Diccionario de IA Generativa

🚀 '𝗗𝗶𝗰𝗰𝗶𝗼𝗻𝗮𝗿𝗶𝗼 𝗱𝗲 𝗜𝗻𝘁𝗲𝗹𝗶𝗴𝗲𝗻𝗰𝗶𝗮 𝗔𝗿𝘁𝗶𝗳𝗶𝗰𝗶𝗮𝗹' (50 conceptos clave)

💠 𝟭. 𝗔𝗱𝘃𝗲𝗿𝘀𝗮𝗿𝗶𝗮𝗹 𝗧𝗿𝗮𝗶𝗻𝗶𝗻𝗴: Técnica donde dos redes neuronales compiten para mejorar.

💠 𝟮. 𝗔𝗷𝘂𝘀𝘁𝗲 𝗙𝗶𝗻𝗼 (𝗙𝗶𝗻𝗲-𝗧𝘂𝗻𝗶𝗻𝗴): Afinar un modelo preentrenado para tareas específicas.

💠 𝟯. 𝗔𝘂𝘁𝗼𝗲𝗻𝗰𝗼𝗱𝗲𝗿𝘀: Redes que aprenden a comprimir y descomprimir datos.

💠 𝟰. 𝗕𝗶𝗮𝘀 (𝗦𝗲𝘀𝗴𝗼): Preferencias o prejuicios que un modelo puede mostrar.

💠 𝟱.𝗖𝗵𝗮𝘁𝗚𝗣𝗧: Modelo de lenguaje de OpenAI para generar texto coherente.

💠 𝟲.𝗖𝗵𝗮𝘁𝗯𝗼𝘁𝘀: Programas de IA que conversan con humanos.

💠 𝟳.𝗖𝗼𝗱𝗶𝗳𝗶𝗰𝗮𝗰𝗶𝗼́𝗻 𝗟𝗮𝘁𝗲𝗻𝘁𝗲: Representación interna y compacta de los datos.

💠 𝟴.𝗗𝗮𝘁𝗮 𝗔𝘂𝗴𝗺𝗲𝗻𝘁𝗮𝘁𝗶𝗼𝗻: Generar variaciones de datos de entrenamiento

.💠 𝟵. 𝗗𝗲𝗲𝗽𝗗𝗿𝗲𝗮𝗺: Algoritmo de Google que visualiza patrones en imágenes.

💠 𝟭𝟬. 𝗗𝗶𝗳𝘂𝘀𝗶𝗼́𝗻: Uso de ruido para mejorar la generación de imágenes.

💠 𝟭𝟭. 𝗘𝗺𝗯𝗲𝗱𝗱𝗶𝗻𝗴𝘀: Representaciones vectoriales de palabras o datos.

💠 𝟭𝟮.𝗙𝗮𝗰𝗲𝗯𝗼𝗼𝗸 𝗔𝗜 𝗥𝗲𝘀𝗲𝗮𝗿𝗰𝗵 (𝗙𝗔𝗜𝗥): División de IA de Meta.

💠 𝟭𝟯.𝗚𝗔𝗡𝘀 (𝗚𝗲𝗻𝗲𝗿𝗮𝘁𝗶𝘃𝗲 𝗔𝗱𝘃𝗲𝗿𝘀𝗮𝗿𝗶𝗮𝗹 𝗡𝗲𝘁𝘄𝗼𝗿𝗸𝘀): Redes que crean datos nuevos y realistas.

💠 𝟭𝟰.𝗚𝗲𝗺𝗶𝗻𝗶: Proyecto de Google DeepMind enfocado en modelos avanzados de IA.

💠 𝟭𝟱. 𝗚𝗼𝗼𝗴𝗹𝗲 𝗗𝗲𝗲𝗽𝗠𝗶𝗻𝗱: División de Google dedicada a la investigación en IA.

💠 𝟭𝟲.𝗛𝗶𝗽𝗲𝗿𝗽𝗮𝗿𝗮́𝗺𝗲𝘁𝗿𝗼𝘀: Parámetros configurados antes del entrenamiento de un modelo.

💠 𝟭𝟳.𝗜𝗺𝗮́𝗴𝗲𝗻𝗲𝘀 𝗦𝗶𝗻𝘁𝗲́𝘁𝗶𝗰𝗮𝘀: Imágenes creadas artificialmente por IA.

💠 𝟭𝟴.𝗜𝗻𝗽𝗮𝗶𝗻𝘁𝗶𝗻𝗴: Técnica de rellenar partes faltantes de una imagen.

💠 𝟭𝟵.𝗝𝗶𝘁𝘁𝗲𝗿𝗶𝗻𝗴: Variar ligeramente los datos de entrenamiento para mejorarlos.

💠 𝟮𝟬. 𝗞𝗻𝗼𝘄𝗹𝗲𝗱𝗴𝗲 𝗗𝗶𝘀𝘁𝗶𝗹𝗹𝗮𝘁𝗶𝗼𝗻: Transferencia de conocimiento de un modelo grande a uno más pequeño.

💠 𝟮𝟭.𝗟𝗦𝗧𝗠 (𝗟𝗼𝗻𝗴 𝗦𝗵𝗼𝗿𝘁-𝗧𝗲𝗿𝗺 𝗠𝗲𝗺𝗼𝗿𝘆): Redes que recuerdan información por largos periodos.

💠 𝟮𝟮.𝗠𝗲𝘁𝗮 𝗟𝗲𝗮𝗿𝗻𝗶𝗻𝗴: Aprender a aprender; modelos que mejoran su capacidad de aprendizaje.

💠 𝟮𝟯. 𝗠𝗶𝘀𝘁𝗿𝗮𝗹 𝗔𝗜: Empresa francesa emergente enfocada en IA generativa avanzada.

💠 𝟮𝟰.𝗠𝗼𝗱𝗲𝗹𝗼𝘀 𝗣𝗿𝗲𝗲𝗻𝘁𝗿𝗲𝗻𝗮𝗱𝗼𝘀: Modelos entrenados en grandes conjuntos de datos.

💠 𝟮𝟱.𝗡𝗲𝘂𝗿𝗮𝗹 𝗦𝘁𝘆𝗹𝗲 𝗧𝗿𝗮𝗻𝘀𝗳𝗲𝗿: Aplicar el estilo de una imagen a otra.

💠 𝟮𝟲. 𝗡𝗟𝗣 (𝗡𝗮𝘁𝘂𝗿𝗮𝗹 𝗟𝗮𝗻𝗴𝘂𝗮𝗴𝗲 𝗣𝗿𝗼𝗰𝗲𝘀𝘀𝗶𝗻𝗴): Procesamiento de lenguaje natural por IA.

💠 𝟮𝟳. 𝗡𝗼𝗿𝗺𝗮𝗹𝗶𝘇𝗮𝗰𝗶𝗼́𝗻: Escalar datos a un rango común antes de entrenar.

💠 𝟮𝟴. 𝗢𝗽𝗲𝗻𝗔𝗜: Organización de investigación en IA conocida por GPT-4 y DALL-E.

💠 𝟮𝟵. 𝗢𝘃𝗲𝗿𝗳𝗶𝘁𝘁𝗶𝗻𝗴 (𝗦𝗼𝗯𝗿𝗲𝗮𝗷𝘂𝘀𝘁𝗲): Cuando un modelo se ajusta demasiado a los datos de entrenamiento.

💠 𝟯𝟬. 𝗣𝗶𝘅𝟮𝗣𝗶𝘅: Red que convierte bocetos en imágenes realistas.

💠 𝟯𝟭. 𝗣𝗿𝗼𝗺𝗽𝘁 𝗘𝗻𝗴𝗶𝗻𝗲𝗲𝗿𝗶𝗻𝗴: Diseñar entradas para obtener mejores respuestas de IA.

💠 𝟯𝟮.   𝗥𝗲𝗰𝘂𝗿𝗿𝗲𝗻𝘁 𝗡𝗲𝘂𝗿𝗮𝗹 𝗡𝗲𝘁𝘄𝗼𝗿𝗸𝘀 (𝗥𝗡𝗡𝘀): Redes que procesan datos secuenciales.

💠 𝟯𝟯.   𝗥𝗲𝗶𝗻𝗳𝗼𝗿𝗰𝗲𝗺𝗲𝗻𝘁 𝗟𝗲𝗮𝗿𝗻𝗶𝗻𝗴 (Aprendizaje por Refuerzo): Aprendizaje mediante ensayo y error.

💠 𝟯𝟰.   𝗦𝗲𝘀𝗴𝗼 𝗔𝗹𝗴𝗼𝗿í𝘁𝗺𝗶𝗰𝗼: Resultados parciales debido a sesgos en los datos.

💠 𝟯𝟱.   𝗦𝘁𝗮𝗯𝗶𝗹𝗶𝘁𝘆 𝗔𝗜: Empresa enfocada en modelos generativos como Stable Diffusion.

💠 𝟯𝟲.   𝗦𝘁𝘆𝗹𝗲𝗚𝗔𝗡: GAN que genera imágenes de alta calidad y realistas.

💠 𝟯𝟳.   𝗦𝘄𝗶𝗻𝗜𝗥: Red de mejora de imagen con atención transformadora.

💠 𝟯𝟴.   𝗧𝗲𝗻𝘀𝗼𝗿𝗙𝗹𝗼𝘄: Librería de Google para construir y entrenar modelos de IA.

💠 𝟯𝟵.   𝗧𝗲𝘅𝘁-𝘁𝗼-𝗦𝗽𝗲𝗲𝗰𝗵 (𝗧𝗧𝗦): Convertir texto escrito en voz hablada.

💠 𝟰𝟬.   𝗧𝗿𝗮𝗻𝘀𝗳𝗼𝗿𝗺𝗲𝗿 𝗠𝗼𝗱𝗲𝗹𝘀: Arquitectura de redes neuronales para procesamiento de secuencias.

💠 𝟰𝟭.   𝗧𝗿𝗮𝗻𝘀𝗳𝗲𝗿 𝗟𝗲𝗮𝗿𝗻𝗶𝗻𝗴 (Aprendizaje Transferido): Utilizar conocimientos de un modelo para mejorar en otra tarea.

💠 𝟰𝟮.   𝗨𝗻𝗱𝗲𝗿𝗳𝗶𝘁𝘁𝗶𝗻𝗴 (𝗦𝘂𝗯𝗮𝗷𝘂𝘀𝘁𝗲): Cuando un modelo es demasiado simple para capturar las tendencias.

💠 𝟰𝟯.   𝗨𝗻𝘀𝘂𝗽𝗲𝗿𝘃𝗶𝘀𝗲𝗱 𝗟𝗲𝗮𝗿𝗻𝗶𝗻𝗴 (Aprendizaje No Supervisado): Aprendizaje sin etiquetas en los datos.

💠 𝟰𝟰.   𝗩𝗔𝗘 (𝗩𝗮𝗿𝗶𝗮𝘁𝗶𝗼𝗻𝗮𝗹 𝗔𝘂𝘁𝗼𝗲𝗻𝗰𝗼𝗱𝗲𝗿𝘀): Autoencoders que generan nuevos datos.

💠 𝟰𝟱.   𝗩𝗶𝘀𝗶𝗼𝗻 𝗧𝗿𝗮𝗻𝘀𝗳𝗼𝗿𝗺𝗲𝗿𝘀 (𝗩𝗶𝗧): Modelos transformadores aplicados a visión por computadora.

💠 𝟰𝟲.   W𝗮𝘃𝗲𝗡𝗲𝘁: Modelo de Google DeepMind para generación de audio.

💠 𝟰𝟳.   W𝗼𝗿𝗱 𝗘𝗺𝗯𝗲𝗱𝗱𝗶𝗻𝗴𝘀: Representaciones vectoriales de palabras.

💠 𝟰𝟴.   𝗫𝗚𝗕𝗼𝗼𝘀𝘁: Algoritmo de aprendizaje supervisado basado en árboles de decisión.

💠 𝟰𝟵.   𝗬𝗮𝗻𝗻 𝗟𝗲𝗖𝘂𝗻: Pionero en IA y aprendizaje profundo, actualmente en Meta.

💠 𝟱𝟬.   𝗬𝗼𝘂 𝗢𝗻𝗹𝘆 𝗟𝗼𝗼𝗸 𝗢𝗻𝗰𝗲 (𝗬𝗢𝗟𝗢): Algoritmo de detección de objetos en tiempo real.