Alucinación 👻: Fenómeno en el que un modelo de IA genera información incorrecta o inventada, a pesar de que parece plausible.

Aprendizaje no supervisado 🔍: Método de entrenamiento de IA donde el modelo identifica patrones en datos sin etiquetas ni supervisión directa.

Aprendizaje por refuerzo 🎯: Técnica de aprendizaje en la que un agente aprende a tomar decisiones mediante recompensas o castigos basados en sus acciones.

Aprendizaje supervisado 📚: Método de entrenamiento de IA que utiliza datos etiquetados para que el modelo aprenda a predecir resultados específicos.

Contexto 📝: Información adicional que rodea una entrada o situación, usada por modelos de IA para generar respuestas más precisas y relevantes.

Datos de entrenamiento 📊: Conjunto de datos utilizados para enseñar a un modelo de IA a reconocer patrones y realizar predicciones.

Ética de la IA ⚖️: Rama que estudia las implicaciones morales y sociales del desarrollo y uso de la inteligencia artificial. Para más detalles, ver ⚖️ Ética en IA.

Evaluación de IA ✅: Proceso de medir el rendimiento y la precisión de un modelo de inteligencia artificial mediante métricas y pruebas específicas.

IA (Inteligencia Artificial) 🧠: Campo de la informática dedicado a crear sistemas capaces de realizar tareas que normalmente requieren inteligencia humana.

IA débil 🤖: Sistemas de inteligencia artificial diseñados para realizar tareas específicas sin conciencia ni comprensión general.

IA fuerte 🧬: Concepto de inteligencia artificial con capacidad de comprensión, conciencia y razonamiento general similar al humano.

IA generativa 🎨: Tipo de inteligencia artificial que puede crear contenido nuevo, como texto, imágenes o música, a partir de patrones aprendidos.

Ingeniería de prompts 🛠️: Práctica de diseñar y optimizar las instrucciones o preguntas (prompts) dadas a un modelo de IA para obtener respuestas más precisas y útiles.

LLM (Large Language Model) 📚: Modelos de lenguaje a gran escala entrenados con grandes cantidades de texto para comprender y generar lenguaje natural.

PLN (Procesamiento del Lenguaje Natural) 💬: Rama de la inteligencia artificial que se enfoca en la interacción entre computadoras y lenguaje humano.

Prompt 💡: Entrada textual o instrucción que se proporciona a un modelo de IA para generar una respuesta o realizar una tarea.

Sesgo ⚠️: Tendencia o preferencia que puede afectar la imparcialidad de un modelo de IA o sus resultados.

Sesgo algorítmico 🧩: Distorsión en los resultados de un modelo de IA causada por datos de entrenamiento o diseño del algoritmo que reflejan prejuicios o desigualdades.

Ventana de contexto 🪟: Capacidad limitada de un modelo de IA para considerar una cantidad específica de información previa al generar una respuesta.