes (LLMs) son sistemas de IA entrenados con una gran cantidad de datos de texto, lo que les permite entender y generar lenguaje natural. Los LLMs sirven como modelos base, lo que significa que pueden realizar tareas en una variedad de dominios.
- Modelos multimodales: Los modelos de IA multimodales pueden procesar e interactuar con una variedad de tipos de entrada y salida, incluyendo texto, video y audio. Pueden generar salida en un modo (texto, por ejemplo) basado en la entrada de otro modo (audio o video, por ejemplo).
Conceptos de procesamiento de datos de IA
Algoritmo
Un algoritmo es un conjunto de reglas o procesos seguidos para realizar una tarea determinada. Los algoritmos pueden ayudar a descubrir patrones en conjuntos de datos o incluso ofrecer predicciones o sugerencias basadas en datos históricos.
Minería de datos
Minería de datos se refiere al proceso de obtener información de grandes conjuntos de datos. A través de la minería de datos, los analistas pueden descubrir patrones ocultos que de otro modo permanecerían sin descubrir.
Big Data
Big data se refiere a conjuntos de datos de gran volumen recopilados a alta velocidad por organizaciones de diversas fuentes. De estos grandes conjuntos de datos, las organizaciones pueden derivar información procesable para tomar decisiones comerciales informadas.
Aplicaciones e interfaces del mundo real de la IA
Chatbot
Los chatbots simulan conversaciones en lenguaje natural. Un usuario proporciona una entrada, también conocida como un aviso, y el modelo proporciona una salida, o una respuesta.
- Avisos: Los avisos se refieren a las entradas que los usuarios proporcionan para consultar un modelo de IA. Los avisos más específicos y detallados generalmente logran resultados más satisfactorios que los vagos.
- Alucinaciones: Una alucinación se refiere a una salida inexacta o sin sentido proporcionada por un modelo de IA. Las alucinaciones son una limitación inherente para los modelos de IA. Según un informe de 2023 del New York Times, la IA alucina aproximadamente el 27% del tiempo.
IA Agente
La IA Agente es un sistema de IA capaz de tomar decisiones y realizar tareas de manera autónoma, con supervisión limitada. Aprovechando un ecosistema digital de LLMs, ML y NLP, la IA Agente está diseñada para actuar en nombre de usuarios o sistemas sin tener que depender de avisos continuos o intervención humana. Los vehículos autónomos y los asistentes de aprendizaje personalizados son ejemplos de IA Agente.
Visión por computadora
La visión por computadora se refiere a un subcampo de la IA que busca crear sistemas que puedan extraer información de entradas visuales como imágenes y video.
Internet de las cosas
El Internet de las cosas (IoT) se refiere a objetos físicos con conectividad de red que pueden recopilar y compartir datos. El IoT incluye los llamados dispositivos "inteligentes", como automóviles inteligentes, hogares inteligentes y altavoces inteligentes.
Robótica
La robótica se refiere al estudio de máquinas programables que pueden reemplazar el trabajo humano, también conocidas como robots. Los robots generalmente operan de manera autónoma, requiriendo una intervención mínima para realizar una tarea.
Desarrolle habilidades de IA en edX
A medida que la IA continúa evolucionando rápidamente, no hay mejor momento para aprender los conceptos fundamentales del campo. Si está interesado en profundizar en la inteligencia artificial, nuestros cursos y programas de IA para principiantes en línea son un excelente lugar para comenzar.
