El campo de la IA abarca una amplia gama de disciplinas y tecnologías. Este glosario de los términos básicos de la IA más importantes puede ayudarte a ampliar tu comprensión y profundizar en este fascinante mundo.
La IA agencial se refiere a los sistemas de IA avanzados que van más allá de la mera respuesta a las órdenes; generan contenido, ejecutan tareas de forma autónoma y alcanzan objetivos. Estos sistemas combinan capacidades de razonamiento, funciones de memoria y bucles de retroalimentación para planificar y realizar las acciones de forma independiente, a menudo utilizando varias herramientas digitales y adaptando su enfoque a través del aprendizaje. A diferencia de la IA tradicional, la IA agencial puede funcionar de forma independiente y colaborativa con otros agentes de IA, tomando decisiones autónomas mientras interactúa con diferentes plataformas y sistemas para completar tareas complejas.
En el contexto industrial, la IA agencial implica el despliegue de sistemas de IA que puedan supervisar, analizar y controlar de forma independiente varios aspectos de las operaciones industriales, como el mantenimiento predictivo, el control de calidad, la gestión del inventario o la optimización de los procesos de producción.
La inteligencia artificial (IA) se refiere al software que tiene la capacidad de aprender y adaptarse. La IA puede resolver tareas que requieren que interprete el significado de los datos de entrada y se adapte a los requisitos. Por lo general, se trata de tareas que antes solo podían resolverse con inteligencia natural. Hay varios tipos de métodos de IA, que difieren significativamente en términos de sus campos de aplicación, su potencial y los riesgos asociados a ellos. Los principios básicos de la IA se desarrollaron en el siglo XX. Como todos los métodos de IA requieren grandes cantidades de datos de entrenamiento, la tecnología está adquiriendo cada vez más relevancia crítica gracias a la digitalización y el big data.
Una tecnología que permite superponer la información digital en entornos y objetos del mundo real, normalmente mediante una realidad virtual 3D inmersiva. La realidad aumentada permite una versión mejorada del mundo físico al añadir elementos digitales visuales, sonoros y otros elementos sensoriales.
Sistemas que pueden funcionar sin intervención humana, como coches autónomos y drones.
Vehículos que pueden funcionar sin intervención humana, como coches y camiones autónomos.
Prejuicio o favoritismo involuntarios que pueden producirse en los sistemas de IA debido a datos o algoritmos de entrenamiento sesgados.
Conjuntos de datos grandes y complejos, generados a menudo por sensores (industriales), pero también por empresas, organizaciones y personas. Como estos datos suelen estar desestructurados, incompletos o incorrectos, el software que no funciona con IA no suele procesarlos de forma significativa.
Un programa impulsado por IA que puede interactuar con los humanos a través de la comunicación de texto o de voz.
Un tipo de IA que tiene como objetivo replicar los procesos cognitivos humanos, como la percepción, el razonamiento y la toma de decisiones.
Un subconjunto de IA que permite a los ordenadores extraer información de las imágenes, como imágenes y vídeos, para entenderlas e interpretarlas.
Estrategias, medidas y herramientas para ayudar a proteger la información digital de los atacantes externos. La IA se puede utilizar para detectar y prevenir ciberataques y para identificar y responder a las brechas de seguridad.
El proceso de analizar e interpretar datos para descubrir información y tomar decisiones informadas.
Sistemas informáticos diseñados para ayudar a los humanos a tomar decisiones proporcionando información y análisis relevantes.
Un subconjunto del aprendizaje automático que implica el uso de redes neuronales con varias capas para que las máquinas puedan aprender de los datos.
Un modelo matemático que describe el comportamiento de un objeto o proceso físico. En un entorno de simulación, se puede utilizar un gemelo digital para simular lo que sucedería en el mundo real si se cambiaran los parámetros del sistema. Los gemelos digitales se pueden utilizar durante todo el ciclo de vida del producto, incluidas las fases de diseño, fabricación, operación y servicio. Las representaciones visuales de gemelos digitales tienen el mismo aspecto y se comportan como sus homólogos físicos, reflejando el mundo real y adaptándose en tiempo real a lo que ocurre allí.
La computación periférica es un tipo de arquitectura de sistemas que, a diferencia de la computación en nube, acerca a la computación y al almacenamiento de datos a las fuentes de datos (la "periferia"). Ayuda a reducir los tiempos de respuesta y la cantidad de energía necesaria para la transferencia de datos. Los sistemas de IA periférica se pueden implementar físicamente cerca del dispositivo de ejecución real. Estos dispositivos pueden ejecutar aplicaciones de IA sin estar conectados a la nube.
IA diseñada para interactuar con el mundo físico y navegar por él, a menudo mediante el uso de robots o vehículos autónomos.
El estudio y la aplicación de los principios morales en el desarrollo y el uso de la IA, incluidos temas como los prejuicios, la privacidad y la responsabilidad.
IA diseñada para ser transparente y explicable, lo que permite a los humanos entender cómo y por qué una máquina toma una decisión determinada.
Es un método de entrenamiento en aprendizaje automático en el que varios dispositivos distintos entrenan un modelo de aprendizaje automático con su propio conjunto de datos (independiente). Solo los resultados finales se comparten con el actor principal de la cadena.
IA diseñada para generar contenido nuevo, como imágenes, vídeos y música, mediante la combinación y el aprendizaje del contenido existente.
Capacidad de una aplicación, por ejemplo, un software de CAD, de generar de forma autónoma una serie de alternativas de diseño con una serie de restricciones. Utiliza técnicas como la IA, la optimización y la simulación.
La IA industrial se refiere a la aplicación de la IA en las industrias que forman la columna vertebral de nuestras economías: la industria, la infraestructura, la movilidad y la atención médica.
Los modelos fundacionales industriales (IFM) están preentrenados en datos específicos del sector para entender a fondo el “lenguaje” de la ingeniería, la automatización y la fabricación y para permitir un despliegue más rápido y preciso de las soluciones de IA. Proporcionan un punto de partida estandarizado, lo que ahorra tiempo, recursos y energía gracias a las economías de escala. Los IFM están diseñados para resolver los desafíos industriales del mundo real. Actúan como la capa de inteligencia detrás de los copilotos industriales y facilitan la transferencia de conocimientos y la colaboración entre los sectores. No solo admiten texto, imágenes y audio, sino también modelos 3D, dibujos 2D y otras estructuras complejas, como datos de series temporales específicas del sector (consulta también LLM multimodales).
La IA de nivel industrial denota un nivel de calidad: fiable, segura y digna de confianza, diseñada para cumplir con los rigurosos requisitos y estándares de los entornos profesionales más exigentes.
Término utilizado para describir la cuarta revolución industrial, que implica la integración de la IA, la IoT y otras tecnologías avanzadas en la fabricación y la industria.
La red de dispositivos técnicos integrados con sensores, software y conectividad para permitir el intercambio de datos. La IoT es uno de los principales impulsores de la digitalización y el big data.
Una base de datos que representa el conocimiento como un gráfico de nodos y bordes interconectados, que se utiliza para aplicaciones de IA como la PLN y la búsqueda.
Un tipo de modelo de lenguaje de IA que se entrena con cantidades masivas de datos, como el GPT-3, para generar texto similar al humano.
Un subconjunto de la IA que implica el uso de algoritmos y modelos estadísticos para que las máquinas puedan aprender de la experiencia o los datos.
Un subconjunto de la IA que permite a las máquinas con cámaras integradas extraer información visual para entender e interpretar su entorno.
Los LLM multimodales pueden entender y procesar varios tipos de datos (como texto, imágenes, audio o datos de sensores) simultáneamente. Están integrados en aplicaciones como la visión artificial, los vehículos autónomos y la robótica. Mejoran el reconocimiento de objetos, la comprensión de las escenas y permiten a las máquinas seguir instrucciones complejas. Los LLM multimodales pueden afectar al procesamiento y la generación de datos específicos del sector, como series temporales, modelos 2D y 3D o datos de visión artificial, de la misma manera que los LLM convencionales afectan al procesamiento de texto y voz.
Un subconjunto de la IA que se centra en la interacción entre los ordenadores y el lenguaje humano.
Una interfaz que permite a los humanos interactuar con los ordenadores mediante gestos, habla y otras formas de expresión naturales.
Un tipo de algoritmo de aprendizaje automático que sigue el modelo de la estructura del cerebro humano y que se utiliza para reconocer patrones en los datos.
Un proceso para analizar los cambios en la tensión y la corriente de los edificios o las máquinas que comprenden varios subdispositivos para deducir la contribución individual de cada dispositivo al sistema.
La IA física se refiere a la integración de la inteligencia artificial en las máquinas (como los robots) que pueden detectar su entorno y actuar dentro de él. Inspirada en el ciclo sensoriomotor humano, la IA física procesa las entradas sensoriales (como las cámaras 3D o los sensores táctiles), genera comandos de control a partir de ellas y permite a las máquinas realizar tareas complejas de forma adaptativa y autónoma en entornos físicos 3D.
La IA basada en física, también conocida como IA consciente de la física, se refiere a una nueva clase de métodos de inteligencia artificial que incorporan las leyes de la física directamente en el proceso de entrenamiento. A diferencia de los enfoques de IA convencionales, que se basan en gran medida en grandes conjuntos de datos para aprender el comportamiento, la IA basada en física integra las restricciones basadas en la física para guiar el aprendizaje. Esto permite a los sistemas de IA razonar y hacer predicciones incluso cuando los datos del mundo real son limitados, al aprovechar nuestros conocimientos actuales sobre el funcionamiento del mundo físico. En lugar de aprender solo de los ejemplos, estos modelos utilizan sus conocimientos de física para orientar el aprendizaje hacia soluciones más óptimas y consistentes desde el punto de vista físico.
La IA predictiva aprovecha el análisis estadístico y el aprendizaje automático para identificar patrones en los datos operativos históricos y en tiempo real de las máquinas y los equipos, lo que le permite predecir comportamientos futuros, detectar anomalías, pronosticar posibles fallos y recomendar acciones de mantenimiento. Se utiliza para mejorar el estado y la fiabilidad de los activos, reducir el tiempo de inactividad no planificado y facilitar una toma de decisiones más rápida basada en los datos de las operaciones industriales.
El uso de modelos estadísticos y de IA para predecir eventos o tendencias futuros basándose en datos históricos.
El uso de la IA para predecir cuándo las máquinas necesitarán mantenimiento o reparaciones, basándose en datos en tiempo real.
El uso de la IA para detectar defectos y garantizar que los productos cumplen con los estándares de calidad.
Un tipo de aprendizaje automático en el que los agentes no entrenados aprenden una estrategia mediante penalizaciones y recompensas del sistema tras realizar las acciones.
Aplicaciones de IA que cumplen con los estándares éticos y morales definidos.
La rama de la ingeniería y la IA que se centra en el diseño, la construcción y el funcionamiento de los robots.
El uso de la IA para analizar e interpretar las emociones y opiniones expresadas en el texto o el discurso.
Una red eléctrica que utiliza IA y otras tecnologías avanzadas para optimizar la generación, la distribución y el consumo de electricidad.
El hardware especializado, como los dispositivos periféricos compatibles con unidades de procesamiento gráfico (GPU) o unidades de procesamiento lingüístico (LPU), es una tendencia emergente en la IA industrial. Estos dispositivos proporcionan una potencia de cálculo de alto rendimiento en la periferia, lo que permite procesar en tiempo real los algoritmos de IA. Su integración permite el procesamiento paralelo y un rendimiento acelerado, lo que se traduce en una ejecución más rápida de las complejas tareas de IA. Este procesamiento local reduce la latencia y la dependencia de los recursos de la nube, por lo que es crucial para las aplicaciones urgentes. El hardware especializado también es compatible con modelos de IA avanzados, lo que permite mejorar la información y el rendimiento. Además, reduce los costos al minimizar la necesidad de una amplia infraestructura de nube y transferencia de datos.
La capacidad de las máquinas para reconocer e interpretar el habla humana.
Un método de aprendizaje en el que los modelos de aprendizaje automático se entrenan con conjuntos de datos etiquetados (conocidos) para predecir un resultado.
Optimización del flujo de bienes y materiales en una cadena de suministro para reducir los costos y mejorar la eficiencia. La IA se utiliza a menudo para la automatización de procesos, la detección de ineficiencias, el control de calidad de los productos y la previsión de la demanda.
Datos artificiales generados por algoritmos en lugar de por eventos del mundo real que se utilizan para entrenar y validar modelos de aprendizaje automático. La calidad de los datos sintéticos es fundamental. Determina si la IA producirá resultados aceptables después del entrenamiento.
Un método de aprendizaje en el que los modelos de aprendizaje automático descubren patrones y agrupaciones en datos que antes se desconocían (sin etiquetar).
La realidad virtual (VR) presenta un entorno renderizado digitalmente que puede replicar un espacio real, crear una realidad alternativa o combinar ambas. El usuario puede explorar el espacio virtual desde los confines de su casa, oficina o fábrica.
