La principal fuente de verdad para muchos términos de aprendizaje automático (AA) es el Glosario de AA. En lugar de duplicar su trabajo, solo incluimos palabras y términos que se citan con frecuencia y que no están en el Glosario de AA.
Plano del sistema de IA
Cuando desarrolles nuevos productos o funciones basados en IA, define el esquema de tu sistema de IA, y asigna la oportunidad de la IA a la forma en que crearás una solución. Debes definir lo siguiente:
- ¿Por qué estás creando? ¿Qué casos de uso de la IA están disponibles y qué valor aportan a los usuarios?
- ¿Cómo funcionará tu aplicación?
- ¿Cómo puedes asegurarte de que cada parte de tu sistema se desarrolle de forma responsable?
Lee sobre el plano en la introducción a la IA en la Web.
Arquitectura de IA compuesta
Arquitecturas de IA compuestas, combinaciones de uno o más modelos y otros componentes, como bases de datos, APIs y medidas de protección, que funcionan en conjunto para ofrecer un comportamiento sólido y sensible al contexto
Ingeniería de contexto
La ingeniería de contexto es el proceso de seleccionar de forma dinámica la información (tokens) más pertinente para una solicitud determinada con el objetivo de maximizar la probabilidad de recibir un resultado valioso.
Desvío de datos
El desvío de datos ocurre cuando los datos de entrenamiento ya no son representativos de la realidad. El comportamiento del usuario, la recopilación de datos y el entorno de datos pueden cambiar en cualquier momento, lo que puede provocar una reducción en el rendimiento del modelo.
Software determinístico
Cuando se le proporciona una entrada específica, el software determinístico siempre sigue la misma serie de pasos para generar un resultado idéntico. Estos son los tipos de software más confiables, ya que son predecibles y se ejecutan de manera eficiente.
La inteligencia artificial no es determinística. Las rutas y los resultados pueden variar mucho, incluso con instrucciones idénticas.
Desarrollo basado en la evaluación (EDD)
El marco de trabajo de desarrollo basado en la evaluación (EDD) ofrece un proceso repetible y verificable para mejorar los resultados en pasos pequeños y seguros, detectar regresiones y alinear el comportamiento del modelo con las expectativas de los usuarios y del producto a lo largo del tiempo.
Piensa en ello como desarrollo basado en pruebas (TDD), adaptado a la incertidumbre de la IA. A diferencia de las pruebas de unidades determinísticas, las evaluaciones de IA no se pueden codificar de forma rígida porque los resultados, tanto los bien formados como los que fallan, pueden adoptar muchas formas diferentes que no se pueden anticipar.
IA generativa
La IA generativa representa un sistema de aprendizaje automático que puede crear contenido. Esto significa que el modelo podría escribir texto, generar imágenes, producir código o incluso diseñar interfaces de usuario completas.
Administración
Abordamos tres dimensiones de la administración de la IA:
- Privacidad: Maneja los datos de forma responsable, explica qué se recopila y minimiza lo que sale del navegador.
- Imparcialidad: Verifica si tus modelos tienen un comportamiento discriminatorio (sesgo) y crea bucles que permitan a los usuarios marcar problemas.
- Confianza y transparencia: Diseña tu sistema para que sea transparente y genere confianza calibrada, de modo que los usuarios sigan beneficiándose de él a pesar de la incertidumbre y los posibles errores.
La última dimensión, la seguridad, es una dimensión importante de la gobernanza de la IA. En módulos futuros, brindaremos más información sobre la seguridad.
Mientras tanto, te recomendamos que leas el Secure AI Framework (SAIF) de Google y el Blog de seguridad de Google.
Modelo
Los modelos son la columna vertebral más importante de un sistema de IA. En esencia, un modelo es un conjunto de parámetros y una estructura que permiten que un sistema realice predicciones. El funcionamiento del modelo puede variar según el estilo de entrenamiento (supervisado o no supervisado) y el propósito del modelo (predictivo o generativo).
Tarjeta de modelo
Las tarjetas de modelo son resúmenes estructurados de cómo se diseñó y evaluó un modelo. Sirven como artefactos clave que respaldan el enfoque de Google sobre la IA responsable.
Pesos del modelo
Las ponderaciones del modelo son valores numéricos que determinan la importancia de cierta información. Estos valores se actualizan continuamente en el entrenamiento del modelo hasta que se establece un peso ideal. Puedes modificar los pesos de los modelos abiertos, como Gemma.
Oportunidades para la IA
Existen varias categorías para enmarcar las soluciones de IA:
- Estadísticas: Mejoran la toma de decisiones.
- Conveniencia: Elimina los inconvenientes.
- Automatización: Reemplaza el trabajo repetitivo.
- Aumento: Ayuda a los usuarios con tareas complejas o creativas.
- Personalización: Adapta el producto a las necesidades y preferencias de cada persona.
Esto se explica en detalle en Explorar los casos de uso.
Plataformas
La IA del cliente se ejecuta directamente en el navegador. Esto significa que los datos pueden permanecer privados, en el dispositivo del usuario, y no hay latencia de red. Sin embargo, para que la IA del cliente funcione bien, necesita casos de uso muy específicos y bien definidos.
La IA del servidor incluye modelos alojados y que ejecutan inferencias en la nube. Esta opción es muy eficaz y escalable, pero puede ser más costosa y requiere una conexión de red.
IA predictiva
La IA predictiva (o analítica) es una colección de algoritmos que te ayudan a comprender los datos existentes y predecir lo que es probable que suceda a continuación. Según los patrones históricos, los modelos de IA predictivos aprenden a pronosticar resultados, revelar estadísticas y tomar decisiones más inteligentes.
Ingeniería de instrucciones
La ingeniería de instrucciones es el acto de escribir y reescribir instrucciones para producir resultados que se alineen con las expectativas de los usuarios. Una instrucción bien escrita:
- Indica cómo debe generar su respuesta el LLM.
- Consta de varios componentes que se pueden versionar, probar y mejorar con el tiempo.
- Puede actuar como un artefacto compartido para la colaboración entre equipos.
En la ingeniería de instrucciones, puedes aplicar varias técnicas, que se describen en el módulo sobre ingeniería de instrucciones.
Tipos de instrucciones
Piensa en el tipo de instrucción como el público de la instrucción. Puedes obtener más información sobre este tema en el módulo de ingeniería de instrucciones.
Mensaje del sistema
Los desarrolladores de la aplicación proporcionan la instrucción del sistema, que define el comportamiento general del modelo. Puede establecer el rol del modelo ("Eres un asistente de escritura"), el tono esperado, el formato de salida (como un esquema JSON estricto) y cualquier restricción global. Este mensaje permanece estable en todas las solicitudes.
Instrucción del usuario
La instrucción del usuario contiene la solicitud inmediata que genera un resultado. El usuario proporciona algún tipo de variables de entrada (como una selección de texto o un estilo esperado) y solicita una tarea específica. Por ejemplo, "Genera tres títulos para esta publicación", "Continúa este párrafo" o "Haz que sea más formal".