Glosario de IA

Respuesta corta

Este glosario explica los conceptos esenciales de inteligencia artificial en español, con definición directa, aplicación práctica, límites, fuente primaria y conexiones con noticias y guías relacionadas.

Cómo se construyen las definiciones

Cada entrada responde primero “qué es”, después muestra cómo funciona el concepto y en qué decisión importa. También diferencia términos que suelen confundirse. Una definición útil no depende solo de una frase: debe aclarar contexto, riesgo y qué conviene medir en la práctica. Ejemplos y límites convierten el lenguaje técnico en una decisión que puede explicarse y revisarse.

Por dónde empezar

Para fundamentos, lee machine learning, deep learning, red neuronal y transformer. Para IA generativa, continúa con LLM, token, prompt, RAG y agente de IA. Para implementación, consulta inferencia, embeddings, ventana de contexto, cuantización y MCP.

Cómo usar el glosario sin memorizar jerga

Relaciona cada término con una tarea: cuál es la entrada, qué hace el sistema, qué salida produce y cómo se detectará el error. Abre la referencia primaria cuando una definición sostenga una decisión técnica o comercial. Las entradas se actualizan cuando cambia el uso del término o aparecen fuentes mejores.

Referencias de base: Google for Developers — Machine Learning Glossary · NIST — AI Risk Management Framework

Preguntas frecuentes

¿Por dónde empezar en el glosario de IA?

Empieza por machine learning, red neuronal, transformer y LLM. Después continúa con token, prompt, RAG, agentes y los términos ligados a tu tarea.

¿Las definiciones se actualizan?

Sí. Las entradas se revisan cuando cambia el uso del término, aparecen mejores fuentes primarias o una explicación práctica necesita corrección.

¿Una definición sustituye la documentación técnica?

No. El glosario ofrece contexto y una referencia inicial; las decisiones técnicas deben confirmar detalles en la documentación primaria indicada.

Todos los términos de inteligencia artificial