Nivel B1-B2 · Vocabulario Tecnológico de Vanguardia

Vocabulario de Inteligencia Artificial en Inglés (AI & Machine Learning)

La revolución de la inteligencia artificial se desarrolla, publica y debate casi exclusivamente en inglés. Desde modelos fundacionales y *prompt engineering* hasta redes neuronales y recuperación aumentada (*RAG*), dominar esta terminología es indispensable para desarrolladores, científicos de datos y profesionales que interactúan con herramientas de IA en entornos globales.

1. Términos fundamentales con audio interactivo

Haz clic en cada tarjeta para escuchar la pronunciación auténtica de términos habituales en publicaciones científicas y documentación técnica:

Neural network
Red neuronal
🔊 escuchar
Hallucination
Alucinación del modelo
🔊 escuchar
Embedding
Vector semántico
🔊 escuchar
Epoch
Época de entrenamiento
🔊 escuchar
Overfitting
Sobreajuste del modelo
🔊 escuchar
Prompt
Instrucción de entrada
🔊 escuchar
Heuristic
Heurística
🔊 escuchar
Inference
Inferencia / Ejecución
🔊 escuchar

2. IA Generativa y Modelos de Lenguaje (LLMs)

Los conceptos que definen la interacción con modelos generativos (como Gemini, GPT o Claude):

Término en inglés Definición en español Ejemplo en contexto
Token Fragmento básico de texto (palabra o parte de palabra) procesado por el modelo. "This model has a context window of 1 million tokens."
Context window Ventana de contexto: cantidad máxima de información que el modelo retiene en memoria por sesión. "Large context windows allow the AI to process entire books."
Temperature Parámetro de aleatoriedad: valores bajos son factuales y predecibles; valores altos, más creativos. "Set the temperature to 0.2 to ensure consistent, deterministic outputs."
Few-shot prompting Técnica de ingresar algunos ejemplos en la instrucción antes de pedir la respuesta final. "Few-shot prompting improved our classification accuracy significantly."
Grounding Anclaje o fundamentación de las respuestas del modelo en fuentes de datos verificadas. "Grounding the response with Google Search reduces hallucinations."
Multimodal Capacidad de procesar y generar texto, audio, imágenes y video de forma simultánea. "Native multimodal models understand video inputs natively."

3. Entrenamiento y Machine Learning clásico

Términos indispensables para la fase de construcción y ajuste de algoritmos predictivos:

Concepto Significado Explicación práctica
Training data / Dataset Conjunto de datos de entrenamiento La información de entrada utilizada para que el algoritmo aprenda patrones.
Loss function Función de pérdida Métrica matemática que cuantifica el error del modelo durante el entrenamiento.
Underfitting vs Overfitting Subajuste vs Sobreajuste Underfitting: el modelo es muy simple y no aprende. Overfitting: memoriza los datos de prueba pero falla con datos nuevos.
Weights and Biases Pesos y sesgos Los parámetros numéricos internos ajustados por la red neuronal durante el entrenamiento.
Fine-tuning Ajuste fino Reentrenamiento de un modelo base ya preentrenado usando un conjunto de datos especializado.

4. Seguridad, Ética y Alineación (AI Safety)

Con el avance de la tecnología, los debates sobre gobernanza y seguridad de la IA utilizan terminología técnica especializada:

• AI Alignment (Alineación de la IA): El reto de asegurar que los modelos actúen de acuerdo con los valores y metas humanas.
• RLHF (Reinforcement Learning from Human Feedback): Aprendizaje por refuerzo a partir de retroalimentación humana para guiar el tono y evitar respuestas dañinas.
• Guardrails (Filtros de seguridad): Reglas y barreras de contención que bloquean contenido ofensivo, peligroso o no autorizado.
• Jailbreak: Intentar burlar las restricciones de seguridad mediante instrucciones elaboradas.
• Bias (Sesgo algorítmico): Distorsión en los resultados producida por prejuicios presentes en los datos de entrenamiento.

5. Frases reales en proyectos de Inteligencia Artificial

Frase en inglés Traducción profesional
"The model is hallucinating facts; we must implement RAG with external grounding." El modelo está alucinando datos; debemos implementar RAG con anclaje externo.
"Lower the temperature to make the output more deterministic and factual." Baja la temperatura para que la respuesta sea más determinista y basada en hechos.
"We need to evaluate the inference latency before deploying to production." Necesitamos evaluar la latencia de inferencia antes de desplegar a producción.
"The vector database enables semantic search over our knowledge base." La base de datos vectorial permite realizar búsquedas semánticas sobre nuestra base de conocimiento.

6. Acrónimos clave de IA explicados

Acrónimo Nombre completo Significado
LLM Large Language Model Modelo de lenguaje a gran escala entrenado con miles de millones de parámetros.
RAG Retrieval-Augmented Generation Generación aumentada por recuperación de datos externos en tiempo real.
AGI Artificial General Intelligence Inteligencia artificial general capaz de resolver cualquier tarea cognitiva humana.
NLP Natural Language Processing Procesamiento del lenguaje natural entre humanos y computadoras.
CNN / RNN Convolutional / Recurrent Neural Network Redes neuronales especializadas en visión por computadora (CNN) y series temporales (RNN).

7. Ejercicios prácticos y Quiz de autoevaluación

Ejercicio 1 · Identificación conceptual
¿Cómo se denomina en inglés cuando un modelo de IA entrenado obtiene 99% de acierto con sus datos de prueba, pero falla estrepitosamente cuando interactúa con usuarios reales?
Ver solución explicada
Término técnico: Overfitting (sobreajuste).
Explicación: El modelo memorizó los datos específicos del entrenamiento con todo y ruido en lugar de aprender el patrón subyacente generalizable.
Autoevaluación: Vocabulario de Inteligencia Artificial
1. Si deseas que un modelo de IA responda de forma factual, precisa y sin inventar información, ¿cómo configuras la "temperature"?
2. ¿Qué tecnología permite almacenar información en forma de vectores matemáticos para búsqueda semántica?