Aprendizaje Automático (Machine Learning): Rama de la IA en la que las máquinas aprenden de datos sin ser programadas explícitamente. Permite identificar patrones en los datos para predecir resultados. Por ejemplo, sistemas que recomiendan películas usando el historial de un usuario.

Aprendizaje Profundo (Deep Learning): Subcampo del aprendizaje automático basado en redes neuronales artificiales multicapa, inspiradas en el cerebro humano. Son capaces de aprender representaciones muy complejas a partir de datos (imágenes, texto, etc.).

Algoritmo: Conjunto de instrucciones matemáticas o lógicas que una computadora sigue para resolver un problema. En IA, los algoritmos procesan datos y ajustan un modelo para que aprenda de ellos.

 Datos: Información en formato digital (números, texto, imágenes, etc.) que se utiliza para entrenar modelos de IA. Cuanto más numerosos, variados y de calidad sean los datos, mejor podrá aprender la IA.

Parámetro: Valor numérico interno de un modelo de IA que se ajusta durante el entrenamiento. Está formado por los pesos y por los sesgos técnicos (bias). En redes neuronales profundos, hay miles de millones de parámetros (por ejemplo, GPT-3 tiene 175.000 millones) que determinan cómo el modelo responde a las entradas.

Red Neuronal Artificial: Modelo computacional inspirado en el cerebro, formado por capas de “neuronas” conectadas. Cada neurona procesa señales de entrada y las combina según los parámetros (pesos) para generar una salida. Muchas capas (profundas) permiten modelar relaciones complejas.

IA Generativa: Tecnología de IA que crea contenido nuevo (texto, imágenes, sonido, video) a partir de patrones aprendidos. Los LLM (como ChatGPT) y modelos de imagen (DALL·E, Stable Diffusion) son ejemplos de IA generativa.

Transformaer: Arquitectura de red neuronal especializada en procesar secuencias (texto, por ejemplo). Los transformers usan mecanismos de auto-atención para identificar partes relevantes del contexto. Son la base de modelos modernos de lenguaje (GPT, Gemini, etc.).

Modelo de Lenguaje: Algoritmo de IA entrenado con textos para entender y generar lenguaje. A partir de un texto texto predice cuál es la siguiente palabra más probable. 

Gran Modelo de Lenguaje (LLM): Un modelo de lenguaje extremadamente grande (miles de millones de parámetros) entrenado con enormes volúmenes de texto. Gracias a su escala, puede realizar tareas diversas (resumir, traducir, crear código, etc.) a partir de simples indicaciones en lenguaje natural.

GPT (Generative Pre-trained Transformer):  Se trata de un modelo generativo que ha sido entrenado de forma masiva analizando miles de millones de textos (libros, artículos, código de programación) para aprender los patrones del lenguaje. Transformador Generativo Preentrenado, en castellano. Es un tipo de inteligencia artificial diseñada para generar texto de forma similar a como lo hacen los humanos. Para conseguir esta objetivo analiza miles de millones de textos (libros, artículos, código de programación) y aprende los patrones del lenguaje antes de empezar a hablar. La arquitectura transformer, inventada por Google en 2017  permite a la IA entender el contexto de las palabras basándose en las que están antes y después, generando una "memoria" de corto plazo que le permite procesar el lenguaje de manera más eficiente.

Procesamiento de Lenguaje Natural (PLN): Conjunto de técnicas para que las máquinas comprendan y generen lenguaje humano. Incluye tareas como análisis de sentimientos, traducción automática, reconocimiento de entidades o generación de texto coherente.

Chatbot: Programa de IA conversacional diseñado para simular una charla con un usuario. Por ejemplo, ChatGPT es un chatbot avanzado de IA generativa; también hay chatbots más simples programados con respuestas fijas.

Asistente virtual: Software (generalmente con interfaz de voz o texto) que realiza tareas o responde preguntas (ej.: Siri, Alexa, Google Assistant). Emplea PLN para interpretar comandos del usuario y puede ejecutar acciones (poner música, contestar dudas, controlar dispositivos).

Sistema Experto: Programa de IA que emplea conocimiento especializado (reglas o bases de datos de expertos humanos) para resolver problemas específicos. Imitan el proceso de razonamiento de un experto en una materia (por ejemplo, diagnóstico médico). Pueden superar a humanos en decisiones puntuales gracias a las reglas predefinidas.

Big Data: Conjunto de datos tan grandes y complejos que requieren herramientas especiales para procesarlos. El auge del Big Data (miles de millones de registros de usuarios, sensores, etc.) ha sido clave para entrenar modelos de IA modernos.

Sesgo técnico (Bias): es un parámetro adicional a los pesos que permite ajustar la activación de una neurona, incluso cuando las entradas son pequeñas o cero. Es decir, ayuda al modelo a desplazar el resultado hacia arriba o hacia abajo para mejorar el aprendizaje.

Reconocimiento de Voz: Tecnología de IA que convierte audio hablado en texto y comprende comandos de voz. Utiliza modelos de lenguaje y redes neuronales para transcribir y entender lo que decimos.

Visión Artificial: Áreas de IA dedicadas a procesar imágenes o video para identificarlos o clasificarlos (detección de objetos, reconocimiento facial, conducción autónoma). Usa redes neuronales convolucionales (CNN) que analizan una imagen por pequeñas partes, buscando patrones que se repiten.