Fundamentos
Una alucinación en IA ocurre cuando un modelo genera información que parece correcta y la entrega con seguridad, pero que en realidad es falsa, inventada o no tiene respaldo en los datos con los que trabaja. El modelo no está mintiendo. Solo produce la respuesta que estadísticamente le parece más
Fundamentos
La inteligencia artificial es la disciplina que busca que las máquinas ejecuten tareas que, realizadas por personas, requerirían inteligencia: razonar, percibir, aprender, decidir o comunicarse. No se trata de una sola tecnología, sino de un campo amplio que agrupa múltiples enfoques y métodos. El término nació formalmente en la Conferencia
Fundamentos
Es el conjunto de principios que orientan un desarrollo y uso de la IA responsable, transparente, justo y seguro, respetuoso de los derechos humanos. Aborda temas como la privacidad, la rendición de cuentas, la explicabilidad y el impacto social. Cada vez más, gobiernos y organismos internacionales la traducen en marcos
Fundamentos
Es una aplicación de IA que interactúa con las personas mediante texto o voz para responder consultas o ejecutar tareas. Combina procesamiento del lenguaje natural con reglas o modelos de aprendizaje. La idea de conversar con una máquina se remonta a los primeros programas experimentales de mediados del siglo XX.
Fundamentos
En el aprendizaje supervisado el modelo se entrena con datos etiquetados (cada ejemplo trae su respuesta correcta) para aprender a predecir o clasificar. En el no supervisado no hay etiquetas: el sistema descubre por sí mismo estructuras y agrupaciones en los datos. Son los dos paradigmas fundamentales, a los que
Fundamentos
Es la tendencia de un sistema de IA a producir resultados sistemáticamente injustos hacia ciertos grupos, generalmente porque los datos o el diseño reflejan desigualdades existentes. Puede aparecer en decisiones sobre crédito, contratación o justicia, con consecuencias reales para las personas. Detectarlo y mitigarlo es hoy una prioridad técnica y
Fundamentos
Son modelos entrenados con cantidades masivas de texto para comprender y generar lenguaje de forma coherente. Aprenden regularidades del idioma y del conocimiento contenido en los datos, lo que les permite responder preguntas, redactar y resumir. Su base técnica es la arquitectura de «transformadores», que revolucionó el campo a partir
Fundamentos
Es la capacidad de un sistema para extraer información significativa de imágenes y video: reconocer objetos, rostros, escenas o movimientos. Combina técnicas de aprendizaje profundo con enormes conjuntos de imágenes etiquetadas. Un hito clave fue la creación de grandes bases de datos visuales que impulsaron los concursos y modelos modernos.
Fundamentos
Son el conjunto de ejemplos con los que se «enseña» a un modelo para que descubra patrones. Su cantidad, variedad y calidad condicionan directamente lo que el sistema puede aprender: datos sesgados o incompletos producen modelos sesgados o poco fiables. Suelen separarse en subconjuntos de entrenamiento, validación y prueba para
Fundamentos
Es un modelo computacional inspirado (de forma simplificada) en la manera en que las neuronas biológicas se conectan y transmiten señales. Está compuesta por nodos organizados en capas que reciben entradas, las ponderan y producen una salida. Ajustando esos pesos durante el entrenamiento, la red «aprende» a asociar entradas con
Fundamentos
Es un subconjunto del aprendizaje automático basado en redes neuronales con muchas capas, capaces de aprender representaciones cada vez más abstractas de los datos. Cada capa transforma la información de la anterior, lo que permite abordar problemas complejos como el reconocimiento de imágenes o el lenguaje. Su despegue se debe
Fundamentos
Es la rama de la IA en la que un sistema mejora su desempeño a partir de datos y experiencia, en lugar de seguir reglas escritas a mano para cada caso. El programa detecta patrones en ejemplos previos y los usa para responder ante situaciones nuevas. Es hoy el motor