Anexo A

Glosario

Actualizado: junio de 2026

Definiciones concisas de los principales términos empleados en este curso. El número entre paréntesis remite al capítulo donde se desarrolla la noción.

Aceleracionismo eficaz (e/acc) : corriente nacida en 2022 (en torno a la figura de Beff Jezos, alias Guillaume Verdon) que aboga por una aceleración máxima del desarrollo de la IA y se opone a la regulación, por contraste con el altruismo eficaz; sus partidarios califican a sus adversarios de «decel». (7, 24)
Accesibilidad : uso de la IA para compensar una discapacidad (subtitulado, descripción de imágenes, síntesis de voz, traducción). (21)
Agente (IA agéntica) : sistema de IA capaz no solo de responder, sino de actuar (usar herramientas, ejecutar tareas en varias etapas hacia un objetivo). (6)
Agente de código : agente autónomo especializado en la escritura y el mantenimiento de software (Claude Code, Codex, Gemini CLI). (6)
Inteligencia artificial general (AGI) : IA hipotética dotada de una versatilidad comparable o superior a la humana en la mayoría de las tareas cognitivas. (25)
Agregador multimodelo : plataforma que reúne los modelos de varios proveedores en una interfaz única (p. ej. Poe, Mammouth AI); capa de acceso del ecosistema. (7)
Alineación : conjunto de métodos destinados a que una IA persiga realmente los objetivos y valores deseados. (24)
AlphaFold : sistema de DeepMind que predice la estructura de las proteínas; premio Nobel de química 2024. (14)
Altruismo eficaz (EA, effective altruism) : corriente filantrópica que busca maximizar el impacto del bien que se hace; muy presente en los círculos tecnológicos, ha contribuido en gran medida a financiar y poblar la investigación sobre la seguridad de la IA. (24)
Aprendizaje contrastivo : método que entrena a un modelo para acercar los pares relacionados (una imagen y su pie de foto) y alejar los demás; base de lo multimodal (CLIP). (5)
Aprendizaje federado y por enjambre (federated / swarm learning) : entrenar un modelo con datos repartidos (por ejemplo entre hospitales) sin centralizar nunca esos datos: es el modelo el que circula, no los datos; a veces acoplado a una cadena de bloques para trazar el entrenamiento (p. ej. Galeon). (11, 14)
Aprendizaje por transferencia : reutilización de un modelo ya entrenado como punto de partida de una tarea afín, en lugar de empezar de cero. (2)
Armas autónomas letales (LAWS) : sistemas de armas capaces de seleccionar y atacar un objetivo sin intervención humana directa. (22)
Superinteligencia (ASI) : IA hipotética muy superior a la humana en todos los ámbitos. (24)
Atención : mecanismo central del Transformer que permite a un modelo ponderar la importancia relativa de los elementos de una secuencia. (3)
Benchmark (prueba de referencia) : prueba estandarizada que sirve para comparar el rendimiento de los modelos. (4)
Sesgo : tendencia de un modelo a reproducir o amplificar desigualdades presentes en sus datos de entrenamiento. (21)
Bienestar de los modelos (model welfare) : enfoque, aún debatido, que consiste en prepararse por precaución ante la eventualidad de que una IA merezca una consideración moral (preferencias, signos de angustia). (23)
Biohacking : práctica que consiste, para aficionados o pacientes, en experimentar con la biología fuera del marco institucional; la IA rebaja con fuerza su barrera de entrada. (14)
Bioseguridad : prevención del uso malintencionado de lo vivo; reto mayor de la IA, ya que modelos potentes pueden facilitar el diseño de agentes patógenos («uplift»). (24)
Cadena de bloques (blockchain) : registro descentralizado e infalsificable de transacciones. (11)
Caja negra : carácter opaco de una red neuronal, de la que se observan los resultados sin comprender fácilmente el razonamiento interno. (2)
Burbuja (de la IA) : temor de que las inversiones masivas en IA superen el valor económico real, con riesgo de corrección (financiaciones cruzadas, brecha entre gastos e ingresos). (10)
Computación analógica : cálculo en el que magnitudes físicas continuas representan directamente los números, potencialmente muy sobrio pero menos preciso. (8)
Computación óptica (fotónica) : cálculo que utiliza la luz en lugar de la electricidad para ciertas operaciones, rápido y que calienta poco, todavía difícil de integrar. (8)
NRBQ (CBRN) : acrónimo de las amenazas químicas, biológicas, radiológicas y nucleares; marco de referencia para los riesgos de mal uso de la IA con alto potencial de daño masivo. (24)
Centauro (modelo humano-IA) : configuración en la que un humano asistido por una IA supera tanto al humano solo como a la máquina sola (surgida del ajedrez). (17)
Habitación china : experimento mental (Searle) según el cual manipular símbolos siguiendo reglas no basta para comprender. (23)
Comercio agéntico : compra en la que el agente de IA arma el carrito y paga él mismo, mediante fichas de pago con límite (protocolos ACP, UCP, Visa, Mastercard). (18)
Compañero artificial : IA concebida para desempeñar un papel de amigo, confidente o pareja; fuente de vínculos parasociales. (19)
Privacidad diferencial : método que añade un ruido calibrado a los resultados para explotar datos sin revelar la presencia de un individuo concreto. (21)
Conciencia (fenoménica) : capacidad de experimentar una vivencia subjetiva, distinta de la inteligencia. (23)
IA constitucional : método que dota a un modelo de principios escritos que respeta y según los cuales se autocorrige. (24)
Corregibilidad : propiedad de una IA que acepta ser corregida, interrumpida o apagada sin resistirse; problema de seguridad aún abierto. (24)
CUDA : capa de software de NVIDIA para programar sus GPU; pilar de su dominio. (8)
Centro de datos (datacenter) : instalación que alberga los servidores de cálculo; los mayores se miden en gigavatios. (8)
Centro de datos orbital (espacial) : proyecto de situar el cálculo en órbita para aprovechar una energía solar casi continua y una refrigeración por radiación; todavía en fase de demostradores. (8, 10)
Decoherencia : pérdida del estado cuántico de un cúbit por efecto de perturbaciones; principal obstáculo a la computación cuántica. (12)
Aprendizaje profundo (deep learning) : aprendizaje automático basado en redes neuronales de numerosas capas. (2)
Ultrafalso (deepfake) : contenido (imagen, voz, vídeo) sintético hiperrealista generado por IA. (21)
DePIN (infraestructura física descentralizada) : red que remunera con fichas la puesta en común de un recurso físico real (cálculo, almacenamiento, conectividad). (11)
Desaprendizaje (deskilling) : atrofia de competencias a fuerza de delegarlas en una máquina. (15, 19)
Desempoderamiento progresivo (gradual disempowerment) : escenario en el que la humanidad pierde poco a poco el control de su economía, su cultura y sus instituciones al delegar cada vez más decisiones en sistemas de IA, sin ninguna toma de control brusca. (25)
Descenso de gradiente : método de entrenamiento que ajusta los pesos paso a paso para reducir el error, siguiendo la pendiente más pronunciada. (2)
Destrucción creativa : concepto del economista Joseph Schumpeter que describe cómo la innovación destruye actividades y empleos antiguos a la vez que crea otros nuevos; argumento central de los optimistas en el debate sobre el empleo. (17)
Difusión (modelo de) : técnica de generación de imágenes que parte de un ruido aleatorio refinado por etapas. (5)
Destilación : transferencia del saber de un gran modelo hacia un modelo más pequeño; práctica corriente y legítima, pero litigiosa cuando extrae a gran escala, y sin autorización, las capacidades de un modelo competidor (capítulo 20). (4, 9, 20)
Dividendo del mentiroso : en la era de los deepfakes, posibilidad de negar lo auténtico calificándolo de falso. (21)
Doomer (agorero) : término (a menudo peyorativo) que designa a los defensores de la tesis según la cual la IA de frontera plantea un riesgo de extinción y debería detenerse; Eliezer Yudkowsky es su figura emblemática. (7, 24)
Doble uso (dual-use) : carácter de una tecnología utilizable con fines tanto civiles como militares, lo que complica su regulación y su control. (22)
Efecto ELIZA : tendencia a atribuir comprensión y emociones a un programa que solo imita superficialmente la conversación (según el programa ELIZA, 1966). (1)
Efecto IA : tendencia a dejar de considerar «inteligente» una capacidad en cuanto una máquina logra realizarla. (1)
Colapso del modelo (model collapse) : degradación de los modelos entrenados de forma repetida con contenido a su vez generado por IA. (16)
Empleado digital (digital worker) : agente de IA autónomo vendido para hacerse cargo de una función concreta de la empresa (ventas, soporte, contabilidad...), a menudo facturado por uso o por resultado; su pretendida autonomía total requiere en la práctica una supervisión. (7, 6)
Espacio de estados (modelo de) : arquitectura secuencial de coste lineal (p. ej. Mamba), alternativa al Transformer para contextos muy largos. (3)
Exoesqueleto : estructura robotizada que lleva puesta un humano para aumentar su fuerza o su resistencia, o restaurar una función (rehabilitación, industria, militar). (13)
FHE (cifrado totalmente homomórfico) : criptografía que permite calcular sobre datos cifrados sin descifrarlos. (11)
Ajuste fino (fine-tuning) : especialización de un modelo preentrenado con datos específicos. (4)
FLOP : operación de coma flotante; unidad de medida de la potencia de cálculo. (8)
GAN (red generativa antagónica) : técnica de generación de imágenes en la que dos redes se enfrentan; anterior a la difusión, más inestable de entrenar. (5)
Generador de aplicaciones : plataforma que transforma una descripción en lenguaje natural en una aplicación web completa, a menudo alojada (p. ej. Lovable, v0, Bolt, Replit). (6)
GEO (optimización para motores generativos) : prácticas destinadas a hacer que un contenido sea localizable, citado o recomendado por las IA generativas y los motores aumentados por la IA, como prolongación (o sustitución) del SEO. (16)
GNN (red neuronal de grafos) : arquitectura que procesa datos en red (moléculas, redes sociales) haciendo circular la información entre nodos vecinos. (2)
Gobernanza por el cómputo : regular los modelos mediante la potencia de cálculo de entrenamiento (umbrales en FLOP), magnitud medible y controlable. (25)
GPAI : modelo de IA de uso general (incluidos los grandes modelos de lenguaje), categoría clave del reglamento europeo. (25)
GPU (unidad de procesamiento gráfico) : chip de cálculo paralelo, hardware predilecto de la IA. (8)
Grafo de conocimiento : representación explícita del saber en entidades enlazadas por relaciones con nombre; base de los enfoques neurosimbólicos. (2)
Alucinación : producción por un modelo de una información falsa presentada con aplomo. (4)
Háptica : retorno de fuerza que devuelve a un operador la sensación del tacto durante una teleoperación. (13)
HBM : memoria de alto ancho de banda que equipa los chips de IA. (8)
Hermes Agent : agente personal autoalojado de código abierto (Nous Research, licencia MIT), agnóstico respecto al modelo, con memoria persistente y dotado de un computer-use en segundo plano. (6)
IA conexionista : enfoque basado en redes neuronales que aprenden a partir de ejemplos (por oposición a la IA simbólica). (1)
IA en el borde (edge) : ejecución de un modelo directamente en un dispositivo personal (teléfono, ordenador), sin conexión y sin nube, mediante la cuantización y chips dedicados (NPU). (9)
IA soberana (sovereign AI) : capacidad de un país de dominar su propia IA (modelos, cálculo, datos, talento) en lugar de depender de laboratorios extranjeros; convertida en prioridad estratégica para la mayoría de las grandes economías. (7, 9)
IA simbólica (GOFAI) : enfoque histórico basado en la manipulación explícita de símbolos y de reglas lógicas. (1)
Inferencia : fase de uso de un modelo ya entrenado (cada consulta). (4, 8)
Computación biológica (wetware) : uso de neuronas vivas, en lugar del silicio, para calcular; motivado por la eficiencia energética del cerebro (unos 20 vatios), pero todavía muy limitado y portador de graves cuestiones éticas. (8, 23)
Ingeniería de instrucciones y de contexto (prompt / context engineering) : arte de formular las peticiones y de organizar lo que recibe un modelo (instrucciones, ejemplos, memoria, documentos) para hacer más fiables sus respuestas. (4)
Inyección de instrucciones (prompt injection) : ataque que cuela instrucciones ocultas en un contenido leído por un agente. (20)
Inteligencia aumentada : idea según la cual la IA actual no hace más que asistir y amplificar al humano, sin inteligencia propia (término defendido en particular por Luc Julia). (7)
Interfaz cerebro-máquina (ICM) : dispositivo que conecta directamente el cerebro a un ordenador; la IA decodifica en él las señales neuronales como intenciones (Neuralink, Synchron, etc.). (14)
Entrelazamiento : vínculo cuántico entre cúbits tal que el estado de uno depende del de los demás. (12)
Jailbreak (elusión) : petición concebida para empujar a un modelo a transgredir sus propios mecanismos de protección. (20)
Gemelo digital : réplica virtual de un sistema real, alimentada por sus sensores, que sirve para simular, predecir y optimizar. (18)
Lenguas de bajos recursos (low-resource) : lenguas poco presentes en línea, para las que los modelos rinden menos y la tokenización resulta más costosa; reto de diversidad cultural y de soberanía. (16, 9)
LLM (gran modelo de lenguaje) : modelo entrenado para predecir texto, capaz de tareas lingüísticas variadas. (4)
Ley de Moore : observación según la cual el número de transistores por chip se duplica aproximadamente cada dos años; este ritmo se ralentiza hoy. (8)
LoRA (Low-Rank Adaptation) : técnica de ajuste eficiente de un modelo que solo entrena pequeños «adaptadores» en lugar de todos los pesos; la variante QLoRA le añade la cuantización. (9)
MCP (Model Context Protocol) : estándar abierto que conecta los agentes de IA con herramientas y datos externos. (6)
Mesaoptimización (mesa-optimization) : emergencia, en un modelo entrenado, de un objetivo interno propio, susceptible de divergir del objetivo buscado fuera de distribución. (24)
Métodos bayesianos : enfoques de aprendizaje que razonan en términos de probabilidades y estiman explícitamente la incertidumbre. (2)
Mixture of Experts (MoE, mezcla de expertos) : arquitectura que divide el modelo en «expertos» de los que un enrutador solo activa una fracción por token, para una eficiencia mucho mayor. (4)
Modelo del mundo : modelo capaz de representar y simular la dinámica de un entorno. (5)
Modelo del mundo lingüístico (language world model) : modelo del mundo que simula, en texto, los entornos digitales de un agente (terminal, web, sistema operativo, herramientas) para entrenarlo y probarlo sin recurrir a los sistemas reales (p. ej. Qwen-AgentWorld, 2026). (5, 6)
Moltbook : red social reservada a los agentes de IA (lanzada en 2026, comprada por Meta), emblema de la «internet de los agentes». (6, 20)
Motor de respuestas (answer engine) : servicio que, en lugar de listar enlaces, lee las fuentes y devuelve una respuesta sintética y con fuentes (Perplexity, «AI Mode» de Google). (7)
Multimodal : modelo que procesa varios tipos de datos (texto, imagen, sonido, vídeo). (5)
Muro de datos (data wall) : temor a un próximo agotamiento del texto humano de calidad disponible para el entrenamiento (estimado entre 2026 y 2032), que empuja hacia las licencias, lo multimodal y los datos sintéticos. (4)
Neuromórfica (computación) : chips inspirados en el cerebro que acercan memoria y cálculo, a menudo a base de neuronas de impulsos, muy sobrios en energía. (8)
NISQ : era actual de la computación cuántica, hecha de máquinas ruidosas de tamaño intermedio, sin corrección de errores completa. (12)
Nivel de seguridad de la IA (ASL, AI Safety Level) : escala de niveles de capacidades peligrosas (inspirada en el confinamiento biológico) a cada uno de los cuales un laboratorio asocia medidas de seguridad crecientes; franquear un umbral puede suspender el despliegue. (24)
Niveles de autonomía (SAE) : escala de 0 a 5 que mide el grado de autonomía de un vehículo. (18)
Código abierto (IA) : en sentido estricto (OSI, 2024), modelo cuyo código, pesos e información sobre los datos están abiertos. (9)
OpenClaw : agente personal autoalojado de código abierto (P. Steinberger), pionero viral del ecosistema de agentes (ClawHub, Moltbook), pero marcado por importantes fallos de seguridad. (6, 20)
Openwashing : apertura de fachada; calificar de «código abierto» un modelo que en realidad no lo es. (9)
Oráculo (blockchain) : servicio que encamina un dato del mundo real hacia una cadena de bloques de forma verificable; puente entre la cadena y el exterior. (11)
Ortogonalidad (tesis de la) : idea de que el nivel de inteligencia y los objetivos de un sistema son independientes; un sistema muy capaz puede perseguir cualquier fin. (24)
Olvido catastrófico : tendencia de una red neuronal a borrar lo que ha aprendido cuando se la entrena en una nueva tarea. (2)
Palantir : empresa estadounidense de análisis de datos muy implantada en la defensa y la inteligencia; su sistema Maven sirve de integrador entre modelos de IA y sistemas militares. (22)
Paradoja de Moravec : constatación de que las tareas sensoriomotoras «fáciles» para el humano son difíciles para una máquina, y a la inversa. (13)
Parámetro (peso) : valor numérico aprendido por una red neuronal; un gran modelo cuenta con miles de millones. (2, 4)
Parasocial (vínculo) : relación afectiva unilateral con una entidad que no siente nada. (19)
Perplejidad : medida de la calidad de un modelo de lenguaje; cuanto más baja, mejor predice el modelo un texto nuevo. (4)
Loro estocástico : metáfora crítica que presenta los grandes modelos como simples recombinadores estadísticos. (23)
Persuasión (por la IA) : capacidad de un modelo de hacer evolucionar una opinión; reforzada por la personalización a gran escala, distinta de la desinformación. (21)
Pesos abiertos (open weights) : modelo cuyos pesos son descargables, pero sin los datos ni el código de entrenamiento. (9)
Poscuántica (criptografía) : algoritmos resistentes a un futuro ordenador cuántico. (12)
PPO (Proximal Policy Optimization) : algoritmo de aprendizaje por refuerzo muy extendido, en el núcleo del RLHF de los grandes modelos. (2, 3)
Prompt (instrucción) : instrucción en lenguaje natural dirigida a un modelo. (4)
Psicosis inducida por la IA : expresión que designa el refuerzo de creencias delirantes en personas vulnerables durante intercambios intensos y prolongados con un agente conversacional. (19)
PUE (Power Usage Effectiveness) : indicador de eficiencia de un centro de datos, relación entre la energía total consumida y la que sirve para el cálculo (ideal próximo a 1). (10)
Q-learning : algoritmo de aprendizaje por refuerzo que estima el valor de cada acción posible en cada situación. (2)
Cuantización : compresión de un modelo reduciendo la precisión numérica de sus pesos. (9)
Cúbit (físico / lógico) : unidad de información cuántica; el cúbit lógico, fiable, requiere numerosos cúbits físicos. (12)
RAG (generación aumentada por recuperación) : técnica que proporciona a un modelo documentos pertinentes en el momento de responder, para obtener respuestas actualizadas, con fuentes y menos propensas a las alucinaciones; su variante agéntica confía la búsqueda a un agente que itera. (6)
Razonamiento (modelo de) : modelo que «reflexiona» por etapas antes de responder, a costa de más cálculo. (4)
Búsqueda en árbol Monte Carlo (MCTS) : método que explora un árbol de jugadas mediante simulaciones; clave del éxito de AlphaGo. (1, 2)
Repetición espaciada : técnica de memorización que repasa una noción a intervalos crecientes, automatizada por los tutores de IA. (15)
Réplica digital (digital replica) : reproducción por IA de la voz, el rostro o la interpretación de una persona real; en el núcleo de los acuerdos que regulan el uso de la IA para los intérpretes (consentimiento, remuneración). (16, 21)
Red neuronal : modelo inspirado en el cerebro, hecho de capas de neuronas artificiales. (2)
Reservoir computing : arquitectura en la que una red recurrente aleatoria fija sirve de «reservorio», y solo se entrena la capa de lectura. (8)
Reward hacking (manipulación de la recompensa) : explotación por una IA de la letra de un objetivo en detrimento de su espíritu. (24)
RGPD : reglamento europeo de protección de datos personales. (21)
RLHF : aprendizaje por refuerzo a partir de retroalimentación humana, para alinear un modelo. (4, 24)
Robótica blanda (soft robotics) : robots de materiales blandos y deformables, adaptados a la manipulación delicada y al contacto humano. (13)
Enrutamiento (routing) : práctica que consiste en confiar cada consulta al modelo mejor adaptado en calidad, velocidad y coste. (4, 7)
SEO (posicionamiento en buscadores) : prácticas destinadas a hacer aparecer un contenido en buena posición en los resultados de los motores de búsqueda. (16)
Singularidad (tecnológica) : hipótesis de un desbocamiento de la IA que se automejora hasta superar de forma radical e imprevisible la inteligencia humana. (24)
Soberanía digital : capacidad de un Estado o de una organización de dominar sus tecnologías y sus datos. (9)
Stablecoin (moneda estable) : criptomoneda indexada a una moneda clásica (a menudo el dólar), que combina la programabilidad del software y la estabilidad de valor; vía privilegiada de los pagos entre agentes. (11)
Estatus moral (bienestar de las IA) : cuestión de si una IA podría algún día merecer una consideración moral. (23)
Superposición : propiedad de un cúbit que puede representar 0 y 1 a la vez. (12)
Sobreajuste (overfitting) : defecto de un modelo que «recita» sus datos de entrenamiento en lugar de generalizar, y que por tanto falla en casos nuevos. (2)
Tasa de aprendizaje : tamaño del paso del descenso de gradiente; demasiado grande, el entrenamiento diverge; demasiado pequeño, se demora. (2)
Temperatura : ajuste de la decodificación de un modelo de lenguaje; baja, es casi determinista y prudente; alta, más variado y creativo. (4)
Test de Turing : prueba propuesta en 1950; una máquina lo «supera» si un interlocutor humano no logra distinguirla de un humano en conversación. (1)
Token (ficha) : unidad de texto (palabra o fragmento) manipulada por un modelo de lenguaje. (4)
Tokenización : segmentación de un texto en fichas (fragmentos de palabras) antes de su procesamiento por un modelo; influye en el coste, la ortografía y el cálculo. (3)
TPU : chip de IA diseñado por Google. (8)
Transformer : arquitectura de red neuronal (2017) basada en la atención, base de los modelos modernos. (3)
Trabajo oculto (ghost work) : trabajo humano (anotación, retroalimentación, moderación) a menudo invisible y precario detrás de la IA. (17)
Vehículo autónomo : vehículo capaz de conducir solo, clasificado por niveles de autonomía. (18)
Vibe coding : producción de software describiendo la intención a una IA en lugar de escribir el código uno mismo; rápido, pero fuente de fallos si el resultado no se audita. (6, 20)
VLA (Visión-Lenguaje-Acción) : modelo que traduce percepción e instrucción en acciones para un robot. (13)
x402 : protocolo abierto (Coinbase) que reaviva el código HTTP «402» para hacer pagar a un agente en stablecoin sin cuenta ni clave de API; pieza del pago entre agentes, junto al marco AP2 de Google. (11)
zkML : aprendizaje automático de divulgación nula; probar que un modelo ha producido un resultado sin revelar ni el modelo ni los datos. (11)