Hemos compilado una lista de frases y conceptos útiles para comprender la inteligencia artificial, específicamente la nueva generación de chatbots de IA como ChatGPT, Bing y Bard.

Si no entiende estas explicaciones o quiere saber más, puede considerar preguntarles a los propios chatbots. Responder tales preguntas es una de sus habilidades más útiles, y una de las mejores formas de entender la IA es usarla. Pero ten en cuenta que a veces las cosas salen mal.

Los chatbots de Bing y Bard tardan en implementarse y es posible que deba ingresar a sus listas de espera para acceder. ChatGPT actualmente no tiene una lista de espera, pero requiere crear una cuenta gratuita.

Para obtener más información sobre la IA, consulte la serie de cinco partes de The New York Times sobre cómo convertirse en un experto en chatbots.

Antropomorfismo: La tendencia de las personas a atribuir cualidades o características humanas a un chatbot de IA. Por ejemplo, puede asumir que es amable o cruel en función de sus respuestas, a pesar de que es incapaz de sentir emociones, o puede creer que la IA es inteligente porque es muy buena para imitar el lenguaje humano.

Adicciones: Un tipo de error que puede ocurrir en un modelo de lenguaje grande si su salida está sesgada por los datos de entrenamiento del modelo. Por ejemplo, un modelo puede asociar rasgos u ocupaciones específicas con una raza o género en particular, lo que genera predicciones inexactas y respuestas ofensivas.

Comportamiento de emergencia: Capacidades inesperadas o imprevistas en un modelo de lenguaje grande habilitadas por los modelos de aprendizaje y las reglas del modelo a partir de sus datos de entrenamiento. Por ejemplo, los modelos que están capacitados en sitios de programación y codificación pueden escribir código nuevo. Otros ejemplos incluyen habilidades creativas como componer poesía, música e historias de ficción.

IA generativa: Una tecnología que crea contenido, incluidos texto, imágenes, video y código de computadora, mediante la identificación de patrones en grandes cantidades de datos de entrenamiento y luego la creación de material original que tiene características similares. Los ejemplos incluyen ChatGPT para texto y DALL-E y Midjourney para imágenes.

Alucinaciones: Un fenómeno bien conocido en los grandes modelos de lenguaje donde un sistema proporciona una respuesta que es objetivamente incorrecta, irrelevante o sin sentido debido a limitaciones en sus datos de entrenamiento y arquitectura.

Patrón de lenguaje grande: Un tipo de red neuronal que aprende habilidades, incluida la generación de prosa, la conducción de conversaciones y la escritura de código de computadora, mediante el análisis de grandes cantidades de texto de Internet. La función principal es predecir la siguiente palabra en una secuencia, pero estos modelos sorprendieron a los expertos al aprender nuevas habilidades.

Procesamiento natural del lenguaje: Técnicas utilizadas por grandes modelos de lenguaje para comprender y generar lenguaje humano, incluida la clasificación de texto y el análisis de sentimientos. Estos métodos suelen utilizar una combinación de algoritmos de aprendizaje automático, modelos estadísticos y reglas lingüísticas.

Red neuronal: Un sistema matemático modelado en el cerebro humano que aprende habilidades encontrando patrones estadísticos en los datos. Consiste en capas de neuronas artificiales: la primera capa recibe los datos de entrada y la última capa emite los resultados. Incluso los expertos que crean redes neuronales no siempre entienden lo que sucede entre ellos.

Parámetros: Valores numéricos que definen la estructura y el comportamiento de un modelo de lenguaje grande, como pistas que lo ayudan a adivinar qué palabras son las siguientes. Se cree que los sistemas como GPT-4 tienen cientos de miles de millones de parámetros.

Aprendizaje reforzado: Una técnica que le enseña a un modelo de IA a encontrar el mejor resultado a través de prueba y error, recibiendo recompensas o castigos de un algoritmo basado en sus resultados. Este sistema se puede mejorar si las personas dan su opinión sobre su eficacia en forma de calificaciones, correcciones y sugerencias.

Modelo de transformador: Una arquitectura de red neuronal útil para la comprensión del lenguaje que no tiene que analizar las palabras una por una, sino que puede ver la oración completa a la vez. Este fue un gran avance en la IA porque permitió que los modelos entendieran el contexto y las dependencias a largo plazo en el lenguaje. Los transformadores utilizan una técnica llamada autoatención, que permite que el modelo se concentre en las palabras específicas que son importantes para comprender el significado de la oración.