Bloque I · Fundamentos · Lección 2
Cómo piensa (y se equivoca) un modelo de IA
Entenderás qué pasa por dentro desde que escribes hasta que responde: qué son los tokens, la ventana de contexto y la temperatura, por qué algunos modelos razonan antes de contestar y por qué a veces se inventan datos con total seguridad.
- 10 min
- 9 láminas animadas
- Cuestionario de 4 preguntas
- Narrada en 6 idiomas
Qué vas a ver en esta lección
- De tu pregunta a su respuesta, token a token
Un modelo de lenguaje no busca la respuesta en ningún sitio: la escribe trozo a trozo, prediciendo qué viene después.
- Tokens: las piezas de Lego del lenguaje
El modelo no lee letras ni palabras enteras, sino tokens: trozos frecuentes de texto que encajan como piezas.
- Un autocompletado del móvil, pero gigante
Para cada hueco, el modelo calcula la probabilidad de miles de tokens posibles y escoge uno de los más probables.
- Entrenar e inferir: estudiar frente a examinarse
El modelo aprende una vez, durante meses; cada vez que le preguntas solo aplica lo aprendido. Eso es la inferencia.
- La ventana de contexto: su mesa de trabajo
Es todo lo que el modelo tiene delante al responder. Lo que no está en la mesa, para él no existe.
- Temperatura: el punto de sal de la creatividad
Regula cuánto se arriesga el modelo al elegir el siguiente token: baja, lo más probable; alta, opciones más variadas.
- Modelos razonadores: piensan antes de hablar
Antes de contestar escriben un borrador interno de razonamiento, y así resuelven mejor los problemas de varios pasos.
- Por qué se inventa cosas con tanta seguridad
Una alucinación es un dato falso dicho con convicción. No es un fallo raro: sale de cómo aprende y cómo se le evalúa.
- Resumen: cómo piensa y por qué se equivoca
Un modelo es un predictor de tokens muy bien entrenado: entender cómo funciona te ayuda a pedirle mejor y a desconfiar a tiempo.
Herramientas y conceptos
- Tokenizer
- Reasoning
- Temperature
Entra con tu cuenta de Google y accede a esta lección y al curso completo.