Adaptative learning véase Aprendizaje adaptativo
AI Governance: desarrollo de políticas y normas que regulan el uso de IA. Se incluye supervisión de algoritmos, auditoría de sistemas de IA y cumplimiento de normativas legales y éticas. Basado en Biblioguias
AI Washing: prácticas controvertidas de empresas tecnológicas que usan el término IA en productos que solo incluyen ninguna o una mínima parte de tecnología generativa con el objetivo de ganar influencia. Basado en Biblioguias
AIDE (Artificial Intelligence in Education). Véase IA en Educación
Alfabetización en IA: capacidad de comprender, interactuar, evaluar, comunicar y utilizar la IA de manera efectiva, crítica y ética en contextos socioculturales. Basado en Observatorio
Algoritmo: conjunto de instrucciones para realizar cálculos, procesar datos y automatizar procesos. Aunque no son exclusivos de la IA, sí son esenciales para su desarrollo y funcionamiento. Basado en Observatorio y Biblioguias UNAV
Amplificación de la inteligencia. Véase Inteligencia aumentada
Alucinación: fenómeno que se produce en IA cuando esta proporciona una respuesta que carece de sentido, incorrecta o inventada. Se puede producir por el uso de datos distorsionados, incorrectos o insuficientes, por la falta de información del contexto, o por problemas derivados del modelo utilizado. Basado en UOC y Biblioguias UNAV
Amplificación de la inteligencia véase Inteligencia aumentada
Application Programming Interface (API) (Interface de programación de aplicaciones): conjunto de reglas y definiciones que permiten la comunicación entre dos aplicaciones de software. Basado en Biblioguias
Aprendizaje adaptativo (adaptive learning): método educativo que utiliza el análisis de datos para personalizar la experiencia de aprendizaje de los estudiantes, aprovechando los sistemas inteligentes en las plataformas que se apoyan con IA. El método rastrea datos de progreso, participación de los estudiantes y ajusta contenidos y recursos en función de las necesidades de cada uno de los estudiantes. Basado en Gartner y Arsys
Aprendizaje automático (machine learning): subcampo de la inteligencia artificial enfocado en desarrollar algoritmos y modelos que permiten a las computadoras aprender y mejorar automáticamente a partir de datos, sin ser programadas explícitamente. Estos modelos pueden hacer predicciones o tomar decisiones basadas en patrones descubiertos en los datos. Basado en Biblioguias
Aprendizaje multimodal (multi-modal learning): subcampo del aprendizaje automático que se centra en la interpretación conjunta de diferentes tipos de datos y en la construcción de modelos que puedan procesar y relacionar información de múltiples tipos de datos, como imágenes, texto y audio, como por ejemplo ChatGPT-4. Basado en Biblioguias
Aprendizaje multitarea (Multi-Task Learning): enfoque del aprendizaje automático que aprovecha las similitudes y diferencias entre varias tareas para resolverlas simultáneamente. En lugar de entrenar un modelo separado para cada tarea, utiliza una arquitectura compartida que aprovecha el conocimiento entre tareas. Basado en Biblioguias
Aprendizaje profundo (Deep learning): subconjunto del aprendizaje automático (machine learning) que emplea redes neuronales profundas para aprender de los datos. Está inspirado en el funcionamiento del cerebro humano para procesar datos. También reconoce y analiza patrones complejos para obtener predicciones concretas, como por ejemplo para la recomendación de productos, chatbots y reconocimiento facial. Basado en Observatorio
Bías, véase Sesgos
Big Data: Conjunto de datos muy amplios y complejos que requieren herramientas especiales para su análisis. Se utiliza para identificar patrones y tendencias que permitan la toma de decisiones. Basado en Biblioguias
Bot: aplicación de software automatizada que realiza tareas repetitivas en una red
Chatbot: programa informático diseñado para interactuar con usuarios humanos mediante conversaciones. Se utiliza especialmente en aquellas áreas que requieren la existencia de un asistente virtual como la atención al cliente en el comercio virtual. Basado en Biblioguias
Datos estructurados (structured data): datos organizados en formatos claramente definidos, como tablas. Son fáciles de analizar y esenciales para entrenar modelos de aprendizaje automático en tareas como el análisis financiero y el seguimiento de inventarios. Basado en Biblioguias
Datos no estructurados (unstructured Data): datos como texto, imágenes y audio que no tienen una forma organizada predefinida, lo que los hace más difíciles de analizar sin técnicas avanzadas. Sin embargo, representan la mayoría de los datos disponibles y su análisis mediante deep learning puede revelar valiosos insights para decisiones empresariales, como entender las preferencias de los clientes y mejorar productos. Fuente Biblioguias
Deep Learning véase aprendizaje profundo
Escala AIAS (AI Assessment Scale): herramienta para la integración ética y efectiva de la IA generativa en la evaluación educativa, especialmente en educación superior. Propone cinco niveles de uso: el primero excluye cualquier intervención de IA; el segundo permite su uso para generar ideas y estructurar textos sin incorporar contenido generado en la entrega final; el tercero admite la IA para mejorar redacción y estilo sin alterar el contenido original; el cuarto autoriza su uso en tareas específicas, siempre que el estudiante analice críticamente los resultados y el quinto permite su integración completa como asistente en la elaboración del trabajo. Basado en Journals
Ética de datos: área que aborda los temas relacionados con la privacidad, consentimiento, equidad, uso y transparencia en la recogida y uso de los datos. Basado en Biblioguias
IA adaptativa: reúne un conjunto de métodos y técnicas de IA para permitir que los sistemas ajusten sus prácticas y comportamientos de aprendizaje con el fin de aprender nuevos datos y ajustar su comportamiento a partir de ellos, pudiendo hacer predicciones y facilitando la toma de decisiones. Basado en:Gartner y Arsys
IA débil véase IA estrecha
IA estrecha: también denominada débil, es aquella que aplica técnicas y algoritmos de aprendizaje automático y procesamiento del lenguaje natural para realizar tareas muy específicas , por lo que tiene capacidad limitada fuera de ese rango de tareas. Se puede encontrar en diversas aplicaciones como chatbots o vehículos autónomos, entre otros. Basado en Observatorio
IA ética: se encarga de estudiar y dar respuesta a los dilemas éticos y sociales relacionados con el diseño, desarrollo e implementación de la IA. Basado en:Observatorio
IA fuerte véase IA general
IA general: también denominada IA fuerte es una forma teórica que pretende desarrollar capacidades mentales y funciones que imitan al cerebro humano. Basado en:Observatorio
IA en Educación: utilización de la IA en la educación (AIED por sus siglas en inglés) basada en cuatro roles: tutor inteligente, tutelado, herramienta de aprendizaje/compañero y asesor en la formulación de políticas educativas. Basado en:Observatorio
IA generativa: (IAGEN) sistema de IA capaz de generar contenido original, ya sea texto, audio, imagen, código, etc., que utiliza modelos de aprendizaje profundo, para entender patrones y posteriormente generar nuevos datos. Basado en:Observatorio
Inteligencia artificial (IA): rama de la informática encargada de replicar las capacidades de pensamiento y toma de decisiones del cerebro humano. Se ocupan de realizar tareas complejas que requieren de algoritmos y datos para funcionar. Basado en:Observatorio
Inteligencia aumentada (Intelligence Augmentation): Desarrollo de la tecnología de IA para mejorar, sin sustituir, las capacidades cognitivas de los seres humanos. Basado en: Observatorio
Intelligent Tutoring Systems (ITS) véase Sistema inteligente de tutoría
Large Language Models (LLM): modelos que pueden procesar grandes cantidades de texto no estructurado y aprender las relaciones entre palabras o fragmentos de palabras, lo que les permite generar texto en lenguaje natural y realizar tareas como resúmenes o extracción de conocimiento. Un ejemplo muy claro de esta tecnología es ChatGPT, Gemini, Google Translate, etcétera. Basado en:Observatorio ,Biblioguias
Machine Learning (ML) véase Aprendizaje automático
Multi-Modal Learning véase Aprendizaje multimodal
Multi-Task Learning véase Aprendizaje multitarea
Natural Language Processing (NLP) véase Procesamiento del lenguaje natural
Netiqueta: normas de presentación y de comportamiento y formas de expresión aceptadas. Las normas de etiqueta de la red le ayudarán a evitar ofender a sus amigos, jefes y otras personas de su red social
Neural Networks véase Redes neuronales
Predicción: inferencia de la salida esperada de un modelo entrenado para una nueva entrada no etiquetada. El objetivo principal es crear modelos que puedan realizar predicciones precisas y generalizar datos no vistos. Basado en Biblioguias
Procesamiento del lenguaje natural (Natural Language Processing (NLP): campo de la inteligencia artificial que se ocupa de la interacción entre las computadoras y el lenguaje humano. Comprende tareas como la traducción automática, el análisis de sentimientos, la generación de lenguaje natural, el reconocimiento del habla y la comprensión del lenguaje humano. Basado en Biblioguias
Prompt: instrucción o conjunto de instrucciones (input) que se le da a un sistema de IA para que genere una respuesta. El diseño correcto (prompt engineering ) de la indicación es esencial para obtener resultados precisos y relevantes. Basado en Observatorio ,Biblioguias
Redes neuronales (Neural Networks): modelos computacionales inspirados en el funcionamiento del cerebro humano, compuestos por unidades de procesamiento interconectadas llamadas neuronas. Se utilizan en una amplia gama de aplicaciones de aprendizaje automático, siendo especialmente eficaces en tareas de reconocimiento de patrones y procesamiento de datos complejos. Basado en Biblioguias
Sesgos: errores sistemáticos y repetitivos presentes en los datos utilizados para crear algoritmos de machine learning. Pueden producirse cuando no hay diversidad de datos, por la falta de evaluación y monitoreo o de transparencia, pero también por prejuicios (raciales, de género o culturales) que el algoritmo integra durante su entrenamiento. Basado en Observatorio, Biblioguias y UOC
Sistema inteligente de tutoría: programa de IA que simula ser un tutor/profesor que brinda una experiencia personalizada. Puede ser usado para varios escenarios en educación: monitoreo, asesoría, retroalimentación y simulaciones de entornos de aprendizaje. Basado en Observatorio
Structured Data véase Datos estructurados
Unstructured data véase Datos no estructurados
Visión computacional (computer vision): campo de la IA que le permite a los sistemas analizar el contenido visual, con el objetivo de que puedan tomar decisiones o hacer recomendaciones basadas en esos contenidos. Basado en Observatorio